Perché c’è bisogno di Data Science nel Content Marketing?

Intervista ad Alessandro Giaume, Innovation Director @Ars et Inventio

Alessandro Giaume
Innovation Director @ Ars et Inventio

Che sia finita l’era in cui i bambini sognano di diventare astronauti?

Del resto, quella del Data Scientist è stata definita la professione più sexy del XXI secolo.

Per affrontare la complessità dei Big Data, ci vuole qualcuno che sappia come funziona. È richiesta non solo la scelta intelligente dei dati su cui lavorare, ma anche la capacità di elaborarli in modo da soddisfare esigenze e obiettivi aziendali specifici.

Allo stesso tempo anche i contenuti possono farsi ricettacolo di dati sugli utenti: si può ricavare molto sui loro interessi dalle interazioni avvenute. Qualcuno avrebbe detto “Dimmi cosa leggi e ti dirò chi sei”. È proprio questo il sunto della Content Intelligence: l’Intelligenza Artificiale, quando viene applicata ai contenuti, può restituirci metriche davvero utili su come stanno performando e ci sono strumenti tecnologici come il DAM Intelligente che la integrano nativamente.

Ma scopriamo con Alessandro Giaume, autore di Data Scientist. Tra competitività e innovazione”, in che modo la Data Science finirà per intersecarsi con il Content Marketing.

 

D: Nel tuo libro hai individuato le tre competenze principali di cui questo professionista dovrebbe essere in possesso. Spiegaci brevemente quali sono e come possono essere messe in relazione con le aziende in base alla loro “data-drivenness”.

R: Quello del Data Scientist è un ruolo professionale piuttosto giovane, essendo nato 6 o 7 anni fa in seguito a un famoso articolo scritto da Thomas Davenport su Business Harvard Review. Si sa ancora poco e spesso le competenze che caratterizzano questo ruolo vengono confuse con altre, che invece apparterebbero a professioni differenti.

Cercando di chiarire, le principali competenze che un Data Scientist dovrebbe avere tra le sue risorse sono: business, matematica e statistica, programmazione.  

Cominciamo con l’ultima. La manipolazione di file di testo, la comprensione delle operazioni vettoriali, la cognizione degli algoritmi: alcuni elementi chiave cominciano ad emergere e non sembrano riportarci a un puro background informatico.

Qui è anche importante sapere come usare l’ingegneria sociale, per dirla con le parole di Kevin D. Mitnik, alias “Condor”, l’hacker più famoso di tutti i tempi. Per poter agire sui dati, questi devono essere stati preparati.

La seconda competenza richiesta riguarda i metodi propri delle scienze matematiche e statistiche, grazie ai quali è possibile estrarre significato dai dati. Ma una scienza è tale quando contribuisce alla crescita della conoscenza in senso lato. Questa è la ragione della terza competenza, cioè la conoscenza sostanziale, ovvero le regole di business.

D’altra parte, le aziende non si trovano tutte allo stesso livello. Alcune sono più data-driven, altre meno. E i Data Scientist non hanno tutti la stessa maturità ed esperienza. Più un’azienda è data-driven, maggiore è il bisogno di un Data Scientist con una serie completa di abilità e competenze. Meno sono data-driven, maggiori saranno le competenze di base di cui avrà bisogno.

Sicuramente tutti avranno bisogno di competenze statistiche e matematiche, le prime ad essere impostate. Mentre la conoscenza del business è particolarmente richiesta dalle organizzazioni strutturate intorno ai dati. In altre parole, le aziende che stanno iniziando a considerare i dati come una risorsa, possono ottenere un approccio commerciale direttamente dagli uomini di business.  

Anche la competenza in materia di hacking può essere adottata solo da quelle aziende che dispongono da una solida strategia di gestione dei dati. Altrimenti il rischio è quello di mettere a repentaglio la gestione del business, mentre si cerca di accelerarla...

 

D: Quali sono, a suo parere, i vantaggi dell'applicazione della Data Science al Content Marketing? Pensi che il supporto dell'Intelligenza Artificiale sia importante per misurare le prestazioni dei contenuti?

R: Il Content Marketing comporta la creazione e la condivisione di contenuti editoriali al fine di acquisire clienti. L'obiettivo è quindi quello di creare interesse per un dato prodotto o servizio e sulla base di questo interesse coinvolgere e intrattenere il proprio pubblico, con l'obiettivo ultimo della monetizzazione.

Il produttore di questi contenuti deve essere necessariamente un esperto della materia (Subject Matter Expert), in grado di esprimere la forza di quel prodotto o servizio nel contesto di riferimento. E deve anche essere in grado di cogliere le sfumature che rappresentano la vera chiave per coinvolgere il pubblico, gli utenti, i clienti.

Concentriamoci ora sulla produzione di contenuti adatti a una fruizione digitale. Uno dei nostri obiettivi primari potrebbe essere quello di individuare con precisione un argomento di interesse per un vasto pubblico.

Per fare questo dovremmo probabilmente essere in grado di analizzare grandi volumi di dati, composti da contenuti di vario genere, altamente variabili e ad alta velocità e... ops, questi sono Big Data. E quando i dati sono grandi, abbiamo bisogno della Data Science per estrarne al meglio il valore

Questo si traduce nella possibilità di accedere a innumerevoli fonti, analizzandole in tempo reale o quasi in tempo reale, deducendo i temi di maggior interesse in quel momento e permettendo poi ai brand di essere principalmente produttori di contenuti che coinvolgono e “fidelizzano” i clienti, accompagnandoli con sempre maggiore frequenza all'acquisto!

Detto questo, sapendo quali clienti, potenziali o meno, apprezzano, come possiamo controllare che non stiano cambiando idea, rendendo inutili i nostri sforzi?

L'Intelligenza Artificiale è una risposta seria. Gli algoritmi possono sicuramente aiutarci a seguire questi cambiamenti, comprendendo di volta in volta quali aspetti dei contenuti sono premiati o, piuttosto, poco apprezzati. E, di conseguenza, suggerire quali devono essere prodotti, quando non sono creati automaticamente.

 

D: La maggior parte degli approcci analitici adottati dai marketer sono descrittivi, ma sempre più piattaforme supportano la modellazione predittiva. Secondo te, in che misura la personalizzazione automatica dei contenuti web può influire sui risultati di business?

R: La personalizzazione automatica dei contenuti web è una chiara direzione da seguire.

Stiamo parlando del prossimo futuro della strategia di produzione dei contenuti, popolata da algoritmi di Machine Learning, che collaborano con gli scrittori umani, anticipando ogni possibile domanda e fornendo la risposta ad un pubblico selezionato.

Algoritmi e dati possono fornire informazioni precise sulle operazioni editoriali da effettuare, supportando la scelta del palinsesto dei contenuti e delle specificità, identificando quali di questi possono aumentare il traffico verso i siti istituzionali e quali sono le migliori modalità d'uso che dovrebbero caratterizzarli.