Bibliografia

Comportamento di ricerca e stima della domanda

[1] Choi, H. & Varian, H. (2012). Predicting the Present with Google Trends. Economic Record , 88(s1), 2–9.

[19] Da, Z., Engelberg, J. & Gao, P. (2011). Alla ricerca dell’attenzione. Journal of Finance , 66(5), 1461–1499.

Comportamento digitale e previsione della personalità

[2] Kosinski, M., Stillwell, D. & Graepel, T. (2013). I tratti e gli attributi privati sono prevedibili dai registri digitali del comportamento umano. Atti dell’Accademia Nazionale delle Scienze , 110(15), 5802–5805.

[20] Park, G. et al. (2014). Valutazione automatica della personalità attraverso il linguaggio dei social media. Journal of Personality , 83(2).

Inferenza demografica dai dati digitali

[12] Cesare, N. et al. (2017). In che misura l’apprendimento automatico è in grado di prevedere i dati demografici degli utenti dei social media? arXiv:1702.01807 .

[11] Rothe, R., Timofte, R. & Van Gool, L. (2018). DEX: Deep EXpectation of apparent age from a single image. International Journal of Computer Vision , 126(2–4), 144–157.

[13] Pew Research Center (2025). L’uso dei social media da parte degli americani. Pew Research Center, Washington, D.C.

Quota di ricerca

[17] Binet, L. (2020). La quota di ricerca come misura predittiva. Presentato all’IPA EffWorks Global.

[18] IPA Think Tank / Hankins, J. (2021). La quota di ricerca rappresenta l’83% della quota di mercato. Analisi dell’IPA Think Tank — 30 studi, 12 categorie, 7 paesi.

Metodi bayesiani nel marketing

[9] Rossi, P.E., Allenby, G.M. & McCulloch, R. (2005). Statistica bayesiana e marketing . Wiley.

[10] Google Research (2017). Metodi bayesiani per la modellizzazione del media mix. Blog Google AI.

Fusione dei dati e intelligence multisorgente

[8] Ipsos MediaCT (2011). Fusione dei dati: un libro bianco. Ipsos.

[14] Koren, Y., Bell, R. & Volinsky, C. (2009). Tecniche di fattorizzazione matriciale per i sistemi di raccomandazione. IEEE Computer , 42(8), 30–37.

Modellizzazione psicografica e dei valori

[15] Schwartz, S.H. (1992). Universali nel contenuto e nella struttura dei valori: progressi teorici e test empirici in 20 paesi. Advances in Experimental Social Psychology , 25, 1–65.

[16] Boyd, R. et al. (2015). I valori nelle parole: l’uso del linguaggio per valutare e comprendere i valori personali. Atti della Conferenza internazionale AAAI sul Web e i social media (ICWSM) .

Qualità dei dati dei sondaggi e alternative comportamentali

[3] Moffatt, A. (2025). Ricostruire la fiducia nella ricerca: i dati comportamentali come fondamento. Presentato a IIeX North America / Qrious Insights.

[4] Snell, S. (2025). Stato delle frodi nei sondaggi 2025. Rep Data. (Analisi di 4,1 miliardi di tentativi di compilazione di sondaggi: il 33% fraudolento, il 27% distratto.)

[21] Fawson, B. (2025). Ripensare la qualità dei dati: il deficit di fiducia del settore. GreenBook . (Applica il modello di Akerlof "Market for Lemons" ai mercati dei dati dei sondaggi.)

Standard e quadri di riferimento del settore

[5] Codice internazionale ICC/ESOMAR su ricerche di mercato, sondaggi d’opinione e ricerche sociali e sull’Analytics dei dati, 5a edizione (2025).

[6] Costella, T. / Heineken (2025). Quadro di riferimento sui rischi dei dati sintetici. Presentato all’ESOMAR Reimagine 2025.

[7] Linee guida ESOMAR sulla raccolta, l’osservazione e la registrazione passiva dei dati. ESOMAR.

[22] ESOMAR (2025). 20 domande per aiutare gli acquirenti di servizi basati sull’intelligenza artificiale. ESOMAR.

Gemelli digitali e previsione comportamentale

[23] Toubia, O. et al. (2025). Twin-2K-500: un set di dati per la creazione di gemelli digitali. Marketing Science .

[24] Park, J.S. et al. (2025). Simulazione del comportamento umano con agenti di IA. Università di Stanford.