Intelligenza Artificiale e Marketing Automation

L’intelligenza artificiale è stata postulata dal matematico Alan Turing attraverso il suo famoso test chiamato anche “gioco dell’imitazione” a cui partecipano un uomo (A), una donna (B) e una terza persona (C.) Quest’ultimo è tenuto separato dagli altri due e tramite una serie di domande deve stabilire qual è l’uomo e quale la donna. Dal canto, loro anche A e B hanno dei compiti: A deve ingannare C e portarlo a fare un’identificazione errata, mentre B deve aiutarlo. Affinché C non possa disporre di alcun indizio (come l’analisi della grafia o della voce), le risposte alle domande di C devono essere dattiloscritte o similarmente trasmesse.

intelligenza artificiale

photo credit: Leo Reynolds Alan Turing via photopin (license)

Il test di Turing si basa sul presupposto che una macchina si sostituisca ad A. Se la percentuale di volte in cui C indovina chi sia l’uomo e chi la donna è simile prima e dopo la sostituzione di A con la macchina, allora la macchina stessa dovrebbe essere considerata intelligente dal momento che – in questa situazione – sarebbe indistinguibile da un essere umano.

L’intelligenza non è ancora stata definita in modo univoco e tanto meno riprodotta artificialmente; tuttavia le macchine possono eseguire compiti difficili per un essere umano – anche in ambiti non strettamente “fisici”, come sollevare pesi. Si tratta di attività computazionali o analitiche – e persino dell’elaborazione di strategie basate in parte sull’apprendimento (come nel gioco degli scacchi)

In molti hanno provato ad immaginare come potrebbero essere i futuri androidi o robot intelligenti: Isaac Asimov, Phillip K. Dick o Frank Herbert sono solo alcuni; tuttavia, queste macchine vengono spesso viste come antagoniste dell’uomo: superintelligenti e prive di “senso morale”, potrebbero finire per prevalere su di noi e renderci schiavi.
Fortunatamente non dobbiamo affrontare lo Skynet della serie “Terminator”, ma semplicemente ragionare sul fatto che l’intelligenza artificiale possa essere applicata anche al marketing – a cominciare dai software capaci di apprendere e dai Big Data.

L’intelligenza artificiale, infatti ha molte facce: si va dalle reti neurali che imitano i circuiti delle cellule nervose ai sistemi esperti, che riproducono in forma di algoritmo le strategie codificate messe a punto da chi conosce bene una data materia; ci sono poi i programmi in grado di “apprendere” ed anche sistemi analitici avanzati capaci di scoprire correlazioni non evidenti (attrattori) nell’ambito di grandi moli di dati. Infine ci sono applicazioni come il riconoscimento del linguaggio naturale, del contenuto semantico dei testi ed il “significato” delle immagini.
Gli ambiti applicativi per il marketing, comunque, sono – per ora – abbastanza circoscritti, anche se esistono già “motori di raccomandazione” e chatbot: programmi che sostituiscono un operatore umano con un algoritmo nell’interazione con gli utenti per quanto riguarda rispondere a semplici domande o altri compiti elementari. Vediamo ora alcune possibili applicazioni dell’intelligenza artificiale nel campo della vendita online – o quantomeno alla comunicazione di marketing finalizzata alla vendita.

Marketing basato sull’intelligenza artificiale e sul Machine Learning

Il classico mantra della Marketing Automation: “inviare il materiale giusto alla persona giusta e al momento giusto”, aggiungendo agli ingredienti anche il Machine Learning e l’intelligenza artificiale, potrebbe diventare: “inviare il materiale più giusto ed altamente personalizzato alla persona giusta, al momento giusto e attraverso il canale giusto“.

Le piattaforme di Marketing Automation iniziano a proporre questo tipo di integrazione “intelligente” accanto ai semplici strumenti di automazione; si tratta di algoritmi avanzati di auto-apprendimento che analizzano il comportamento dei singoli clienti per prevederne i futuri acquisti. La componente automatica provvede quindi ad inviare raccomandazioni personalizzate in linea con quanto la componente “intelligente” ritiene più probabile che venga comprato.

Questi strumenti, basati su varie forme di intelligenza artificiale, offrono anche un quadro accurato del profilo del cliente quanto a prodotti acquistati ed al suo tipico percorso d’acquisto; inoltre analizzano quali categorie di prodotti risultano più interessanti per ciascun consumatore e come tali prodotti siano in relazione fra loro, consentendo di mettere a punto offerte personalizzate estremamente accattivanti e stimolanti anche dal punto di vista del come viene presentata la proposta.

Il marketing predittivo di nuova generazione basato su algoritmi di auto-apprendimento

Le tecnologie di Machine Learning e marketing basato sull’intelligenza artificiale si basano su due modelli per la creazione e l’invio di raccomandazioni personalizzate e ciascuno è ottimizzato per supportare uno specifico approccio. Per l’inbound marketing si parla di “Inbound Predictive Marketing” ovvero di “analisi di affinità“; per l’outbound si parla invece di “Predictive Outbound Channel”, ovvero di analisi comportamentale. Utilizzate insieme, le due metodologie migliorano sia le attività di marketing outbound che quelle inbound – rispettivamente quelle che dall’azienda si rivolgono al mercato e quelle che fanno in modo che sia il mercato a cercare l’azienda.

Il meccanismo di analisi di affinità si basa sullo studio delle associazioni tra prodotti e correla i dati relativi alle transazioni d’acquisto individuando specifiche categorie di prodotti che solitamente vengono presi in considerazione non singolarmente ma insieme. In questo modo è possibile determinare la miglior combinazione di articoli da proporre in ciascuna particolare offerta: i risultati dell’analisi vanno infatti a comporre un modello, una sorta di griglia da cui ricavare cosa consigliare ad ogni specifica tipologia di cliente. Inoltre, grazie all’utilizzo di metadati (informazioni aggiuntive sulla natura dei dati stessi) è possibile rispondere ad eventuali cambiamenti nelle preferenze dei consumatori in modo rapido.

Il sistema può utilizzare algoritmi di Machine Learning per comparare nel tempo le previsioni ed i dati effettivi, così da migliorare il grado di precisione: le varie raccomandazioni saranno quindi dotate di un punteggio (scoring) che ne indica il grado di attendibilità. La griglia risultante potrà anche contenere elementi di esclusione, così da consentire all’algoritmo di togliere dalle offerte gli eventuali prodotti già acquistati da un particolare cliente.

Infine, se l’analisi di affinità parte dalle scelte che i consumatori effettuano rispetto all’offerta, rivolgendosi quindi verso l’azienda (inbound), l’analisi comportamentale prende in considerazione le persone e le loro abitudini per scegliere qual è il modo ottimale, per l’azienda, di rivolgersi loro (outbound) nel presentare i “consigli per gli acquisti”.

Previsione dei modelli di Customer Journey e raccomandazioni guidate dall’intelligenza artificiale

Il Machine Learning ed il marketing basato sull’intelligenza artificiale possono selezionare i prodotti più adatti per ciascun tipo di cliente e suggerire anche il miglior modo di comunicare con l’audience in funzione del percorso di acquisto (Customer Journey) di ciascuno. In più, il sistema è in grado di tenere traccia anche del comportamento dei visitatori anonimi del sito aziendale, consentendo così di personalizzare i contenuti presentati anche ai contatti non ancora identificati; in pratica, tutti i clienti, sia reali che potenziali, vengono sottoposti ad un’analisi comportamentale.

Il nuovo marketing predittivo – sia inbound che outbound – e la capacità di determinare canale e momento più appropriati per inviare le offerte

Le attività di marketing, sia di tipo inbound che outbound, traggono grandi benefici dalle informazioni supplementari disponibili grazie ai processi “intelligenti”: la conoscenza sui tipi e sulle categorie di prodotto maggiormente esplorati o acquistati in abbinamento, così come quella relativa ai canali caratterizzati dai più elevati livelli di conversione (quelli, cioè, che consentono il più alto numero di vendite), permette di focalizzarsi sulle opportunità migliori ed ottimizzare gli investimenti. In aggiunta, la possibilità di sapere come e quando i consumatori si attivano, aiuta a scegliere il momento più adatto per comunicare e rafforza la relazione tra azienda e clienti. Si tratta, in sintesi, di un meccanismo il cui obiettivo è quello di prevedere i comportamenti ed i percorsi di acquisto più probabili ed agire di conseguenza.

Vantaggi per le imprese

  • Coinvolgere maggiormente l’audience grazie all’offerta pertinente e personalizzata di ogni tipo di prodotto
  • Disporre di informazioni di tipo analitico sulle transazioni commerciali – non solo quantitative ma anche qualitative
  • Ottenere risultati effettivi ed incrementi di fatturato orientando la comunicazione di marketing su ciò che il pubblico desidera realmente
  • Fidelizzare i clienti ed ottenere il massimo valore in termini di potenzialità d’acquisto
  • Ottimizzare l’impiego delle risorse e del budget di marketing
  • Individuare i prodotti e le categorie di prodotto di maggior successo
  • Conoscere le preferenze individuali e prevedere la possibilità che ogni singolo cliente effettui ulteriori acquisti

Volete saperne di più? Contattateci.