Michael Lelli – Appassionato dell’universo informatico fin da piccolo e specializzato in area SEO da 10 anni.
L’implementazione dell’intelligenza artificiale (AI) nelle aziende garantisce innumerevoli opportunità.
Eppure, per poterle cogliere è necessario avere a disposizione grandi quantità di dati: sapere come raccoglierli e come utilizzarli nel modo corretto è fondamentale.
Alle opportunità offerte dall’AI si accompagnano numerose sfide: dalla digital transformation alla data compliance, dalla cybersecurity alla privacy. Eppure, l’uso dell’AI nei processi di marketing apre un ventaglio di possibilità troppo allettante per potersi voltare dall’altra parte.
Punti chiave dell’articolo:
I dati hanno un peso determinante nel successo delle strategie di marketing , comprese quelle supportate dalle intelligenze artificialiOccorre sapere quali dati raccogliere e quali è meglio ignorare : sulla base dei propri obiettivi bisogna selezionare i dati maggiormente informativi e rilevantiI dati devono essere di qualità : accessibili, strutturati e privi di biasÈ fondamentale sapere dove trovare i dati di cui si ha bisogno : le aziende possono reperire i dati in diversi luoghi caratterizzati da diversa accessibilitàLe sfide presenti e future legate alla raccolta e all’interpretazione dei dati sono innumerevoli e occorre muoversi in tempo per non restare indietro
Ogni organizzazione che intende restare al passo coi tempi, deve tenere in considerazione il ruolo che l’AI può giocare all’interno della propria realtà.
L’automatizzazione di task, l’ottimizzazione delle campagne di email marketing
Ma nel concreto, da dove si parte per implementare le tecnologie di intelligenza artificiale? La risposta potrebbe non essere così scontata.
In questo articolo, parleremo del ruolo dei dati nell’AI marketing
In particolare, parleremo di:
Data-driven e sales strategy
Un’azienda deve adattare la sua strategia di marketing a quelle che sono le effettive esigenze di mercato. Come? Grazie ad una sales strategy data-driven.
Quanto sono importanti i dati nell’AI marketing?
I progressi nel campo delle intelligenze artificiali sono innegabili .
Consideriamo i processi di apprendimento di machine learning senza supervisione. In questo tipo di machine learning, la macchina cerca e analizza informazioni in modo “indipendente” ed è in grado di individuare pattern ignorati dai programmatori stessi. Si potrebbe concludere che queste tecnologie siano pressoché autonome.
Ma prima di trarre conclusioni, occorre ricordarsi di una cosa: l’AI è programmata da persone. Le intelligenze artificiali, da sole, non sono poi così intelligenti.
Alla base dell’AI si trovano gli algoritmi, che hanno bisogno di una sola cosa per funzionare: i dati. Come il cibo per le persone, i dati forniscono nutrienti all’AI. Persone esperte e qualificate, come i professionisti di AI marketing e i Data Scientists, forniscono i dati alle AI e ne garantiscono il corretto funzionamento.
Niente dati, niente output. In altre parole, sono le persone che hanno il controllo delle AI e non il contrario. Questa è senz’altro una ragione di consolazione, e un motivo per prestare attenzione ulteriore: tutto quello che un’AI genera è, più o meno direttamente, dipendente dai dati che le vengono dati “in pasto”.
I dati sono perciò essenziali nell’AI marketing. Per questo, la prima domanda fondamentale a cui occorre rispondere è:
Quali dati bisogna fornire all’AI?
La risposta è semplice: quelli che contengono informazioni rilevanti per la tua organizzazione.
Molte aziende, negli anni, hanno collezionato una mole enorme di dati (big data), ma solo alcuni tra questi potrebbero essere realmente utili. Ad esempio, se la tua azienda vuole prevedere il comportamento d’acquisto di un prodotto da parte dei suoi clienti in una specifica regione geografica, i dati relativi al loro storico acquisti potrebbero risultare informativi. Potrebbero essere invece ignorati quelli relativi ad un altro prodotto che non è più presente nel catalogo aziendale.
Per capire quali dati bisogna fornire all’AI, devi definire:
Quali obiettivi vuoi raggiungere con l’implementazione dell’AI : questi obiettivi sono coerenti con la tua strategia di marketing? E con la tua mission, la tua vision, i tuoi valori?A quali domande vuoi rispondere : quali sono le domande e i problemi da risolvere per raggiungere i tuoi obiettivi?Quali dati possono servirti : quali dati, una volta analizzati, potrebbero contenere delle risposte alle tue domande?Di quali dati disponi : la tua azienda possiede già i dati che servono per rispondere alle domande o è necessario implementare software per la raccolta dati?
“Alla base dell’AI si trovano gli algoritmi, che hanno bisogno di una sola cosa per funzionare: i dati. I dati sono perciò essenziali nell’AI marketing.”
La qualità dei dati determina la qualità del risultato
Una volta definiti i propri obiettivi e i dati che sono necessari per perseguirli, bisogna indagare la qualità dei dati che si hanno a disposizione. Se i dati che vengono elaborati dalla macchina contengono degli errori, l’output ne sarà inevitabilmente influenzato.
Inoltre, l’idea che l’AI possa dare giudizi e prendere decisioni prive di stereotipi e pregiudizi per il solo fatto di essere una “macchina razionale” è ormai superata. I big data contengono spesso informazioni che, una volta elaborate attraverso processi di machine learning, rivelano pregiudizi di vario tipo: razziali, culturali, di genere e d’età.
Questo accade perché questi bias sono propri di coloro che scrivono gli algoritmi dell’AI. I processi di machine learning non fanno altro che mettere in luce in modo oggettivo i pregiudizi, spesso impliciti, che si annidano nella nostra società.
Un esempio emblematico è quello di COMPAS (correctional offender management profiling for alternative sanctions), un algoritmo che permette di calcolare la probabilità di recidiva di un imputato rispetto a certi crimini. Purtroppo i giudizi di COMPAS erano guidati da pregiudizi verso le persone nere: il numero di falsi positivi per questi individui era il doppio rispetto agli imputati caucasici.
Nel caso di COMPAS, così come in tanti altri casi, non è il software ad essere difettoso: l’algoritmo funziona benissimo. Il problema è la qualità dei dati che vengono forniti alla macchina e che alimentano i processi di deep learning.
Classifica dei tipi migliori di dati da usare nell’AI marketing
Non tutti i dati sono uguali. Il tipo di formato in cui sono disponibili i dati determina la facilità con cui è possibile darli in elaborazione al software di machine learning.
In particolare, a seconda del formato, i dati possono essere più o meno strutturati. I dati si dicono strutturati quando sono organizzati in modo ordinato, si possono disporre in righe e colonne ed è possibile creare database relazionali fra di essi. D’altra parte, invece, i dati non strutturati non sono organizzati in modo ordinato e schematico. Tanto più i dati sono strutturati, tanto più sono “software friendly”.
A seconda del livello di strutturazione, è possibile distinguere 5 tipi di formati:
Dati a 1 stella : sono dati in forma non strutturata, possono essere contenuti in file ricchi di contenuti ma difficili da estrarre. Ad esempio: report scritti in un file PDFDati a 2 stelle : dati strutturati ma che si trovano dentro a dei file con un formato non direttamente utilizzabile dai software AI, come i file XLS, XLSX e XLSMDati a 3 stelle : dati strutturati e contenuti in un file dal formato comprensibile alla macchina, sono dati già pronti per essere utilizzati. Ne sono un esempio i file CSV (comma-separated values)Dati a 4 stelle : dati accessibili tramite documenti API (application programming interface). In questi documenti, i dati sono comprensibili alla macchina e il personale qualificato dell’azienda si occupa di curarli, strutturarli e aggiornarliDati a 5 stelle : come i dati a 4 stelle sono dati accessibili tramite API, ma i dati a 5 stelle sono connessi ad altri data set per formare un contesto in cui interpretarli
Data-driven adottare il giusto mindset in azienda
Costruire una cultura(realmente) data-driven
Dove si trovano i dati: dati di prima, seconda e terza parte
A questo punto, occorre fare una distinzione fra i tipi di dati che puoi utilizzare per i tuoi processi di AI marketing. I dati relativi ai comportamenti e ai gusti dei tuoi clienti possono trovarsi sia all’interno dei database della tua organizzazione, sia altrove.
I dati utilizzati per il marketing data-driven
1. Dati di prima parte
I dati di prima parte (first-party data) sono i dati collezionati direttamente dall’organizzazione: essa si occupa della raccolta e ne è la sola proprietaria; può utilizzare software di cui è proprietaria o software di terzi.
Tra questi dati ci sono:
I comportamenti dei clienti sul sito web aziendale
Le loro preferenze emerse dalle loro interazioni e dai loro acquisti
Lo storico acquisti e i comportamenti d’acquisto
Le performance delle campagne pubblicitarie
2. Dati di seconda parte
I dati di seconda parte (second-party data) sono i dati che vengono condivisi con la tua organizzazione da parte di aziende partner. In altre parole, i dati di seconde parti sono dati di prima parte di un’azienda che collabora con la tua e che, sulla base di un rapporto di fiducia, decide di condividerli.
Spesso tra le aziende partner sussiste uno scambio di dati reciproco , a vantaggio di entrambe le parti.
Il tipo di dati che un partner può condividere dipende direttamente dai software utilizzati per raccoglierli e dalla quantità e dalla qualità dei suoi dati di prima parte. Inoltre, le parti possono decidere anticipatamente quali dati sono disposti a condividere e quali no.
Il lavoro tra vocazione e responsabilità – Intervista a Massimiliano Pappalardo
3. Dati di terza parte
I dati di terza parte (third-party data) sono dati raccolti e gestiti da aziende che non interagiscono direttamente con i clienti. Queste aziende collezionano i dati e li mettono a disposizione di chiunque sia disposto a pagarli. Per questo, i dati di terze parti spesso non rappresentano un vantaggio competitivo per le aziende.
Tra i dati di terze parti ci sono quelli forniti da:
Google
Facebook
Pinterest
Instagram
Twitter
Attenzione: le strategie di marketing basate su questo tipo di dati saranno messe a dura prova nei prossimi mesi. Continua a leggere per scoprire il perché.
Le sfide presenti e future del marketing data-driven con le AI
Un approccio data-driven è fondamentale per condurre strategie di marketing efficaci , che assicurino successo alla tua azienda. L’AI sarà sempre più un alleato imprescindibile per ottimizzare queste strategie e aumentarne l’efficienza.
Ma le difficoltà che i marketer e le aziende devono affrontare per implementare le AI nei propri processi di lavoro sono diverse. Molte di esse sono legate proprio ai dati: quali dati utilizzare, dove reperirli, qual è la loro qualità?
Ecco alcune delle sfide principali legate al ruolo dei dati nell’AI marketing:
Gestione dei dati : la quantità di dati che le aziende si trovano a collezionare e gestire è elevatissima e la loro qualità, come si è visto sopra, è sempre più centrale nel determinare la bontà dei risultati .
Per poter raccogliere i giusti dati e organizzarli in modo da poterli utilizzare per condurre strategie di marketing efficaci occorre portare la trasformazione digitale a un livello superiore . Ad esempio, sarà necessario avere a disposizione software e database dedicati e formare il personale in modo che li sappia utilizzare in modo ottimale
Scomparsa dei cookies di terze parti I dati di prima e di seconda parte risulteranno sempre più importanti per implementare strategie di marketing data-driven , come quelle offerte dalle intelligenze artificialiCambiamenti nella struttura aziendale e nascita di nuovi ruoli : basare i processi di marketing sui dati e, di conseguenza, assegnare ai dati il posto di rilievo che meritano, vuol dire ripensare la cultura aziendale e il modo di fare le cose nella quotidianità. Nuovi lavori emergeranno e, con essi, nuovi ruoli all’interno dell’organigramma aziendale. Fra questi il chief data officer, il data scientist e gli ingegneri di machine learningPrivacy e cybersecurity : raccogliere dati sui clienti e conservarli nei database aziendali comporta delle responsabilità in termini di privacy che non sono da sottovalutare. Innanzitutto, la raccolta dei dati va fatta rispettando il Regolamento generale sulla protezione dei dati (RGPD) , il regolamento dell’Unione europea sul trattamento dei dati personali e sulla privacy. Inoltre, i database dell’organizzazione devono essere protetti per evitare il cosiddetto “data breach” , cioè la diffusione da parte di estranei di informazioni protette e sensibili relative ai clienti
Data-driven e sales strategy
Un’azienda deve adattare la sua strategia di marketing a quelle che sono le effettive esigenze di mercato. Come? Grazie ad una sales strategy data-driven.
Per concludere: i dati sono fondamentali per l’AI marketing
Alla base di qualsiasi strategia di marketing efficace, comprese quelle potenziate tramite tecnologie AI, ci sono i dati. Ma questi dati, per portare a risultati ottimali, devono essere coerenti e rilevanti per i propri obiettivi, accessibili e organizzati, strutturati e a norma di legge.
Crescono le opportunità offerte dall’uso delle tecnologie di intelligenza artificiale nel marketing e promettono ottimi risultati a coloro che sanno come muoversi. E tu, hai bisogno di supporto?
Il nostro team di esperti nel settore dell’inbound marketing ti guiderà nella definizione, nella raccolta e nella organizzazione dei dati di cui hai bisogno per i tuoi progetti di AI marketing. Sarai così in grado di ottenere nuovi clienti, fidelizzare quelli esistenti e aumentare le vendite.
Attraverso l’esperienza maturata in oltre dieci anni di lavoro nel marketing data-driven, noi di Adv Media Lab possiamo aiutarti ad affrontare il mare del cambiamento. Richiedi una consulenza gratuita
