Nel panorama attuale, in cui l’innovazione tecnologica influenza e si intreccia in ogni settore, le implicazioni, i benefici e i rischi connessi ai Big Data e all’intelligenza artificiale, si caratterizzano essere questioni centrali e fondamentali. L’analisi che segue, si propone di sviscerare questo connubio, illustrando come la raccolta dei dati e gli algoritmi di raccomandazione possano modificare l’esperienza dei consumatori e la personalizzazione dei contenuti, rendendola unica, su misura, ma al contempo particolarmente pericolosa. In particolare, per mostrare questa dualità, verrà analizzato il settore dell’intrattenimento, utilizzando come caso studio il social TikTok. L’obiettivo principale è invitare i lettori a riflettere su un tema particolarmente centrale nella quotidianità, dove i benefici e i potenziali pericoli coesistono. L’analisi seguente vuole analizzare come la tecnologia possa, da un lato arricchire l’esperienza individuale, dall’altro, limitare la pluralità dei punti di vista.
Secondo uno studio condotto il 9 Maggio del 2022, chiamato “ Personalization in personalized marketing: Trends and ways forward” [1], la personalizzazione è l’azione di “progettare e produrre in modi che risuonano con le preferenze del cliente”, altresì, le imprese sfruttano una serie di dati, comportamentali e personali , per comprendere a pieno le esigenze del singolo consumatore, col fine di creare un’esperienza su misura, favorendo così una comunicazione One-to-One. Questo tipo di strategia comunicativa risulta essere maggiormente performante rispetto ad una classica comunicazione broadcast.
La personalizzazione tramite AI
La personalizzazione dei contenuti tramite l’intelligenza artificiale avviene per lo più tramite gli algoritmi di raccomandazione. Vengono analizzati in tempo reale grosse mole di dati inerenti al comportamento degli utenti, col fine di prevedere i gusti e gli interessi individuali, progettando e proponendo contenuti su misura.
Secondo uno studio condotto dall’University of Washington[2], uno degli esempi più noti è il feed ‘Per te’ di Tik Tok. Esso apprende rapidamente le preferenze di ciascun utente e seleziona i video di conseguenza. Nei primi 1000 video mostrati a nuovi iscritti di TikTok, oltre un terzo fino alla metà sono personalizzati in base alle previsioni dell’algoritmo sui gusti dell’utente.
Questo raffinato meccanismo di machine learning è talmente efficace che molti utenti affermano che “l’algoritmo di TikTok mi conosce meglio di quanto io conosca me stesso”. L’obiettivo commerciale di queste tecniche è chiaro: massimizzare l’engagement. Più i contenuti corrispondono ai gusti dell’utente, più tempo l’utente rimane sulla piattaforma, aumentando così la visualizzazione di annunci pubblicitari o la probabilità di rinnovo dell’abbonamento nel caso di servizi streaming.
In questo contesto, il ruolo dei Big data è cruciale: avere a disposizione una grossa mole di dati eterogenei sugli utenti, rende possibile trovare correlazioni e pattern invisibili all’occhio umano, in altri termini, più dati a disposizione equivalgono a raccomandazioni più accurate e in linea con il target.
Secondo un’analisi condotta da Business Insider[3], un algoritmo di raccomandazione efficace fa sì che l’utente trovi rapidamente qualcosa di interessante da guardare o ascoltare, riducendo il rischio che abbandoni il servizio.
L’importanza della personalizzazione emerge anche nei servizi di streaming, dove Netflix, ad esempio, stima che un utente medio perda interesse dopo 60–90 secondi di navigazione se non trova contenuti accattivanti. Per questo la personalizzazione è fondamentale dal punto di vista commerciale: in un famoso paper tecnico, Netflix ha rivelato che le sue raccomandazioni personalizzate, incidono per circa l’80% dei contenuti fruiti sulla piattaforma, mentre solo il 20% viene trovato tramite ricerca manuale. Di conseguenza, il sistema di raccomandazione evita che l’utente rimanga senza idee su cosa guardare prevenendo così possibili disdette, tanto che Netflix attribuisce a personalizzazione e consigli potenziati da AI, un valore di oltre 1 miliardo di dollari l’anno in retention (maggiori entrate grazie alla riduzione del tasso di abbandono).
Il connubio tra Big data e intelligenza artificiale consente la massimizzazione dei risultati, difatti, uno studio dell’Università di Washington ha mostrato che, nei primi 4 mesi dall’iscrizione, il tempo medio giornaliero su TikTok cresce da circa 29 a 50 minuti grazie alla personalizzazione sempre più accurata del feed[4]. Questo genere di risultati evidenzia come la personalizzazione AI-driven non solo migliori l’esperienza utente, ma sia ormai centrale nelle strategie di crescita e monetizzazione dei colossi dell’intrattenimento digitale[5].
La tabella riassume le metriche comparative delle principali piattaforme di streaming, evidenziando l’efficacia dell’intelligenza artificiale e dell’analisi dei Big Data nel migliorare il coinvolgimento degli utenti e l’efficienza operativa.
I Big Data
Il centro nevralgico dell’attuale rivoluzione tecnologica sono i dat,i definiti, già nel 2006, dal data scientist e matematico inglese Clive Humbly, come “Il nuovo petrolio”[7]. In altre parole, intesi come il carburante principale e fondamentale per il buon andamento delle imprese di ogni ordine e grado, in quanto il loro scopo è guidare ogni tipo di decisione, basandosi su evidenze oggettive, riuscendo altresì a prevedere, a causa del loro carattere predittivo, quale potrebbe essere l’andamento futuro. Porre al centro d’interesse i dati, significa altresì avere ed utilizzare un approccio ‘customer centricity’, concentrato interamente sulle persone, o meglio, sul singolo individuo, in quanto, i dati non fanno altro che rispecchiare le opinioni, gli interessi, le preferenze e i bisogni latenti dei consumatori. In una prima analisi, non ci si discosta poi così tanto dai classici orientamenti del marketing.
Possibili rischi
La personalizzazione dei contenuti basata su l’AI comporta una serie di rischi da analizzare dettagliatamente col fine di creare consapevolezza.
Si andranno ad analizzare due temi fondamentali:
- Privacy degli utenti.
- ‘Silos’ informativi
Tutte le piattaforme che offrono contenuti personalizzati raccolgono massicce quantità di dati personali e comportamentali necessari ad addestrare al meglio gli algoritmi. Questo tipo di tracciamento risulta essere abbastanza invasivo e aggressivo poiché, come ammesso da TikTok, esso non si limita solo ad immagazzinare dati provenienti dall’interazione con la piattaforma stessa, ma la raccolta, avviene anche tramite dati del dispositivo che si sta utilizzando, tramite partner e attività off-platform; in altre parole per personalizzare i contenuti, vengono utilizzati sia i dati delle attività degli utenti nell’app ( informazioni profilo, like, commenti, tempo di permanenza), sia dati ottenuti da partner pubblicitari esterni, e quindi, in merito alla navigazione dell’utente al di fuori di TikTok[8]
Questa eccessiva sorveglianza solleva problemi di privacy significativi, soprattutto quando coinvolge utenti minorenni o informazioni sensibili[9]. In Europa, il GDPR (General Data Protection Regulation) impone principi stringenti sulla trasparenza, minimizzazione dei dati e consenso informato per trattamenti come la profilazione a fini di personalizzazione.
Ciò significa che, in teoria, l’utente dovrebbe essere ben consapevole di quali dati vengono raccolti e per quali scopi, e avere la possibilità di acconsentire o meno. In pratica, però, molti servizi hanno cercato di aggirare la necessità di un consenso esplicito. TikTok, ad esempio, nel 2022 ha annunciato l’intenzione di basare la personalizzazione degli annunci sul “legittimo interesse” invece che sul consenso degli utenti in Europa, mossa che le autorità hanno contestato costringendo la piattaforma a sospendere tali cambiamenti.[10]
‘Silos’ informativi, conseguenza dell’effetto bolla.
L’eccessiva personalizzazione dei contenuti potrebbe portare alla polarizzazione del pensiero degli individui, non conferendo loro una visione d’insieme.
Gli algoritmi, riuscendo a comprendere con estrema precisione gli interessi degli individui, proporranno contenuti in linea con i pensieri gli utenti col fine di massimizzare il tempo di permanenza o di utilizzo di un determinato servizio. Questi contenuti non si interrogano sulla natura benevola o malevola del tema proposto, ma si limitano a verificare se il contenuto sia in linea con l’utente. Questa pratica non permette agli utenti di poter osservare una determinata questione da più punti di vista, al contrario, amplificherà e ramificherà il loro pensiero andando a creare il così detto effetto bolla.
Questo termine, reso popolare da Eli Pariser[11], indica una situazione in cui le persone vedono solo contenuti che confermano le proprie preferenze o idee, rimanendo isolate in una bolla informativa personalizzata.
Piattaforme come TikTok incarnano questa dinamica: il loro algoritmo altamente “sensibile” può restringere rapidamente il campo dei contenuti mostrati in base a pochi segnali iniziali, portando l’utente giù per la tana del coniglio (down the rabbit hole) di un singolo argomento[12]
Ad esempio, se un utente appena iscritto mostra anche un lieve interesse per video estremi o controversi (contenuti razzisti, teorici della cospirazione, o anche semplicemente video molto deprimenti), l’algoritmo – ottimizzato per massimizzare il tempo di visione – potrebbe iniziare a proporgliene sempre di più, anche di più radicali, perché ha rilevato che quell’utente tende a soffermarsi su tali clip. Come ha sottolineato Josh Taylor in un’inchiesta del Guardian, “il sistema di raccomandazione altamente attivo di TikTok è progettato per tenerti incollato ai video, anche se contengono contenuti razzisti o omofobi”[13]
Ciò significa che un utente può inconsapevolmente ritrovarsi in un silos tematico dove vede quasi solo un certo tipo di video, perché il sistema ha identificato quella come la strada più sicura per massimizzare il suo engagement.
Inoltre, un altro rischio significativo associato alla personalizzazione è l’impoverimento informativo e culturale[14]: se la piattaforma capisce che a un utente “non piacciono” certi generi di contenuto – ad esempio notizie internazionali, documentari scientifici, ecc. – potrebbe semplicemente smettere di proporglieli, rimpiazzandoli con intrattenimento leggero affine ai suoi gusti. In questo modo però l’utente perde l’occasione di essere esposto a informazioni potenzialmente importanti o semplicemente di ampliare i propri orizzonti. TikTok come caso emblematico: studi accademici hanno iniziato a misurare questi fenomeni. Una ricerca presentata al Web Conference 2024 ha evidenziato come TikTok personalizzi oltre la metà dei contenuti del feed in base alle preferenze, limitando di fatto l’esplorazione casuale[15]
In conclusione, queste problematiche rappresentano il “lato oscuro” della personalizzazione tramite AI, la sfida principale sarà riuscire a trovare un equilibrio tra i benefici di un contenuto su misura e la categorica necessità di mantenere una visione ampia, da più prospettive, di una determina questione, anche col fine di adattarsi alle pressioni normative che richiedono ai grandi social di offrire un feed non personalizzato (Digital Services Act).[16]
L’analisi ha evidenziato come l’intelligenza artificiale e l’integrazione dei Big Data nella personalizzazione dei contenuti non sia soltanto una questione legata agli operatori di marketing, ma rappresenta un terreno molto complesso in cui innovazione e criticità si intrecciano. Se da un lato vi è la possibilità di creare esperienze coinvolgenti, pertinenti, in grado di soddisfare le esigenze individuali, aumentare l’engagement; dall’altra l’impoverimento del dibattito pubblico e la polarizzazione dell’informazione, sono rischi concreti e rappresentano una grossa sfida da non sottovalutare. Si invitano i lettori ad interrogarsi sui delicati elementi che coesistono, aprendo la porta ad un dibattito profondo sul futuro dell’informazione e della nostra società
[1]Psychology&Marketing La storia di Shobhana Chandra, Sanjeev Verma, Wengé Marc Lim, Satish Kumar, Naveen Donthu https://onlinelibrary.wiley.com/doi/full/10.1002/mar.21670
[2]Stefan Milne, Università di Washington,Domande e risposte: come l’algoritmo e il design della “scatola nera” di TikTok influenzano il comportamento degli utenti, 24 Aprile 2024,https://www.washington.edu/news/2024/04/24/tiktok-black-box-algorithm-and-design-user-behavior-recommendation/#:~:text=Researchers%20first%20recruited%20347%20TikTok,the%20ACM%20Web%20Conference%202024
[3]Nathan McAlone, Business Insider, https://www.businessinsider.com/netflix-recommendation-engine-worth-1-billion-per-year-2016-6#:~:text=find%20a%20good%20show%20or,that%20Netflix%20gets%20this%20right
[4]Stefan Milne, Università di Washington,Domande e risposte: come l’algoritmo e il design della “scatola nera” di TikTok influenzano il comportamento degli utenti, 24 Aprile 2024, https://www.washington.edu/news/2024/04/24/tiktok-black-box-algorithm-and-design-user-behavior-recommendation/#:~:text=The%20second%20study%2C%20which%20the,50%20minutes%20on%20the%20last
[5] Elochukwu Ukwandu, Cardiff Metropolitan University, Regno Unito. Revisionato da: Richard Segall, Arkansas State University, Stati Uniti. Analisi dei Big Data e AI come fattori di successo per le piattaforme di streaming video online, https://pmc.ncbi.nlm.nih.gov/articles/PMC11841674/#:~:text=Taken%20together%2C%20these%20case%20studies,the%20future%20of%20digital%20entertainment
[6]Elochukwu Ukwandu, Cardiff Metropolitan University, Regno Unito. Revisionato da: Richard Segall, Arkansas State University, Stati Uniti. Analisi dei Big Data e AI come fattori di successo per le piattaforme di streaming video online; https://pmc.ncbi.nlm.nih.gov/articles/PMC11841674/#:~:text=Taken%20together%2C%20these%20case%20studies,the%20future%20of%20digital%20entertainment
[7] xCoAx 2014: Proceedings of the Second Conference on Computation, Communication, Aesthetics and X.
- Edited by Miguel Carvalhais & Mario Verdicchio;
- ISBN: 978-989-746-036-4;
[8]Policy sulla privacy e sulla gestione della raccolta dati. TikTok https://www.tiktok.com/legal/page/global/changes-to-personalised-advertising-in-the-eea/en
[9]Jasmine Irwin, Alannah Dharamshi, Noah Zon, La privacy dei bambini nell’era dell’intelligenza artificiale, CSA Group,https://www.csagroup.org/article/research/childrens-privacy-in-the-age-of-artificial-intelligence/?srsltid=AfmBOopMqT2AjSJvtIff0vHJ9SedLRRc5mzQLJE8MU8TAVPcps-dgT2y#:~:text=,commonly%20used%20in%20children%E2%80%99s%20lives
[10] Policy sulla privacy e sulla gestione della raccolta dati. TikTok https://www.tiktok.com/legal/page/global/changes-to-personalised-advertising-in-the-eea/en
[11] Giacomo Figà Talamanca , Selene Arfini Attraverso il vetro del newsfeed: ripensare le bolle di filtro e le camere dell’eco, 2022 marzo 15, https://pmc.ncbi.nlm.nih.gov/articles/PMC8923337/#:~:text=The%20notion%20of%20filter%20bubble,sources%20and%20people%20in%20disagreement
[12]Josh Taylor, L’algoritmo di TikTok è estremamente sensibile e potrebbe farti sprofondare in una tana di coniglio piena di odio prima che tu te ne accorga, 26 lug 2024, https://www.inkl.com/topics/mar-mari-emmanuel#:~:text=TikTok%E2%80%99s%20algorithm%20is%20highly%20sensitive,AU
[13]Josh Taylor, L’algoritmo di TikTok è estremamente sensibile e potrebbe farti sprofondare in una tana di coniglio piena di odio prima che tu te ne accorga, 26 lug 2024, https://www.inkl.com/news/tiktok-s-algorithm-is-highly-sensitive-and-could-send-you-down-a-hate-filled-rabbit-hole-before-you-know-it
[14]Aurélien Brest, Bolle di filtro e camere di eco, Fondation Descartes https://www.fondationdescartes.org/en/2020/07/filter-bubbles-and-echo-chambers/#:~:text=A%20,This%20is%20a%20result%20of
[15]Stefan Milne, Università di Washington, Domande e risposte: come l’algoritmo e il design della “scatola nera” di TikTok influenzano il comportamento degli utenti, 24 aprile 2024, https://www.washington.edu/news/2024/04/24/tiktok-black-box-algorithm-and-design-user-behavior-recommendation/#:~:text=Researchers%20first%20recruited%20347%20TikTok,the%20ACM%20Web%20Conference%202024
[16]EUROPEAN COMMISSION, REGULATION OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL on a Single Market For Digital Services (Digital Services Act) and amending Directive 2000/31/EC https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52020PC0825
Laureato in comunicazione d’impresa, marketing e digital media, con una tesi sul ruolo dell’intelligenza artificiale all’interno percorso d’acquisto del cliente. Vincitore del Premio America Giovani per il talento e il merito universitario, con un Master in leadership per relazioni internazionali & made in Italy. Studente magistrale in Innovazione, progettazione dell’esperienza dell’utente e gestione dei progetti e dei processi aziendali presso l’Università Lumsa di Roma.
Eccellente❤️