Marketing, digitale e intelligenza artificiale: quale relazione possiamo evidenziare?
Esiste un rapporto molto stretto tra questi ambiti: non è un caso che i principali attori industriali dell’AI provengano da ambienti che possiamo qualificare come digitali ed estremamente vicini al marketing e alla produzione di contenuti.
La miriade di micro-decisioni che devono essere prese in tempo reale a partire dai dati, con un approccio che Ilya Katsov (autore di “Algorithmic Marketing”) etichetterebbe come programmatic marketing, hanno spinto lo sviluppo di una vasta gamma di sistemi di supporto alle decisioni, che a loro volta hanno incentivato il settore ad accelerare l’innovazione e finanziare autonomamente lo sviluppo. La personalizzazione di un feed di contenuti su un social network, l’analisi di una query su un motore di ricerca, la gestione dei meccanismi d’asta dietro la pubblicità online, il pricing personalizzato e i sistemi di raccomandazione che suggeriscono quale prodotto aggiungere al carrello – sono tutti esempi di contesti in cui è stato possibile collegare direttamente gli algoritmi alla generazione di valore.
Quello che sta succedendo oggi è che una tecnologia che fino a ieri operava in un contesto limitato sta iniziando a diffondersi in modo pervasivo, uscendo dalla nicchia in cui si è sviluppata e preparando una delle più grandi rivoluzioni che l’umanità abbia mai vissuto.
In un’epoca in cui i modelli di AI sono sempre più accessibili, quanto è diventato cruciale per le aziende possedere, organizzare e valorizzare i propri dati?
Proprio di recente, Gartner ha rivisto al ribasso le sue stime di crescita della spesa IT globale per il 2024 dall’8% al 6,8%; sebbene l’intelligenza artificiale generativa stia generando molto “hype” e interesse da parte delle aziende (Gartner stima inoltre che il CAGR per il mercato del software AI tra oggi e il 2027 sia del 19,1% e che la componente generativa passerà dall’attuale 8% al 35%), non è ancora una forza trainante.
Siamo ancora in una fase preparatoria per la crescita del mercato dell’AI; la tecnologia permette cose fantastiche, ma le aziende devono prepararsi adeguatamente per gestirla. Se da una parte vediamo imprese esitanti nell’adozione dell’AI, i principali player digitali stanno investendo massicciamente, ampliando ulteriormente il divario e gettando le basi per diventare punti di accesso obbligati per lavorare in questo settore: gli investimenti di Microsoft, Google, Amazon, Meta e OpenAI sono enormi. Basti pensare che Meta prevede di disporre di oltre 600.000 GPU entro il 2024, e questa è solo una parte dell’investimento pianificato da uno dei Big, che potrà entrare ancora più rapidamente in mercati dove non è ancora presente e che saranno totalmente ridisegnati dall’utilizzo di questa tecnologia.
Le aziende che non vogliono restare indietro devono fare un enorme lavoro da un punto di vista culturale e nella costruzione di competenze specifiche, e fortunatamente noto molto interesse su questo. Sarà sempre più importante essere in grado di individuare occasioni di efficienza e di ridisegno di processi aziendali rilevanti in modo diffuso dove l’intelligenza artificiale può efficacemente rappresentare una soluzione ai problemi noti o un acceleratore per la crescita, cosa che si realizza solo attraverso una diffusa consapevolezza delle potenzialità e delle modalità di gestione responsabile di queste tecnologie. Occorre uscire rapidamente dalla bolla della pura sperimentazione temporanea e dall’intelligenza artificiale ridotta a training su come usare ChatGPT, per entrare subito in una logica di sviluppo di processi trasformativi per il business. Parlando di marketing, infatti, non si tratta di fare solo qualche grafica o scrivere articoli con l’AI, ma di ripensare alle modalità di gestione dell’interazione con il cliente o a come raccogliere informazioni funzionali alle decisioni strategiche.
In tal senso, la sfida abilitante principale, che certamente non è nuova ma oggi diventa imprescindibile, è quella relativa alla strutturazione dei processi digitali per la raccolta e l’organizzazione dei dati – fondamentale per poter lavorare su progetti dove l’intelligenza artificiale non abbia un semplice scopo estetico ma possa davvero essere trasformativa.
Se parliamo di comunicazione con il cliente, ad esempio, non si può pensare di raggiungere un livello accettabile di interazione personalizzata, in linea con gli standard del mercato attuale, se i dati digitali di interazione non vengono raccolti in modo granulare e collegati opportunamente con i dati del CRM; la previsione dei comportamenti dei clienti, il supporto ad attività di cross-sell e molti altri casi d’uso abilitati dall’intelligenza artificiale si riducono a semplici giocattoli se non poggiano su data set solidi.
Fortunatamente, oggi l’intelligenza artificiale viene in aiuto anche in questo, facilitando la raccolta e l’analisi di dati così importanti.
Come possono prepararsi le aziende all’introduzione dell’intelligenza artificiale e ottenere un vero impatto sui propri processi aziendali?
Come accade in molti altri contesti, la partita si gioca invertendo l’ottica normalmente utilizzata per queste problematiche; le iniziative che non partono dalla tecnologia, ma che risolvono problemi noti dell’azienda (problemi di ottimizzazione dei processi, problemi dei clienti, ecc.) grazie alla tecnologia, sono quelle che hanno successo.
Per questo motivo i team di lavoro sull’intelligenza artificiale raramente sono composti solo da sviluppatori software, ma richiedono invece una forte comprensione del contesto in cui operano; il tanto citato abbattimento dei silos di cui si parla spesso diventa un imperativo per la competitività con l’avvento dell’AI.
Di conseguenza la tecnologia, in ambito enterprise, sta seguendo questa tendenza, cercando sempre più di adottare approcci software componibili. Anziché lavorare su sistemi monolitici uguali per tutti, si sviluppano sistemi composti da componenti indipendenti che possono funzionare bene tra loro o con altri sistemi; così non è più l’azienda a doversi adattare al software, ma il contrario. L’AI generativa in questo senso facilita il percorso nel suo complesso, abbattendo le barriere che rendono difficile l’interazione tra uomo e macchina grazie ad alcuni espedienti estremamente interessanti.
Sistemi basati su agenti autonomi, per esempio, permettono di lavorare all’esecuzione di compiti complessi che coinvolgono più attori e l’uso delle risorse aziendali attraverso l’interazione in linguaggio naturale.
Oggi molte attività di integrazione e automazione possono essere sviluppate, dopo un opportuno setup, grazie all’interazione in linguaggio naturale: se l’azienda ha dati dei clienti accessibili e ben catalogati, diventa semplice, ad esempio, sviluppare flussi complessi di marketing automation che coinvolgano diversi touchpoint e strumenti, con messaggi personalizzati, senza scrivere una riga di codice, focalizzandosi sulla definizione di obiettivi e linee guida – ambito in cui sarà sempre più necessario sviluppare competenze e modalità operative.
Come può l’intelligenza artificiale aiutare le aziende a identificare spazi e opportunità di mercato?
I dati sono il più grande tesoro che le aziende possono valorizzare in questo momento storico; ciò sia perché aiutano a indirizzare e personalizzare il modo in cui l’intelligenza artificiale può essere messa al servizio dell’azienda stessa e dell’ecosistema in cui opera, sia perché continuano a svolgere la loro funzione informativa e di supporto alle decisioni assegnata dalla tradizione.
Negli ultimi vent’anni siamo stati sommersi da volumi di dati sempre maggiori, che a volte sono sembrati ingestibili o inutilizzabili, aumentando l’attenzione verso temi come la big data analytics e portando all’esplosione di professioni strategiche come quella del data analyst e del data scientist. Come già accennato, l’intelligenza artificiale facilita l’estrazione di valore dai dati, consentendo una migliore organizzazione, velocizzando l’identificazione di insight azionabili e di anomalie che possono essere la base per importanti decisioni strategiche.
Da una parte, nel marketing, abbiamo tutto il valore che può essere estratto dai first-party data che le aziende raccolgono sui loro clienti: dati provenienti da CRM, sistemi di digital analytics, interazioni con il customer care, app e tutti i touchpoint attraverso cui il cliente (o utente) interagisce con l’azienda. Questi dati devono essere raccolti, aggregati e riconciliati opportunamente con identificativi unici che permettano di collegare tutte le interazioni tracciate, così da poter, tramite l’AI, inferire interessi e sviluppare previsioni e raccomandazioni utili sia a livello operativo, ma anche e soprattutto in termini di analisi a supporto della strategia. Analizzare gli interessi in trend del target e identificare anomalie comportamentali può essere il primo e importante segnale per poter cambiare rotta prima dei concorrenti, sfruttando proprio il proprio patrimonio informativo.
Dall’altra, abbiamo dati accessibili a tutti in un contesto digitale (post social, recensioni sui sistemi di local listing, ricerche su motori e su e-commerce, geodati provenienti da app): un vero tesoro nascosto non gestibile con i metodi di analisi classici e che invece può essere governato rapidamente tramite l’intelligenza artificiale, che consente di individuare trend di interesse, opportunità nascoste e potenziali minacce per crisi reputazionali che le aziende devono assolutamente mantenere sotto controllo. In questo, l’AI generativa ha dato un grande aiuto come strumento di analisi testuale e di strutturazione di dati non strutturati, portando ad un salto di qualità negli output provenienti da sistemi di sentiment analysis e classificazione delle frasi.
Trasparenza e responsabilità nell’utilizzo dell’AI e dei dati del marketing: quali sono i principali punti di attenzione per le aziende?
Il tema della privacy e della trasparenza sull’uso dei dati è oggi centrale nel dibattito sul marketing e deve esserlo ancor di più con l’adozione sempre più massiccia dell’intelligenza artificiale a supporto dell’elaborazione di questi dati; in questa fase credo che debba prevalere il buon senso e ci si possa ispirare ai principi del GDPR, in cui l’Europa è stata pioniera e che ha fatto da guida per molti processi regolatori in Occidente.
Fa sorridere, ad esempio, vedere come una parte dell’industria Ad Tech, con la progressiva scomparsa dei cookie di terze parti, stia trovando rifugio in tecnologie ancora più invasive (e soprattutto meno comunicate) come i cosiddetti “ID alternativi”, spesso basati sull’identificazione del dispositivo tramite tecniche racchiuse sotto il cappello del fingerprinting.
Non credo esistano tecnologie buone o cattive; sono convinto che sia necessario essere estremamente trasparenti con utenti e clienti se si vuole lavorare su soluzioni stabili, anche avendo il coraggio di lasciare sul tavolo alcune marginalità nel breve periodo. Parlo di meccanismi di condivisione del valore con i clienti, che possono e devono essere educati rispetto al valore dei propri dati: questi ormai sono la norma in molti contesti, e non vedo perché non dovrebbero essere alla base di qualsiasi iniziativa di raccolta dati.
La gestione trasparente dei dati, l’utilizzo di algoritmi e tecnologie al servizio degli utenti e l’attenzione a questi elementi sono e saranno sempre più elementi di estrema importanza nel rapporto che i brand avranno con il proprio pubblico, ed è bene affrontare subito correttamente il tema per evitare di dover ricorrere all’ennesimo brand washing quando sarà già troppo tardi.
