4. PERFORMANCE NON FINANZIARIE: LA VALUTAZIONE DELLA QUALITA’ DEI SERVIZI OFFERT
4.3. L’uso dei social networks per valutare i servizi di un aeroporto
La valutazione delle performance dei servizi offerti può avvenire in svariati modi: tra le modalità che vengono definite soggettive (Graham, 2003), vi sono i comments e complaints
cards, ovvero i moduli per i reclami e i suggerimenti.
Questi permettono di ottenere descrizioni più accurate e nel dettaglio da parte dei passeggeri, oltre ad essere immediati e necessitare di una spesa esigua.
Dall’altra parte però, le autorità aeroportuali non hanno alcun tipo di controllo su questa metodologia di valutazione, in quanto i moduli non sono rappresentativi di un campione di viaggiatori idoneo per trarre delle conclusioni obiettive, e spesso i consumatori ricorrono ai
52
reclami quando hanno una visione estremamente negativa dei servizi, che li spinge appunto a recensire.
In sostanza, i comments cards non permettono di ottenere una visione sufficientemente sistematica da poter fungere come spunto per sviluppare programmi di miglioramento dei servizi e target-setting.
Con il consolidarsi dell’era di internet, il ruolo dei comments e complaints cards è stato soppiantato dai feedback che vengono pubblicati sui social networks, sui blog e sui siti di viaggi da parte dei passeggeri.
Anche le indagini che vengono somministrate ai passeggeri presso gli aeroporti sono diventate una sorta di ostacolo, in quanto possono presentare dei rischi per la sicurezza e creare discomfort tra i passeggeri, oltre agli elevati costi che esse comportano.
Per questi motivi, si sono sviluppati nuovi approcci di valutazione delle performance, basati sull’analisi di recensioni lasciate dai passeggeri sulle communities online, che in gergo tecnico vengono chiamate user-generated contents, ovvero contenuti creati dai consumatori.
Autori, come Gitto e Mancuso60 (2017), Lubbe, Douglas e Zambellis61 (2011), affermano che il miglior metodo di misurazione delle performance aeroportuali sia dato dall’opinione dei passeggeri.
Le recensioni online rappresentano importanti fonti di informazione riguardo alle esperienze dei consumatori, ed è appurato che i viaggiatori siano influenzati nelle loro scelte dalle opinioni degli altri turisti.
Questa tipologia di valutazione delle performance si basa sul text mining (una specificazione del data mining): vale a dire, un insieme di metodologie che permettono di estrapolare informazioni utili e trend da una grande quantità di dati testuali (recensioni, appunto), sulla
60Gitto S., Mancuso P., (2017). Improving airport services using sentiment analysis of websites, Tourism
management perspectives, n. 22, pp. 132-136
61 Lubbe B., Douglas A., Zambellis J., (2011). An application of the airport service quality model in South
53
cui base comprendere nel dettaglio le preferenze dei consumatori e sviluppare, di conseguenza, nuove strategie di miglioramento dei servizi.
Le tecniche e le strategie applicate alle operazioni di data mining sono, per larga parte, automatizzate: si tratta, infatti, di specifici software e algoritmi adatti al singolo scopo. I contenuti generati dai consumatori sono meglio conosciuti come big data, i quali completano i tradizionali metodi di valutazione delle performance, e possono essere utilizzati come nuovi paradigmi di ricerca nel business intelligence.
Esistono due tipi di text mining, ovvero due tecnologie per l’estrazione dei dati da testi in lingua naturale: l’analisi delle emozioni, che permette di definire se un consumatore è felice o infelice rispetto a un determinato prodotto o servizio e la sentiment analysis, che ha l’obiettivo di determinare la polarità generale di un giudizio, ossia classificarlo in positivo, negativo o in modo neutrale.
Le metodologie utilizzate dalla sentiment analysis sono principalmente tre: il rilevamento delle parole chiave, l’affinità lessicale e i metodi statistici. Il primo consente di classificare il testo in categorie emotive facilmente riconoscibili, come “felice”, “triste” e “annoiato”. Il secondo concerne l’affinità lessicale: essa non rileva solo le keyword emotive, ma assegna anche a parole arbitrarie “un’affinità” probabile a emozioni particolari. I terzi si basano su elementi di apprendimento automatico.
La sentiment analysis si sta sviluppando in numerosi settori dei servizi, come quello sanitario (ospedali), turistico riguardo a hotel, compagnie aeree ed aeroporti. Solitamente, vengono estratti i dati da una piattaforma online, di cui le più utilizzate sono Twitter, TripAdvisor, Google Maps e Skytrax nel caso degli aeroporti, o direttamente dalle pagine social della società analizzata in un determinato periodo di tempo, che si identifica spesso con il mese di giugno (in quanto rappresentativo sia una buona percentuale di viaggiatori business che leisure). Si tengono in considerazione le parole chiave che appaiono nelle recensioni almeno un numero di volte pari a dieci, e che sembrano essere correlate con il concetto di ASQ. Le parole chiave vengono poi mappate e raggruppate in variabili che rimandano a quelle sopra elencate, utilizzate nelle customer surveys, non sempre però possono coincidere con esse. Ad esempio, il termine staff utilizzato in una recensione può riferirsi all’area check in, security, o all’aeroporto in generale. Ancora, il termine
54
infrastruttura potrebbe fare riferimento alla cortesia del personale, alla disponibilità di
ATM, ai negozi e ristoranti in generale oppure all’accesso wifi ecc. In seguito, attraverso l’impiego di software specializzati, si procede all’analisi della polarità del giudizio per ogni variabile identificata, quindi, si giunge alla determinazione di quelle aree su cui il giudizio è nettamente positivo e di quelle per cui, invece, si devono apportare dei miglioramenti. Inoltre, la frequenza con cui alcune variabili e attributi vengono menzionati nelle recensioni indica l’importanza relativa che i passeggeri conferiscono ad ogni aspetto dei servizi offerti presso l’aeroporto.
Da uno studio effettuato sugli UGC, riguardo l’aeroporto di Heathrow a Londra, è emerso che l’efficacia dell’analisi sentiment non è perfetta, devono essere quindi apportati dei miglioramenti nella grammatica e nei meccanismi di logica utilizzati. Non è raro, infatti, che vengano commessi errori nella classificazione delle opinioni dei passeggeri a causa dell’ironia, in relazione ai cosiddetti false positives, ovvero espressioni che sembrano essere positive ma che in realtà esprimono giudizi negativi62. Per questo, gli studiosi del settore consigliano di approcciarsi alla sentiment analysis tramite social media con cautela, nonostante essa possa fornire informazioni utili ai manager per identificare debolezze nei servizi offerti e quindi aree di miglioramento.
Questa tipologia di ricerca può rappresentare una nuova opportunità per validare, confrontare e completare le classiche metodologie di valutazione delle performance, con la creazione di prototipi per l’ASQ più dettagliati e accurati, con attributi e variabili che vanno oltre quelli tipici delle customer surveys.
In uno studio condotto nel 2018 dagli studiosi Lee e Yu63, si è cercato di spiegare la correlazione tra la polarità delle opinioni rilasciate su Google Maps e lo star-rating conferito, oltre alla specifica rispondenza dei risultati della sentiment analysis a quelli dell’ACI ASQ. Sono stati raccolti dati di recensioni sui primi cento aeroporti per volume di traffico, rilasciate tra novembre 2007 e novembre 2016, e sono stati utilizzati degli algoritmi che
62 Martin-Doming L., Martin J. C., Mandsberg G., Social media as a resource for sentiment analysis of Airport
Service Quality (ASQ), Journal of Air Transport Management, 2019, n. 78, 106-115
63 Lee K., Yu C., Assessment of airport service quality: A complementary approach to measure perceived
55
hanno permesso di collegare gli attributi a tre diversi tipi di giudizio. Dall’analisi comparata è stato appurato che si ha una forte correlazione tra la polarità dell’opinione espressa e lo star-rating: in sostanza, più è positivo il giudizio, maggiori saranno le stelle attribuite. Ciò conferma il fatto che il lessico su cui si basa la sentiment analysis è affidabile per quanto concerne l’analisi quantitativa del rating.
Inoltre, la maggior parte delle variabili fondamentali contenute nel questionario ACI coincidono con quelle emerse dall’analisi delle reviews, ciò significa che i programmi di ASQ hanno sempre coperto argomenti di rilevante importanza per i passeggeri.
Data la natura dinamica del settore degli aeroporti, sembra che alcuni fattori, come la disponibilità di carrelli per i bagagli, la disponibilità di ATM, e il cambio valuta, non siano più importanti come una volta per i passeggeri. Nonostante le variabili considerate nei programmi ACI siano identiche da anni, le esigenze dei consumatori si sono evolute, in seguito anche all’evoluzione delle tecnologie.
In sostanza, la valutazione dei servizi effettuata tramite il text mining rappresenta un’alternativa complementare ai classici questionari, in quanto ad oggi non si è ancora raggiunto il consenso sulle variabili e gli attributi con cui misurare l’airport service quality; inoltre, questa metodologia permette di risparmiare i costi di conduzione dell’indagine. Vi è, però, un limite da tenere in considerazione: il lessico identificabile dall’algoritmo utilizzato non riconosce le negazioni e le frasi che hanno un significato ironico, quindi è necessario adottare un sistema più sofisticato, che consente di ovviare a tale, non trascurabile, problema. Ciò potrebbe sollecitare ricerche e sviluppi futuri.