In un precedente articolo ho scritto che non valuto un progetto museale contando quanti “applausi” ha suscitato all’apertura. Era una provocazione, ma incompleta nell’analisi. Ora voglio entrare nel dettaglio tecnico e, se vogliamo, politico della questione: cosa intendo davvero quando parlo di misurare un museo con gli analytics, e perché in Italia continuiamo a trattare questo argomento, come se fosse un optional, invece che il cuore di una progettazione.
La verità è che la maggior parte dei musei italiani raccoglie dati per auto incensarsi, non per decidere. E questo è un problema culturale e non di tecnologia. Mi vengono in mente i dati sciorinati sulle presenze, gli arrivi, la percentuale di riempimento, ecc. (in Sardegna siamo specialisti).
Oltre il “wow“: la tirannia delle metriche di vanità
Il numero di visitatori totali e i commenti entusiasti raccolti all’inaugurazione dicono pochissimo sulla qualità reale di un exhibit interattivo. Sono le metriche della vanità: servono a riempire mezze pagine di giornali, non a capire cosa coinvolge i visitatori e funziona.
Le metriche che contano davvero riguardano il comportamento durante la visita: quanto tempo le persone si fermano, quante interagiscono fino in fondo, quante abbandonano dopo pochi secondi, quante capiscono il messaggio. Dwell time, completion rate, abandonment rate: questi sono i termini che dovremmo usare ogni giorno nel museo, invece di “engagement”, detto genericamente a caso.
Il problema è che misurare il comportamento reale richiede umiltà. Significa accettare che il tuo exhibit potrebbe essere noioso, confuso o mal posizionato. E in un settore, dove l’ego del progettista e del direttore, conta più dell’esperienza del visitatore, questa è una pillola difficile da ingoiare.
Tempo di permanenza e tasso di completamento: la prova del nove
Un exhibit interattivo ben progettato ha un tempo medio di permanenza coerente con la quantità di contenuto che offre. Se un percorso richiede tre minuti per essere completato, ma il tempo medio reale è di venti secondi, c’è un problema di progettazione, non di disinteresse del pubblico.
Il tasso di completamento – cioè quante persone arrivano fino alla fine del percorso – è spesso più rivelatore del numero grezzo di interazioni avviate. Uno studio recente sul British Museum (fonte: https://arxiv.org/pdf/2510.27542) ha mostrato che solo il 18% dei visitatori completava un tour audio completo, mentre il 52% lo abbandonava a metà. Questi non sono numeri astratti: sono la prova che stiamo progettando esperienze, che la gente non finisce.
In Italia, quanti musei monitorano sistematicamente il completion rate dei loro percorsi multimediali? La risposta è: quasi nessuno. E senza questi dati, stiamo progettando al buio. Nei musei sardi, dove i budget sono ancora più ridotti, il problema non è nemmeno preso in considerazione.
Dove si abbandona un percorso interattivo (e perché)
I dati più utili sono quelli che mostrano dove, esattamente, le persone smettono di interagire. Uno step con troppo testo, un’istruzione poco chiara, un tempo di caricamento che spezza il ritmo, un modulo posizionato male.
Senza questi dati si può solo ipotizzare cosa non funziona. Con questi dati si potrebbe intervenire chirurgicamente su un singolo passaggio, invece di pensare che l’intero museo non funziona.
La differenza tra un museo data-driven e uno che non lo è sta tutta qui: il primo sa esattamente dove i visitatori si bloccano, il secondo tira a indovinare e spera che alla prossima inaugurazione, vada meglio.
Dati che servono a decidere, non solo a mostrare
Un errore comune è raccogliere analytics nel museo per riempire un report trimestrale, senza che nessuno lo usi davvero per decidere qualcosa. Un buon sistema di dati museali dovrebbe essere collegato alle decisioni operative concrete: cosa aggiornare, cosa semplificare, dove investire il prossimo euro?
Se i tuoi analytics non guidano le tue decisioni, non stai facendo analytics. Stai facendo burocrazia digitale.
In Italia, la maggior parte dei musei tratta i dati come un adempimento: li raccoglie, li archivia, li mostra in riunione. Poi si continua a fare le stesse cose dell’anno prima. Questo non è un problema tecnico. È un problema politico e professionale.
Un esempio: come un semplice contatore ha cambiato un allestimento
In un progetto su cui ho lavorato, un percorso con QR-code, un semplice contatore di interazioni per singola stazione multimediale, ha rivelato che uno dei QR code, veniva usato pochissimo dai visitatori che si fermavano davanti all’exhibit.
Non serve un’indagine complessa: basta guardare il numero, cercare di capire perché e correggere. La posizione del cartello, il contenuto, l’accessibilità? È il tipo di intervento piccolo, economico, ma reso possibile solo dai dati.
Questo è progettare un museo anche con i dati ed i numeri grezzi, che dicono dove stai sbagliando e ti permettono di correggere il tiro, prima che il prossimo visitatore passi oltre.
La mia polemica finale: perché l’Italia è indietro? (e come uscirne)
La progettazione museale italiana tratta gli analytics come un optional, perché ammette di non saperli usare. È più comodo dire “i dati non raccontano tutto”, che ammettere di non aver mai costruito un sistema per raccoglierli e interpretarli.
Il risultato, generalizzando, è che continuiamo a progettare musei basati su bias, opinioni, gusti personali, la pressione del committente e dell’architetto di turno. Poi però, ci lamentiamo che i visitatori non tornano, che gli exhibit sono complessi, che i budget di manutenzione non sono sostenibili.
La soluzione non è comprare più tecnologia. È cambiare mentalità: smettere di progettare per impressionare all’inaugurazione e iniziare a progettare per funzionare ogni giorno. I dati di analytics nel museo non sono il nemico dell’esperienza. Sono l’unico modo per sapere se l’esperienza che hai progettato esiste davvero, o è solo nella tua testa.