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

ARTIFICIAL INTELLIGENCE MARKETING

Intelligenza Artificiale nel Marketing, quello che i CMO devono sapere

Persuadere le persone a compiere un’azione, acquistare un prodotto o accedere ad un servizio (in altre parole, rispondere a una “call to action”), rendendo ancora più efficaci Programmatic Advertising e Marketing Automation. Ecco cos’è e a cosa serve l’Artificial Intelligence Marketing (AIM), che unifica le avanzate tecnologie di Intelligenza Artificiale come Machine Learning e Natural Language Processing con tecniche di behavioral targeting (Marketing comportamentale)

26 Ott 2017

Nicoletta Boldrini

Si chiama Artificial Intelligence Marketing (AIM) e fa riferimento al Marketing che usa l’Intelligenza Artificiale per migliorare la comprensione del mercato e delle persone e suggerire – più rapidamente dell’uomo – le azioni da intraprendere per affinare le tecniche di persuasione.

Stiamo parlando di una branca del Marketing che sfrutta le più moderne tecnologie che rientrano nell’ambito dell’Intelligenza Artificiale, come Machine Learning e Nlp – Natural Language Processing, integrate a tecniche matematiche/statistiche (come quelle delle reti bayesiane, modello grafico probabilistico che rappresenta un insieme di variabili con le loro dipendenze condizionali) e di Marketing comportamentale (behavioral targeting). Il tutto con un obiettivo molto chiaro e diretto: migliorare la capacità di persuasione per portare gli utenti a “convertire” la “call to action” aziendale, ossia a compiere un’azione che genera valore per l’utente stesso ma che ha un risvolto positivo anche per l’azienda.

Dal ciclo “perception-reasoning-action” a “raccolta-ragionamento-azione”

In altre parole, l’AIM fornisce ai CMO (Chief Marketing Officer) un insieme di strumenti e tecniche che consentono di orientare il comportamento degli utenti in target, quelli a cui intende rivolgersi un’azienda.

Il principio su cui si fonda questa nuova branca del Marketing riprende il ciclo “perception-reasoning-action” tipico delle scienze cognitive che nell’ambito del Marketing va diventa “raccolta-ragionamento-azione”.

1) Raccolta

Il primo pilastro del ciclo fa riferimento a tutte quelle attività che mirano a catturare i dati dei clienti, dei potenziali clienti e, più in generale, delle persone “in target” rispetto agli obiettivi dell’azienda o di una campagna Marketing.

2) Ragionamento

Questa è la parte in cui i dati vengono trasformati in informazioni e infine in intelligenza o intuizione, la parte centrale dove Machine Learning ed Intelligenza Artificiale giocano un ruolo tecnologico centrale.

3) Azione

L’intelligenza e la conoscenza raggiunte attraverso la fase di ragionamento sono quelle che permettono poi di agire; nel contesto del Marketing l’azione si può tradurre in una comunicazione o una campagna con più elevate probabilità di persuasione degli utenti in target (e quindi con risultati superiori in termini di efficacia per l’azienda).

Un ciclo che, nel suo insieme, potrebbe in realtà essere completamente automatizzato attraverso un impiego più diffuso delle tecnologie di Intelligenza Artificiale in tutte le fasi del ciclo, compresa quella delle azioni da mettere in campo.

Artificial Intelligence Marketing: le tecnologie e gli ambiti di applicazione

Aggregazione e analisi dei dati (anche quelli destrutturati e basati su linguaggio naturale) in un processo continuo di apprendimento e miglioramento per identificare di volta in volta le azioni, le strategie e le tecniche di comunicazione e vendita probabilisticamente più efficaci (quelle che hanno il potenziale più elevato di efficacia/successo per singoli target di utenti). È questo, in sostanza, quello che fa l’AIM.

Partendo quindi da questa sorta di identificazione dell’ambito tecnologico dell’Artificial Intelligence Marketing, possiamo riconoscere le specifiche tecnologie di riferimento e come possono essere impiegate.

1) Creazione e cura dei contenuti

La realizzazione automatica di contenuti (articoli, news ma anche “semplici” messaggi) e la loro presentazione al pubblico corretto, nel momento ottimale (quello cioè dove ci sono le più alte possibilità di persuasione e, quindi, conversione della call to action), è una delle aree dell’Artificial Intelligence Marketing più promettenti.

In questo caso entrano in gioco sistemi di analisi avanzata dei dati, correlazione di eventi, comprensione del linguaggio naturale, analisi e riconoscimento di immagini, video, voce e, trasversalmente, le tecniche di autoapprendimento (basate su sistemi ed algoritmi di Machine Learning) che consentono ai sistemi che creano e propongono contenuti (raccomandazioni di lettura, immagini correlate, annunci personalizzati, ecc.) di migliorare continuamente la capacità di proposta; il tutto in modo dinamico in funzione di come realmente le persone fruiscono di quei contenuti e del potenziale di ciascuno di essi in termini di persuasione e conversione.

2) Ricerca vocale

La ricerca vocale è una di quelle tecnologie entrata ormai nell’apprezzamento pubblico collettivo grazie a sistemi come Siri di Apple, Cortana di Microsoft, Alexa di Amazon o Google Now di Google. Quello che i CMO devono sapere è che queste tecnologie stanno modificando le tecniche e le strategie di SEO – Search Engine Optimization e che la voce sarà uno degli elementi più impattanti sul traffico organico dei contenuti.

Dal punto di vista del Marketing questa tendenza dovrebbe essere “cavalcata” sfruttando chatbot ed assistenti virtuali basati su Intelligenza Artificiale per “guidare”, consigliare e persuadere gli utenti.

3) Programmatic Advertising

Gli algoritmi di Machine Learning rappresentano la base tecnologica attraverso la quale modellare ed analizzare le propensioni di acquisto (o di azione) delle persone in target al fine di distribuire gli annunci pubblicitari e di comunicazione in modo più mirato.

Non solo, è sempre attraverso il Machine Learning che le aziende potranno avere un più attento controllo sull’acquisto e distribuzione dei propri annunci su piattaforme automatizzate come quelle, per esempio, di Google (a titolo di esempio, identificando con più accuratezza i siti e le tipologie di utenti che navigano su di essi per verificarne l’attendibilità o l’allineamento con il posizionamento, la strategia, la reputazione della propria azienda).

4) Modellazione di target e propensione

Il successo di una campagna, di una strategia o di un’azione di Marketing dipende prima di tutto dalla corretta identificazione del target di riferimento e dall’analisi della propensione delle persone in target a compiere una determinata azione (oggetto della proposta Marketing). Ed è forse proprio su questi aspetti che l’Artificial Intelligence Marketing riesce ad esprimere al massimo la propria potenzialità di business.

Gli algoritmi di Machine Learning in questo caso rappresentano una chiave di volta rispetto al passato perché abilitano un processo di miglioramento continuo (basato sull’analisi di grandi molti di dati e l’apprendimento persistente) in tempi e con precisione inimmaginabili per l’essere umano.

La modellazione di propensione apre poi le porte ad ulteriori analytics specifici per le azioni di Marketing, come la determinazione del prezzo in real-time ed il rating delle attività con la probabilità più elevata di successo. Attività che si traducono quindi in azioni/attività di Marketing più rapide, più economiche per l’organizzazione interna e più efficaci per il business.

5) Marketing Automation

La Marketing Automation solitamente ingloba una serie di regole e attività (automatizzate) che servono ai marketer ed i CMO per gestire ed ottimizzare la demand generation, ossia il processo d’acquisizione e gestione dei potenziali clienti (fino al loro “passaggio” in clienti effettivi) di cui fanno parte attività di lead generation (acquisizione dei clienti potenziali), lead nurturing (cura e gestione di questi prospect) e sales conversion (la trasformazione di questi utenti in clienti effettivi per l’azienda).

Anche in questo caso la base tecnologica di riferimento, rimanendo nell’area dell’Intelligenza Artificiale, è il Machine Learning attraverso il quale analizzare tutti i dati degli utenti (provenienti da qualsiasi touchpoint e canale) e stimare le attività di lead generation e nurturing più idonee e con la probabilità più elevata, ancora una volta, di essere tradotte in sales conversation efficaci.

Articolo 1 di 5