Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Martech

Intelligenza Artificiale e Machine Learning per il marketing: il valore di Thick e Big Data

Come e perché nei progetti di Machine Learning è necessario ampliare l’analisi dei dati al contesto. Dai Big Data ai Thick Data, il focus non è più sui KPI ma sui Key Behavioural Indicator

02 Lug 2019

Annalisa Casali

“I dati sono il nuovo petrolio”, sosteneva già nel 2006 Clive Humby, guru del marketing e artefice del successo del programma di fidelizzazione Clubcard di Tesco. La frase è molto nota tra i marketer. Non tutti, però, ne conoscono il seguito, che recita più o meno “Creano valore, ma allo stato grezzo non possono essere utilizzati. Per generare profitto devono essere trasformati. Allo stesso modo, i dati per creare valore devono essere scomposti e analizzati”. Big Data Analytics e Business Analytics già da diversi anni supportano i processi decisionali di top e middle manager. Oggi, poi, è possibile velocizzare e automatizzare ulteriormente questi processi con l’aiuto di Intelligenza Artificiale e Machine Learning. Le esperienze concrete delle aziende, però, hanno dimostrato come l’attenzione esasperata su metriche e KPI non sia sempre la scelta giusta. Spesso, infatti, sono i piccoli dettagli, le sfumature che riguardano l’interpretazione dei dati a decretare il successo o il fallimento di un’iniziativa, la bontà o meno di una decisione presa.

Big Data e Thick Data

Sentiamo parlare sempre più spesso di Data Monetization, ovvero della capacità dell’azienda di utilizzare strumenti e tecnologie di nuova generazione per estrarre valore tangibile dai dati, interpretarli, ricavarne insight e sostenere i processi decisionali in modo efficace. Il rischio è di essere letteralmente “sommersi” dalle metriche perdendo di vista tutte le informazioni di carattere qualitativo che arricchiscono e permettono di attivare o, meglio, azionare i dati. Questi elementi essenziali, i cosiddetti Thick Data, rappresentano uno dei fattori chiave del successo dei progetti di Intelligenza Artificiale: KPI e valori di sintesi possono essere completati con attributi qualitativi che contestualizzano meglio un fenomeno. Se c’è stata una riduzione delle vendite, per esempio, i Big Data ce lo segnalano ma non ci aiutano a spiegare perché questo è avvenuto. Solo capendo il contesto in cui si è verificato il fenomeno sarà possibile risalire alle cause che lo hanno generato.

Dai KPI ai KBI

Molti progetti di Intelligenza Artificiale per il Marketing si infrangono proprio sullo scoglio dell’incapacità di integrare i dati con la conoscenza delle persone riguardo a contesto, processi e business dell’azienda. Solo abbinando la dimensione macro (Big Data) con quella micro (Thick Data) è possibile trasformare i dati grezzi in insight e informazioni di valore utili a isolare le relazioni di causa-effetto, supportando in modo efficace il decision making.

Ciò che spesso viene trascurato in azienda è il fattore umano: la conoscenza del business e l’intuito nel saper interpretare nel modo corretto i numeri grazie all’esperienza. Thick Data e Big Data non si sostituiscono, piuttosto si completano, per definire uno scenario in cui non solo si capisce cosa è successo ma, soprattutto, perché. Raccogliere i Thick Data, però, è impossibile con le tecnologie tradizionali. Occorre una piattaforma di nuova concezione che tenga conto della dimensione sociale dei processi, insieme a un approccio evoluto, capace di valorizzare i dati completandoli con la conoscenza di business e di processo. Così si potranno migliorare la comunicazione tra persone e team, organizzare le informazioni in processi strutturati per renderle disponibili dove e quando servono.

Questo è l’approccio sviluppato da Injenia grazie a Interacta, la prima piattaforma di Social Process Management. Interacta comprende strumenti e metodologie di social collaboration e gestione del workflow che permettono di arricchire dati e numeri facendo emergere sfumature e significati altrimenti impossibili da osservare. Si parla, a questo proposito, di KBI, Key Behavioural Indicator e dell’importanza per le aziende di ragionare in ottica sistemica, superando l’ossessione dei KPI per abbracciare una valutazione più completa dei fenomeni che contempli anche i comportamenti dei singoli, i loro valori, la cultura aziendale e le dinamiche di relazione all’interno dell’organizzazione.

Intelligenza Artificiale e Machine Learning alleati dei marketer

Gli ambiti di applicazione di Machine Learning e Intelligenza Artificiale nel marketing sono davvero numerosi. Tra i più importanti l’engagement dei clienti: sfruttando gli insight, infatti, è possibile segmentare in modo più puntuale l’audience e affinare le strategie di targeting e personalizzazione. Gli algoritmi di apprendimento automatico prendono il posto dei vecchi modelli di segmentazione e suddivisione in cluster dei consumatori. La capacità di individuare schemi di comportamento ricorrenti permette di prevedere il tasso di abbandono (churn rate) e stimare il Customer Lifetime Value (CLV) per ogni singolo cliente. Così, i marketer potranno mettere in atto strategie utili ad aumentare lo scontrino medio e la fidelizzazione al brand dei clienti più affezionati oppure recuperare i rapporti con quelli più critici.

L’AI permette poi ai marketer di generare nuove opportunità di business. Sarà possibile individuare i bisogni insoddisfatti dei consumatori oppure identificare nuovi settori e clienti potenziali. Grazie al Machine Learning è possibile gestire in modo personalizzato i contenuti online esposti al visitatore che atterra sulla landing page aziendale e ottimizzare le campagne sulla base delle necessità rilevate in tempo reale. Si avrà, così, la certezza di raggiungere sempre il cliente con il messaggio più appropriato, attraverso il canale giusto e nel momento in cui è più propenso a convertire.

Infine, Intelligenza Artificiale e Machine Learning ridisegnano l’assistenza al cliente: Bot e Chatbot affiancano gli operatori del contact center supportandoli con una miriade di informazioni rilevanti. Il risultato? Un customer care più efficace ed efficiente in cui gli algoritmi permettono di arrivare più in fretta alla soluzione dei problemi, riducendo attese e stress per il cliente e per gli operatori dei contact center.

In tutte queste applicazioni, AI e ML agevolano il lavoro quotidiano di CMO e marketer: essi rappresentano una sorta di digital twin, di gemelli digitali capaci di fare previsioni e simulare in modo preciso gli eventi futuri e, così, supportare supportare il decision making in modo efficace. Il risultato è uno scenario Human+Machine, in cui le persone completano la tecnologia con estro, intuito e creatività, mentre la tecnologia assicura funzionalità addizionali di Intelligenza (Artificiale) che l’uomo non ha.

Ready, Set, Go (and Glow)

La possibilità di sfruttare la conoscenza del cliente in modo rapido offre alle aziende che implementano l’AI nel marketing un indubbio vantaggio competitivo. Il Content Marketing personalizzato attrae visitatori, qualifica gli utenti, fidelizzare i clienti e li trasforma in promotori spontanei del brand, mentre la Marketing Automation, sostenuta dall’AI, migliora l’esperienza d’acquisto di ogni, singolo, cliente. Per implementare questi strumenti servono, però, gli approcci giusti. Approcci che non possono prescindere dall’affiancare alla tecnologia la conoscenza dei processi e la visione di business che solo le persone hanno.

Esperienza e conoscenze possono essere tradotte in approcci di marketing innovativi grazie all’Intelligenza Artificiale e all’infrastruttura Cloud, che creano le condizioni per rilevare, acquisire e rielaborare i dati, trasformando la conoscenza in trigger che centrano l’obiettivo di ingaggiare, convertire, fidelizzare al brand. Esattamente quello che fa Cloud 4 Marketing, la piattaforma di analisi dati di nuova generazione di Google Cloud. Cloud 4 Marketing permette ai marketer di raccogliere dati da tutte le fonti interne ed esterne e analizzarli grazie a potenti API di Machine Learning, sostenendo al meglio l’operatività del team marketing.

Injenia, unico Premier Partner Google Cloud in Europa specializzato ML, Infrastruttura e Collaboration, offre alle aziende la possibilità di contare su un percorso ottimizzato che va dalla raccolta alla visualizzazione, fino all’uso vero proprio del dato per realizzare azioni e campagne mirate. In abbinamento alle soluzioni evolute per big data di Google Cloud, la piattaforma Interacta permette di integrare anche la dimensione “human” nei progetti di marketing e sperimentare percorsi innovativi sfruttando al meglio la potenza dei dati.

Delle migliori tecnologie e approcci per affrontare al meglio il data marketing si parlerà nel corso dell’evento “Ready, Set, Go and Glow”, che si svolgerà a Bologna il prossimo 9 luglio.

Qui trovate tutte le informazioni sull’evento e su come iscriversi.

@RIPRODUZIONE RISERVATA
Intelligenza Artificiale e Machine Learning per il marketing: il valore di Thick e Big Data

    LinkedIn

    Twitter

    Whatsapp

    Facebook

    Link

    Articolo 1 di 3