AI-Driven Marketing: l’ascesa del Machine Learning

Alex Mari
AI in Marketing Researcher @University of Zurich

È una sfida sempre più complessa quella che si trovano ad affrontare i professionisti del Marketing. Da un lato assistiamo al proliferare dei touchpoint digitali e a una difficoltà oggettiva a estrarre valore da raccolte di dati sempre più estese in termini di volumi, velocità e varietà, dall’altro lato abbiamo consumatori con elevate aspettative di interazioni, contenuti e offerte personalizzate

Il Machine Learning (ML) si inserisce perfettamente in questo contesto e lo dimostra la ricerca indipendente “The Rise of Machine Learning in Marketing”, approvata da SwissCognitive, in cui sono state raccolte le intuizioni e le esperienze di oltre 30 esperti internazionali in AI Marketing tra cui Jim Sterne, A.K. Pradeep, Scott Brinker e Andreina Mandelli.

Gli algoritmi di ML apprendono informazioni dai dati senza bisogno di modelli matematici predefiniti e questi sistemi cognitivi, incorporati o meno nei software di Marketing, riescono a trasformare i dati in interazioni senza soluzione di continuità con i consumatori, prevedendo i loro comportamenti, anticipando i loro bisogni e iper-personalizzando i messaggi rivolti a loro. Il risultato è la costruzione di una relazione one-to-one più profonda.

 

La diffusione in 3 aree chiave

Sono tre le aree chiave in cui avviene la diffusione del ML nel Marketing: 

  • All’interno delle tecnologie di Marketing

Come afferma Scott Brinker, che ogni anno stila un atteso Martech Landscape, gli algoritmi AI saranno sempre più integrati in ogni livello dei software di Marketing (soluzioni enterprise, tools individuali o app) per trasformare lo storico di dati in intuizioni attuabili

marketingai1I benefici possono essere: 

- diretti: quando viene implementata in modo proattivo una strategia AI che definisce i modelli di ML - costruiti internamente, acquistati da terzi o in modalità “as-a-service” - in modo che rispondano a specifiche esigenze di business

- indiretti: quando vengono utilizzate tecnologie di Marketing che incorporano componenti AI 

  • In tutte le aree funzionali del Marketing

Il ML sta interessando ogni singola area funzionale del Marketing. Si è riscontrato un ROI maggiore nel cosiddetto performance marketing (paid media, marketing analytics e SEO), mentre minore nelle attività tradizionalmente ad alta intensità umana (content creation, social media, service management). Queste dinamiche stanno però cambiando rapidamente: in futuro il ML sarà sempre più usato in supporto ad attività creative e relazionali.

marketingai2

  • Lungo il consumer journey

Le diverse fasi del viaggio del consumatore richiedono implementazioni individuali ma coordinate di algoritmi ML, con modelli che risolvono problemi specifici con un set di dati specifici. E l’intervento umano è richiesto per “settare” di volta in volta gli algoritmi a seconda degli obiettivi (sia chiaro, non è un “set and forget”).

 

Quali sono gli obiettivi?

  • Automazione

Non si tratta solo di un meccanismo di riduzione dei costi legato all’automazione del lavoro umano, ma questo paradigma si sta trasferendo anche nell’esperienza del cliente. Questo vale non solo per i processi interni “invisibili” all’utente (targeting/segmentazione) ma anche per i servizi proattivi che possono essere offerti per migliorare la sua interazione con il brand (es. il chatbot TOBi di Vodafone ha un tasso di conversione del 100% rispetto al sito web). 

In questo ambito rientrano anche le raccomandazioni automatizzate che utilizzano la funzione predittiva: rappresentano il 35% delle entrate di Amazon e l’80% dei film visti su Netflix. Il livello di automazione sarà destinato a crescere: Gartner afferma che già il 25% del rapporto dei clienti con un’impresa viene gestito senza l’ausilio umano. 

  • Ottimizzazione 

L’AI, che permette ai marketers di impegnarsi con i consumatori sui diversi canali con maggiore efficacia, riduce il tempo dedicato al lavoro manuale e quindi la produttività dell’intero dipartimento di Marketing ne può beneficiare. L’ottimizzazione, ad esempio, potrebbe essere un driver chiave per un approccio più granulare al targeting (se uno non ha gatti, è inutile che veda adv di cibo per gatti). 

  • Potenziamento

La sinergia uomo-macchina è vantaggiosa. Gli algoritmi non andranno a sostituire le persone, bensì consentiranno loro di lavorare meglio, in maniera più efficiente e in modo più intelligente. Mentre gli algoritmi sono più veloci ed accurati nell’elaborazione dei dati, gli esseri umani hanno maggiori capacità di astrazione. Questa ibridazione si traduce in una maggiore soddisfazione dei consumatori e in una significativa riduzione dei costi.

 

I processi di ML nel Marketing

marketingai3

  • Dati

Gli algoritmi AI imparano in modo induttivo analizzando i dati. Vi sono però due miti da sfatare: 

- i modelli di algoritmi NON forniscono insights con dati insufficienti. Va posta, infatti, attenzione alla qualità dei dati con cui andiamo ad alimentare la macchina. È il principio del “Garbage in, garbage out 

- un modello NON continua a innescarsi nel tempo senza il controllo umano. L’ambiente esterno, infatti, è dinamicamente mutevole per cui va rivisto regolarmente con nuove serie di dati. In questo modo si evitano pericolose distorsioni. 

  • Azione

Per produrre insights dai dati che a loro volta forniscono azioni in tempo reale, è necessario che l’intera organizzazione sia digitalmente matura e sia in grado di costruire infrastrutture di dati in modo da raccogliere le caratteristiche specifiche di ogni consumatore. 

  • Interazione

Gli utenti hanno aspettative elevate e l’interazione è il focus: i marchi che riescono a prevedere con successo i loro desideri e a consegnare in tempo utile offerte pertinenti e servizi personalizzati riescono a guadagnare la loro fiducia.


I benefici attesi
 

  • Predizione

Riuscire a predire il comportamento dei consumatori permette di offrire una proposta di valore nella fase giusta del consumer journey. Questo non è possibile ovviamente con i tradizionali strumenti di Marketing, incapaci di analizzare la grande mole di dati prodotti oggigiorno. 

  • Anticipazione

La capacità di anticipare i bisogni dell’utenza influisce sulla costruzione dell’offerta di prodotti e servizi. Pensiamo a Netflix che dall’analisi degli elementi creativi dei film di successo tramite algoritmi AI sviluppa programmi televisivi originali con un tasso di successo raddoppiato (dal 40 all’80%). 

  • Iper-personalizzazione

Coincide con la capacità di consegnare messaggi rilevanti al momento giusto e nel canale giusto: la pertinenza, infatti, è un driver fondamentale. Per fare un esempio L’Oreal Paris personalizza i video con i dati raccolti dall’AI sulle preferenze del pubblico: questa campagna ha evidenziato un aumento del 109% dell’interesse nei confronti del marchio e del 30% della quota di mercato.