Come il Machine Learning sta rivoluzionando il marketing

L’intelligenza artificiale e il machine learning stanno rivoluzionando il marketing rendendolo più accurato e capace di agire in real time. Le grandi aziende globali stanno già usando queste tecnologie per creare piattaforme e applicazioni in grado di comprendere le esigenze delle persone e fornire suggerimenti in base ai loro interessi: è il caso, per esempio, di Google Maps, Netflix, Spotify, Facebook, Uber.

Al di là dei grandi player, il machine learning applicato al marketing sta diventando realtà in molte aziende a livello worldwide, come mostrano i dati di uno studio realizzato da Capgemini:

• l’84% delle agenzie di marketing stanno implementando progetti AI e ML
• il 75% delle grandi aziende che usano AI e ML hanno migliorato la customer satisfaction del 10%
• 3 su 4 organizzazioni che usano AI e ML hanno aumentato le vendite di prodotti e servizi di oltre 10%

Capgemini 2018

E in Italia?

In Italia, l’unione tra machine learning e marketing è in espansione, ma c’è ancora confusione sulle possibili applicazioni e sui reali vantaggi che esso può apportare. Secondo l’Osservatorio Italiano sull’Artificial Intelligence Marketing, più della metà delle aziende individua l’assistenza virtuale come sola declinazione dell’AI al marketing e solo il 34% sta iniziando a coniugare l’AI con i big data aziendali.

Il customer service è certamente un ambito importante in cui il machine learning può contribuire: in effetti, il 57% dei CMO a livello globale hanno realizzato chatbot e virtual assistant per offrire customer experience eccellenti e innovative (Forrester 2017), diventando così gli early adopters di sistemi ML a livello consumer.  

Ma il machine learning applicato al marketing si spinge oltre l’assistenza virtuale: il vero vantaggio è la capacità che esso offre di lavorare in maniera intelligente sulla grande quantità di dati che l’azienda oggi ha a disposizione. Permette, infatti, di estrarre conoscenza importante per il business, utile a migliorare prodotti e servizi, ottimizzare i processi di vendita e semplificare il lavoro delle persone.

Dati e persone

Ovviamente il focus su dati, metriche e misure quantitative non può sostituire la conoscenza e la visione umana. Metriche e numeri vanno sempre integrati alla conoscenza di business delle persone e a tutte quelle informazioni qualitative di contesto, capaci di offrire una prospettiva più ampia, una conoscenza thick per ampliare la visione esclusivamente quantitativa del mondo. Solo insieme, persone, tecnologia e dati possono far crescere il business, individuando anche trend ed elementi che prima erano difficili da cogliere, permettendo ai marketer di creare cose nuove, sognare e portare i nostri pubblici a sognare con noi. È un deep dreaming, oltre che un deep learning.

ML e marketing: ambiti di applicazione

Oltre ai progetti che ancora non ci immaginiamo, ci sono dunque almeno 4 ambiti di applicazione che possono portare vantaggi competitivi per le aziende italiane, tra cui:

• Capire e anticipare i bisogni delle persone

Non si tratta di un prodigio: attraverso le analisi del machine learning, oggi è possibile conoscere in modo preciso e verticale le necessità delle persone. Se analizzata in modo etico e intelligente, questa conoscenza permette all’azienda di risolvere i nostri problemi in maniera più efficiente, offrendo servizi e prodotti solo quando e dove servono veramente.
Conoscere bisogni e interessi delle persone serve anche a migliorare il design dei prodotti e la qualità dei servizi. Inoltre, può ridurre il customer churn: sapere i motivi per cui un cliente ci sta abbandonando è il primo passo per scoprire come correggere le nostre azioni di marketing, senza cadere in offerte sproporzionate o invasive campagne di telemarketing.
Infine, il machine learning permette di ottimizzare il pricing: per esempio, le piattaforme per prenotare aerei e hotel si avvalgono di sofisticati sistemi di flexible pricing che propongono prezzi più competitivi e contestualmente rilevanti.

• Maggiore qualificazione

Al di là di necessità e interessi, il machine learning applicato al marketing permette di analizzare tutte le attività e le azioni delle persone in relazione al brand e a tutti i touch point. Con questa conoscenza, sarà possibile ridurre la lunghezza del sales cycle e aumentare il successo delle vendite.
Da un lato, la marketing automation automatizza le attività ripetitive del team marketing, traccia le attività di prospect e clienti e permette di capire il loro livello di interesse verso il brand. Ma per qualificare veramente i prospect, servono analisi dei dati attraverso il machine learning che consentono di segmentare l’audience nel dettaglio. Queste analisi consentono di sapere precisamente chi siano i migliori clienti, quelli con più alto valore di spending, quelli più fidelizzati o, al contrario, quelli che sono più propensi ad abbandonarci.

• Ottimizzare le campagne marketing in modo accurato e in real time

L’analisi dei dati attraverso il machine learning permette di misurare l’impatto di ogni attività di marketing con un livello di accuratezza mai visto prima e in real time. Ciò permette di ottimizzarle in tempo reale, così da correggere velocemente gli errori.
Ma monitorare le metriche non basta: il machine learning consente ai marketer di trarre informazioni dalle campagne e poter creare contenuti in tempi record. Per esempio, permette di creare advertising campaigns in pochi minuti, iper-personalizzate sugli interessi degli utenti. Il risultato saranno messaggi creativi e di valore, che raggiungono gli utenti solo quando servono: sono informazioni sussurrate per aiutare, non inutile propaganda urlata.

• Migliorare il lavoro delle persone in base ai dati

Le analisi marketing offerte dal machine learning offre un robusto set di analytics e KPI sia esterne che interne all’azienda. Il ML può infatti analizzare tutte le sorgenti di dati aziendali in modo da individuare e risolvere colli di bottiglia e intoppi, al fine di migliorare la produttività ma anche il lavoro delle persone.
Il machine learning permette anche di monitorare continuamente i processi, le interazioni e le informazioni più volatili ora strutturate sulle piattaforme gestionali e di social collaboration, così da effettuare analisi sul sentiment e sul clima aziendale e, infine, individuare e prevenire eventi critici.

Quali strumenti?

Il vantaggio competitivo di implementare progetti di machine learning per il marketing è la capacità che esso offre di sfruttare i dati in modo rapido e intelligente. Ma per farlo occorrono i giusti strumenti e i giusti approcci, costruiti a partire dalle persone.
Il machine learning ottimizza e velocizza, ma è sempre l’uomo a spingere l’innovazione. Oltre alle metriche e alle quantità, serve sempre l’approccio qualitativo delle persone, fatto di creatività, vision, empatia, pensiero laterale. In fondo, solo le persone, grazie alla loro conoscenza di business, sono in grado di raccogliere quel volume e tipo di dati adatti a risolvere un problema e/o a migliorare un’area del business. Esse sono, quindi, il vero strumento per ottenere la migliore data ingestion.
A supporto dell’uomo, c’è comunque la tecnologia. Oggi abbiamo finalmente gli strumenti che servono per portare il marketing a guidare la trasformazione digitale: per esempio, il Cloud 4 Marketing è la nuova piattaforma di Google Cloud per l’analisi approfondita dei dati. Esso offre un approccio end-to-end che va dalla raccolta dei dati aziendali da tutte le sorgenti interne ed esterne (Advertising, CRM/Sales, Web, Social, Email marketing, E-commerce, Finance), all’analisi attraverso le potenti API di machine learning, fino al loro l’effettivo utilizzo a supporto delle decisioni aziendali.
Questo approccio ideato da Google Cloud, il primo grande player globale specializzato nel marketing, trasforma i dati aziendali, strutturati e non, in metriche e dimensioni facilmente leggibili e utilizzabili da tutti i team e, così, permette di realizzare campagne ottimizzate e azioni mirate per migliorare la customer experience e far crescere il business.

ML e Marketing: i vantaggi di business

Applicare il machine learning al marketing permette di sfruttare i dati in modo intelligente e, dunque, di agire in modo preciso e veloce in base alla conoscenza derivata da essi, con conseguenti vantaggi di business:

• Ottimizzazione dei costi e delle risorse per le attività marketing e sales
• Decisioni più precise e veloci
• Time to market più rapido
• Conversion rate più alta
• Risultati monitorabili in tempo reale
• Personalizzazione totale dei prodotti e servizi
• Semplificazione del lavoro delle persone

Con il giusto approccio orientato alle persone, si può andare oltre: il dettaglio e la conoscenza derivate dalle analisi machine learning, infatti, possono offrire spunti per ottimizzare le campagne marketing e il lavoro delle persone, ma anche per immaginare azioni completamente nuove e ripensare gli attuali modelli di business.

Cristiano Boscato, amministratore Injenia e docente Bologna Business School, corso Artificial intelligence e Machine learning for business