DIGITAL PUBLISHING

Machine learning: l’utilizzo dei dati alla base della strategia

Redazione Deva

3 febbraio 2020

Non sarebbe bellissimo se ci fosse una tecnologia che consenta di capire le esigenze delle persone e di fornire loro dei suggerimenti precisi e accurati in base ai loro interessi?

La buona notizia è che questa tecnologia esiste già e sta prendendo sempre più piede anche in Italia nell’ambito del marketing. Stiamo parlando ovviamente dell’intelligenza artificiale e, nello specifico, del machine learning applicato al marketing. Capiamo meglio di cosa si tratta.

 

Partiamo da alcuni dati

Il machine learning applicato al marketing sta ormai diventando una realtà in molte grandi aziende in tutto il mondo. Uno studio condotto da Capgemini nel 2018 ci svela che l’84% delle agenzie di marketing sono impegnate nell’implementazione di progetti che prevedono l’uso di AI e ML. Non solo: 3 realtà su 4 che usano queste tecnologie hanno aumentato le loro vendite e la customer satisfaction del 10%.

In Italia c’è ancora un po’ di confusione in merito e a volte non si riesce a capire la reale portata dei vantaggi che queste tecnologie possono apportare. Uno studio dell’Osservatorio Italiano sull’Artificial Intelligence Marketing parla infatti di ben una metà delle aziende che individua negli assistenti virtuali l’unica declinazione dell’AI marketing, tralasciando tutti gli altri ambiti. Solo il 34% di loro, inoltre, sta cominciando a coniugare intelligenza artificiale e big data aziendali.

 

Gli ambiti di applicazione del machine learning al marketing

Attualmente ci sono almeno quattro scenari in cui il machine learning può diventare un grande alleato delle aziende, oltre ovviamente a quelli che in questo momento non siamo ancora in grado di immaginare:

  • analizzare, capire e anticipare i bisogni degli utenti. Attenzione, è un’arma potente, da usare possibilmente in modo etico per risolvere i problemi degli utenti addirittura prima che si manifestino e per offrire servizi e prodotti in maniera precisa e quando realmente servono. Tradotto: grazie al machine learning avremo la certezza (o quasi) di raggiungere il cliente con il messaggio più adatto, attraverso il canale giusto e nel momento in cui è più propenso a convertire.
  • migliore conoscenza dei nostri utenti. L’analisi dei dati attraverso il machine learning ci permette di segmentare la nostra audience nel dettaglio, consentendoci di conoscere in maniera più approfondita i nostri utenti e le loro azioni in relazione al brand, individuando ad esempio quelli più fidelizzati, quelli con un più alto valore di spending e quelli che invece sembrano più propensi ad abbandonarci. La conseguenza è che in questo modo è possibile migliorare l’engagement dei clienti mettendo a punto strategie utili e personalizzate per aumentare la fidelizzazione al brand, migliorare il valore dello scontrino medio oppure recuperare il rapporto con gli utenti più critici.
  • ottimizzazione delle campagne marketing in real time. La possibilità di analizzare i dati tramite il machine learning ci permette di misurare l’impatto delle nostre attività di marketing con una precisione impressionante e quindi di ottimizzarla in tempo reale per correggere al volo eventuali errori. Da questa analisi si possono inoltre trarre informazioni utili a creare contenuti e campagne di advertising personalizzate sugli interessi degli utenti in pochi minuti per poi erogarle solo quando servono realmente.
  • miglioramento del lavoro delle persone grazie ai dati. Uno dei risultati offerti dalle analisi marketing tramite il machine learning è una buona quantità di analytics e KPI, che possono provenire da tutte le sorgenti aziendali e che possono essere utilizzati anche per individuare e risolvere problemi e migliorare così il lavoro delle persone in azienda.

 

Machine learning, big data e visione umana: la squadra vincente

Chi si occupa di marketing conosce sicuramente la frase di Clive Humby, che nel 2006 affermava che “i dati sono il nuovo petrolio”. Non tutti sanno, però, che proseguiva dicendo che “creano valore, ma allo stato grezzo non possono essere utilizzati”. Big Data Analytics e Business Analytics già da tempo ci guidano nei processi decisionali, ma ora questo flusso è reso più preciso e veloce proprio grazie a intelligenza artificiale e machine learning.

Questo focus su dati e metriche, però, non deve farci perdere di vista il fattore umano, che resta insostituibile. Solo la visione umana, la conoscenza del business e la supervisione completa del contesto possono dare una prospettiva più ampia, dando la possibilità di interpretare i dati cogliendo piccoli dettagli e sfumature che una macchina non può individuare, di intuire i prossimi trend e di creare strategie nuove.

 

Big Data e Thick Data

Un’azienda per avere successo deve essere sempre più in grado di estrarre valore tangibile dai dati, di interpretarli e di prendere decisioni sulla base di queste conclusioni. Quello che a volte si perde di vista è proprio il fattore interpretativo, che permette di sfruttare al meglio e di “azionare” i dati. I Big Data, i dati quantitativi, ad esempio, possono segnalarci un calo nelle vendite, ma sono i cosiddetti Thick Data, le informazioni di carattere qualitativo, che possono aiutarci a capire perchè è avvenuto, a risalire alle cause. Insomma, solo unendo visione umana, tecnologia e dati potremmo far crescere con successo il nostro business, trasformando i dati grezzi in informazioni di valore.

 

Gli strumenti del machine learning applicato al marketing

E’ proprio a causa dell’incapacità di integrare Big Data e Thick Data che molti progetti di Intelligenza Artificiale falliscono. Raccogliere e analizzare i Thick Data con le tecnologie tradizionali è infatti impossibile: servono strumenti nuovi, che tengano conto anche delle dimensione sociale dei processi, oltre che del dato in sé.

Questo è proprio l’approccio innovativo sviluppato da Injenia grazie ad Interacta, una piattaforma di Social Process Management che permette di arricchire dati e numeri con sfumature altrimenti impossibili di analizzare. Si passa quindi dai KPI ai KBI, Key Behavioural Indicator, che permettono di valutare in maniera più completa i comportamenti degli utenti.

Injenia, in abbinamento a Google Cloud, permette quindi di cominciare ad integrare una visione umana ai puri dati per sviluppare progetti di marketing.

E, a proposito di Google Cloud, non possiamo non parlare di Cloud 4 Marketing, la piattaforma di analisi dati di nuova generazione di Google Cloud, un alleato prezioso per chi si vuole affacciare al mondo del machine learning per il marketing. Questa piattaforma, infatti, permette di raccogliere dati da tutte le fonti interne ed esterne di una azienda, di analizzarli tramite API di machine learning e di rielaborarli, trasformandoli in metriche facilmente leggibili. I team di marketing potranno così utilizzare questi dati e trasformarli in azioni per migliorare la customer experienze, creare engagement, fidelizzare e convertire.

Le ultime news dal mondo Digital

Mobile Engagement, la strategia del futuro

Cominciamo dai dati? Oltre il 50% delle email viene letto da dispositivi mobili. Il 33% degli acquisti fatti in occasione del Black Friday sono stati fatti da smartphone.

Rebranding: tendenze e applicazioni

Tutti, ogni tanto, sentiamo il bisogno di cambiare e di presentarci al mondo con un’immagine nuova che ci rappresenti ma che al tempo stesso non risulti “fuori moda”.

CLIENTI


CERTIFICAZIONI



SEDE

Via Tata Giovanni, 8
00154 Roma (RM)
P.I. 12658471003
N° reg. REA RM-1391919