SlideShare ist ein Scribd-Unternehmen logo
1 von 115
Downloaden Sie, um offline zu lesen
Linkedin mario bencivinni daniela galati andrea steccati
INDICE
1.  Overview	
                                                   5	
  
2.  Contesto	
  di	
  analisi	
                                  6	
  
3.  Focus	
  su	
  Linkedin	
                                    7	
  
4.  Metodologia	
  di	
  raccolta	
  dei	
  da<	
                8	
  
5.  Ricerca	
  qualita<va	
                                      9	
  
6.  Means-­‐end	
  chain	
                                       12	
  
7.  Ricerca	
  quan<ta<va	
                                      13	
  
8.  Variabili	
  socio-­‐demografiche	
                           16	
  
9.  Social	
  network	
  e	
  professione	
                      20	
  
10. Social	
  network	
  e	
  <tolo	
  di	
  studio	
            21	
  
11. Età	
  del	
  campione	
  di	
  riferimento	
                24	
  
12. Variabile	
  status	
                                        25	
  
13. Frequenza	
  di	
  u<lizzo	
  dei	
  social	
  network	
     26	
  
14. Strumen<	
  per	
  cercare	
  lavoro	
                       27	
  
15. Giudizio	
  sugli	
  strumen<	
                              28	
  
                                                                          2	
  
INDICE
16. Conoscenza	
  di	
  Linkedin	
                                                             29	
  
18. Mo<vo	
  di	
  u<lizzo	
  di	
  Linkedin	
                                                 30	
  
19. Proposte	
  di	
  lavoro	
  ricevute	
  in	
  un	
  mese	
  tramite	
  Linkedin	
          31	
  
20. Diffusione	
  e	
  percezione	
  del	
  servizio	
  mobile	
                                32	
  
21. Possesso	
  dell’account	
  premium	
                                                      33	
  
26. Mo<vazione	
  di	
  u<lizzo	
  dei	
  social	
  network:	
  analisi	
  discriminante	
     34	
  
28. Mo<vazione	
  di	
  u<lizzo	
  dei	
  social	
  network:	
  regressione	
                  39	
  
29. Analisi	
  faXoriale	
                                                                     46	
  
30. Cluster	
  analysis	
                                                                      52	
  
31. Descrizione	
  dei	
  cluster	
                                                            55	
  
32. Regressione	
  lineare:	
  Facebook	
                                                      70	
  
33. Regressione	
  lineare:	
  Linkedin	
                                                      74	
  
34. Regressione	
  lineare:	
  TwiXer	
                                                        77	
  
35. Social	
  Network	
  ideale	
  vs	
  reali	
                                               80	
  
                                                                                               	
  
                                                                                               	
     3	
  
INDICE
30. Pun<	
  di	
  forza	
  e	
  debolezza	
  di	
  Facebook	
                 84	
  
31. Pun<	
  di	
  forza	
  e	
  di	
  debolezza	
  di	
  Linkedin	
           86	
  
32. Pun<	
  di	
  forza	
  e	
  di	
  debolezza	
  di	
  TwiXer	
             88	
  
33. Analisi	
  quan<ta<va:	
  pun<	
  di	
  forza	
  di	
  Linkedin	
         90	
  
34. Analisi	
  quan<ta<va:	
  pun<	
  di	
  debolezza	
  di	
  Linkedin	
     92	
  
35. Analisi	
  discriminante	
                                                94	
  
36. Implicazioni	
  di	
  Marke<ng	
                                          111	
  
37. Limi<	
  della	
  ricerca	
                                               114	
  
                                                                              	
  
                                                                              	
  




                                                                                        4	
  
OVERVIEW
Quando	
   parliamo	
   di	
   social	
   network	
   ci	
   riferiamo	
   ad	
  
un'espressione	
   u<lizzata	
   in	
   ambito	
   anglosassone,	
   che	
  
indica	
   una	
   o	
   più	
   re.	
   sociali.	
   Grazie	
   all'avvento	
   di	
  
internet	
  le	
  re.	
  sociali	
  di	
  <po	
  digitale	
  hanno	
  conosciuto	
  
un	
   grande	
   sviluppo	
   e	
   sono	
   entra<	
   nel	
   quo<diano	
   delle	
  
persone.	
  
Un	
   social	
   network	
   è	
   in	
   grado	
   pertanto	
   di	
   collegare	
   in	
  
molteplici	
   modi	
   le	
   persone	
   tra	
   di	
   loro,	
   facilitando	
   la	
  
comunicazione	
   e	
   la	
   fruizione	
   dell'informazione.	
   Nei	
  
social	
  network	
  si	
  è	
  potuto	
  assistere	
  alla	
  nuova	
  creazione	
  
di	
  contenu<	
  e	
  valore	
  grazie	
  all'agire	
  collabora<vo.	
  
	
  
                                                                                           5	
  
CONTESTO DI ANALISI
La	
   ricerca	
   è	
   stata	
   condoXa	
   sugli	
   uten<	
   dei	
   social	
  
network	
  concentrando	
  la	
  nostra	
  analisi	
  sugli	
  u<lizzatori	
  
di	
   “Linkedin”:	
   il	
   social	
   network	
   “professionale”.	
   Lo	
  
studio	
   è	
   stato	
   effeXuato	
   partendo	
   da	
   un’analisi	
  
qualita<va	
   volta	
   a	
   far	
   emergere	
   le	
   caraXeris<che	
   e	
   gli	
  
aXribu<	
   più	
   rilevan<	
   dell’oggeXo	
   di	
   studio.	
   A	
   tal	
  
proposito	
  sono	
  sta<	
  soXopos<	
  a	
  interviste	
  in	
  profondità	
  
cinque	
   soggee	
   par<colarmente	
   informa<	
   e	
   aevi	
  
sull’uso	
   di	
   “Linkedin”.	
   Dai	
   risulta<	
   oXenu<	
   è	
   stato	
  
possibile	
   formulare	
   un	
   ques<onario	
   idoneo	
   a	
   far	
  
emergere	
  le	
  peculiarità	
  del	
  social	
  network	
  in	
  ques<one	
  
e	
  gli	
  aspee	
  più	
  importan<	
  in	
  relazione	
  ai	
  social	
  network	
  
più	
  diffusi:	
  “Facebook”	
  e	
  “TwiXer”.	
  
                                                                                        6	
  
FOCUS SU LINKEDIN
L’azienda	
  ormai	
  è	
  una	
  delle	
  realtà	
  più	
  interessan<	
  (e	
  concrete)	
  del	
  
web	
  con	
  i	
  suoi	
  1800	
  impiega<,	
  di	
  cui	
  una	
  decina	
  a	
  Milano	
  (presso	
  la	
  
sede	
   aperta	
   in	
   data	
   29/11/11	
   in	
   zona	
   Stazione	
   Centrale).	
   La	
   società	
  
è	
  quotata	
  in	
  borsa	
  a	
  New	
  York	
  e	
  la	
  metà	
  dei	
  guadagni	
  li	
  oeene	
  con	
  
le	
   soluzioni	
   per	
   la	
   ricerca	
   del	
   personale	
   messe	
   a	
   disposizione	
   dei	
  
clien<	
  (in	
  Italia	
  tra	
  gli	
  altri	
  Star	
  e	
  Telecom),	
  un	
  35%	
  circa	
  viene	
  dalle	
  
soluzioni	
  di	
  marke<ng	
  e,	
  infine,	
  poco	
  meno	
  di	
  30	
  milioni	
  di	
  dollari	
  
provengono	
  dalle	
  soXoscrizioni	
  a	
  pagamento	
  degli	
  uten<.	
  
In	
  Italia,	
  secondo	
  i	
  da<	
  forni<	
  da	
  Albergoni	
  (Senior	
  Sales	
  Manager	
  
presso	
  “Linkedin	
  Italia”),	
  gli	
  uten<	
  registra<	
  sono	
  circa	
  due	
  milioni	
  
con	
   una	
   crescita	
   del	
   107%	
   in	
   un	
   anno	
   ed,	
   effeevamente	
  
l’impressione	
   comune	
   è	
   che	
   solo	
   in	
   quest’ul<mo	
   periodo	
   Linkedin	
  
s<a	
   realmente	
   prendendo	
   piede	
   nel	
   nostro	
   paese.	
   “L'Italia,	
  
sos<ene	
   Albergoni,	
   è	
   il	
   secondo	
   per	
   tasso	
   di	
   crescita	
   in	
   Europa	
   e	
  
l’apertura	
  di	
  un	
  ufficio	
  fisico	
  lo	
  dimostra”.	
  
                                                                                                                  7	
  
METODOLOGIA DI RACCOLTA DEI DATI
•  	
  Analisi	
  qualita<va:	
  
                     –  5	
  Depth	
  Interviews	
  face	
  to	
  face	
  
•  Analisi	
  quan<ta<va:	
  
                     	
   Somministrazione	
  di	
  un	
  ques<onario	
  struXurato	
  in	
  lingua	
  italiana	
  e	
  
                     - 
                          inglese:	
  	
  
	
  	
  	
  	
   	
   	
  Face	
  to	
  face	
  presso	
  l’Università	
  “Luigi	
  Bocconi”,	
  il	
  “Politecnico	
  di	
  	
  	
  	
  	
  	
  	
  	
  
                 	
   	
  Milano”,	
  l’Università	
  “CaXolica	
  del	
  Sacro	
  Cuore”	
  di	
  Milano	
  e	
  in	
   	
   	
  	
  
                 	
   	
  Corso	
  Italia	
  (data	
  l’alta	
  concentrazione	
  di	
  lavoratori	
  durante	
  le	
  pause	
  
                 	
   	
  pranzo).	
  
                 	
   	
  On-­‐Line	
  tra	
  i	
  contae	
  personali	
  in	
  ambito	
  universitario;	
  nei	
  gruppi	
   	
  
                 	
  	
   	
  di	
  “Facebook”:	
  “Ninja	
  Marketer”,	
  “Social	
  Network”,	
  “Web	
  	
   	
   	
   	
  	
  
                 	
   	
  Marke<ng”,	
  “e-­‐Marke<ng	
  Studies”,	
  “Web	
  Marke<ng	
  Associa<on”;	
  	
  
                 	
   	
  nei	
  gruppi	
  di	
  “Linkedin”:	
  “Alumni	
  Bocconi”	
  “e-­‐marke<ng	
  e	
  Social	
  	
   	
  
                 	
   	
  Media	
  Profs”,	
  “e-­‐MC”,	
  “e-­‐Marke<ng	
  Associa<on”,	
  “Linkedin	
  	
   	
   	
  
                 	
  	
   	
  Mobile”	
  e	
  “Ninja	
  Marke<ng”.	
                                                                                        8	
  
RICERCA QUALITATIVA
La	
   ricerca	
   qualita<va	
   è	
   stata	
   effeXuata	
   mediante	
   cinque	
   depth	
   interviews	
   semi-­‐
struXurate	
   dalle	
   quali	
   sono	
   emerse	
   le	
   seguen<	
   informazioni,	
   sulle	
   quali	
   ci	
   siamo	
  
focalizza<	
   per	
   la	
   realizzazione	
   del	
   ques<onario.	
   Di	
   seguito	
   abbiamo	
   sinte<zzato	
   le	
  
domande	
  e	
  le	
  risposte	
  più	
  rilevan<	
  oXenute	
  mediante	
  le	
  interviste:	
  
1.  Qual	
  è	
  il	
  mo<vo	
  che	
  l’ha	
  spinta	
  ad	
  iscriversi	
  ai	
  social	
  network?	
  
     –       Per	
  mantenere	
  i	
  contae	
  
     –       Per	
  trovare	
  informazioni	
  od	
  opportunità	
  sul	
  mondo	
  del	
  lavoro	
  
2.  Qual	
  è	
  stata	
  l’impressione	
  che	
  ha	
  avuto	
  nel	
  primo	
  periodo	
  di	
  u<lizzo?	
  
     –      Possibilità	
  di	
  nuove	
  conoscenze	
  
     –      Possibilità	
  di	
  avere	
  una	
  visibilità	
  nazionale/internazionale	
  
3.  Qual	
  è	
  la	
  prima	
  aevità	
  che	
  svolgi	
  subito	
  dopo	
  aver	
  effeXuato	
  l’accesso?	
  
     –      Controllo	
  eventuali	
  richieste	
  di	
  amicizia	
  e/o	
  nuovi	
  contae	
  
     –      Se	
  ho	
  ricevuto	
  nuove	
  proposte	
  di	
  lavoro	
  
4.  Ha	
  mai	
  avuto	
  problemi	
  tecnici	
  o	
  personali	
  durante	
  l’u<lizzo?	
  
     –      Spam	
  eccessiva	
  
     –      Profili	
  invasivi	
  
                                                                                                                              9	
  
RICERCA QUALITATIVA
Con	
  par<colare	
  riferimento	
  a	
  linkedin…	
  
5.  Qual	
  è	
  stato	
  il	
  principale	
  mo<vo	
  che	
  l’ha	
  spinta	
  ad	
  iscriversi	
  a	
  Linkedin?	
  
     –      Mantenere	
  i	
  contae	
  
     –      Cogliere	
  opportunità	
  lavora<ve	
  
     –      Metodo	
  alterna<vo	
  ai	
  canali	
  off-­‐line	
  per	
  la	
  ricerca	
  di	
  un	
  impiego	
  
7.  Quindi	
  è	
  per	
  lei	
  importante	
  avere	
  una	
  strada	
  alterna<va	
  ai	
  canali	
  off-­‐line?	
  
     –      Sì,	
  a	
  causa	
  della	
  difficoltà	
  odierna	
  nella	
  ricerca	
  di	
  un	
  impiego	
  
     –      Sì,	
  per	
  via	
  della	
  maggiore	
  estensione	
  della	
  rete	
  di	
  contae	
  che	
  esso	
  comporta	
  
9.  Perché	
  ri<ene	
  importante	
  possedere	
  una	
  maggior	
  rete	
  di	
  contae?	
  
     –      Possibilità	
  di	
  entrare	
  in	
  contaXo	
  con	
  profili	
  professionali	
  che	
  lavorano	
  in	
  diversi	
  
            ambi<	
  lavora<vi	
  e	
  che	
  sono	
  operan<	
  anche	
  all’estero	
  
     –      Adesione	
  ai	
  gruppi	
  di	
  interesse	
  
11.  Per	
  entrare	
  in	
  contaXo	
  con	
  i	
  profili	
  d’interesse	
  il	
  sito	
  è	
  sufficientemente	
  chiaro	
  e	
  
     di	
  semplice	
  u<lizzo?	
  
     –      Sì,	
  grazie	
  alla	
  grafica	
  di	
  chiara	
  e	
  facile	
  comprensione	
  
     –      StruXura	
  completa	
  e	
  non	
  complessa	
  
                                                                                                                                      10	
  
RICERCA QUALITATIVA
9.     Precedentemente	
  ha	
  affermato	
  che	
  il	
  network	
  in	
  ques<one	
  le	
  permeXe	
  di	
  
       entrare	
  in	
  contaXo	
  con	
  profili	
  professionali,	
  per	
  lei	
  è	
  quindi	
  importante	
  la	
  
       credibilità	
  dei	
  suoi	
  contae?	
  
      –      Sì,	
  per	
  l’oXenimento	
  di	
  informazioni	
  veri<ere	
  
      –      Sì	
  perché	
  nel	
  caso	
  io	
  ricevessi	
  una	
  reale	
  proposta	
  di	
  lavoro	
  mi	
  sen<rei	
  appagato	
  e	
  
             soddisfaXo	
  
11.  Le	
  è	
  mai	
  capitato	
  di	
  essere	
  contaXato	
  da	
  profili	
  falsi	
  e/o	
  invasivi?	
  
      –     No,	
  in	
  quanto	
  l’aXenta	
  tutela	
  della	
  privacy	
  crea	
  un	
  forte	
  senso	
  di	
  sicurezza	
  
13.  In	
  conclusione	
  si	
  ri<ene	
  complessivamente	
  soddisfaXa	
  dal	
  servizio	
  offerto?	
  
      –     Sì,	
  sopraXuXo	
  nel	
  momento	
  in	
  cui	
  ricevo	
  concrete	
  proposte	
  di	
  lavoro	
  
      –     Sì,	
  perché	
  mi	
  permeXe	
  di	
  avere	
  ampia	
  visibilità	
  in	
  un	
  contesto	
  internazionale	
  



                                                                                                                                                11	
  
MEANS-END CHAIN
   Valori	
                           Autos<ma	
              Appagamento	
                        Serenità	
  
 terminali	
  

   Valori	
                                                 Riconoscimento	
  
strumentali	
  


 Benefici	
                                                    Maggiore	
                           Maggiore	
  
                        Profili	
  credibili	
                tranquillità	
  
psicologici	
                                                                                      visibilità	
  

                                                            Opportunità	
  di	
  
                                                               lavoro	
  
                   Semplice	
  u<lizzo	
                                                               Mantenere	
  i	
  contae	
  
  Benefici	
                                               Semplificazione	
  
 funzionali	
                                             ricerca	
  impiego	
  
                         Informazioni	
                                                            Estensione	
  rete	
  
                           veri<ere	
                     Maggiore	
  sicurezza	
                      contae	
  
                                                               del	
  sito	
  
 AXribu<	
  
 astrae	
  e	
                                    Professionalità	
         Forte	
  tutela	
  
                        Grafica	
  chiara	
                                                                 Alterna<vità	
  
 concre<	
                                           del	
  sito	
          della	
  privacy	
                                12	
  
RICERCA QUANTITATIVA
Al	
   fine	
   di	
   oXenere	
   i	
   da<	
   necessari	
   per	
   svolgere	
   la	
   nostra	
   analisi,	
   abbiamo	
  
somministrato	
  un	
  ques<onario	
  struXurato	
  composto	
  da	
  22	
  domande	
  a	
  217	
  individui	
  
di	
  età	
  compresa	
  tra	
  i	
  16	
  e	
  i	
  58	
  anni	
  aXraverso	
  la	
  modalità	
  dell’auto-­‐compilazione.	
  Il	
  
suddeXo	
  ques<onario	
  è	
  stato	
  così	
  suddiviso:	
  
1.  Informazioni	
  sulle	
  abitudini	
  di	
  u<lizzo	
  dei	
  social	
  network:	
  
     	
  Dopo	
  una	
  domanda	
  di	
  screening	
  che	
  ci	
  ha	
  consen<to	
  di	
  individuare	
  gli	
  u<lizzatori	
  dei	
  tre	
  social	
  	
  	
  
     	
  network	
  abbiamo	
  rilevato:	
  
     –  Mo<vo	
  di	
  u<lizzo	
  
     –  Frequenza	
  di	
  u<lizzo	
  
     –  Modalità	
  di	
  ricerca	
  di	
  un	
  nuovo	
  impiego	
  
2.  Informazioni	
  specifiche	
  su	
  “Linkedin”:	
  
      –    Modalità	
  di	
  contaXo	
  
      –    Mo<vo	
  di	
  u<lizzo	
  
      –    Numerosità	
  dei	
  feedback	
  lavora<vi	
  
      –    U<lizzo	
  dell’applicazione	
  Mobile	
  
      –    Pun<	
  di	
  forza	
  e	
  di	
  debolezza	
  
      –    U<lizzo	
  dell’account	
  Premium	
                                                                                                                     13	
  
RICERCA QUANTITATIVA
3.  Valutazioni	
  di	
  importanza	
  sugli	
  aXribu<	
  e	
  Customer	
  Sa<sfac<on:	
  
    –  Individua<	
   12	
   Items	
   emersi	
   come	
   rilevan<	
   dall’analisi	
   qualita<va,	
   è	
  
       stato	
  chiesto	
  all’intervistato	
  di	
  aXribuirne	
  un	
  giudizio	
  di	
  importanza	
  
       su	
   una	
   scala	
   da	
   1	
   a	
   9	
   (1-­‐3	
   Poco	
   Importante,	
   4-­‐6	
   Abbastanza	
  
       importante	
  e	
  7-­‐9	
  Molto	
  Importante).	
  
    –  All’intervistato	
   viene	
   inoltre	
   richiesto	
   di	
   aXribuire	
   una	
   valutazione	
   di	
  
       soddisfazione	
   rela<vamente	
   ai	
   tre	
   social	
   network	
   presi	
   in	
  
       considerazione	
   (“Facebook”	
   Linkedin”	
   e	
   “Twi5er”)	
   in	
   merito	
   ai	
   12	
  
       items	
   considera<	
   precedentemente	
   e	
   un	
   giudizio	
   sinte<co	
   sulla	
  
       soddisfazione	
  globale	
  dei	
  social	
  network.	
  
    –  Infine	
   i	
   12	
   Items	
   sono	
   sta<	
   u<lizza<	
   per	
   ricavare	
   un	
   giudizio	
   sulle	
  
       caraXeris<che	
  ricercate	
  in	
  un	
  profilo	
  di	
  social	
  network	
  ideale.	
  

                                                                                                                       14	
  
RICERCA QUANTITATIVA

4.  Informazioni	
  Socio-­‐demografiche:	
  
  –  Sesso	
  
  –  Età	
  
  –  Professione	
  
  –  Titolo	
  di	
  studio	
  
  –  Status	
  sociale	
  (verificato	
  mediante	
  il	
  possesso	
  di	
  
     determina<	
  beni	
  in	
  ambito	
  domes<co)	
  
  –  Provincia	
  di	
  residenza	
  
                                                                               15	
  
VARIABILI SOCIO-DEMOGRAFICHE
                                                                                            SESSO$
•  Sesso	
  
    –  Maschi:	
  126	
  (58,1%)	
  
    –  Femmine:	
  91	
  (41,9%)	
                                              41,90%'                               Maschi'

                                                                                                                      Femmine'
    –  Totale	
  risposte	
  valide:	
  217	
  
                                                                                               58,10%'




                     ETA'%DEL%CAMPIONE%
               1,40%&   2,30%& 0,50%&     5,10%&
                                                                 Per	
  quanto	
  riguarda	
  i	
  social	
  network	
  
      2,30%&
     4,60%&
                                                   16,20&ANNI&

                                                   21,25&ANNI&
                                                                 in	
   generale	
   la	
   fascia	
   d’età	
   più	
  
                                                   26,30&ANNI&   numerosa	
   risulta	
   essere	
   quella	
   tra	
   i	
  
              24%&                                 31,35&ANNI&

                                                   36,40&ANNI&
                                                                 21	
   e	
   i	
   25	
   anni	
   (59,9%)	
   seguita	
   dalla	
  
                                59,90%&
                                                   41,45&ANNI&   fascia	
   26-­‐30	
   anni	
   (24%).	
   La	
   meno	
  
                                                   46,50&ANNI&

                                                   56,60&ANNI&
                                                                 numerosa	
  invece	
  va	
  dai	
  56-­‐60	
  anni.	
  
                                                                                                                                 16	
  
FACEBOOK
Sulla	
   totalità	
   del	
   campione	
   è	
   stato	
   verificato	
   che	
   l’88%	
   degli	
  
intervista<	
   u<lizza	
   facebook	
   e	
   il	
   12%	
   non	
   lo	
   u<lizza.	
   Con	
  
riferimento	
   alle	
   classi	
   d’età	
   il	
   59,9%	
   degli	
   u<lizzatori	
  
appar<ene	
   alla	
   fascia	
   d’età	
   21-­‐25	
   anni	
   e	
   il	
   24%	
   appar<ene	
   alla	
  
fascia	
   26-­‐30.	
   Per	
   pra<cità	
   analizziamo	
   nel	
   deXaglio	
   solo	
  
queste	
  due	
  classi	
  che	
  congiuntamente	
  rappresentano	
  l’83,9%	
  
delle	
  informazioni.	
  
Fascia	
  21-­‐25:	
  il	
  91,5%	
  u<lizza	
  Facebook,	
  l’8,5%	
  non	
  lo	
  u<lizza.	
  
Fascia	
  26-­‐30:	
  l’86,5%	
  u<lizza	
  Facebook,	
  il	
  13,5%	
  non	
  lo	
  u<lizza.	
  


                                                                                                         17	
  
LINKEDIN
•  È	
   stato	
   verificato	
   che	
   il	
   62,2%	
   degli	
   intervista<	
   u<lizza	
  
   Linkedin	
   e	
   il	
   37,8%	
   non	
   lo	
   u<lizza.	
   Le	
   classi	
   numericamente	
  
   più	
   rilevan<	
   u<lizzano	
   il	
   social	
   network	
   con	
   le	
   seguen<	
  
   percentuali:	
  
       –  Fascia	
  21-­‐25:	
  il	
  56,2%	
  u<lizza	
  Linkedin,	
  il	
  43,8%	
  non	
  lo	
  u<lizza.	
  
       –  Fascia	
  26-­‐30:	
  il	
  75%	
  u<lizza	
  Linkedin,	
  il	
  25%	
  non	
  lo	
  u<lizza.	
  
•  È	
  opportuno	
  soXolineare	
  come	
  al	
  crescere	
  della	
  fascia	
  d’età	
  
   aumen<	
  la	
  percentuale	
  di	
  u<lizzatori	
  all’interno	
  della	
  classe,	
  
   seppur	
  risul<no	
  essere	
  meno	
  numerose.	
  
       –  Fascia	
   31-­‐35:	
   il	
   90%	
   u<lizza	
   Linkedin,	
   il	
   10%	
   non	
   lo	
   u<lizza	
   (10	
  
          osservazioni).	
  
       –  Fascia	
  36-­‐40:	
  il	
  100%	
  u<lizza	
  Linkedin	
  (5	
  osservazioni).	
  
       –  Fascia	
  46-­‐50:	
  il	
  100%	
  u<lizza	
  Linkedin	
  (5	
  osservazioni).	
  
	
                                                                                                                     18	
  
TWITTER
•  È	
   stato	
   verificato	
   che	
   il	
   30,4%	
   degli	
   intervista<	
   u<lizza	
  
   TwiXer	
   e	
   il	
   69,6%	
   non	
   lo	
   u<lizza.	
   Le	
   classi	
   numericamente	
  
   più	
   rilevan<	
   u<lizzano	
   il	
   social	
   network	
   con	
   le	
   seguen<	
  
   percentuali:	
  
     –  Fascia	
  21-­‐25:	
  il	
  28,5%	
  u<lizza	
  Linkedin,	
  il	
  71,5%	
  non	
  lo	
  u<lizza.	
  
     –  Fascia	
  26-­‐30:	
  il	
  40,4%	
  u<lizza	
  Linkedin,	
  il	
  59,6%	
  non	
  lo	
  u<lizza.	
  

                                           SINTESI
 Dall’analisi	
   emerge	
   quindi	
   che	
   il	
   social	
   network	
   più	
   diffuso	
   è	
  
 Facebook	
   seguito	
   da	
   Linkedin	
   e	
   TwiXer.	
   TuXavia	
   è	
   u<le	
   osservare	
  
 come	
  la	
  percentuale	
  degli	
  u<lizzatori	
  di	
  Linkedin	
  aumen<	
  al	
  crescere	
  
 dell’età	
   (fenomeno	
   che	
   conferma	
   la	
   specificità	
   del	
   social	
   network	
  
 riguardante	
   l’inserimento	
   nel	
   mondo	
   lavora<vo	
   o	
   le	
   opportunità	
   ad	
  
 esso	
  connesse).	
  
                                                                                                                19	
  
SOCIAL NETWORK vs PROFESSIONE
Per	
   quanto	
   riguarda	
   i	
   da<	
   aggrega<	
  
no<amo	
   che	
   il	
   numero	
   di	
   u<lizzatori	
  
di	
   Facebook	
   presenta	
   dei	
   valori	
  
eleva<	
   per	
   quanto	
   riguarda	
   gli	
  
studen<	
  o	
  gli	
  impiega<.	
  
Le	
   altre	
   professioni	
   presentano	
   una	
  
percentuale	
   di	
   osservazioni	
   scarse	
  
che	
   rendono	
   impossibile	
   un’analisi	
  
s t a < s < c a m e n t e	
   s i g n i fi c a < v a .	
  
TuXavia,	
   con	
   riferimento	
   a	
   Linkedin,	
  
si	
  osserva	
  che	
  per	
  le	
                   Facebook	
                                                                                                    Linkedin	
                    TwiHer	
  
professioni	
  più	
                  	
  	
          Sì	
      No	
                                                                                               Sì	
      No	
               Sì	
      No	
  
qualificate	
  la	
                    Impiegato	
   84,60%	
  15,40%	
                                                                                              75%	
   25%	
   34,60%	
  65,40%	
  

percentuale	
  di	
  u<lizzo	
   Studente	
   93,20%	
   6,80%	
  	
  	
                                                                                         57,30%	
  42,70%	
  	
  	
   28,20%	
  71,80%	
  
                                                       Facebook	
                                                                                                    Linkedin	
                 TwiHer	
  
si	
  aXesta	
  al	
  1	
  00%.	
  
                           	
                          Sì	
     No	
                                                                                                 Sì	
   No	
               Sì	
   No	
  
                     Dirigente	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
                     0,5%	
                                                                                                                 0	
   100%	
            100%	
           0	
            0	
   100%	
  
                     Doc.	
  Universitario	
  	
  	
  	
  	
  	
  	
  	
  	
  
                     0,5%	
                                                                                                          100%	
              0	
        100%	
           0	
            0	
   100%	
  
                     Imprenditore	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
                     0,9%	
                                                                                                                 0	
   100%	
            100%	
           0	
      100%	
             0	
  
                     Libero	
  professionista	
  	
  	
  	
  
                     5,1%	
                                                                                                          9,10%	
   90,90%	
  	
  	
   90,90%	
   9,10%	
  	
  	
   45,50%	
   54,50%	
       20	
  
SOCIAL NETWORK vs TITOLO DI STUDIO




                                     21	
  
SOCIAL NETWORK vs TITOLO DI STUDIO
                                                            DIPLOMATI	
  

              FACEBOOK(                                       LINKEDIN'                                           TWITTER&


17,60%'                                                                                                       14,70%'
                                                              29,40%'
                          USANO'FACEBOOK'                                   USANO'LINKEDIN'                                  USANO'TWITTER'

                          NON'USANO'FACEBOOK'                               NON'USANO'LINKEDIN'                              NON'USANO'TWITTER'
                                                  70,60%'
            82,40%'                                                                                 85,30%'




                                                LAUREATI	
  DI	
  1°	
  LIVELLO	
  

              FACEBOOK(                                       LINKEDIN'                                           TWITTER&
  7,10%&




                                                  36,70%&                                                         32,70%'
                          USANO&FACEBOOK&                                   USANO&LINKEDIN&                                  USANO'TWITTER'

                          NON&USANO&FACEBOOK&                               NON&USANO&LINKEDIN&                              NON'USANO'TWITTER'
                                                               63,30%&                            67,30%'
           92,90%&




                                                                                                                                      22	
  
SOCIAL NETWORK vs TITOLO DI STUDIO
                                                   LAUREATI	
  DI	
  2°	
  LIVELLO	
  

                 FACEBOOK(                                             LINKEDIN'                                     TWITTER&
13,60%'


                                                        18,20%&
                                                                                                                    22,70%&

                             USANO'FACEBOOK'                                       USANO&LINKEDIN&                              USANO&TWITTER&

                             NON'USANO'FACEBOOK'                                   NON&USANO&LINKEDIN&                          NON&USANO&TWITTER&

               86,40%'                                                81,80%&                             77,30%&




                                                      LAUREA	
  SUPERIORE	
  

                 FACEBOOK(                                             LINKEDIN'                                     TWITTER&
     5,90%'




                                                                                                         29,40%&
                             USANO'FACEBOOK'                                       USANO$LINKEDIN$                              USANO&TWITTER&

                             NON'USANO'FACEBOOK'                                   NON$USANO$LINKEDIN$                          NON&USANO&TWITTER&
                                                                                                                    70,60%&
              94,10%'
                                                              100%$




                                                                                                                                          23	
  
ETA’ DEL CAMPIONE DI RIFERIMENTO
La	
  fascia	
  d’età	
  più	
  numerosa	
  risulta	
  essere	
  quella	
  compresa	
  tra	
  i	
  21	
  e	
  i	
  25	
  anni	
  (53,9%)	
  e	
  
quella	
  tra	
  i	
  26	
  e	
  i	
  30	
  anni	
  (24%)	
  con	
  un	
  peso	
  aggregato	
  sul	
  totale	
  del	
  campione	
  del	
  77,9%.	
  


                                                  ETA'%DEL%CAMPIONE%
                                             1,40%&      2,30%& 0,50%&              5,10%&
                                   2,30%&                                                                        16,20&ANNI&
                                4,60%&
                                                                                                                 21,25&ANNI&

                                                                                                                 26,30&ANNI&

                                           24%&                                                                  31,35&ANNI&

                                                                                                                 36,40&ANNI&
                                                                      59,90%&
                                                                                                                 41,45&ANNI&

                                                                                                                 46,50&ANNI&

                                                                                                                 56,60&ANNI&

                                                                                                                                                       24	
  
CAMPIONE DI RIFERIMENTO:
                           VARIABILE STATUS
Abbiamo	
  aXribuito	
  al	
  possesso	
  di	
  un	
  oggeXo	
  di	
  status	
  un	
  valore	
  pari	
  a	
  uno,	
  lo	
  status	
  sociale	
  è	
  
dato	
  da:	
  STATUS=	
  Σ	
  n°	
  oggee	
  possedu<.	
  	
  
Sulla	
   totalità	
   del	
   campione	
   la	
   media	
   e	
   la	
   deviazione	
   standard	
   della	
   variabile	
   STATUS	
   sono	
  
μ=3,36	
  e	
  σ=2,141.	
  Mediana=3.	
  
La	
  suddeXa	
  distribuzione	
  è	
  asimmetrica	
  verso	
  sinistra	
  in	
  quanto	
  si	
  rilevano	
  più	
  osservazioni	
  di	
  
soggee	
  con	
  uno	
  status	
  <	
  3	
  rispeXo	
  alle	
  persone	
  che	
  hanno	
  uno	
  status	
  maggiore.	
  
Prendendo	
  in	
  considerazione	
  gli	
  u<lizzatori	
  di	
  Linkedin	
  si	
  osserva	
  che	
  la	
  media	
  e	
  la	
  deviazione	
  
standard	
  si	
  aXestano	
  a	
  μ=3,53	
  e	
  σ=2,065.	
  Mediana=3.	
  La	
  media	
  è	
  leggermente	
  maggiore	
  e	
  la	
  
distribuzione	
   è	
   asimmetrica	
   a	
   sinistra	
   in	
   quanto	
   anche	
   in	
   questo	
   caso	
   la	
   maggioranza	
   dei	
  
soggee	
  hanno	
  uno	
  status	
  <	
  3	
  rispeXo	
  a	
  quelli	
  che	
  hanno	
  uno	
  status	
  maggiore.	
  


        μ"TOTALE"CAMPIONE 3,36 μ"UTILIZZATORI"LINKEDIN 3,53
        σ"TOTALE"CAMPIONE 2,141 σ"UTILIZZATORI"LINKEDIN 2,065
                                                                                                                                                 25	
  
CAMPIONE DI RIFERIMENTO: FREQUENZA DI
                  UTILIZZO SOCIAL NETWORK
Abbiamo	
  riclassificato	
  la	
  variabile	
  “frequenza	
  di	
  u<lizzo	
  social	
  network”	
  con	
  i	
  seguen<	
  valori:	
  
ogni	
  giorno=1,	
  più	
  di	
  una	
  volta	
  a	
  seemana=2,	
  meno	
  di	
  una	
  volta	
  a	
  seemana=3	
  e	
  meno	
  di	
  una	
  
volta	
  al	
  mese=4.	
  Abbiamo	
  considerato	
  l’intervallo	
  1-­‐4	
  come	
  una	
  variabile	
  numerica	
  con<nua	
  e	
  
poi	
   abbiamo	
   calcolato	
   media	
   e	
   deviazione	
   standard	
   in	
   riferimento	
   all’u<lizzo	
   di	
   tue	
   e	
   tre	
   i	
  
social	
  network	
  oXenendo	
  i	
  seguen<	
  risulta<:	
  
                                           FACEBOOK LINKEDIN    TWITTER
                     μ                           1,19      2,21       2,54
                     σ                          0,461    0,961       1,138
Dalla	
   tabella	
   emerge	
   che	
   Facebook	
   è	
   mediamente	
   u<lizzato	
   ogni	
   giorno	
   (in	
   quanto	
   1,19	
   è	
  
approssimabile	
  a	
  1),	
  Linkedin	
  viene	
  u<lizzato	
  mediamente	
  più	
  di	
  una	
  volta	
  a	
  seemana	
  (2,21	
  
approssimabile	
  a	
  2)	
  mentre	
  TwiXer	
  presenta	
  un	
  valore	
  vicino	
  alla	
  media	
  tra	
  l’u<lizzo	
  del	
  social	
  
network	
   più	
   di	
   una	
   volta	
   a	
   seemana	
   e	
   meno	
   di	
   una	
   volta	
   a	
   seemana.	
   Su	
   TwiXer	
   è	
  
importante	
   notare	
   che	
   la	
   deviazione	
   standard	
   presenta	
   il	
   valore	
   maggiore	
   dei	
   tre	
   quindi	
   la	
  
variabilità	
   delle	
   risposte	
   è	
   superiore	
   rispeXo	
   all’u<lizzo	
   degli	
   altri	
   social	
   network.	
   Inoltre	
   la	
  
distribuzione	
   di	
   TwiXer	
   è	
   asimmetrica	
   a	
   destra.	
   Mediana=3	
   e	
   Media=2,54.	
   Questo	
   significa	
  
che	
  ci	
  sono	
  più	
  soggee	
  che	
  lo	
  u<lizzano	
  raramente	
  rispeXo	
  a	
  coloro	
  i	
  quali	
  lo	
  u<lizzano	
  più	
  
frequentemente.	
                                                                                                                              26	
  
CAMPIONE DI RIFERIMENTO: QUALI STRUMENTI
           VENGONO UTILIZZATI PER TROVARE LAVORO
           CANALI&OFF)LINE&                                                     KIJIJI$                                       TROVA&LAVORO&


                                                                       20,30%&
                                                                                                                               24,40%&
                             UTILIZZANO'CANALI'OFF5                                                                                             UTILIZZANO&TROVA&
43,80%'                      LINE'                                                        UTILIZZANO&KIJIJI&                                    LAVORO&

              56,20%'        NON'UTILIZZANO'CANALI'                                       NON&UTILIZZANO&KIJIJI&                                NON&UTILIZZANO&TROVA&
                             OFF5LINE'                                                                                                          LAVORO&
                                                           79,70%&                                                  75,60%&




              LINKEDIN'                                        GAZZETTA&DEL&LAVORO&                                             MONSTER(


                                                                      14,70%'

 35,50%'                       UTILIZZANO'LINKEDIN'                                       UTILIZZANO'GAZZETTA'                  29,50%'          UTILIZZANO'MONSTER'
                                                                                          DEL'LAVORO'

                               NON'UTILIZZANO'                                            NON'UTILIZZANO'                                        NON'UTILIZZANO'
               64,50%'         LINKEDIN'                                                  GAZZETTA'DEL'LAVORO'                                   MONSTER'
                                                                                                                    70,50%'
                                                            85,30%'




Dall’analisi	
   si	
   può	
   notare	
   che	
   i	
   metodi	
   di	
   ricerca	
   impiego	
   che	
   presentano	
   una	
   percentuale	
  
maggiore	
   sono	
   i	
   CANALI	
   OFF-­‐LINE	
   e	
   LINKEDIN.	
   Tale	
   risultato	
   è	
   in	
   linea	
   con	
   l’immagine	
   di	
  
alterna<vità	
  tra	
  i	
  due	
  canali	
  emersa	
  durante	
  le	
  interviste	
  effeXuate	
  .	
  	
                                                   27	
  
CAMPIONE DI RIFERIMENTO: COME SONO GIUDICATI
  I SERVIZI OFFERTI DAGLI STRUMENTI IN QUESTIONE
                     μ                         σ      La	
   distribuzione	
   delle	
   valutazioni	
   sui	
   canali	
   off-­‐line	
   è	
  
CANALI(OFF+LINE     5,71                     2,24     asimmetrica	
   a	
   destra	
   ossia	
   sono	
   presen<	
   più	
  
KIJIJI              4,15                     2,048    valutazioni	
   migliori	
   rispeXo	
   ai	
   giudizi	
   bassi,	
   così	
   come	
  
                                                      per	
   quanto	
   riguarda	
   i	
   giudizi	
   sul	
   trova	
   lavoro	
   e	
   su	
  
TROVA(LAVORO        4,38                     2,116
                                                      Monster.	
   La	
   distribuzione	
   dei	
   giudizi	
   su	
   Linkedin	
   (che	
  
LINKEDIN            6,12                     1,977    presenta	
   la	
   media	
   maggiore	
   e	
   uno	
   scarto	
   minore	
  
GAZZETTA(DEL(LAVORO 4,04                     2,027    rispeXo	
   agli	
   altri	
   metodi	
   di	
   ricerca	
   di	
   un	
   impiego)	
   è	
  
MONSTER             5,21                     2,28     molto	
  asimmetrica	
  a	
  destra.	
  

     Ra<ng	
  in	
  ordine	
  di	
  preferenza:	
  
     1.  LINKEDIN	
  
     2.  CANALI	
  OFF-­‐LINE	
  
     3.  MONSTER	
  
     4.  TROVA	
  LAVORO	
  
     5.  KIJIJI	
  
     6.  GAZZETTA	
  DEL	
  LAVORO	
  
                                                                                                                                          28	
  
CAMPIONE DI RIFERIMENTO: CONOSCENZA DI LINKEDIN
         DA#AMICI/FAMILIARI#                                   DA#SCUOLE/UNIVERSITA'#                                 MASS$MEDIA(TRADIZIONALI(
                                                                                                                                    3,70%&


                                                                                16,60%&

                      35,90%'
                                               SI'                                                  SI&                                                         SI&

                                               NO'                                                  NO&                                                         NO&
         64,10%'
                                                                    83,40%&                                                   96,30%&




                                          SU#INTERNET#                                    DA#DATORI#DI#LAVORO/COLLEGHI#

                                                                                                          12%$

                                                     32,70%'
                                                                          SI'                                                       SI$

                                                                          NO'                                                       NO$
                                     67,30%'

                                                                                                   88%$




 Come	
  evidenziato	
  dai	
  risulta<	
  oXenu<	
  la	
  promozione	
  di	
  Linkedin	
  risulta	
  efficace	
  per	
  quanto	
  
 riguarda	
   internet	
   e	
   il	
   passaparola	
   (valori	
   superiori	
   al	
   30%)	
   mentre	
   le	
   scuole,	
   le	
   università,	
   i	
  
 datori	
   di	
   lavoro	
   e	
   i	
   colleghi	
   rivestono	
   un	
   ruolo	
   marginale	
   (valori	
   compresi	
   tra	
   12%	
   e	
   16,6%)	
  
 mentre	
  il	
  canale	
  dei	
  mass-­‐media	
  tradizionali	
  non	
  risulta	
  sfruXato	
  dall’azienda	
  in	
  quanto	
  solo	
  il	
  
 3,7%	
  degli	
  intervista<	
  ha	
  dichiarato	
  di	
  esserne	
  venuto	
  a	
  conoscenza	
  grazie	
  a	
  essi.	
                              29	
  
CAMPIONE DI RIFERIMENTO: MOTIVO DI UTILIZZO DI
                     LINKEDIN
Si	
   osserva	
   che	
   il	
   mo<vo	
   principale	
   di	
   u<lizzo	
   di	
   Linkedin	
   risulta	
   essere	
   il	
   mantenere	
   le	
  
relazioni	
   in	
   ambito	
   lavora<vo	
   con	
   una	
   percentuale	
   superiore	
   al	
   58%.	
   La	
   seconda	
  
mo<vazione	
  in	
  ordine	
  di	
  importanza	
  è	
  per	
  trovare	
  nuove	
  opportunità	
  di	
  lavoro	
  (54,4%).	
  
Per	
   mantenere	
   i	
   contae	
   ricopre	
   un	
   ruolo	
   marginale	
   se	
  
paragonato	
   alle	
   prime	
   due	
   scelte	
   degli	
   intervista<	
   infae	
   si	
                     PER$MANTENERE$LE$RELAZIONI$IN$
                                                                                                                          AMBITO$LAVORATIVO$
aXesta	
   al	
   12,9%.	
   Tra	
   gli	
   uten<	
   che	
   hanno	
   indicato	
   “Altro”	
   le	
  
risposte	
   più	
   interessan<	
   sono:	
   “per	
   raccogliere	
   informazioni”,	
  
“ho	
  scelto	
  di	
  iscrivermi	
  perché	
  può	
  essere	
  un	
  opportunità	
  come	
                            41,90%'                              SI'

un'altra,	
   ma	
   è	
   una	
   cosa	
   che	
   non	
   ritengo	
   funzionale	
   e	
   non	
   credo	
                            58,10%'             NO'


possa	
  portare	
  a	
  veri	
  risulta<”	
  e	
  “per	
  i	
  gruppi”.	
  

          PER$TROVARE$NUOVE$                                PER$MANTENERE$I$CONTATTI$                                            ALTRO&
        OPPORTUNITA'$DI$LAVORO$                                              12,90%'                                                5,10%&




                                                                                                 SI'                                                        SI&
            45,60%&                         SI&
                                                                                                 NO'                                                        NO&
                      54,40%&               NO&
                                                                   87,10%'                                                94,90%&




                                                                                                                                                       30	
  
CAMPIONE DI RIFERIMENTO: QUANTE PROPOSTE
    HANNO RICEVUTO IN UN MESE ATTRAVERSO LINKEDIN
Abbiamo	
   trasformato	
   le	
   variabili	
   in	
   oggeXo	
   in	
   un	
   segmento	
                   Non	
  considerando	
  i	
  missing	
  values	
  si	
  
con<nuo	
  così	
  composto:	
  1	
  =	
  0	
  proposte,	
  2	
  =	
  1	
  o	
  2	
  proposte,	
              oeene	
  una	
  distribuzione	
  così	
  formata:	
  
3	
  =	
  3	
  o	
  4	
  proposte	
  e	
  4	
  =	
  più	
  di	
  4	
  proposte.	
  	
  
Abbiamo	
   oXenuto	
   151	
   risposte	
   in	
   merito	
   alla	
   suddeXa	
                                  QUANTE'PROPOSTE'DI'LAVORO'HA'
informazione	
   e	
   abbiamo	
   rilevato	
   66	
   missing	
   values.	
   Le	
   risposte	
                            RICEVUTO?'
osservate	
   presentano:	
   media	
   =	
   1,58	
   (il	
   campione	
   dichiara	
   di	
   aver	
                  5,30%' 3,30%'

ricevuto	
   mediamente	
   un	
   ammontare	
   di	
   proposte	
   pari	
   a	
   zero,	
   una	
   o	
                                             0'PROPOSTE'
al	
  massimo	
  due	
  offerte	
  di	
  impiego);	
  e	
  σ	
  =	
  0,743.	
  La	
  distribuzione	
  è	
                                              DA'1'A'2'PROPOSTE'

fortemente	
   asimmetrica	
   a	
   sinistra	
   ossia	
   mol<	
   soggee	
   non	
   hanno	
                        37,70%'          53,60%'       DA'3'A'4'PROPOSTE'

ricevuto	
  proposte	
  rispeXo	
  a	
  coloro	
  i	
  quali	
  ne	
  hanno	
  ricevute.	
                                                            PIU''DI'4'PROPOSTE'




              PERSONE'CHE'HANNO'
       EFFETTIVAMENTE'TROVATO'LAVORO'
               GRAZIE'A'LINKEDIN'                                      Escludendo	
   i	
   soggee	
   che	
   hanno	
   risposto	
   nega<vamente	
  
                                  18,65%'                              alla	
   precedente	
   domanda	
   (0	
   offerte	
   di	
   impiego	
   ricevute)	
  
                                                             SI'
                                                                       abbiamo	
   s<mato	
   quante	
   persone	
   hanno	
   effeevamente	
  
                      81,40%'
                                                             NO'       trovato	
  lavoro	
  dopo	
  le	
  proposte	
  ricevute	
  grazie	
  a	
  Linkedin:	
  

                                                                                                                                                               31	
  
CAMPIONE DI RIFERIMENTO: DIFFUSIONE E
                           PERCEZIONE DEL SERVIZIO MOBILE
Abbiamo	
   riscontrato	
   che	
   il	
   25,3%	
   degli	
   u<lizzatori	
   di	
                     PERSONE'CHE'UTILIZZANO'
Linkedin	
   possiede	
   anche	
   l’applicazione	
   mobile.	
   Il	
                                  L'APPLICAZIONE'MOBILE'
giudizio,	
   espresso	
   su	
   una	
   scala	
   da	
   1	
   a	
   9,	
   risulta	
   avere	
  
media	
   =	
   5,03	
   ossia	
   si	
   reputano	
   abbastanza	
   soddisfae.	
  
Lo	
  scarto	
  quadra<co	
  e	
  pari	
  a	
  σ	
  =	
  1,899.	
  Il	
  restante	
  74,7%	
                             25,30%'
                                                                                                                                                         SI'
degli	
  intervista<	
  non	
  possiede	
  l’applicazione	
  mobile.	
  	
  
                                                                                                                                                         NO'
Ciononostante	
  il	
  16,1%	
  di	
  chi	
  dichiara	
  di	
  non	
  possedere	
                              74,70%'
l’applicazione	
  la	
  giudica	
  ugualmente.	
  La	
  media	
  risultante	
  
da	
   queste	
   valutazioni	
   è	
   4	
   (ossia	
   inferiore	
   rispeXo	
   al	
  
valore	
  precedentemente	
  iden<ficato).	
                                                           PERSONE'CHE'NON'POSSIEDONO'
Con	
  riferimento	
  a	
  questo	
  16,1%,	
  il	
  69%	
  di	
  essi	
  dichiara	
  di	
             L'APPLICAZIONE'MOBILE'MA'LA'
possedere	
  oggee	
  quali	
  smartphone	
  oppure	
  I-­‐pad	
  quindi	
  
                                                                                                          GIUDICANO'UGUALMENTE'
possiamo	
   supporre	
   che,	
   essendo	
   in	
   possesso	
   di	
  
disposi<vi	
   mobile	
   abbiano	
   posseduto	
   l’applicazione	
   di	
  
Linkedin	
   ma,	
   giudicandola	
   nega<vamente,	
   abbiano	
                                       31%$                       POSSIEDONO$DISPOSITIVI$
smesso	
   di	
   u<lizzarla	
   dopo	
   un	
   periodo	
   di	
   prova	
   a	
   causa	
                                        MOBILI$

dell’insufficiente	
   soddisfazione	
   legata	
   alla	
   scarsa	
                                               69%$
                                                                                                                                   NON$POSSIEDONO$
                                                                                                                                   DISPOSITIVI$MOBILI$
funzionalità	
  percepita.	
  Il	
  restante	
  31%	
  la	
  giudica	
  pur	
  non	
  
essendo	
  in	
  possesso	
  di	
  disposi<vi	
  mobili.	
                                                                                               32	
  
CAMPIONE DI RIFERIMENTO: POSSESSO DELL’ACCOUNT
                   PREMIUM
 All’interno	
  del	
  campione	
  analizzato	
  abbiamo	
  oXenuto	
  179	
  risposte	
  e	
  38	
  missing	
  values.	
  Per	
  
 quanto	
  riguarda	
  le	
  osservazioni	
  valide	
  si	
  riscontra	
  la	
  seguente	
  distribuzione:	
  

                                       POSSESSORI'DELL'ACCOUNT'
                                              PREMIUM'
                                                           2,20%%




                                                                                                           SI%

                                                                                                           NO%
                                                     97,20%%




                                                                                                                                     33	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO
                             DEI SOCIAL NETWORK
Abbiamo	
  chiesto	
  ai	
  nostri	
  intervista<	
  di	
  rispondere	
  ad	
  una	
  domanda	
  struXurata	
  rela<va	
  al	
  mo<vo	
  
che	
  li	
  spinge	
  all’u<lizzo	
  dei	
  diversi	
  Social	
  Network.	
  Si	
  rilevano	
  436	
  osservazioni	
  valide	
  e	
  in	
  un	
  solo	
  
caso	
  viene	
  riscontrato	
  almeno	
  una	
  variabile	
  discriminante	
  mancante	
  
                                                   Analysis/Case/Processing/Summary
                                                 Unweighted/Cases                                                          N              Percent
Valid                                                                                                                               436             67
Excluded      Missing/or/out3of3range/group/codes                                                                                     0               0
              At/least/one/missing/discriminating/variable                                                                            1             0,2
              Both/missing/or/out3of3range/group/codes/and/at/least/one/missing/discriminating/variable                             214           32,9
              Total                                                                                                                 215             33
Total                                                                                                                               651            100

                                                                                                 Il	
  potere	
  discriminante	
  delle	
  variabili	
  
              Tests'of'Equality'of'Group'Means
                                                                                                 esplica<ve	
  segue	
  l’ordine	
  (dal	
  più	
  
                        Wilks''Lambda F         df1 df2 Sig.
                                                                                                 importante	
  al	
  meno	
  importante)	
  
Nuove_Conoscenze_FB              0,954     10,44 2 433     0                                     secondo	
  il	
  valore	
  di	
  F.	
  Tanto	
  più	
  è	
  
Mantenere_Contatti_FB            0,531 191,289    2 433    0                                     elevato	
  F	
  tanto	
  più	
  discriminan<	
  sono	
  
Informarti_FB                    0,921    18,513 2 433     0                                     gli	
  item,	
  abbiamo	
  evidenziato	
  in	
  giallo	
  
Opportunità_Lavoro_FB            0,467 246,803    2 433    0                                     le	
  due	
  variabili	
  maggiormente	
  
                                                                                                 discriminan<.	
                                         34	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO
                        DEI SOCIAL NETWORK
                                Eigenvalues(b)
     Function Eigenvalue %/of/Variance Cumulative/% Canonical/Correlation
        1       1,890a       70,9           70,9           0,809
        2        ,776a       29,1           100            0,661

Si	
  nota	
  come	
  le	
  prime	
  due	
  funzioni	
  discriminan<	
  risul<no	
  più	
  che	
  sufficien<	
  per	
  l’analisi	
  in	
  
quanto	
  se	
  considerate	
  congiuntamente	
  permeXono	
  di	
  spiegare	
  il	
  100%	
  della	
  varianza	
  dei	
  
gruppi.	
  
                                     Wilks'%Lambda
                Test%of%Function(s) Wilks'%Lambda Chi:square df Sig.
                   1"through"2               0,195   705,694 8       0
                         2                   0,563   247,786 3       0
Il	
  P-­‐value	
  pari	
  a	
  zero	
  che	
  emerge	
  aXraverso	
  il	
  test	
  Lambda	
  di	
  Wilks	
  conferma	
  che	
  le	
  
variabili	
  in	
  ques<one	
  sono	
  significa<ve.	
  
                                                                                                                                           35	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO
                            DEI SOCIAL NETWORK
    Functions9at9Group9Centroids                  I	
   valori	
   espressi	
   dalla	
   tabella	
   riportata	
   esprimono	
   i	
   punteggi	
  
                      Function                    standardizza<	
   e	
   le	
   coordinate	
   sulla	
   mappa	
   di	
   posizionamento	
  
Brand                   1           2             dei	
   brand	
   (valori	
   presi	
   dalle	
   funzioni	
   dei	
   baricentri	
   dei	
   gruppi)	
  
FACEBOOK           #1,109       0,918             rispeXo	
   alle	
   funzioni	
   lineari	
   discriminan<.	
   La	
   mappa	
   di	
  
LINKEDIN            1,689      #0,226             posizionamento	
   viene	
   costruita	
   u<lizzando	
   i	
   punteggi,	
   rispeXo	
  
TWITTER             #0,33       #1,87             alle	
  prime	
  due	
  funzioni	
  discriminan<	
  degli	
  aXribu<	
  (dato	
  preso	
  
Unstandardized5canonical5discriminant5
                                                  dalla	
  matrice	
  di	
  struXura	
  e	
  degli	
  oggee).	
  
 functions5evaluated5at5group5means

La	
  matrice	
  di	
  struXura	
  ruotata	
                                   Matrice*di*struttura*ruotata
indica	
  i	
  coefficien<	
  di	
                                                                                           Funzione
correlazione	
  tra	
  i	
  valori	
  della	
      *                                                                    1            2
variabile	
  e	
  fra	
  i	
  valori	
  delle	
    Opportunità*di*Lavoro                                                0,853            0,02
funzioni	
  discriminan<.	
  Il	
  potere	
   Mantenere*Contatti                                                       80,167           0,809
discriminante	
  della	
  variabile	
  è	
         Informarti                                                          80,118       80,303
direXamente	
  proporzionale	
  alla	
   Nuove*Conoscenze                                                               0,156            0,19
grandezza	
  (in	
  valore	
  assoluto)	
  del	
  valore	
  della	
  correlazione.	
  Abbiamo	
  evidenziato	
  i	
  due	
  risulta<	
  più	
  
significa<vi.	
                                                                                                                          36	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO
       DEI SOCIAL NETWORK




                                      37	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
                  NETWORK




                                             38	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
                  NETWORK
Come	
   si	
   evince	
   dalla	
   Mappa	
   di	
   Posizionamento	
   i	
   tre	
   social	
   network	
   sono	
   percepi<	
   come	
  
piaXaforme	
  che	
  offrono	
  un	
  diverso	
  servizio	
  e	
  hanno	
  un	
  diverso	
  <po	
  di	
  potenziale:	
  
	
  
FACEBOOK:	
   Si	
   posiziona	
   nel	
   quadrante	
   in	
   cui	
   si	
   collocano	
   i	
   Social	
   Network	
   con	
   un	
   alto	
  	
  
     	
  potenziale	
  sociale;	
  anali<camente	
  è	
  percepito	
  come	
  il	
  miglior	
  Social	
  da	
  poter	
  u<lizzare	
  
     	
  per	
  mantenere	
  i	
  propri	
  conta>.	
  
	
  
LINKEDIN:	
   Si	
   posiziona	
   nel	
   quadrante	
   in	
   cui	
   si	
   collocano	
   i	
   Social	
   Network	
   con	
   un	
   alto	
  	
  
     	
   potenziale	
   lavora?vo	
   (e	
   risulta	
   avere	
   anche	
   un	
   discreto	
   potenziale	
   informa?vo);	
  
     	
   anali<camente	
   risulta	
   essere	
   percepito	
   come	
   il	
   miglior	
   Social	
   da	
   poter	
   sfruXare	
   per	
  
     	
  cogliere	
  opportunità	
  nel	
  mondo	
  del	
  lavoro	
  e	
  per	
  fare	
  nuove	
  conoscenze.	
  
	
  
TWITTER:	
   Si	
   posiziona	
   nel	
   quadrante	
   in	
   cui	
   si	
   collocano	
   i	
   Social	
   Network	
   con	
   un	
   alto	
  
     	
   potenziale	
   informa?vo;	
   anali<camente	
   è	
   percepito	
   come	
   il	
   miglior	
   Social	
   da	
   poter	
  
     	
  u<lizzare	
  per	
  tenersi	
  informa?	
  (seguito	
  da	
  Facebook).	
  

                                                                                                                                                 39	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
        NETWORK: REGRESSIONE LINEARE FACEBOOK
In	
  seguito	
  alla	
  domanda	
  volta	
  a	
  far	
  emergere	
  le	
  mo<vazioni	
  che	
  spingono	
  gli	
  uten<	
  all’u<lizzo	
  dei	
  
diversi	
   Social	
   Network	
   (che	
   prevedeva	
   come	
   risposte:	
   u?lizzo	
   il	
   social	
   network	
   in	
   ques?one	
   per	
  
mantenere	
  i	
  miei	
  conta>,	
  per	
  fare	
  nuove	
  conoscenze,	
  per	
  cogliere	
  opportunità	
  nel	
  mondo	
  del	
  lavoro	
  
e	
   per	
   tenermi	
   informato)	
   abbiamo	
   infine	
   chiesto	
   di	
   dare	
   un	
   giudizio	
   sulla	
   soddisfazione	
   globale	
  
verso	
  il	
  social	
  network.	
  
L’analisi	
   di	
   regressione	
   lineare	
   serve	
   ad	
   individuare	
   la	
   relazione	
   esistente	
   tra	
   una	
   variabile	
  
dipendente	
  (variabile	
  obieXvo,	
  nel	
  nostro	
  caso	
  soddisfazione	
  globale	
  verso	
  il	
  Social	
  Network)	
  e	
  un	
  
insieme	
  di	
  variabili	
  indipenden<	
  (variabili	
  esplica.ve).	
  
Abbiamo	
   u<lizzato	
   la	
   tecnica	
   Stepwise	
   in	
   quanto	
   consente	
   di	
   oXenere	
   output	
   molto	
   precisi	
   dal	
  
momento	
  che	
  alterna	
  automa<camente	
  e	
  nel	
  modo	
  più	
  opportuno	
  passi	
  forward	
  e	
  passi	
  backward	
  
ed	
   include	
   nell’analisi	
   solamente	
   gli	
   item	
   che	
   impaXano	
   significa<vamente	
   sulla	
   soddisfazione	
  
globale.	
  Abbiamo	
  u<lizzato	
  la	
  stessa	
  tecnica	
  per	
  tue	
  e	
  tre	
  i	
  social	
  network.	
  
    Model VARIABILI,UTILIZZATE                               Le	
   variabili	
   prese	
   in	
   considerazione	
   vengono	
   escluse	
   dal	
  
              1 Mantenere_Contatti_FB                        modello	
  se	
  il	
  livello	
  di	
  significa<vità	
  del	
  loro	
  F	
  è	
  maggiore	
  
              2 Informarti_FB                                o	
  uguale	
  a	
  0,10	
  E	
  vengono	
  inserite	
  nel	
  modello	
  se	
  il	
  livello	
  
              3 Nuove_Conoscenze_FB                          di	
  significa<vità	
  di	
  F	
  è	
  inferiore	
  o	
  uguale	
  a	
  0,08.	
  
  a.,Dependent,Variable:,Giudizio_Globale_FB
                                                                                                                                                     40	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
       NETWORK: REGRESSIONE LINEARE FACEBOOK
                      Model'Summary                                                        2	
  
                                                                      Il	
   valore	
   R	
   indica	
   la	
   significa<vità	
  
Model   R   R'Square Adjusted'R'Square Std.'Error'of'the'Estimate
 1    ,364a   0,132        0,128                  1,349               globale	
  del	
  modello.	
  
 2    ,407b   0,166        0,158                  1,326               Dalla	
   tabella	
   “Model	
   Summary”	
   si	
  
 3    ,432c   0,187        0,175                  1,313               evince	
   come	
   tra	
   i	
   modelli	
   propos<	
   il	
  
                           ANOVA(d)                                   migliore	
   sia	
   il	
   numero	
   tre	
   in	
   quanto	
  
                                                                                                                2	
  
Model            Sum)of)Squares df Mean)Square          F      Sig.   presenta	
  un	
  valore	
  di	
  R	
  maggiore.	
  
      Regression          56,16   1      56,16        30,846 ,000a
                                                                      Per	
  quanto	
  riguarda	
  il	
  p-­‐value	
  tue	
  e	
  tre	
  i	
  
 1    Residual          367,776 202      1,821
      Total             423,936 203                                   valori	
   risultano	
   significa<vi	
   in	
   quanto	
  
      Regression         70,316   2     35,158        19,984 ,000b    inferiori	
  allo	
  0,05.	
  
 2    Residual           353,62 201      1,759                        In	
   conclusione	
   abbiamo	
   quindi	
   optato	
  
      Total             423,936 203
      Regression         79,195   3     26,398        15,315 ,000c
                                                                      per	
   il	
   modello	
   tre	
   in	
   quanto	
   presenta	
   il	
  
                                                                                        2	
  
 3    Residual          344,741 200      1,724                        valore	
  di	
  R	
  maggiore	
  in	
  assoluto.	
  
      Total             423,936 203
                                                                              Coefficienti)non)standardizzati    Coefficienti)standardizzati
I	
  coefficien<	
              )                                                      B            Errore)std.               Beta
                              (Costante)                                                2,712              0,627
determina<	
  sono	
  i	
     Mantenere)i)Contatti                                      0,374               0,08                      0,309
seguen<:	
                    Informarsi                                                0,121              0,041                      0,193
                              Fare)Nuove)Conoscenze                                     0,081              0,036                      0,145
                                                                                                                                     41	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
     NETWORK: REGRESSIONE LINEARE FACEBOOK

            PESO'PERCENTUALE'DEI'DRIVER                               Calcolando	
   il	
   coefficiente	
   Beta	
   in	
  
Mantenere'i'Contatti     0,4775889                            47,8%   valori	
   percentuali	
   è	
   possibile	
  
Informarsi               0,2982998                            29,8%   determinare	
   con	
   che	
   peso	
   le	
   variabili	
  
Fare'Nuove'Conoscenze    0,2241113                            22,4%   ritenute	
   rilavan<	
   impaXano	
   sulla	
  
                                                                      soddisfazione	
   globale.	
   Con	
   questo	
  
60,0%&                                                                procedimento	
   è	
   possibile	
   ricavare	
  
50,0%&
               47,8%&
                                                                      l’influenza	
   delle	
   singole	
   variabili.	
   Le	
  
40,0%&                                                                più	
   rilevan<	
   in	
   ordine	
   di	
   importanza	
  
30,0%&
                                 29,8%&                               risultano	
  essere:	
  Mantenere	
  i	
  conta>,	
  
                                                     22,4%&           Informarsi	
  e	
  Fare	
  nuove	
  conoscenze.	
  
20,0%&

10,0%&

 0,0%&
         Mantenere&i&Conta7&   Informarsi&   Fare&Nuove&Conoscenze&

                                                                                                                           42	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
    NETWORK: REGRESSIONE LINEARE LINKEDIN
                                         Model         VARIABILI,UTILIZZATE
                                            1   Opportunità_Lavoro_LK
                                            2   Informarti_LK
                                            3   Nuove_Conoscenze_LK
                                         a.#Dependent#Variable:#Giudizio_Globale_LK
                        Model'Summary
Model   R   R'Square   Adjusted'R'Square Std.'Error'of'the'Estimate    Dal	
  Model	
  Summary	
  risulta	
  che	
  il	
  modello	
  con	
  
 1    ,552a    0,304                 0,3                       1,174
 2    ,638b    0,407               0,399                       1,088
                                                                       l’R	
   square	
   più	
   elevato	
   è	
   il	
   terzo	
   pertanto	
  
 3    ,663c    0,439               0,428                       1,061   abbiamo	
  optato	
  per	
  questa	
  opzione.	
  
                             ANOVA(d)
                                                                       	
  
Model              Sum)of)Squares df Mean)Square        F      Sig.    	
  
        Regression          89,31   1      89,31      64,786 ,000a
  1     Residual          204,024 148      1,379
                                                                       	
  
        Total             293,333 149                                  Il	
  livello	
  di	
  significa<vità	
  è	
  adeguato	
  anche	
  con	
  
  2
        Regression
        Residual
                          119,272   2
                          174,061 147
                                          59,636
                                           1,184
                                                      50,365 ,000b
                                                                       riferimanto	
  ai	
  p-­‐value	
  dal	
  momento	
  che	
  sono	
  
        Total             293,333 149                                  tue	
  inferiori	
  a	
  0,05.	
  
        Regression        128,904   3     42,968      38,152 ,000c
  3     Residual           164,43 146      1,126
        Total             293,333 149
                                                                                                                                             43	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
       NETWORK: REGRESSIONE LINEARE LINKEDIN
                                                                     Coefficienti)non)standardizzati Coefficienti)standardizzati
)                                                                            B           Errore)std.            Beta                 t     Sig.
(Constant)                                                                     2,415            0,443                              5,455       0
Cogliere)Opportunità)di)Lavoro                                                 0,361            0,058                     0,413    6,234       0
Informarsi                                                                     0,186            0,041                     0,301    4,515       0
Fare)Nuove)Conoscenze                                                          0,106            0,036                     0,189    2,924   0,004
Variabile(dipendente:(Soddisfazione(globale(Linkedin
                             PESO(PERCENTUALE(DEI(DRIVER                                                             Gli	
  item	
  vengono	
  
Cogliere(Opportunità(di(Lavoro                                                           0,4573643           45,7%
Informarsi                                                                               0,3333333           33,3%
                                                                                                                     evidenzia<	
  nella	
  prima	
  
Fare(Nuove(Conoscenze                                                                    0,2093023           20,9%   tabella.	
  Successivamente,	
  
                                                                                                                     aXraverso	
  il	
  calcolo	
  del	
  
50,0%&                  45,7%&                                                                                       peso	
  percentuale	
  dei	
  
45,0%&
40,0%&
                                                                                                                     cluster	
  è	
  possibile	
  
35,0%&
                                                         33,3%&
                                                                                                                     calcolare	
  l’influenza	
  delle	
  
30,0%&
25,0%&                                                                                      20,9%&
                                                                                                                     singole	
  variabili.	
  Le	
  più	
  
20,0%&                                                                                                               rilevan<	
  risultano	
  essere	
  
15,0%&
10,0%&                                                                                                               Cogliere	
  nuove	
  
 5,0%&
                                                                                                                     opportunità	
  di	
  lavoro	
  e	
  
 0,0%&
            Cogliere&Opportunità&di&Lavoro&            Informarsi&                  Fare&Nuove&Conoscenze&           informarsi.	
  
                                                                                                                                                     44	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
   NETWORK: REGRESSIONE LINEARE TWITTER
                                Model VARIABILI,UTILIZZATE
                                  1   Informarti_TW
                                  2   Nuove_Conoscenze_TW

                      Model'Summary                               Dal	
   Model	
   Summary	
   risulta	
   che	
  
Model   R   R'Square Adjusted'R'Square Std.'Error'of'the'Estimate il	
   modello	
   con	
   l’R	
   square	
   più	
  
 1    ,677a    0,458             0,451                       1,44 elevato	
   è	
   il	
   secondo,	
   pertanto	
  
 2    ,713b    0,508             0,496                       1,38 abbiamo	
   optato	
   per	
   questa	
  
                                                                             opzione.	
  
                              ANOVA(c)                                       	
  
 Model                Sum)of)Squares df Mean)Square            F      Sig.
                                                                             Il	
  livello	
  di	
  significa<vità	
  è	
  
           Regression        139,954 1      139,954          67,509 ,000a
    1      Residual          165,851 80       2,073
                                                                             adeguato	
  anche	
  con	
  riferimento	
  
           Total             305,805 81                                      ai	
  p-­‐value	
  dal	
  momento	
  che	
  
           Regression        155,446 2       77,723          40,836 ,000b    sono	
  tue	
  inferiori	
  a	
  0,05.	
  
    2      Residual          150,359 79       1,903
           Total             305,805 81
                                                                                                                    45	
  
COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL
       NETWORK: REGRESSIONE LINEARE TWITTER

                              Coefficienti)non)standardizzati Coefficienti)standardizzati
)                                    B            Errore)std.            Beta                 t     Sig.
                                                                                                             La	
  tabella	
  indica	
  gli	
  
(Constant)                              1,908             0,474                             4,029       0    item	
  presi	
  in	
  
Informarsi                              0,476             0,064                     0,61    7,411       0    considerazione.	
  
Fare9Nuove9Conoscenze                   0,216             0,076                    0,235    2,853   0,006



          PESO,PERCENTUALE,DEI,DRIVER                        80,0%%           72,2%%
Informarsi                0,7218935                  72,2%
                                                             70,0%%
Fare,Nuove,Conoscenze     0,2781065                  27,8%
                                                             60,0%%

                                                             50,0%%
   AXraverso	
   il	
   calcolo	
   del	
   peso	
  
                                                             40,0%%
   percentuale	
  dei	
  cluster	
  è	
  possibile	
                                                               27,8%%
                                                             30,0%%
   calcolare	
   l’influenza	
   delle	
   singole	
  
                                                             20,0%%
   variabili.	
   La	
   più	
   rilevante	
   risulta	
  
                                                             10,0%%
   essere	
  Informarsi.	
  
                                                              0,0%%
                                                                            Informarsi%                    Fare%Nuove%Conoscenze%
                                                                                                                                       46	
  
ANALISI FATTORIALE
Dall’analisi	
   qualita<va	
   sono	
   emersi	
   14	
   aXribu<	
   considera<	
   rilevan<	
   dai	
   risponden<	
   nella	
  
valutazione	
  dei	
  social	
  network:	
  
1.  Credibilità	
  dei	
  contae	
  
2.  Tutela	
  della	
  privacy	
  
3.  Interesse	
  di	
  chi	
  visita	
  il	
  tuo	
  profilo	
  
4.  Veridicità	
  delle	
  informazioni	
  dei	
  tuoi	
  contae	
  
5.  Innova<vità	
  degli	
  argomen<	
  traXa<	
  nei	
  gruppi	
  ai	
  quali	
  hai	
  aderito	
  
6.  Coerenza	
  dei	
  contenu<	
  offer<	
  dai	
  gruppi	
  con	
  le	
  tue	
  esigenze	
  
7.  Frequenza	
  di	
  aggiornamento	
  dei	
  contenu<	
  dei	
  gruppi	
  
8.  Non	
  invasività	
  delle	
  segnalazioni	
  inviate	
  dal	
  social	
  network	
  
9.  Grafica	
  del	
  social	
  network	
  
10. Facilità	
  d’uso	
  del	
  social	
  network	
  
11. Completezza	
  della	
  struXura	
  del	
  social	
  network	
  
12. Este<ca	
  del	
  social	
  network	
  

Agli	
  intervista<	
  è	
  stato	
  chiesto	
  di	
  aXribuire	
  un	
  giudizio	
  di	
  importanza	
  ai	
  suddee	
  item	
  secondo	
  
la	
  scala:	
  1-­‐3	
  Poco	
  importante,	
  4-­‐6	
  Abbastanza	
  importante	
  e	
  7-­‐9	
  molto	
  importante.	
  
                                                                                                                                        47	
  
ANALISI FATTORIALE
•  Dopo	
  diverse	
  prove	
  effeXuate	
  con	
  diverse	
  tecniche	
  si	
  è	
  optato	
  di	
  riportare	
  solamente	
  
    l’output	
  da	
  noi	
  giudicato	
  adeguato	
  ai	
  fini	
  dell’analisi	
  (è	
  possibile	
  visionare	
  le	
  diverse	
  
    prove	
  nell’output	
  allegato).	
  	
  
Descrizione	
  del	
  procedimento	
  u.lizzato:	
  
•  Descrieve:	
  soluzione	
  iniziale	
  
•  Estrazione	
  
      –  Metodo:	
  componen<	
  principali	
  
      –  Analizza:	
  matrice	
  di	
  correlazione	
  
      –  Visualizza:	
  soluzione	
  faXoriale	
  ruotata,	
  scree	
  plot	
  
      –  Numero	
  faXori:	
  3	
  
      Max	
  iterazioni	
  di	
  convergenza:	
  100	
  
 •  Rotazione:	
  Varimax	
  
 •  Opzioni:	
   Esclusione	
   listwise	
   (soppressione	
   coefficien<	
   piccoli	
   <	
   0,4	
   in	
   modo	
   da	
  
    rendere	
   migliore	
   la	
   leXura	
   dei	
   da<	
   dal	
   momento	
   che	
   i	
   gruppi	
   di	
   item	
   hanno	
   valori	
  
    >0,5)	
  
                                                                                                                                            48	
  
ANALISI FATTORIALE
                                                                    Total,Variance,Explained
                             Initial,Eigenvalues                           Extraction,Sums,of,Squared,Loadings Rotation,Sums,of,Squared,Loadings
       Component Total            %,of,Variance Cumulative,%        Total %,of,Variance Cumulative,% Total %,of,Variance Cumulative,%
                  1       4,195            34,96        34,96        4,195          34,96         34,96 2,601         21,677              21,677
                  2       1,845           15,372      50,332         1,845         15,372        50,332 2,583         21,529              43,206
                  3       1,582           13,179      63,511         1,582         13,179        63,511 2,437         20,305              63,511
                  4       0,865            7,205      70,716
                  5       0,635            5,294        76,01
                  6       0,606            5,048      81,057
                  7       0,532            4,433        85,49
                  8       0,471            3,927      89,418
                  9       0,451             3,76      93,177
                 10       0,356            2,967      96,144
                 11       0,294             2,45      98,595
                 12       0,169            1,405         100
       Extraction,Method:,Principal,Component,Analysis.
       	
  La	
  colonna	
  “%	
  of	
  variance”	
  riporta	
  la	
  percentuale	
  di	
  varianza	
  spiegata	
  da	
  ciascuna	
  componente.	
  
           In	
   generale	
   una	
   percentuale	
   cumulata	
   del	
   60-­‐70%	
   viene	
   considerata	
   acceXabile.	
   L’analisi	
   svolta	
  
           con	
   tre	
   faXori	
   permeXe	
   di	
   oXenere	
   un	
   valore	
   del	
   63,511%	
   e	
   questo	
   valore	
   è	
   da	
   considerare	
  
           unitamente	
   all’effeeva	
   riduzione	
   di	
   complessità	
   oXenuta:	
   oXenendo	
   una	
   forte	
   riduzione	
   di	
  
           complessità	
   si	
   può	
   acceXare	
   una	
   percentuale	
   di	
   varianza	
   spiegata	
   inferiore	
   dal	
   momento	
   che	
  
           considerando	
  quaXro	
  componen<	
  si	
  aumenterebbe	
  un	
  aumento	
  pari	
  solo	
  al	
  7%.	
                                       49	
  
	
  
ANALISI FATTORIALE
                                                                                                         Communalities
                                                                                                         Initial    Extraction
                          Credibilità_Professionalità_ID                                                         1        0,609
                          Privacy_ID                                                                             1        0,644
                          Interesse_Visitatori_ID                                                                1        0,343
                          Veridicità_Info_ID                                                                     1        0,574
                          Innovatività_ID                                                                        1        0,736
                          Coerenza_Esigenze_Informative_ID                                                       1        0,831
                          Frequenza_Aggiornamento_ID                                                             1        0,754
                          NON_Invasività_ID                                                                      1          0,55
                          Struttura_Grafica_ID                                                                   1        0,701
                          Facilità_Uso_ID                                                                        1        0,581
                          Estetica_ID                                                                            1        0,764
                          Completezza_ID                                                                         1        0,535
                          ExtractionPMethod:PPrincipalPComponentPAnalysis.
Le	
  “Communali<es”	
  esprimono	
  l’ammontare	
  di	
  variabilità	
  che	
  una	
  singola	
  variabile	
  condivide	
  con	
  
tuXe	
  le	
  altre	
  variabili.	
  Il	
  dato	
  del	
  63,511%	
  di	
  varianza	
  spiegata	
  è	
  una	
  media	
  per	
  tuXe	
  le	
  variabili;	
  
come	
   si	
   può	
   notare	
   dalla	
   tabella,	
   per	
   le	
   singole	
   variabili,	
   tale	
   dato	
   varia	
   dal	
   34,3%	
   (INTERESSE	
  
VISITATORI)	
  all’83,1%	
  (COERENZA	
  ESIGENZE	
  INFORMATIVE).	
  
Si	
   è	
   scelto	
   di	
   u<lizzare	
   3	
   componen<	
   in	
   modo	
   da	
   ridurre	
   lo	
   scarto	
   al	
   minimo	
   in	
   quanto	
   con	
   le	
  
soluzioni	
  scartate	
  si	
  sarebbe	
  oXenuto	
  un	
  risultato	
  non	
  significa<vo	
  (vedere	
  allegato). 	
                                            50	
  
ANALISI FATTORIALE
                     Come	
   si	
   evince	
   dallo	
   “Scree	
  
                     P l o t ”	
   l ’ u < l i z z o	
   d i	
   t r e	
  
                     componen<	
   risulta	
   oemale	
  
                     in	
   quanto	
   è	
   evidente	
   che	
   la	
  
                     pendenza	
   della	
   spezzata	
   è	
  
                     più	
   marcata	
   dopo	
   il	
   terzo	
  
                     faXore.	
   Considerandone	
  
                     quaXro	
   si	
   oXerrebbe	
   un	
  
                     aumento	
   della	
   complessità	
  
                     dell’interpretazione	
   dal	
  
                     momento	
   che	
   un	
   faXore	
  
                     spiegherebbe	
   solamente	
   un	
  
                     unico	
   item	
   che	
   invece	
   può	
  
                     essere	
   efficacemente	
   incluso	
  
                     in	
   uno	
   dei	
   tre	
   faXori	
   più	
  
                     significa<vi	
   semplificando	
  
                     notevolmente	
   la	
   leXura	
   dei	
  
                     risulta<.	
  	
  
                                                                51	
  
ANALISI FATTORIALE
                                                      Rotated(Component(Matrix(a)
                                                                                                        Component
                                  Qualità(del(network(e(affidabilità(degli(utenti Aspetto(e(funzionalità Potenziale(informativo(dei(gruppi
Privacy_ID                                                                  0,798
Credibilità_Professionalità_ID                                              0,736
NON_Invasività_ID                                                           0,729
Veridicità_Info_ID                                                          0,661
Interesse_Visitatori_ID                                                     0,528
Estetica_ID                                                                                       0,869
Struttura_Grafica_ID                                                                              0,799
Facilità_Uso_ID                                                                                   0,738
Completezza_ID                                                                                    0,702
Coerenza_Esigenze_Informative_ID                                                                                                     0,888
Frequenza_Aggiornamento_ID                                                                                                           0,859
Innovatività_ID                                                                                                                      0,827
Extraction(Method:(Principal(Component(Analysis.(Rotation(Method:(Varimax(with(Kaiser(Normalization.(a.(Rotation(converged(in(5(iterations.
  Le	
  componen<	
  u<lizzate	
  sono	
  le	
  seguen<:	
  
  •  Qualità	
  del	
  network	
  e	
  affidabilità	
  degli	
  uten.	
  che	
  spiega	
  i	
  faXori:	
  privacy,	
  credibilità	
  e	
  
         professionalità,	
  non	
  invasività,	
  veridicità	
  delle	
  informazioni	
  e	
  interesse	
  dei	
  visitatori.	
  	
  
  •  AspeHo	
  e	
  funzionalità	
  che	
  spiega	
  i	
  faXori:	
  este<ca,	
  struXura	
  grafica,	
  facilità	
  d’uso	
  e	
  
         completezza.	
  
  •  Potenziale	
  informa.vo	
  dei	
  gruppi	
  che	
  spiega	
  i	
  faXori:	
  coerenza	
  delle	
  esigenze	
  
         informa<ve,	
  frequenza	
  di	
  aggiornamento	
  dei	
  gruppi	
  e	
  innova<vità.	
                                         52	
  
CLUSTER ANALYSIS
 Tale	
  analisi	
  è	
  stata	
  svolta	
  classificando	
  il	
  campione	
  in	
  gruppi	
  aven<	
  caraXeris<che	
  omogenee	
  
 all’interno	
  e	
  disomogenee	
  esternamente.	
  Le	
  variabili	
  scelte	
  sono	
  le	
  medesime	
  u<lizzate	
  per	
  la	
  
 factor	
  analysis.	
  
 La	
  cluster	
  analysis	
  è	
  stata	
  rilanciata	
  più	
  volte	
  in	
  modo	
  da	
  assicurare	
  la	
  rappresenta<vità	
  dei	
  da<.	
  
 NUMERO	
  DI	
  CLUSTER:	
  3	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
   	
  risulta	
  essere	
  la	
  soluzione	
  migliore	
  data	
  l’omogeneità	
  della	
  
    	
   	
       	
   	
     	
                               	
                              	
  distribuzione	
  del	
  numero	
  del	
  campione	
  all’interno	
  di	
  ciascun	
  
    	
   	
       	
   	
     	
                               	
                              	
  cluster	
  (definendo	
  un	
  numero	
  diverso	
  di	
  cluster	
  si	
  oXerrebbe	
  
    	
   	
       	
   	
     	
                               	
                              	
  una	
  disomogeneità	
  più	
  marcata:	
  vedi	
  allegato).	
  
                                                                                                                  PESO%DEI%SINGOLI%CLUSTER%
Cluster                 Number+of+Cases+in+each+Cluster
      1                              49                                                                                  16,30%&

      2                              105                                                                                                26,63%&
                                                                                                                                                                            CLUSTER&1&

      3                              30                                                                                                                                     CLUSTER&2&

                                                                                                                                                                            CLUSTER&3&
Valid                                184                                                                                 57,07%&

Missing                              33

    Per	
  semplicità	
  abbiamo	
  riportato	
  solamente	
  la	
  soluzione	
  ritenuta	
  migliore,	
  tuXe	
  le	
  altre	
  
    analisi	
  sono	
  consultabili	
  nel	
  file	
  allegato:	
  OUTPUT	
  CLUSTER	
  ANALYSIS.	
                                                                                 53	
  
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati
Linkedin mario bencivinni daniela galati andrea steccati

Weitere ähnliche Inhalte

Andere mochten auch

Nexsus Techno Solution Windows Evolution
Nexsus Techno Solution  Windows EvolutionNexsus Techno Solution  Windows Evolution
Nexsus Techno Solution Windows Evolutionnexsustechno
 
Cade Soluciones te presentamos Aspel NOI 8.0
Cade Soluciones te presentamos Aspel NOI 8.0Cade Soluciones te presentamos Aspel NOI 8.0
Cade Soluciones te presentamos Aspel NOI 8.0Cade Soluciones
 
[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ
[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ
[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữTÀI LIỆU NGÀNH MAY
 
A Capability Model for Driving Customer Engagement in a Connected World
A Capability Model for Driving Customer Engagement in a Connected WorldA Capability Model for Driving Customer Engagement in a Connected World
A Capability Model for Driving Customer Engagement in a Connected WorldAcxiom Corporation
 
marketing chương 6: phân phối
marketing chương 6: phân phốimarketing chương 6: phân phối
marketing chương 6: phân phốiTrong Hoang
 
Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)
Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)
Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)Cộng đồng iSocial
 
Jonathan Basden Resume Sept 2016 w TelAid
Jonathan Basden Resume Sept 2016 w TelAidJonathan Basden Resume Sept 2016 w TelAid
Jonathan Basden Resume Sept 2016 w TelAidJonathan Basden
 
Chương 1 Quản trị kênh phân phối
Chương 1   Quản trị kênh phân phốiChương 1   Quản trị kênh phân phối
Chương 1 Quản trị kênh phân phốiTống Bảo Hoàng
 
Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)
Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)
Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)Associazione iFormazione
 

Andere mochten auch (17)

Comunicado 003
Comunicado 003Comunicado 003
Comunicado 003
 
Nexsus Techno Solution Windows Evolution
Nexsus Techno Solution  Windows EvolutionNexsus Techno Solution  Windows Evolution
Nexsus Techno Solution Windows Evolution
 
Cade Soluciones te presentamos Aspel NOI 8.0
Cade Soluciones te presentamos Aspel NOI 8.0Cade Soluciones te presentamos Aspel NOI 8.0
Cade Soluciones te presentamos Aspel NOI 8.0
 
ControlsLab2
ControlsLab2ControlsLab2
ControlsLab2
 
[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ
[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ
[Kho tài liệu ngành may] 17 giáo trình thiết kế veston nam nữ
 
Hướng dẫn kaizen 5 s - mes camp-2012_worm_kaizen_ 5s
Hướng dẫn kaizen   5 s - mes camp-2012_worm_kaizen_ 5sHướng dẫn kaizen   5 s - mes camp-2012_worm_kaizen_ 5s
Hướng dẫn kaizen 5 s - mes camp-2012_worm_kaizen_ 5s
 
Bí quyết tạo sự nổi bật cho Instagram
Bí quyết tạo sự nổi bật cho InstagramBí quyết tạo sự nổi bật cho Instagram
Bí quyết tạo sự nổi bật cho Instagram
 
Build vs Buy
Build vs BuyBuild vs Buy
Build vs Buy
 
PGD center setup
PGD center setupPGD center setup
PGD center setup
 
A Capability Model for Driving Customer Engagement in a Connected World
A Capability Model for Driving Customer Engagement in a Connected WorldA Capability Model for Driving Customer Engagement in a Connected World
A Capability Model for Driving Customer Engagement in a Connected World
 
marketing chương 6: phân phối
marketing chương 6: phân phốimarketing chương 6: phân phối
marketing chương 6: phân phối
 
Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)
Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)
Bộ tài liệu Kinh doanh Online từ A-Z (Ebook)
 
Jonathan Basden Resume Sept 2016 w TelAid
Jonathan Basden Resume Sept 2016 w TelAidJonathan Basden Resume Sept 2016 w TelAid
Jonathan Basden Resume Sept 2016 w TelAid
 
Epidemiology
EpidemiologyEpidemiology
Epidemiology
 
KỸ NĂNG HUẤN LUYỆN NHÂN VIÊN
KỸ NĂNG HUẤN LUYỆN NHÂN VIÊNKỸ NĂNG HUẤN LUYỆN NHÂN VIÊN
KỸ NĂNG HUẤN LUYỆN NHÂN VIÊN
 
Chương 1 Quản trị kênh phân phối
Chương 1   Quản trị kênh phân phốiChương 1   Quản trị kênh phân phối
Chương 1 Quản trị kênh phân phối
 
Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)
Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)
Corso di Social Media Marketing (Facebook, Linkedin, Twitter, Google Plus)
 

Ähnlich wie Linkedin mario bencivinni daniela galati andrea steccati

Corso linkedin fiarc_marco_gentilini
Corso linkedin fiarc_marco_gentiliniCorso linkedin fiarc_marco_gentilini
Corso linkedin fiarc_marco_gentiliniMarco Gentilini
 
Fare business con i Social Media
Fare business con i Social MediaFare business con i Social Media
Fare business con i Social MediaRoberto Grossi
 
Fare business con i Social Media
Fare business con i Social MediaFare business con i Social Media
Fare business con i Social MediaSocial Media Easy
 
Evento luca conti_29maggio
Evento luca conti_29maggioEvento luca conti_29maggio
Evento luca conti_29maggioLa Content
 
Linkedin Network Capabilites - come rendere efficace il proprio profilo Linkedin
Linkedin Network Capabilites - come rendere efficace il proprio profilo LinkedinLinkedin Network Capabilites - come rendere efficace il proprio profilo Linkedin
Linkedin Network Capabilites - come rendere efficace il proprio profilo LinkedinAlessandro Sposato
 
Social minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricercaSocial minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricercaSocial Minds
 
Le nuove tecnologie di Social Networking e le Imprese - Giuseppe Manco
Le nuove tecnologie di Social Networking e le Imprese - Giuseppe MancoLe nuove tecnologie di Social Networking e le Imprese - Giuseppe Manco
Le nuove tecnologie di Social Networking e le Imprese - Giuseppe MancoCentro di competenza ICT-SUD
 
Uso professionale dei Social Network
Uso professionale dei Social NetworkUso professionale dei Social Network
Uso professionale dei Social NetworkCreeo Studio
 
ISBF14 e Reputation Manager - La reputazione on line di banche e top executive
ISBF14 e Reputation Manager - La reputazione on line di banche e top executiveISBF14 e Reputation Manager - La reputazione on line di banche e top executive
ISBF14 e Reputation Manager - La reputazione on line di banche e top executiveSocial Minds
 
Social Banking ed Executive Reputation: la reputazione on line di banche e to...
Social Banking ed Executive Reputation: la reputazione on line di banche e to...Social Banking ed Executive Reputation: la reputazione on line di banche e to...
Social Banking ed Executive Reputation: la reputazione on line di banche e to...Reputation Manager
 
LinkedIn: il business social network - potenzialità e limiti del nuovo strume...
LinkedIn: il business social network - potenzialità e limiti del nuovo strume...LinkedIn: il business social network - potenzialità e limiti del nuovo strume...
LinkedIn: il business social network - potenzialità e limiti del nuovo strume...Beatrice Sartori
 
Triboo WEBinar Digital Workstyle
Triboo WEBinar Digital WorkstyleTriboo WEBinar Digital Workstyle
Triboo WEBinar Digital Workstyletriboomanagement
 
ELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORK
ELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORKELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORK
ELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORKAndrey Golub
 
Web 2.0 comunicare al futuro
Web 2.0 comunicare al futuroWeb 2.0 comunicare al futuro
Web 2.0 comunicare al futuroAlessia Tronchi
 
Lavori digitali: il Social Media Manager
Lavori digitali: il Social Media ManagerLavori digitali: il Social Media Manager
Lavori digitali: il Social Media ManagerCarmine Zaccaro
 
La Ricerca dello Sguardo si fa Sociale
La Ricerca dello Sguardo si fa SocialeLa Ricerca dello Sguardo si fa Sociale
La Ricerca dello Sguardo si fa SocialeMirko Pallera
 
Seminario #22 #SQDB Linkedin per professionisti e aziende
Seminario #22 #SQDB Linkedin per professionisti e aziendeSeminario #22 #SQDB Linkedin per professionisti e aziende
Seminario #22 #SQDB Linkedin per professionisti e aziendeSQcuola di Blog
 
Facebook Marketing: progettare campagne e sviluppare business
Facebook Marketing: progettare campagne e sviluppare businessFacebook Marketing: progettare campagne e sviluppare business
Facebook Marketing: progettare campagne e sviluppare businessNinja Academy
 
Prospettive innovative della comunicazione digitale nel settore turistico in ...
Prospettive innovative della comunicazione digitale nel settore turistico in ...Prospettive innovative della comunicazione digitale nel settore turistico in ...
Prospettive innovative della comunicazione digitale nel settore turistico in ...Denise Fezzi
 
Social B2B, Linkedin per incrementare il tuo Business, Alessandro Cola
Social B2B, Linkedin per incrementare il tuo Business, Alessandro ColaSocial B2B, Linkedin per incrementare il tuo Business, Alessandro Cola
Social B2B, Linkedin per incrementare il tuo Business, Alessandro ColaMOCA Interactive
 

Ähnlich wie Linkedin mario bencivinni daniela galati andrea steccati (20)

Corso linkedin fiarc_marco_gentilini
Corso linkedin fiarc_marco_gentiliniCorso linkedin fiarc_marco_gentilini
Corso linkedin fiarc_marco_gentilini
 
Fare business con i Social Media
Fare business con i Social MediaFare business con i Social Media
Fare business con i Social Media
 
Fare business con i Social Media
Fare business con i Social MediaFare business con i Social Media
Fare business con i Social Media
 
Evento luca conti_29maggio
Evento luca conti_29maggioEvento luca conti_29maggio
Evento luca conti_29maggio
 
Linkedin Network Capabilites - come rendere efficace il proprio profilo Linkedin
Linkedin Network Capabilites - come rendere efficace il proprio profilo LinkedinLinkedin Network Capabilites - come rendere efficace il proprio profilo Linkedin
Linkedin Network Capabilites - come rendere efficace il proprio profilo Linkedin
 
Social minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricercaSocial minds: workshop sui risultati di ricerca
Social minds: workshop sui risultati di ricerca
 
Le nuove tecnologie di Social Networking e le Imprese - Giuseppe Manco
Le nuove tecnologie di Social Networking e le Imprese - Giuseppe MancoLe nuove tecnologie di Social Networking e le Imprese - Giuseppe Manco
Le nuove tecnologie di Social Networking e le Imprese - Giuseppe Manco
 
Uso professionale dei Social Network
Uso professionale dei Social NetworkUso professionale dei Social Network
Uso professionale dei Social Network
 
ISBF14 e Reputation Manager - La reputazione on line di banche e top executive
ISBF14 e Reputation Manager - La reputazione on line di banche e top executiveISBF14 e Reputation Manager - La reputazione on line di banche e top executive
ISBF14 e Reputation Manager - La reputazione on line di banche e top executive
 
Social Banking ed Executive Reputation: la reputazione on line di banche e to...
Social Banking ed Executive Reputation: la reputazione on line di banche e to...Social Banking ed Executive Reputation: la reputazione on line di banche e to...
Social Banking ed Executive Reputation: la reputazione on line di banche e to...
 
LinkedIn: il business social network - potenzialità e limiti del nuovo strume...
LinkedIn: il business social network - potenzialità e limiti del nuovo strume...LinkedIn: il business social network - potenzialità e limiti del nuovo strume...
LinkedIn: il business social network - potenzialità e limiti del nuovo strume...
 
Triboo WEBinar Digital Workstyle
Triboo WEBinar Digital WorkstyleTriboo WEBinar Digital Workstyle
Triboo WEBinar Digital Workstyle
 
ELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORK
ELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORKELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORK
ELEMENTI TEORICI PER LA PROGETTAZIONE DEI SOCIAL NETWORK
 
Web 2.0 comunicare al futuro
Web 2.0 comunicare al futuroWeb 2.0 comunicare al futuro
Web 2.0 comunicare al futuro
 
Lavori digitali: il Social Media Manager
Lavori digitali: il Social Media ManagerLavori digitali: il Social Media Manager
Lavori digitali: il Social Media Manager
 
La Ricerca dello Sguardo si fa Sociale
La Ricerca dello Sguardo si fa SocialeLa Ricerca dello Sguardo si fa Sociale
La Ricerca dello Sguardo si fa Sociale
 
Seminario #22 #SQDB Linkedin per professionisti e aziende
Seminario #22 #SQDB Linkedin per professionisti e aziendeSeminario #22 #SQDB Linkedin per professionisti e aziende
Seminario #22 #SQDB Linkedin per professionisti e aziende
 
Facebook Marketing: progettare campagne e sviluppare business
Facebook Marketing: progettare campagne e sviluppare businessFacebook Marketing: progettare campagne e sviluppare business
Facebook Marketing: progettare campagne e sviluppare business
 
Prospettive innovative della comunicazione digitale nel settore turistico in ...
Prospettive innovative della comunicazione digitale nel settore turistico in ...Prospettive innovative della comunicazione digitale nel settore turistico in ...
Prospettive innovative della comunicazione digitale nel settore turistico in ...
 
Social B2B, Linkedin per incrementare il tuo Business, Alessandro Cola
Social B2B, Linkedin per incrementare il tuo Business, Alessandro ColaSocial B2B, Linkedin per incrementare il tuo Business, Alessandro Cola
Social B2B, Linkedin per incrementare il tuo Business, Alessandro Cola
 

Linkedin mario bencivinni daniela galati andrea steccati

  • 2. INDICE 1.  Overview   5   2.  Contesto  di  analisi   6   3.  Focus  su  Linkedin   7   4.  Metodologia  di  raccolta  dei  da<   8   5.  Ricerca  qualita<va   9   6.  Means-­‐end  chain   12   7.  Ricerca  quan<ta<va   13   8.  Variabili  socio-­‐demografiche   16   9.  Social  network  e  professione   20   10. Social  network  e  <tolo  di  studio   21   11. Età  del  campione  di  riferimento   24   12. Variabile  status   25   13. Frequenza  di  u<lizzo  dei  social  network   26   14. Strumen<  per  cercare  lavoro   27   15. Giudizio  sugli  strumen<   28   2  
  • 3. INDICE 16. Conoscenza  di  Linkedin   29   18. Mo<vo  di  u<lizzo  di  Linkedin   30   19. Proposte  di  lavoro  ricevute  in  un  mese  tramite  Linkedin   31   20. Diffusione  e  percezione  del  servizio  mobile   32   21. Possesso  dell’account  premium   33   26. Mo<vazione  di  u<lizzo  dei  social  network:  analisi  discriminante   34   28. Mo<vazione  di  u<lizzo  dei  social  network:  regressione   39   29. Analisi  faXoriale   46   30. Cluster  analysis   52   31. Descrizione  dei  cluster   55   32. Regressione  lineare:  Facebook   70   33. Regressione  lineare:  Linkedin   74   34. Regressione  lineare:  TwiXer   77   35. Social  Network  ideale  vs  reali   80       3  
  • 4. INDICE 30. Pun<  di  forza  e  debolezza  di  Facebook   84   31. Pun<  di  forza  e  di  debolezza  di  Linkedin   86   32. Pun<  di  forza  e  di  debolezza  di  TwiXer   88   33. Analisi  quan<ta<va:  pun<  di  forza  di  Linkedin   90   34. Analisi  quan<ta<va:  pun<  di  debolezza  di  Linkedin   92   35. Analisi  discriminante   94   36. Implicazioni  di  Marke<ng   111   37. Limi<  della  ricerca   114       4  
  • 5. OVERVIEW Quando   parliamo   di   social   network   ci   riferiamo   ad   un'espressione   u<lizzata   in   ambito   anglosassone,   che   indica   una   o   più   re.   sociali.   Grazie   all'avvento   di   internet  le  re.  sociali  di  <po  digitale  hanno  conosciuto   un   grande   sviluppo   e   sono   entra<   nel   quo<diano   delle   persone.   Un   social   network   è   in   grado   pertanto   di   collegare   in   molteplici   modi   le   persone   tra   di   loro,   facilitando   la   comunicazione   e   la   fruizione   dell'informazione.   Nei   social  network  si  è  potuto  assistere  alla  nuova  creazione   di  contenu<  e  valore  grazie  all'agire  collabora<vo.     5  
  • 6. CONTESTO DI ANALISI La   ricerca   è   stata   condoXa   sugli   uten<   dei   social   network  concentrando  la  nostra  analisi  sugli  u<lizzatori   di   “Linkedin”:   il   social   network   “professionale”.   Lo   studio   è   stato   effeXuato   partendo   da   un’analisi   qualita<va   volta   a   far   emergere   le   caraXeris<che   e   gli   aXribu<   più   rilevan<   dell’oggeXo   di   studio.   A   tal   proposito  sono  sta<  soXopos<  a  interviste  in  profondità   cinque   soggee   par<colarmente   informa<   e   aevi   sull’uso   di   “Linkedin”.   Dai   risulta<   oXenu<   è   stato   possibile   formulare   un   ques<onario   idoneo   a   far   emergere  le  peculiarità  del  social  network  in  ques<one   e  gli  aspee  più  importan<  in  relazione  ai  social  network   più  diffusi:  “Facebook”  e  “TwiXer”.   6  
  • 7. FOCUS SU LINKEDIN L’azienda  ormai  è  una  delle  realtà  più  interessan<  (e  concrete)  del   web  con  i  suoi  1800  impiega<,  di  cui  una  decina  a  Milano  (presso  la   sede   aperta   in   data   29/11/11   in   zona   Stazione   Centrale).   La   società   è  quotata  in  borsa  a  New  York  e  la  metà  dei  guadagni  li  oeene  con   le   soluzioni   per   la   ricerca   del   personale   messe   a   disposizione   dei   clien<  (in  Italia  tra  gli  altri  Star  e  Telecom),  un  35%  circa  viene  dalle   soluzioni  di  marke<ng  e,  infine,  poco  meno  di  30  milioni  di  dollari   provengono  dalle  soXoscrizioni  a  pagamento  degli  uten<.   In  Italia,  secondo  i  da<  forni<  da  Albergoni  (Senior  Sales  Manager   presso  “Linkedin  Italia”),  gli  uten<  registra<  sono  circa  due  milioni   con   una   crescita   del   107%   in   un   anno   ed,   effeevamente   l’impressione   comune   è   che   solo   in   quest’ul<mo   periodo   Linkedin   s<a   realmente   prendendo   piede   nel   nostro   paese.   “L'Italia,   sos<ene   Albergoni,   è   il   secondo   per   tasso   di   crescita   in   Europa   e   l’apertura  di  un  ufficio  fisico  lo  dimostra”.   7  
  • 8. METODOLOGIA DI RACCOLTA DEI DATI •   Analisi  qualita<va:   –  5  Depth  Interviews  face  to  face   •  Analisi  quan<ta<va:     Somministrazione  di  un  ques<onario  struXurato  in  lingua  italiana  e   -  inglese:                Face  to  face  presso  l’Università  “Luigi  Bocconi”,  il  “Politecnico  di                    Milano”,  l’Università  “CaXolica  del  Sacro  Cuore”  di  Milano  e  in            Corso  Italia  (data  l’alta  concentrazione  di  lavoratori  durante  le  pause      pranzo).      On-­‐Line  tra  i  contae  personali  in  ambito  universitario;  nei  gruppi          di  “Facebook”:  “Ninja  Marketer”,  “Social  Network”,  “Web                Marke<ng”,  “e-­‐Marke<ng  Studies”,  “Web  Marke<ng  Associa<on”;        nei  gruppi  di  “Linkedin”:  “Alumni  Bocconi”  “e-­‐marke<ng  e  Social          Media  Profs”,  “e-­‐MC”,  “e-­‐Marke<ng  Associa<on”,  “Linkedin              Mobile”  e  “Ninja  Marke<ng”.   8  
  • 9. RICERCA QUALITATIVA La   ricerca   qualita<va   è   stata   effeXuata   mediante   cinque   depth   interviews   semi-­‐ struXurate   dalle   quali   sono   emerse   le   seguen<   informazioni,   sulle   quali   ci   siamo   focalizza<   per   la   realizzazione   del   ques<onario.   Di   seguito   abbiamo   sinte<zzato   le   domande  e  le  risposte  più  rilevan<  oXenute  mediante  le  interviste:   1.  Qual  è  il  mo<vo  che  l’ha  spinta  ad  iscriversi  ai  social  network?   –  Per  mantenere  i  contae   –  Per  trovare  informazioni  od  opportunità  sul  mondo  del  lavoro   2.  Qual  è  stata  l’impressione  che  ha  avuto  nel  primo  periodo  di  u<lizzo?   –  Possibilità  di  nuove  conoscenze   –  Possibilità  di  avere  una  visibilità  nazionale/internazionale   3.  Qual  è  la  prima  aevità  che  svolgi  subito  dopo  aver  effeXuato  l’accesso?   –  Controllo  eventuali  richieste  di  amicizia  e/o  nuovi  contae   –  Se  ho  ricevuto  nuove  proposte  di  lavoro   4.  Ha  mai  avuto  problemi  tecnici  o  personali  durante  l’u<lizzo?   –  Spam  eccessiva   –  Profili  invasivi   9  
  • 10. RICERCA QUALITATIVA Con  par<colare  riferimento  a  linkedin…   5.  Qual  è  stato  il  principale  mo<vo  che  l’ha  spinta  ad  iscriversi  a  Linkedin?   –  Mantenere  i  contae   –  Cogliere  opportunità  lavora<ve   –  Metodo  alterna<vo  ai  canali  off-­‐line  per  la  ricerca  di  un  impiego   7.  Quindi  è  per  lei  importante  avere  una  strada  alterna<va  ai  canali  off-­‐line?   –  Sì,  a  causa  della  difficoltà  odierna  nella  ricerca  di  un  impiego   –  Sì,  per  via  della  maggiore  estensione  della  rete  di  contae  che  esso  comporta   9.  Perché  ri<ene  importante  possedere  una  maggior  rete  di  contae?   –  Possibilità  di  entrare  in  contaXo  con  profili  professionali  che  lavorano  in  diversi   ambi<  lavora<vi  e  che  sono  operan<  anche  all’estero   –  Adesione  ai  gruppi  di  interesse   11.  Per  entrare  in  contaXo  con  i  profili  d’interesse  il  sito  è  sufficientemente  chiaro  e   di  semplice  u<lizzo?   –  Sì,  grazie  alla  grafica  di  chiara  e  facile  comprensione   –  StruXura  completa  e  non  complessa   10  
  • 11. RICERCA QUALITATIVA 9.  Precedentemente  ha  affermato  che  il  network  in  ques<one  le  permeXe  di   entrare  in  contaXo  con  profili  professionali,  per  lei  è  quindi  importante  la   credibilità  dei  suoi  contae?   –  Sì,  per  l’oXenimento  di  informazioni  veri<ere   –  Sì  perché  nel  caso  io  ricevessi  una  reale  proposta  di  lavoro  mi  sen<rei  appagato  e   soddisfaXo   11.  Le  è  mai  capitato  di  essere  contaXato  da  profili  falsi  e/o  invasivi?   –  No,  in  quanto  l’aXenta  tutela  della  privacy  crea  un  forte  senso  di  sicurezza   13.  In  conclusione  si  ri<ene  complessivamente  soddisfaXa  dal  servizio  offerto?   –  Sì,  sopraXuXo  nel  momento  in  cui  ricevo  concrete  proposte  di  lavoro   –  Sì,  perché  mi  permeXe  di  avere  ampia  visibilità  in  un  contesto  internazionale   11  
  • 12. MEANS-END CHAIN Valori   Autos<ma   Appagamento   Serenità   terminali   Valori   Riconoscimento   strumentali   Benefici   Maggiore   Maggiore   Profili  credibili   tranquillità   psicologici   visibilità   Opportunità  di   lavoro   Semplice  u<lizzo   Mantenere  i  contae   Benefici   Semplificazione   funzionali   ricerca  impiego   Informazioni   Estensione  rete   veri<ere   Maggiore  sicurezza   contae   del  sito   AXribu<   astrae  e   Professionalità   Forte  tutela   Grafica  chiara   Alterna<vità   concre<   del  sito   della  privacy   12  
  • 13. RICERCA QUANTITATIVA Al   fine   di   oXenere   i   da<   necessari   per   svolgere   la   nostra   analisi,   abbiamo   somministrato  un  ques<onario  struXurato  composto  da  22  domande  a  217  individui   di  età  compresa  tra  i  16  e  i  58  anni  aXraverso  la  modalità  dell’auto-­‐compilazione.  Il   suddeXo  ques<onario  è  stato  così  suddiviso:   1.  Informazioni  sulle  abitudini  di  u<lizzo  dei  social  network:    Dopo  una  domanda  di  screening  che  ci  ha  consen<to  di  individuare  gli  u<lizzatori  dei  tre  social        network  abbiamo  rilevato:   –  Mo<vo  di  u<lizzo   –  Frequenza  di  u<lizzo   –  Modalità  di  ricerca  di  un  nuovo  impiego   2.  Informazioni  specifiche  su  “Linkedin”:   –  Modalità  di  contaXo   –  Mo<vo  di  u<lizzo   –  Numerosità  dei  feedback  lavora<vi   –  U<lizzo  dell’applicazione  Mobile   –  Pun<  di  forza  e  di  debolezza   –  U<lizzo  dell’account  Premium   13  
  • 14. RICERCA QUANTITATIVA 3.  Valutazioni  di  importanza  sugli  aXribu<  e  Customer  Sa<sfac<on:   –  Individua<   12   Items   emersi   come   rilevan<   dall’analisi   qualita<va,   è   stato  chiesto  all’intervistato  di  aXribuirne  un  giudizio  di  importanza   su   una   scala   da   1   a   9   (1-­‐3   Poco   Importante,   4-­‐6   Abbastanza   importante  e  7-­‐9  Molto  Importante).   –  All’intervistato   viene   inoltre   richiesto   di   aXribuire   una   valutazione   di   soddisfazione   rela<vamente   ai   tre   social   network   presi   in   considerazione   (“Facebook”   Linkedin”   e   “Twi5er”)   in   merito   ai   12   items   considera<   precedentemente   e   un   giudizio   sinte<co   sulla   soddisfazione  globale  dei  social  network.   –  Infine   i   12   Items   sono   sta<   u<lizza<   per   ricavare   un   giudizio   sulle   caraXeris<che  ricercate  in  un  profilo  di  social  network  ideale.   14  
  • 15. RICERCA QUANTITATIVA 4.  Informazioni  Socio-­‐demografiche:   –  Sesso   –  Età   –  Professione   –  Titolo  di  studio   –  Status  sociale  (verificato  mediante  il  possesso  di   determina<  beni  in  ambito  domes<co)   –  Provincia  di  residenza   15  
  • 16. VARIABILI SOCIO-DEMOGRAFICHE SESSO$ •  Sesso   –  Maschi:  126  (58,1%)   –  Femmine:  91  (41,9%)   41,90%' Maschi' Femmine' –  Totale  risposte  valide:  217   58,10%' ETA'%DEL%CAMPIONE% 1,40%& 2,30%& 0,50%& 5,10%& Per  quanto  riguarda  i  social  network   2,30%& 4,60%& 16,20&ANNI& 21,25&ANNI& in   generale   la   fascia   d’età   più   26,30&ANNI& numerosa   risulta   essere   quella   tra   i   24%& 31,35&ANNI& 36,40&ANNI& 21   e   i   25   anni   (59,9%)   seguita   dalla   59,90%& 41,45&ANNI& fascia   26-­‐30   anni   (24%).   La   meno   46,50&ANNI& 56,60&ANNI& numerosa  invece  va  dai  56-­‐60  anni.   16  
  • 17. FACEBOOK Sulla   totalità   del   campione   è   stato   verificato   che   l’88%   degli   intervista<   u<lizza   facebook   e   il   12%   non   lo   u<lizza.   Con   riferimento   alle   classi   d’età   il   59,9%   degli   u<lizzatori   appar<ene   alla   fascia   d’età   21-­‐25   anni   e   il   24%   appar<ene   alla   fascia   26-­‐30.   Per   pra<cità   analizziamo   nel   deXaglio   solo   queste  due  classi  che  congiuntamente  rappresentano  l’83,9%   delle  informazioni.   Fascia  21-­‐25:  il  91,5%  u<lizza  Facebook,  l’8,5%  non  lo  u<lizza.   Fascia  26-­‐30:  l’86,5%  u<lizza  Facebook,  il  13,5%  non  lo  u<lizza.   17  
  • 18. LINKEDIN •  È   stato   verificato   che   il   62,2%   degli   intervista<   u<lizza   Linkedin   e   il   37,8%   non   lo   u<lizza.   Le   classi   numericamente   più   rilevan<   u<lizzano   il   social   network   con   le   seguen<   percentuali:   –  Fascia  21-­‐25:  il  56,2%  u<lizza  Linkedin,  il  43,8%  non  lo  u<lizza.   –  Fascia  26-­‐30:  il  75%  u<lizza  Linkedin,  il  25%  non  lo  u<lizza.   •  È  opportuno  soXolineare  come  al  crescere  della  fascia  d’età   aumen<  la  percentuale  di  u<lizzatori  all’interno  della  classe,   seppur  risul<no  essere  meno  numerose.   –  Fascia   31-­‐35:   il   90%   u<lizza   Linkedin,   il   10%   non   lo   u<lizza   (10   osservazioni).   –  Fascia  36-­‐40:  il  100%  u<lizza  Linkedin  (5  osservazioni).   –  Fascia  46-­‐50:  il  100%  u<lizza  Linkedin  (5  osservazioni).     18  
  • 19. TWITTER •  È   stato   verificato   che   il   30,4%   degli   intervista<   u<lizza   TwiXer   e   il   69,6%   non   lo   u<lizza.   Le   classi   numericamente   più   rilevan<   u<lizzano   il   social   network   con   le   seguen<   percentuali:   –  Fascia  21-­‐25:  il  28,5%  u<lizza  Linkedin,  il  71,5%  non  lo  u<lizza.   –  Fascia  26-­‐30:  il  40,4%  u<lizza  Linkedin,  il  59,6%  non  lo  u<lizza.   SINTESI Dall’analisi   emerge   quindi   che   il   social   network   più   diffuso   è   Facebook   seguito   da   Linkedin   e   TwiXer.   TuXavia   è   u<le   osservare   come  la  percentuale  degli  u<lizzatori  di  Linkedin  aumen<  al  crescere   dell’età   (fenomeno   che   conferma   la   specificità   del   social   network   riguardante   l’inserimento   nel   mondo   lavora<vo   o   le   opportunità   ad   esso  connesse).   19  
  • 20. SOCIAL NETWORK vs PROFESSIONE Per   quanto   riguarda   i   da<   aggrega<   no<amo   che   il   numero   di   u<lizzatori   di   Facebook   presenta   dei   valori   eleva<   per   quanto   riguarda   gli   studen<  o  gli  impiega<.   Le   altre   professioni   presentano   una   percentuale   di   osservazioni   scarse   che   rendono   impossibile   un’analisi   s t a < s < c a m e n t e   s i g n i fi c a < v a .   TuXavia,   con   riferimento   a   Linkedin,   si  osserva  che  per  le   Facebook   Linkedin   TwiHer   professioni  più       Sì   No   Sì   No   Sì   No   qualificate  la   Impiegato   84,60%  15,40%   75%   25%   34,60%  65,40%   percentuale  di  u<lizzo   Studente   93,20%   6,80%       57,30%  42,70%       28,20%  71,80%   Facebook   Linkedin   TwiHer   si  aXesta  al  1  00%.     Sì   No   Sì   No   Sì   No   Dirigente                                                   0,5%   0   100%   100%   0   0   100%   Doc.  Universitario                   0,5%   100%   0   100%   0   0   100%   Imprenditore                                   0,9%   0   100%   100%   0   100%   0   Libero  professionista         5,1%   9,10%   90,90%       90,90%   9,10%       45,50%   54,50%   20  
  • 21. SOCIAL NETWORK vs TITOLO DI STUDIO 21  
  • 22. SOCIAL NETWORK vs TITOLO DI STUDIO DIPLOMATI   FACEBOOK( LINKEDIN' TWITTER& 17,60%' 14,70%' 29,40%' USANO'FACEBOOK' USANO'LINKEDIN' USANO'TWITTER' NON'USANO'FACEBOOK' NON'USANO'LINKEDIN' NON'USANO'TWITTER' 70,60%' 82,40%' 85,30%' LAUREATI  DI  1°  LIVELLO   FACEBOOK( LINKEDIN' TWITTER& 7,10%& 36,70%& 32,70%' USANO&FACEBOOK& USANO&LINKEDIN& USANO'TWITTER' NON&USANO&FACEBOOK& NON&USANO&LINKEDIN& NON'USANO'TWITTER' 63,30%& 67,30%' 92,90%& 22  
  • 23. SOCIAL NETWORK vs TITOLO DI STUDIO LAUREATI  DI  2°  LIVELLO   FACEBOOK( LINKEDIN' TWITTER& 13,60%' 18,20%& 22,70%& USANO'FACEBOOK' USANO&LINKEDIN& USANO&TWITTER& NON'USANO'FACEBOOK' NON&USANO&LINKEDIN& NON&USANO&TWITTER& 86,40%' 81,80%& 77,30%& LAUREA  SUPERIORE   FACEBOOK( LINKEDIN' TWITTER& 5,90%' 29,40%& USANO'FACEBOOK' USANO$LINKEDIN$ USANO&TWITTER& NON'USANO'FACEBOOK' NON$USANO$LINKEDIN$ NON&USANO&TWITTER& 70,60%& 94,10%' 100%$ 23  
  • 24. ETA’ DEL CAMPIONE DI RIFERIMENTO La  fascia  d’età  più  numerosa  risulta  essere  quella  compresa  tra  i  21  e  i  25  anni  (53,9%)  e   quella  tra  i  26  e  i  30  anni  (24%)  con  un  peso  aggregato  sul  totale  del  campione  del  77,9%.   ETA'%DEL%CAMPIONE% 1,40%& 2,30%& 0,50%& 5,10%& 2,30%& 16,20&ANNI& 4,60%& 21,25&ANNI& 26,30&ANNI& 24%& 31,35&ANNI& 36,40&ANNI& 59,90%& 41,45&ANNI& 46,50&ANNI& 56,60&ANNI& 24  
  • 25. CAMPIONE DI RIFERIMENTO: VARIABILE STATUS Abbiamo  aXribuito  al  possesso  di  un  oggeXo  di  status  un  valore  pari  a  uno,  lo  status  sociale  è   dato  da:  STATUS=  Σ  n°  oggee  possedu<.     Sulla   totalità   del   campione   la   media   e   la   deviazione   standard   della   variabile   STATUS   sono   μ=3,36  e  σ=2,141.  Mediana=3.   La  suddeXa  distribuzione  è  asimmetrica  verso  sinistra  in  quanto  si  rilevano  più  osservazioni  di   soggee  con  uno  status  <  3  rispeXo  alle  persone  che  hanno  uno  status  maggiore.   Prendendo  in  considerazione  gli  u<lizzatori  di  Linkedin  si  osserva  che  la  media  e  la  deviazione   standard  si  aXestano  a  μ=3,53  e  σ=2,065.  Mediana=3.  La  media  è  leggermente  maggiore  e  la   distribuzione   è   asimmetrica   a   sinistra   in   quanto   anche   in   questo   caso   la   maggioranza   dei   soggee  hanno  uno  status  <  3  rispeXo  a  quelli  che  hanno  uno  status  maggiore.   μ"TOTALE"CAMPIONE 3,36 μ"UTILIZZATORI"LINKEDIN 3,53 σ"TOTALE"CAMPIONE 2,141 σ"UTILIZZATORI"LINKEDIN 2,065 25  
  • 26. CAMPIONE DI RIFERIMENTO: FREQUENZA DI UTILIZZO SOCIAL NETWORK Abbiamo  riclassificato  la  variabile  “frequenza  di  u<lizzo  social  network”  con  i  seguen<  valori:   ogni  giorno=1,  più  di  una  volta  a  seemana=2,  meno  di  una  volta  a  seemana=3  e  meno  di  una   volta  al  mese=4.  Abbiamo  considerato  l’intervallo  1-­‐4  come  una  variabile  numerica  con<nua  e   poi   abbiamo   calcolato   media   e   deviazione   standard   in   riferimento   all’u<lizzo   di   tue   e   tre   i   social  network  oXenendo  i  seguen<  risulta<:   FACEBOOK LINKEDIN TWITTER μ 1,19 2,21 2,54 σ 0,461 0,961 1,138 Dalla   tabella   emerge   che   Facebook   è   mediamente   u<lizzato   ogni   giorno   (in   quanto   1,19   è   approssimabile  a  1),  Linkedin  viene  u<lizzato  mediamente  più  di  una  volta  a  seemana  (2,21   approssimabile  a  2)  mentre  TwiXer  presenta  un  valore  vicino  alla  media  tra  l’u<lizzo  del  social   network   più   di   una   volta   a   seemana   e   meno   di   una   volta   a   seemana.   Su   TwiXer   è   importante   notare   che   la   deviazione   standard   presenta   il   valore   maggiore   dei   tre   quindi   la   variabilità   delle   risposte   è   superiore   rispeXo   all’u<lizzo   degli   altri   social   network.   Inoltre   la   distribuzione   di   TwiXer   è   asimmetrica   a   destra.   Mediana=3   e   Media=2,54.   Questo   significa   che  ci  sono  più  soggee  che  lo  u<lizzano  raramente  rispeXo  a  coloro  i  quali  lo  u<lizzano  più   frequentemente.   26  
  • 27. CAMPIONE DI RIFERIMENTO: QUALI STRUMENTI VENGONO UTILIZZATI PER TROVARE LAVORO CANALI&OFF)LINE& KIJIJI$ TROVA&LAVORO& 20,30%& 24,40%& UTILIZZANO'CANALI'OFF5 UTILIZZANO&TROVA& 43,80%' LINE' UTILIZZANO&KIJIJI& LAVORO& 56,20%' NON'UTILIZZANO'CANALI' NON&UTILIZZANO&KIJIJI& NON&UTILIZZANO&TROVA& OFF5LINE' LAVORO& 79,70%& 75,60%& LINKEDIN' GAZZETTA&DEL&LAVORO& MONSTER( 14,70%' 35,50%' UTILIZZANO'LINKEDIN' UTILIZZANO'GAZZETTA' 29,50%' UTILIZZANO'MONSTER' DEL'LAVORO' NON'UTILIZZANO' NON'UTILIZZANO' NON'UTILIZZANO' 64,50%' LINKEDIN' GAZZETTA'DEL'LAVORO' MONSTER' 70,50%' 85,30%' Dall’analisi   si   può   notare   che   i   metodi   di   ricerca   impiego   che   presentano   una   percentuale   maggiore   sono   i   CANALI   OFF-­‐LINE   e   LINKEDIN.   Tale   risultato   è   in   linea   con   l’immagine   di   alterna<vità  tra  i  due  canali  emersa  durante  le  interviste  effeXuate  .     27  
  • 28. CAMPIONE DI RIFERIMENTO: COME SONO GIUDICATI I SERVIZI OFFERTI DAGLI STRUMENTI IN QUESTIONE μ σ La   distribuzione   delle   valutazioni   sui   canali   off-­‐line   è   CANALI(OFF+LINE 5,71 2,24 asimmetrica   a   destra   ossia   sono   presen<   più   KIJIJI 4,15 2,048 valutazioni   migliori   rispeXo   ai   giudizi   bassi,   così   come   per   quanto   riguarda   i   giudizi   sul   trova   lavoro   e   su   TROVA(LAVORO 4,38 2,116 Monster.   La   distribuzione   dei   giudizi   su   Linkedin   (che   LINKEDIN 6,12 1,977 presenta   la   media   maggiore   e   uno   scarto   minore   GAZZETTA(DEL(LAVORO 4,04 2,027 rispeXo   agli   altri   metodi   di   ricerca   di   un   impiego)   è   MONSTER 5,21 2,28 molto  asimmetrica  a  destra.   Ra<ng  in  ordine  di  preferenza:   1.  LINKEDIN   2.  CANALI  OFF-­‐LINE   3.  MONSTER   4.  TROVA  LAVORO   5.  KIJIJI   6.  GAZZETTA  DEL  LAVORO   28  
  • 29. CAMPIONE DI RIFERIMENTO: CONOSCENZA DI LINKEDIN DA#AMICI/FAMILIARI# DA#SCUOLE/UNIVERSITA'# MASS$MEDIA(TRADIZIONALI( 3,70%& 16,60%& 35,90%' SI' SI& SI& NO' NO& NO& 64,10%' 83,40%& 96,30%& SU#INTERNET# DA#DATORI#DI#LAVORO/COLLEGHI# 12%$ 32,70%' SI' SI$ NO' NO$ 67,30%' 88%$ Come  evidenziato  dai  risulta<  oXenu<  la  promozione  di  Linkedin  risulta  efficace  per  quanto   riguarda   internet   e   il   passaparola   (valori   superiori   al   30%)   mentre   le   scuole,   le   università,   i   datori   di   lavoro   e   i   colleghi   rivestono   un   ruolo   marginale   (valori   compresi   tra   12%   e   16,6%)   mentre  il  canale  dei  mass-­‐media  tradizionali  non  risulta  sfruXato  dall’azienda  in  quanto  solo  il   3,7%  degli  intervista<  ha  dichiarato  di  esserne  venuto  a  conoscenza  grazie  a  essi.   29  
  • 30. CAMPIONE DI RIFERIMENTO: MOTIVO DI UTILIZZO DI LINKEDIN Si   osserva   che   il   mo<vo   principale   di   u<lizzo   di   Linkedin   risulta   essere   il   mantenere   le   relazioni   in   ambito   lavora<vo   con   una   percentuale   superiore   al   58%.   La   seconda   mo<vazione  in  ordine  di  importanza  è  per  trovare  nuove  opportunità  di  lavoro  (54,4%).   Per   mantenere   i   contae   ricopre   un   ruolo   marginale   se   paragonato   alle   prime   due   scelte   degli   intervista<   infae   si   PER$MANTENERE$LE$RELAZIONI$IN$ AMBITO$LAVORATIVO$ aXesta   al   12,9%.   Tra   gli   uten<   che   hanno   indicato   “Altro”   le   risposte   più   interessan<   sono:   “per   raccogliere   informazioni”,   “ho  scelto  di  iscrivermi  perché  può  essere  un  opportunità  come   41,90%' SI' un'altra,   ma   è   una   cosa   che   non   ritengo   funzionale   e   non   credo   58,10%' NO' possa  portare  a  veri  risulta<”  e  “per  i  gruppi”.   PER$TROVARE$NUOVE$ PER$MANTENERE$I$CONTATTI$ ALTRO& OPPORTUNITA'$DI$LAVORO$ 12,90%' 5,10%& SI' SI& 45,60%& SI& NO' NO& 54,40%& NO& 87,10%' 94,90%& 30  
  • 31. CAMPIONE DI RIFERIMENTO: QUANTE PROPOSTE HANNO RICEVUTO IN UN MESE ATTRAVERSO LINKEDIN Abbiamo   trasformato   le   variabili   in   oggeXo   in   un   segmento   Non  considerando  i  missing  values  si   con<nuo  così  composto:  1  =  0  proposte,  2  =  1  o  2  proposte,   oeene  una  distribuzione  così  formata:   3  =  3  o  4  proposte  e  4  =  più  di  4  proposte.     Abbiamo   oXenuto   151   risposte   in   merito   alla   suddeXa   QUANTE'PROPOSTE'DI'LAVORO'HA' informazione   e   abbiamo   rilevato   66   missing   values.   Le   risposte   RICEVUTO?' osservate   presentano:   media   =   1,58   (il   campione   dichiara   di   aver   5,30%' 3,30%' ricevuto   mediamente   un   ammontare   di   proposte   pari   a   zero,   una   o   0'PROPOSTE' al  massimo  due  offerte  di  impiego);  e  σ  =  0,743.  La  distribuzione  è   DA'1'A'2'PROPOSTE' fortemente   asimmetrica   a   sinistra   ossia   mol<   soggee   non   hanno   37,70%' 53,60%' DA'3'A'4'PROPOSTE' ricevuto  proposte  rispeXo  a  coloro  i  quali  ne  hanno  ricevute.   PIU''DI'4'PROPOSTE' PERSONE'CHE'HANNO' EFFETTIVAMENTE'TROVATO'LAVORO' GRAZIE'A'LINKEDIN' Escludendo   i   soggee   che   hanno   risposto   nega<vamente   18,65%' alla   precedente   domanda   (0   offerte   di   impiego   ricevute)   SI' abbiamo   s<mato   quante   persone   hanno   effeevamente   81,40%' NO' trovato  lavoro  dopo  le  proposte  ricevute  grazie  a  Linkedin:   31  
  • 32. CAMPIONE DI RIFERIMENTO: DIFFUSIONE E PERCEZIONE DEL SERVIZIO MOBILE Abbiamo   riscontrato   che   il   25,3%   degli   u<lizzatori   di   PERSONE'CHE'UTILIZZANO' Linkedin   possiede   anche   l’applicazione   mobile.   Il   L'APPLICAZIONE'MOBILE' giudizio,   espresso   su   una   scala   da   1   a   9,   risulta   avere   media   =   5,03   ossia   si   reputano   abbastanza   soddisfae.   Lo  scarto  quadra<co  e  pari  a  σ  =  1,899.  Il  restante  74,7%   25,30%' SI' degli  intervista<  non  possiede  l’applicazione  mobile.     NO' Ciononostante  il  16,1%  di  chi  dichiara  di  non  possedere   74,70%' l’applicazione  la  giudica  ugualmente.  La  media  risultante   da   queste   valutazioni   è   4   (ossia   inferiore   rispeXo   al   valore  precedentemente  iden<ficato).   PERSONE'CHE'NON'POSSIEDONO' Con  riferimento  a  questo  16,1%,  il  69%  di  essi  dichiara  di   L'APPLICAZIONE'MOBILE'MA'LA' possedere  oggee  quali  smartphone  oppure  I-­‐pad  quindi   GIUDICANO'UGUALMENTE' possiamo   supporre   che,   essendo   in   possesso   di   disposi<vi   mobile   abbiano   posseduto   l’applicazione   di   Linkedin   ma,   giudicandola   nega<vamente,   abbiano   31%$ POSSIEDONO$DISPOSITIVI$ smesso   di   u<lizzarla   dopo   un   periodo   di   prova   a   causa   MOBILI$ dell’insufficiente   soddisfazione   legata   alla   scarsa   69%$ NON$POSSIEDONO$ DISPOSITIVI$MOBILI$ funzionalità  percepita.  Il  restante  31%  la  giudica  pur  non   essendo  in  possesso  di  disposi<vi  mobili.   32  
  • 33. CAMPIONE DI RIFERIMENTO: POSSESSO DELL’ACCOUNT PREMIUM All’interno  del  campione  analizzato  abbiamo  oXenuto  179  risposte  e  38  missing  values.  Per   quanto  riguarda  le  osservazioni  valide  si  riscontra  la  seguente  distribuzione:   POSSESSORI'DELL'ACCOUNT' PREMIUM' 2,20%% SI% NO% 97,20%% 33  
  • 34. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK Abbiamo  chiesto  ai  nostri  intervista<  di  rispondere  ad  una  domanda  struXurata  rela<va  al  mo<vo   che  li  spinge  all’u<lizzo  dei  diversi  Social  Network.  Si  rilevano  436  osservazioni  valide  e  in  un  solo   caso  viene  riscontrato  almeno  una  variabile  discriminante  mancante   Analysis/Case/Processing/Summary Unweighted/Cases N Percent Valid 436 67 Excluded Missing/or/out3of3range/group/codes 0 0 At/least/one/missing/discriminating/variable 1 0,2 Both/missing/or/out3of3range/group/codes/and/at/least/one/missing/discriminating/variable 214 32,9 Total 215 33 Total 651 100 Il  potere  discriminante  delle  variabili   Tests'of'Equality'of'Group'Means esplica<ve  segue  l’ordine  (dal  più   Wilks''Lambda F df1 df2 Sig. importante  al  meno  importante)   Nuove_Conoscenze_FB 0,954 10,44 2 433 0 secondo  il  valore  di  F.  Tanto  più  è   Mantenere_Contatti_FB 0,531 191,289 2 433 0 elevato  F  tanto  più  discriminan<  sono   Informarti_FB 0,921 18,513 2 433 0 gli  item,  abbiamo  evidenziato  in  giallo   Opportunità_Lavoro_FB 0,467 246,803 2 433 0 le  due  variabili  maggiormente   discriminan<.   34  
  • 35. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK Eigenvalues(b) Function Eigenvalue %/of/Variance Cumulative/% Canonical/Correlation 1 1,890a 70,9 70,9 0,809 2 ,776a 29,1 100 0,661 Si  nota  come  le  prime  due  funzioni  discriminan<  risul<no  più  che  sufficien<  per  l’analisi  in   quanto  se  considerate  congiuntamente  permeXono  di  spiegare  il  100%  della  varianza  dei   gruppi.   Wilks'%Lambda Test%of%Function(s) Wilks'%Lambda Chi:square df Sig. 1"through"2 0,195 705,694 8 0 2 0,563 247,786 3 0 Il  P-­‐value  pari  a  zero  che  emerge  aXraverso  il  test  Lambda  di  Wilks  conferma  che  le   variabili  in  ques<one  sono  significa<ve.   35  
  • 36. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK Functions9at9Group9Centroids I   valori   espressi   dalla   tabella   riportata   esprimono   i   punteggi   Function standardizza<   e   le   coordinate   sulla   mappa   di   posizionamento   Brand 1 2 dei   brand   (valori   presi   dalle   funzioni   dei   baricentri   dei   gruppi)   FACEBOOK #1,109 0,918 rispeXo   alle   funzioni   lineari   discriminan<.   La   mappa   di   LINKEDIN 1,689 #0,226 posizionamento   viene   costruita   u<lizzando   i   punteggi,   rispeXo   TWITTER #0,33 #1,87 alle  prime  due  funzioni  discriminan<  degli  aXribu<  (dato  preso   Unstandardized5canonical5discriminant5 dalla  matrice  di  struXura  e  degli  oggee).   functions5evaluated5at5group5means La  matrice  di  struXura  ruotata   Matrice*di*struttura*ruotata indica  i  coefficien<  di   Funzione correlazione  tra  i  valori  della   * 1 2 variabile  e  fra  i  valori  delle   Opportunità*di*Lavoro 0,853 0,02 funzioni  discriminan<.  Il  potere   Mantenere*Contatti 80,167 0,809 discriminante  della  variabile  è   Informarti 80,118 80,303 direXamente  proporzionale  alla   Nuove*Conoscenze 0,156 0,19 grandezza  (in  valore  assoluto)  del  valore  della  correlazione.  Abbiamo  evidenziato  i  due  risulta<  più   significa<vi.   36  
  • 37. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK 37  
  • 38. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK 38  
  • 39. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK Come   si   evince   dalla   Mappa   di   Posizionamento   i   tre   social   network   sono   percepi<   come   piaXaforme  che  offrono  un  diverso  servizio  e  hanno  un  diverso  <po  di  potenziale:     FACEBOOK:   Si   posiziona   nel   quadrante   in   cui   si   collocano   i   Social   Network   con   un   alto      potenziale  sociale;  anali<camente  è  percepito  come  il  miglior  Social  da  poter  u<lizzare    per  mantenere  i  propri  conta>.     LINKEDIN:   Si   posiziona   nel   quadrante   in   cui   si   collocano   i   Social   Network   con   un   alto       potenziale   lavora?vo   (e   risulta   avere   anche   un   discreto   potenziale   informa?vo);     anali<camente   risulta   essere   percepito   come   il   miglior   Social   da   poter   sfruXare   per    cogliere  opportunità  nel  mondo  del  lavoro  e  per  fare  nuove  conoscenze.     TWITTER:   Si   posiziona   nel   quadrante   in   cui   si   collocano   i   Social   Network   con   un   alto     potenziale   informa?vo;   anali<camente   è   percepito   come   il   miglior   Social   da   poter    u<lizzare  per  tenersi  informa?  (seguito  da  Facebook).   39  
  • 40. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE FACEBOOK In  seguito  alla  domanda  volta  a  far  emergere  le  mo<vazioni  che  spingono  gli  uten<  all’u<lizzo  dei   diversi   Social   Network   (che   prevedeva   come   risposte:   u?lizzo   il   social   network   in   ques?one   per   mantenere  i  miei  conta>,  per  fare  nuove  conoscenze,  per  cogliere  opportunità  nel  mondo  del  lavoro   e   per   tenermi   informato)   abbiamo   infine   chiesto   di   dare   un   giudizio   sulla   soddisfazione   globale   verso  il  social  network.   L’analisi   di   regressione   lineare   serve   ad   individuare   la   relazione   esistente   tra   una   variabile   dipendente  (variabile  obieXvo,  nel  nostro  caso  soddisfazione  globale  verso  il  Social  Network)  e  un   insieme  di  variabili  indipenden<  (variabili  esplica.ve).   Abbiamo   u<lizzato   la   tecnica   Stepwise   in   quanto   consente   di   oXenere   output   molto   precisi   dal   momento  che  alterna  automa<camente  e  nel  modo  più  opportuno  passi  forward  e  passi  backward   ed   include   nell’analisi   solamente   gli   item   che   impaXano   significa<vamente   sulla   soddisfazione   globale.  Abbiamo  u<lizzato  la  stessa  tecnica  per  tue  e  tre  i  social  network.   Model VARIABILI,UTILIZZATE Le   variabili   prese   in   considerazione   vengono   escluse   dal   1 Mantenere_Contatti_FB modello  se  il  livello  di  significa<vità  del  loro  F  è  maggiore   2 Informarti_FB o  uguale  a  0,10  E  vengono  inserite  nel  modello  se  il  livello   3 Nuove_Conoscenze_FB di  significa<vità  di  F  è  inferiore  o  uguale  a  0,08.   a.,Dependent,Variable:,Giudizio_Globale_FB 40  
  • 41. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE FACEBOOK Model'Summary 2   Il   valore   R   indica   la   significa<vità   Model R R'Square Adjusted'R'Square Std.'Error'of'the'Estimate 1 ,364a 0,132 0,128 1,349 globale  del  modello.   2 ,407b 0,166 0,158 1,326 Dalla   tabella   “Model   Summary”   si   3 ,432c 0,187 0,175 1,313 evince   come   tra   i   modelli   propos<   il   ANOVA(d) migliore   sia   il   numero   tre   in   quanto   2   Model Sum)of)Squares df Mean)Square F Sig. presenta  un  valore  di  R  maggiore.   Regression 56,16 1 56,16 30,846 ,000a Per  quanto  riguarda  il  p-­‐value  tue  e  tre  i   1 Residual 367,776 202 1,821 Total 423,936 203 valori   risultano   significa<vi   in   quanto   Regression 70,316 2 35,158 19,984 ,000b inferiori  allo  0,05.   2 Residual 353,62 201 1,759 In   conclusione   abbiamo   quindi   optato   Total 423,936 203 Regression 79,195 3 26,398 15,315 ,000c per   il   modello   tre   in   quanto   presenta   il   2   3 Residual 344,741 200 1,724 valore  di  R  maggiore  in  assoluto.   Total 423,936 203 Coefficienti)non)standardizzati Coefficienti)standardizzati I  coefficien<   ) B Errore)std. Beta (Costante) 2,712 0,627 determina<  sono  i   Mantenere)i)Contatti 0,374 0,08 0,309 seguen<:   Informarsi 0,121 0,041 0,193 Fare)Nuove)Conoscenze 0,081 0,036 0,145 41  
  • 42. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE FACEBOOK PESO'PERCENTUALE'DEI'DRIVER Calcolando   il   coefficiente   Beta   in   Mantenere'i'Contatti 0,4775889 47,8% valori   percentuali   è   possibile   Informarsi 0,2982998 29,8% determinare   con   che   peso   le   variabili   Fare'Nuove'Conoscenze 0,2241113 22,4% ritenute   rilavan<   impaXano   sulla   soddisfazione   globale.   Con   questo   60,0%& procedimento   è   possibile   ricavare   50,0%& 47,8%& l’influenza   delle   singole   variabili.   Le   40,0%& più   rilevan<   in   ordine   di   importanza   30,0%& 29,8%& risultano  essere:  Mantenere  i  conta>,   22,4%& Informarsi  e  Fare  nuove  conoscenze.   20,0%& 10,0%& 0,0%& Mantenere&i&Conta7& Informarsi& Fare&Nuove&Conoscenze& 42  
  • 43. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE LINKEDIN Model VARIABILI,UTILIZZATE 1 Opportunità_Lavoro_LK 2 Informarti_LK 3 Nuove_Conoscenze_LK a.#Dependent#Variable:#Giudizio_Globale_LK Model'Summary Model R R'Square Adjusted'R'Square Std.'Error'of'the'Estimate Dal  Model  Summary  risulta  che  il  modello  con   1 ,552a 0,304 0,3 1,174 2 ,638b 0,407 0,399 1,088 l’R   square   più   elevato   è   il   terzo   pertanto   3 ,663c 0,439 0,428 1,061 abbiamo  optato  per  questa  opzione.   ANOVA(d)   Model Sum)of)Squares df Mean)Square F Sig.   Regression 89,31 1 89,31 64,786 ,000a 1 Residual 204,024 148 1,379   Total 293,333 149 Il  livello  di  significa<vità  è  adeguato  anche  con   2 Regression Residual 119,272 2 174,061 147 59,636 1,184 50,365 ,000b riferimanto  ai  p-­‐value  dal  momento  che  sono   Total 293,333 149 tue  inferiori  a  0,05.   Regression 128,904 3 42,968 38,152 ,000c 3 Residual 164,43 146 1,126 Total 293,333 149 43  
  • 44. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE LINKEDIN Coefficienti)non)standardizzati Coefficienti)standardizzati ) B Errore)std. Beta t Sig. (Constant) 2,415 0,443 5,455 0 Cogliere)Opportunità)di)Lavoro 0,361 0,058 0,413 6,234 0 Informarsi 0,186 0,041 0,301 4,515 0 Fare)Nuove)Conoscenze 0,106 0,036 0,189 2,924 0,004 Variabile(dipendente:(Soddisfazione(globale(Linkedin PESO(PERCENTUALE(DEI(DRIVER Gli  item  vengono   Cogliere(Opportunità(di(Lavoro 0,4573643 45,7% Informarsi 0,3333333 33,3% evidenzia<  nella  prima   Fare(Nuove(Conoscenze 0,2093023 20,9% tabella.  Successivamente,   aXraverso  il  calcolo  del   50,0%& 45,7%& peso  percentuale  dei   45,0%& 40,0%& cluster  è  possibile   35,0%& 33,3%& calcolare  l’influenza  delle   30,0%& 25,0%& 20,9%& singole  variabili.  Le  più   20,0%& rilevan<  risultano  essere   15,0%& 10,0%& Cogliere  nuove   5,0%& opportunità  di  lavoro  e   0,0%& Cogliere&Opportunità&di&Lavoro& Informarsi& Fare&Nuove&Conoscenze& informarsi.   44  
  • 45. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE TWITTER Model VARIABILI,UTILIZZATE 1 Informarti_TW 2 Nuove_Conoscenze_TW Model'Summary Dal   Model   Summary   risulta   che   Model R R'Square Adjusted'R'Square Std.'Error'of'the'Estimate il   modello   con   l’R   square   più   1 ,677a 0,458 0,451 1,44 elevato   è   il   secondo,   pertanto   2 ,713b 0,508 0,496 1,38 abbiamo   optato   per   questa   opzione.   ANOVA(c)   Model Sum)of)Squares df Mean)Square F Sig. Il  livello  di  significa<vità  è   Regression 139,954 1 139,954 67,509 ,000a 1 Residual 165,851 80 2,073 adeguato  anche  con  riferimento   Total 305,805 81 ai  p-­‐value  dal  momento  che   Regression 155,446 2 77,723 40,836 ,000b sono  tue  inferiori  a  0,05.   2 Residual 150,359 79 1,903 Total 305,805 81 45  
  • 46. COSA SPINGE GLI UTENTI ALL’UTILIZZO DEI SOCIAL NETWORK: REGRESSIONE LINEARE TWITTER Coefficienti)non)standardizzati Coefficienti)standardizzati ) B Errore)std. Beta t Sig. La  tabella  indica  gli   (Constant) 1,908 0,474 4,029 0 item  presi  in   Informarsi 0,476 0,064 0,61 7,411 0 considerazione.   Fare9Nuove9Conoscenze 0,216 0,076 0,235 2,853 0,006 PESO,PERCENTUALE,DEI,DRIVER 80,0%% 72,2%% Informarsi 0,7218935 72,2% 70,0%% Fare,Nuove,Conoscenze 0,2781065 27,8% 60,0%% 50,0%% AXraverso   il   calcolo   del   peso   40,0%% percentuale  dei  cluster  è  possibile   27,8%% 30,0%% calcolare   l’influenza   delle   singole   20,0%% variabili.   La   più   rilevante   risulta   10,0%% essere  Informarsi.   0,0%% Informarsi% Fare%Nuove%Conoscenze% 46  
  • 47. ANALISI FATTORIALE Dall’analisi   qualita<va   sono   emersi   14   aXribu<   considera<   rilevan<   dai   risponden<   nella   valutazione  dei  social  network:   1.  Credibilità  dei  contae   2.  Tutela  della  privacy   3.  Interesse  di  chi  visita  il  tuo  profilo   4.  Veridicità  delle  informazioni  dei  tuoi  contae   5.  Innova<vità  degli  argomen<  traXa<  nei  gruppi  ai  quali  hai  aderito   6.  Coerenza  dei  contenu<  offer<  dai  gruppi  con  le  tue  esigenze   7.  Frequenza  di  aggiornamento  dei  contenu<  dei  gruppi   8.  Non  invasività  delle  segnalazioni  inviate  dal  social  network   9.  Grafica  del  social  network   10. Facilità  d’uso  del  social  network   11. Completezza  della  struXura  del  social  network   12. Este<ca  del  social  network   Agli  intervista<  è  stato  chiesto  di  aXribuire  un  giudizio  di  importanza  ai  suddee  item  secondo   la  scala:  1-­‐3  Poco  importante,  4-­‐6  Abbastanza  importante  e  7-­‐9  molto  importante.   47  
  • 48. ANALISI FATTORIALE •  Dopo  diverse  prove  effeXuate  con  diverse  tecniche  si  è  optato  di  riportare  solamente   l’output  da  noi  giudicato  adeguato  ai  fini  dell’analisi  (è  possibile  visionare  le  diverse   prove  nell’output  allegato).     Descrizione  del  procedimento  u.lizzato:   •  Descrieve:  soluzione  iniziale   •  Estrazione   –  Metodo:  componen<  principali   –  Analizza:  matrice  di  correlazione   –  Visualizza:  soluzione  faXoriale  ruotata,  scree  plot   –  Numero  faXori:  3   Max  iterazioni  di  convergenza:  100   •  Rotazione:  Varimax   •  Opzioni:   Esclusione   listwise   (soppressione   coefficien<   piccoli   <   0,4   in   modo   da   rendere   migliore   la   leXura   dei   da<   dal   momento   che   i   gruppi   di   item   hanno   valori   >0,5)   48  
  • 49. ANALISI FATTORIALE Total,Variance,Explained Initial,Eigenvalues Extraction,Sums,of,Squared,Loadings Rotation,Sums,of,Squared,Loadings Component Total %,of,Variance Cumulative,% Total %,of,Variance Cumulative,% Total %,of,Variance Cumulative,% 1 4,195 34,96 34,96 4,195 34,96 34,96 2,601 21,677 21,677 2 1,845 15,372 50,332 1,845 15,372 50,332 2,583 21,529 43,206 3 1,582 13,179 63,511 1,582 13,179 63,511 2,437 20,305 63,511 4 0,865 7,205 70,716 5 0,635 5,294 76,01 6 0,606 5,048 81,057 7 0,532 4,433 85,49 8 0,471 3,927 89,418 9 0,451 3,76 93,177 10 0,356 2,967 96,144 11 0,294 2,45 98,595 12 0,169 1,405 100 Extraction,Method:,Principal,Component,Analysis.  La  colonna  “%  of  variance”  riporta  la  percentuale  di  varianza  spiegata  da  ciascuna  componente.   In   generale   una   percentuale   cumulata   del   60-­‐70%   viene   considerata   acceXabile.   L’analisi   svolta   con   tre   faXori   permeXe   di   oXenere   un   valore   del   63,511%   e   questo   valore   è   da   considerare   unitamente   all’effeeva   riduzione   di   complessità   oXenuta:   oXenendo   una   forte   riduzione   di   complessità   si   può   acceXare   una   percentuale   di   varianza   spiegata   inferiore   dal   momento   che   considerando  quaXro  componen<  si  aumenterebbe  un  aumento  pari  solo  al  7%.   49    
  • 50. ANALISI FATTORIALE Communalities Initial Extraction Credibilità_Professionalità_ID 1 0,609 Privacy_ID 1 0,644 Interesse_Visitatori_ID 1 0,343 Veridicità_Info_ID 1 0,574 Innovatività_ID 1 0,736 Coerenza_Esigenze_Informative_ID 1 0,831 Frequenza_Aggiornamento_ID 1 0,754 NON_Invasività_ID 1 0,55 Struttura_Grafica_ID 1 0,701 Facilità_Uso_ID 1 0,581 Estetica_ID 1 0,764 Completezza_ID 1 0,535 ExtractionPMethod:PPrincipalPComponentPAnalysis. Le  “Communali<es”  esprimono  l’ammontare  di  variabilità  che  una  singola  variabile  condivide  con   tuXe  le  altre  variabili.  Il  dato  del  63,511%  di  varianza  spiegata  è  una  media  per  tuXe  le  variabili;   come   si   può   notare   dalla   tabella,   per   le   singole   variabili,   tale   dato   varia   dal   34,3%   (INTERESSE   VISITATORI)  all’83,1%  (COERENZA  ESIGENZE  INFORMATIVE).   Si   è   scelto   di   u<lizzare   3   componen<   in   modo   da   ridurre   lo   scarto   al   minimo   in   quanto   con   le   soluzioni  scartate  si  sarebbe  oXenuto  un  risultato  non  significa<vo  (vedere  allegato).   50  
  • 51. ANALISI FATTORIALE Come   si   evince   dallo   “Scree   P l o t ”   l ’ u < l i z z o   d i   t r e   componen<   risulta   oemale   in   quanto   è   evidente   che   la   pendenza   della   spezzata   è   più   marcata   dopo   il   terzo   faXore.   Considerandone   quaXro   si   oXerrebbe   un   aumento   della   complessità   dell’interpretazione   dal   momento   che   un   faXore   spiegherebbe   solamente   un   unico   item   che   invece   può   essere   efficacemente   incluso   in   uno   dei   tre   faXori   più   significa<vi   semplificando   notevolmente   la   leXura   dei   risulta<.     51  
  • 52. ANALISI FATTORIALE Rotated(Component(Matrix(a) Component Qualità(del(network(e(affidabilità(degli(utenti Aspetto(e(funzionalità Potenziale(informativo(dei(gruppi Privacy_ID 0,798 Credibilità_Professionalità_ID 0,736 NON_Invasività_ID 0,729 Veridicità_Info_ID 0,661 Interesse_Visitatori_ID 0,528 Estetica_ID 0,869 Struttura_Grafica_ID 0,799 Facilità_Uso_ID 0,738 Completezza_ID 0,702 Coerenza_Esigenze_Informative_ID 0,888 Frequenza_Aggiornamento_ID 0,859 Innovatività_ID 0,827 Extraction(Method:(Principal(Component(Analysis.(Rotation(Method:(Varimax(with(Kaiser(Normalization.(a.(Rotation(converged(in(5(iterations. Le  componen<  u<lizzate  sono  le  seguen<:   •  Qualità  del  network  e  affidabilità  degli  uten.  che  spiega  i  faXori:  privacy,  credibilità  e   professionalità,  non  invasività,  veridicità  delle  informazioni  e  interesse  dei  visitatori.     •  AspeHo  e  funzionalità  che  spiega  i  faXori:  este<ca,  struXura  grafica,  facilità  d’uso  e   completezza.   •  Potenziale  informa.vo  dei  gruppi  che  spiega  i  faXori:  coerenza  delle  esigenze   informa<ve,  frequenza  di  aggiornamento  dei  gruppi  e  innova<vità.   52  
  • 53. CLUSTER ANALYSIS Tale  analisi  è  stata  svolta  classificando  il  campione  in  gruppi  aven<  caraXeris<che  omogenee   all’interno  e  disomogenee  esternamente.  Le  variabili  scelte  sono  le  medesime  u<lizzate  per  la   factor  analysis.   La  cluster  analysis  è  stata  rilanciata  più  volte  in  modo  da  assicurare  la  rappresenta<vità  dei  da<.   NUMERO  DI  CLUSTER:  3                                  risulta  essere  la  soluzione  migliore  data  l’omogeneità  della                distribuzione  del  numero  del  campione  all’interno  di  ciascun                cluster  (definendo  un  numero  diverso  di  cluster  si  oXerrebbe                una  disomogeneità  più  marcata:  vedi  allegato).   PESO%DEI%SINGOLI%CLUSTER% Cluster Number+of+Cases+in+each+Cluster 1 49 16,30%& 2 105 26,63%& CLUSTER&1& 3 30 CLUSTER&2& CLUSTER&3& Valid 184 57,07%& Missing 33 Per  semplicità  abbiamo  riportato  solamente  la  soluzione  ritenuta  migliore,  tuXe  le  altre   analisi  sono  consultabili  nel  file  allegato:  OUTPUT  CLUSTER  ANALYSIS.   53