Applicazioni intelligenza artificiale gif introduttiva

Alcune applicazioni pratiche dell’Intelligenza Artificiale al Digital Marketing

Manuel Mitola Digital Marketing e Innovazione

Vi state chiedendo quali possano essere le applicazioni dell’Intelligenza Artificiale nel Marketing? Non siete soli. Sicuramente non siamo i primi a chiederci ”Lavoro nel marketing, tutti parlano di AI, ma io che ci faccio?”. In effetti l’AI ci pone di fronte alle stesse domande di chi ha scoperto l’energia elettrica o costruito il motore a vapore. Quando le opzioni sono migliaia e in buona parte poco conosciute, ci si può sentire smarriti. Viene quindi quasi naturale dare un taglio pratico alla lista e guardare alle cose che ci sono più familiari e utili nella nostra pratica quotidiana.

Applicazioni intelligenza artificiale gif introduttiva

Generazione di contenuti

Ne ho già parlato qui e ho approfondito il tema della generazione dei contenuti basata su intelligenza artificiale qui. Una menzione però, è doverosa farla anche in questo articolo.

La generazione dei contenuti è sicuramente un’area molto interessante per l’AI. Come abbiamo visto nell’articolo che ho citato sopra, alcuni software basati su AI sono in grado di generare contenuti che “suonano umani”. In alcuni casi quasi impossibili da riconoscere da contenuti generati da esseri umani. Questo tipo di utilizzo è già realtà e si adatta perfettamente a contenuti editoriali legati all’andamento finanziario dei mercati, eventi sportivi e previsioni del tempo. Anche il copywriting sui social, la stesura degli oggetti e dei pre-header delle email possono ad esempio beneficiare dell’AI. La cosa interessante però in generale non è tanto la facilità di produrre enormi moli di contenuti, ma la personalizzazione di questi contenuti in base ai dati che si hanno a disposizione su di un target specifico.

Sistemi di raccomandazione

L’intelligenza Artificiale può essere utile per aumentare l’engagement dei propri utenti, follower o clienti. Come detto, sistemi di questo tipo possono generare contenuti editoriali personalizzati, ma sono anche in grado di proporci su Amazon ”Chi ha comprato il prodotto A, ha comprato anche il prodotto B”. Più dati l’algoritmo di machine learning ha a disposizione, più è in grado di offrire raccomandazioni efficaci (come ad esempio quelle di Netflix basate sui nostri gusti cinematografici)

Programmatic & Marketing Automation

Modelli di prossimità basati su Intelligenza Artificiale possono far si che gli annunci pubblicitari siano mostrati a un pubblico sempre più rilevante per gli obiettivi della campagna. All’interno di questo tipo di attività, l’AI può essere utile per riconoscere sempre meglio i siti da evitare in quanto malevoli o off topic.

Sempre in campo di advertising, l’AI può essere utile al fine di presentare il contenuto più efficace a seconda del tipo di target, migliorando sempre più l’accuratezza sulla base di dati storici.

Non solo programmatic, ma la Marketing Automation in generale può beneficiare di questa tecnologia al fine di migliorare le performance attraverso canali differenti integrati tra loro.

Predictive Analytics

Gli stessi modelli di prossimità citati nel paragrafo precedente possono essere utili nel formulare previsioni sulle quali modificare la propria strategia di marketing in maniera dinamica. Ad esempio, questi sistemi possono predire a quale livello di prezzo un determinato tipo di cliente sarà più propenso a compiere un acquisto o quali segmenti di clienti sono più inclini a ripetere un acquisto. La predictive analytics è molto utile per predire azioni sulla base di pattern di comportamento. Una cosa fondamentale da ricordare è che l’attendibilità delle previsioni è direttamente proporzionale alla qualità dei dati sui quali si basano.

Sapere quanto un utente sia più o meno propenso a compiere un acquisto può essere molto utile in ottica di aumento dell’efficacia della forza vendita. Ad esempio, può offrirgli sufficienti informazioni per concentrare i propri sforzi sul target più ricettivo.

Sempre di predictive si parla per quanto riguarda l’applicazione dell’AI ai sistemi di customer service. Partiamo dall’assunto che sia molto più facile far ripetere un acquisto a un cliente soddisfatto, che acquisire un nuovo cliente. Per questa ragione è sempre più importante mantenere la clientela felice e soddisfatta del nostro customer service. L’analisi predittiva può essere utilizzata per offrire servizi di assistenza ancora prima che vengano richiesti a fronte di un reclamo, riducendo drasticamente il rischio di unsubscribe

Email Marketing e AI

L’email marketing è una delle specializzazioni del Digital Marketing che amo di più, sebbene sia basato su uno dei canali più ”antichi” in ambito digital. “Antico” però non significa necessariamente “non evoluto”. L’email credo sia obsoleta solo se la si guarda ancora come alla versione digitale del volantino infilato a caso nella cassetta delle lettere.

Per quanto mi riguarda l’email marketing ha più chance di essere vincente se si basa sulla conversazione e sulla relazione. Relazione e conversazione vanno di pari passo con la conoscenza e la personalizzazione che ne consegue. L’AI può fare molto in questo senso, permettendoci di offrire davvero “il contenuto giusto all’utente giusto, al momento giusto”.
Essendo una frase che avrai sentito migliaia di volte, voglio provare a renderla più concreta applicandola all’email marketing integrato con Intelligenza Artificiale. La prima parte, la generazione di contenuti è già stata trattata e credo sia già chiara (nel caso non lo sia, torna al primo paragrafo! 🙂 ). Per quanto riguarda l’utente giusto, l’AI sulla base di pattern comportamentali può dirci quali utenti siano più ricettivi o siano ”da lasciare in pace” perché vicini a fare unsubscribe. Il momento giusto invece riguarda sicuramente il tempo di invio della email. Ogni email marketer sa che esistono giorni o orari migliori per l’invio. Mentre in passato si è sempre cercato una media vincente o nei casi migliori una sotto segmentazione del target, attraverso l’AI possiamo modificare i tempi di invio sulla base dei dati storici del singolo utente. Un po’ come dire ”Manuel di solito apre/clicca/converte di più alle 8 del mattino di martedì” e inviare di conseguenza le comunicazioni email importanti per Manuel proprio in quel momento preciso della giornata.

Chatbot

I Chatbot possono essere molto utili nel ridurre i costi di customer service e allo stesso tempo offrire un servizio h24. Produrre un Chatbot può essere molto complicato, ma non in tutti i casi è necessario un esercito personale di sviluppatori. Se volete approfondire la tematica vi suggerisco di dare un’occhiata a questo articolo. La cosa che reputo più interessante dei Chatbot è la capacità di imparare e diventare sempre più efficaci mano a mano che le richieste degli utenti human vengono risolte.

Riassumendo

  1. I modelli di prossimità possono aiutarci a predire i comportamenti dei nostri utenti sulla base di dati storici. Più la qualità di questi dati è alta, maggiore è l’accuratezza delle previsioni. Le previsioni ci permettono di offrire i contenuti e servizi più adatti ad ogni singolo utente per guidarlo e coccolarlo lungo il customer journey
  2. Sistemi basati su AI possono essere addestrati per generare contenuti dal ”suono umano” quasi irriconoscibili da quelli umani, a costi molto ridotti.
  3. L’AI può offrirci insights fondamentali al fine di ottenere un alto livello di personalizzazione in base ai comportamenti e alle caratteristiche degli utenti
  4. La capacità di apprendere dei software basati su AI può essere sfruttata per offrire servizi sempre migliori e ”aggiustare il tiro” delle campagna in corso d’opera

Sources:

Smart Insight
FedericoMarte

Letture Consigliate

Alessio Semoli: AI Marketing. Capire l’intelligenza artificiale per coglierne le opportunità (Hoepli – 2019)

Jerry Kaplan: Intelligenza artificiale: Guida al futuro prossimo (Luiss 2017)

Facebook Comments