Ci sono molti diversi approcci alla misurazione.

Noi in agenzia usiamo questi tre, principalmente che hanno un livello di approfondimento e di di di complessità maggiore.

Il primo lo chiamiamo standard, che è la misurazione quantitativa della performance dei contenuti di campagna, cioè banalmente lech le views generate, le interazioni eccetera effectiveness, la misurazione quantitativa delle performance, ma con aggiunta anche la dimensione qualitativa sulle interazioni, per esempio i topic e i sentiment e le analisi dei degli dell'audience raggiunta, nonché il calcolo del valore equivalente generato ultima ancora più approfondita l'impact.

Quindi abbiamo la misurazione qualitativa, il calcolo del valore equivalente, una valutazione qualitativa su reazioni e commenti, ma anche una valutazione sull'impatto della campagna lato brand attraverso o dedicati, in cui andiamo a chiedere a un pubblico esposto non esposto.

Eh, ovviamente, e facciamo domande.

Un questionario relativo alla campagna in modo da vedere la ricaduta.

Ecco alcuni dei K p i e dei parametri che valutiamo con la standard per la reach.

Le a seconda poi variano a seconda ovviamente del canale reach impression vis le visite al sito generate, le generate, le conversioni, i like, i commenti, le condivisioni, i save i click, senza dimenticarci che però, come abbiamo detto prima, i numeri vanno contestualizzate perché ci sono views e views.

Instagram una views da tre secondi su facebook parte da tre secondi, ma abbiamo dati anche, ma di di di views diverse, di di più lunghe su internet sono tre secondi su linkedin due su tik tok è immediata youtube trenta secondi e cento per cento calcolando che poi youtube non se io continuo a rivedere lo stesso video, non dopo un po', non me ne co- no, non mi sta a contare views su views fino al giorno seguente.

Quindi è ovvio che una view su tik tok, pur essendo una views, ha un po' meno peso di una view su YouTube, non dimentichiamolo, senza contare che è molto pericoloso, anche se adesso va di moda unire i dati, unire i dati nel senso i dati di tik tok si rischia di fare di unire pere mele che sono canali diversi con caratteristiche diverse e con anche settaggi diversi per quanto riguarda i dati, quando lavoriamo in e invece per la dimensione di effetti Iss, alle performance appunto qualitative che abbiamo visto prima, aggiungiamo elementi come l'analisi dei sentiment e i topic che emergono dai commenti ai post di campagna.

La stima della riccia reale non l'ha accumulata perché, come ben sappiamo, la rich sono gli utenti unici.

Quindi se un credito ha fatto un milione di rich e l'altro un milione, non è che abbiamo fatto due milioni.

Quella che viene chiamata infatti grosse rich.

Molti grazie a degli algoritmi proprietari ci permettono di andare a valutare la reale, nonché di là di di valutare i dell'audience raggiunta.

Quindi età, sesso, nazione, interessi che anche qui una campagna che ha fatto cinque milioni di views può essere un'ottima campagna.

Ma se il cinquanta per cento di queste di queste persone raggiunte scusate fuori il target magari non è così.

Valutazione dei sul pubblico che ha interagito anche qui per avere una dimensione qualitativa aggiuntiva a quella quantitativa, perché anche qui si può aver fatto cento si può aver fatto cinquecentomila interazioni con i nostri contenuti.

Ma se il trenta percento sono fatte da utenti non in target, anche qui quel numero non ha lo stesso peso e infine il calcolo del valore e del valore equivalente per avere una dimensione anche maggiore di di di approfondimento.

Questo è un esempio l'analisi dei commenti questa è una campana fatta per marta Rossi il i commenti erano venticinque, il sentiment novanta percento positivo e non solo ci dà anche un minimo di esempi di esemplificativo di commento per capire eh, appunto per capire meglio come è andata la campagna.

Questo invece è un esempio dei dell'audience raggiunta.

Lo vedete questa campagna che aveva fatto qualche milione di grossi rich cereale stimata e adesso è uno e uno ci danno le caratteristiche principali dell'audience, ma possiamo anche vederla poi nel dettaglio questa è clia come tu questo è il invece del pubblico coinvolto che ha messo like.

I commenti sono stati trentacinquemila generati da trentaquattro mila utenti, quindi c'è un po' di sovrapposizione e riusciamo ad avere le caratteristiche.

Quindi la credibility, le caratteristiche di età e sesso paese.

Perché anche lì se il cinquanta percento vengono dalla francia, dalla campagna in italia non conta aver fatto tante interazioni e anche interessi brand affinity e affinity con particolari to i settori interessi del pubblico che ha interagito.

Poi c'è il calcolo del valore equivalente che abbiamo visto anche quando stimavamo il costo di creator qui è uguale.

Prendiamo tutti i risultati, non però di un singolo post fatto dal creator o in media la media di performance di credito.

Ma qui prendiamo i risultati ottenuti dai post di campagna in base alla tabella di cli.

In questo caso il clear o le nostre tabelle ognuno c'ha il diciamo spesso hanno tabelle proprietarie le agenzie andiamo a valutare quello che è il valore equivalente.

In questo caso clear usa questa tabella con un moltiplicatore di dieci e cinquantadue.

Questo invece è un caso, una campagna generata da una tabella nostra.

Questo caso con la parte sopra è ad esempio i post erano stati diciannove l'ingaggio generato centodiciassettemila la rich settecentotrentaquattro il valore equivalente ricordando che c'è il moltiplicatore è stato di settecentoventisette mila novecento euro.

Spesso col moltiplicatore vengono numeri molto ingenti impact e invece ha un focus ancora più dettagliato.

Per capire l'impatto della campagna in maniera più profondo.

Cosa facciamo solitamente analisi conversazioni su brand o prodotto per vedere lo scostamento che c'è stato dal dal prima di campagna e vedere se durante post campagna la campagna abbia avuto un impatto sulla presenza online del brand al di là dei singoli numeri di campagna.

E poi possiamo lavorare con studi molto utilizzati ma con tipologie di approcci utilizzati spesso anche in in campagna advertising digitale classico, Apple dica o il brand lift per andare a vedere appunto capire l'impatto più profondo sul posizionamento del brand e sul suo percepito.

Questo è un esempio.

Per esempio questo è il volume della campagna.

Come vedete quel picco enorme era il lancio l'evento di lancio del prodotto.

I picchi successivi a settembre erano durante la campagna, quindi le conversazioni sul brand durante questa campagna erano aumentate.

Ma io posso fare di più.

Posso dire posso creare delle categorie dedicate in modo da capire se veramente se quei picchi sono relativi alla campagna.

Quindi noi abbiamo creato, per esempio col machine in queste campagne queste categorie catasto e abbiamo insegnato alla macchina a riconoscere.

Quindi la macchina ci ha diviso la i i contenuti di che i contenuti che parlavano, del prodotto che si riferivano al suo essere vegano, che era un prodotto di benessere agli eventi di lancio a Daniela Ciccioni, che è una famosa chef vegana che aveva aveva lanciato questo prodotto insieme a un brand e in giallo sanno il bono challenge l'hashtag di campagna.

Come vedete nella parte da fine settembre in poi, quando la campagna è stata lanciata.

La maggior parte delle conversazioni era inerente alla campagna, quindi vuol dire che comunque ha avuto un certo tipo di peso.

Idem possa andare a vedere i principali topi che i principali Ward utilizzate.

Come vedete l'hashtag di campagna che sanno bon challenge in questo caso è presente in maniera preponderante grazie alla Lissi.

Infatti, cosa possiamo capire per esempio, il il cambiamento della percezione degli utenti sul brand del prodotto, il numero di le critiche, la voca, cioè il numero di contenuti che parlano male bene um da relativamente al brand o prodotto l'incremento delle menzioni riguardante brand o prodotto, in modo da valutare il buds generato, gli ute, la tipologia di utenti e gli influencer coinvolti.

Per capire se siamo stati bravi.

La campagna è stata trainante per coinvolgere, senza la nostra, senza il nostro diretto intervento, altre figure forti che magari hanno potuto dare eco ulteriore alla campagna.

Esistono poi negli anni tentativi di avere approcci un pochettino più li olistici alla misurazione, in modo da fare valutazioni più complete possibili sulle campagne influencer marketing.

Una per esempio, appunto, è lo studio sul brand lift che ha dei plus e dei malus il Plus è la capacità di concentrarsi su metriche e soft, come appunto la percezione del brand e ha di buono che fa questo utilizzando sondaggi, quindi in maniera diretta.

E questo ci aiuta a comprendere la visione dei dei, dei diciamo, della nostra audience target relativamente a come è cambiata la percezione del brand relativamente grazie ai contenuti generati dagli influencer.

Quindi ci permetterà, ha una dimensione qualitativa importante e fortemente inerente alle campagne influencer marketing negativo è il fatto che non tiene conto di metriche di efficacia di per comprendere pienamente eh l'impatto che abbiamo generato in base ai costi diciamo.

Quindi si si perde un po' per strada quel concetto di costo performance che diventa abbastanza um fondamentale.

Un altro approccio che sta molto e molto utilizzato ultimamente è quello del media mix, modelli che ha utilizzato e utilizzato anche per la valutazione di altre tipologie di campagne.

La cosa buona è che sono framework di misurazioni già esistenti e compresi da molti brand perché li usano su molte altre attività, quindi gli permette anche volendo, anche se io non amo perché ripeto, si paragona spesso per e mele ci permettono ai brand anche di fare paragoni a parità di investimento su attivazioni differenti.

Il problema è che il malus che funziona solo su larga scala e l'impatto dei creator può risultare limitato a causa spesso del del inefficienza rispetto ad altri canali, come per esempio quelli dell'advertising, che sono maggiormente otti- ottimizzati a generare numeri in grande scala, come per esempio le visualizzazioni.

La misurazione basata sul c P M.

Perché piace? Perché è un metodo semplice per comprendere appunto la bontà delle attivazioni coi creator agli occhi degli stakeholder interni esterni, perché è facilmente comprensibile il malus che enfatizza troppo il punto di vista su k p i.

È un po' troppo superficiali come le visualizzazioni, rischiando di far sembrare troppo, di accomunare troppo l'influencer marketing a modelli l'advertising classico e rischiando di farci perdere per strada tutta quella parte di dimensione qualitativa che invece è decisiva.

Perché ci perdiamo da tutto il trust di quelle views generate dai contenuti erne fatti dai creator rispetto a un semplice video banner spinto dall'ad ultima le opzioni di misurazione su misura per piattaforme ce ne hanno molte, come per esempio molti tool di influencer marketing ce l'hanno.

La cosa buona è che sono as- nella maggior parte dei casi studiate e sviluppate specificatamente per le attività di influencer marketing.

Quindi ci possono dare un'ottima visione delle prestazioni um di queste campagne, spesso avendo anche dati provenienti, ovviamente anonimizzati da altre campagne per darci dei benchmark.

Il problema è che i dati a livello di piattaforma sono, se spesso un po' troppo superficiali, legati semplicemente alla dimensione social e non integrano altre dimensioni e possono essere l'incremento, eh, magari della reputation o ricadute.

Per quanto riguarda per esempio, la conversione lato um obiettivi come più profondi come la generazione di lid, le conversioni simili è interessante, ma solo per obiettivi un attimino più superficiali.