MMXXVI

Dal brief all'insight in un pomeriggio.

Una simulazione Sibilla non sostituisce la ricerca. La rende interrogabile come un foglio di calcolo.

01

Modella la popolazione.

Definisci dimensione (300–10.000), distribuzione anagrafica, geografica, professionale e di reddito. I parametri partono da ISTAT; puoi raffinare con dati propri.

istat.datcomuni.geocohort.csv
agent 0001 / 4.812 istat ▸ 2025
M
Maria Conti
34 · Bologna · F
N=4.812 · ISTAT 2025
02

Disegna la rete.

Sibilla supporta tre famiglie di topologia. Decidono come si propagano i messaggi: dal passaparola (small-world) all'effetto influencer (scale-free) all'eco di comunità.

small-worldscale-freecommunity
03

Lancia il messaggio.

Carica il testo dello spot, del manifesto, del comunicato. Gli agenti lo leggono dalla loro prospettiva (età, professione, reddito) e iniziano a parlarne fra loro.

spot.txt
"Caffè Solare. Il primo caffè italiano carbon-negative. Ogni tazzina pianta un albero."
M
Maria · 27 · Bologna
"Carbon-negative? Finalmente un brand che fa sul serio sulla sostenibilità. Lo provo."
D
Davide · 38 · Milano
"Suona bene, ma quanto costa rispetto al solito? Vediamo i numeri."
L
Luigi · 67 · Lecce
"Greenwashing. Non si pianta un bosco con dieci tazzine."
R
Rosa · 54 · Napoli
"Mio nipote me ne aveva parlato. La pubblicità è coerente, mi piace."
G
Giulia · 31 · Padova
"Mi servirebbe vedere il certificato. Tante promesse, poche prove."
04

Analizza il sentiment.

Sentiment medio, distribuzione per coorte, evoluzione del trend nel tempo, parole più frequenti, topic emergenti. Esporta in CSV o PDF, oppure interroga in chat.

01 · Dataset
Creazione CSV
Ogni risposta di ogni agente, per iterazione, con profilo demografico.
02 · Analisi
Analisi quanti-qualitativa
Sentiment, cluster di opinione, segmenti per età e insight dalle conversazioni.
03 · Report
Report PDF e DOC
Documento pronto da condividere, con grafici, tabelle e raccomandazioni.
live readout · iter 032/050
small-world · N=4812
+0.34Sentiment
% Positivo58%
% Neutro28%
% Negativo14%
Cluster di opinionedimensione = quota agenti
Sentiment per etàpos neu neg
18–29
30–44
45–59
60+
◆ Insight Sibillada 1.284 conversazioni qualitative
Tecnologia

Tre strati. Un motore.

LIVELLO / 01

Dati demografici

ISTAT, Eurostat, anagrafiche aziendali. Distribuzioni di età, professione, reddito, geografia, istruzione.

LIVELLO / 02

Agent-Based Modelling

Ogni agente è un'unità autonoma con stato, memoria e regole di interazione. Le reti definiscono chi parla con chi.

LIVELLO / 03

Large Language Models

Le conversazioni sono generate da LLM. Ogni agente ha il suo "punto di vista" radicato nelle sue caratteristiche.

Vuoi vedere il
motore in azione?

Apri una conversazione →Use cases