L'AI è l'arma segreta del marketer
Ogni CMO è sotto pressione per dimostrare i risultati di business per i dollari di marketing spesi. Il CEO e il consiglio di amministrazione sono acutamente consapevoli di quanti soldi il marketing spende in pubblicità e si chiedono: quali benefici tangibili riceviamo da quei dollari?
Per il CMO il messaggio è chiaro: concentrare la spesa pubblicitaria sui consumatori di alto valore. Questo significa identificare i consumatori che hanno più probabilità di convertire e hanno un alto valore di vita (LTV). Ma come?
È qui che entra in gioco l'intelligenza artificiale (AI). L'AI è uno degli strumenti più importanti a vostra disposizione. Fortunatamente, è integrata in molte piattaforme che i commercianti usano quotidianamente. Ma fate attenzione a non aspettarvi che l'IA funzioni perfettamente per il vostro marchio fuori dalla scatola. Tutte le IA devono essere addestrate in un modo o nell'altro, come vedremo di seguito.
AI 101
Cos'è esattamente l'IA? È un campo dell'informatica che cerca di sviluppare macchine che possano agire in modo "intelligente". In altre parole, l'IA cerca di addestrare le macchine in modo che possano prendere decisioni altamente informate in modo autonomo.
Ci sono molti tipi di AI utilizzati nella pubblicità digitale, tra cui l'apprendimento automatico e l'elaborazione del linguaggio naturale (NLP).
Cos'è l'apprendimento automatico?
L'apprendimento automatico è un sottoinsieme dell'IA in cui i computer imparano dai dati. Il vantaggio del machine learning è che è libero da pregiudizi cognitivi. Piuttosto che cercare dati o tendenze che già conosciamo, gli algoritmi di apprendimento automatico individuano connessioni significative che sono impossibili da trovare per gli esseri umani da soli.
Ci sono due tipi di apprendimento automatico: supervisionato e non supervisionato. L'apprendimento automatico supervisionato è usato quando vogliamo che i dati rispondano a una domanda specifica, come identificare le foto di gatti su Internet. Per fare questo compito, al modello di apprendimento automatico supervisionato devono essere mostrate migliaia di fotografie di gatti in modo che inizi a riconoscere gli attributi unici dei gatti. La macchina deve anche vedere immagini di non gatti in modo che possa identificare quando un'immagine non contiene un gatto. Questa raccolta di foto di gatti e non gatti è nota come dati di allenamento.
L'apprendimento automatico non supervisionato è progettato per scoprire modelli che altrimenti non vedremmo da soli. Gli scienziati dei dati forniscono all'algoritmo di apprendimento automatico non supervisionato un enorme set di dati - diciamo tutti i comportamenti online dei consumatori che hanno acquistato un divano - per scoprire indizi significativi.
Cos'è l'elaborazione del linguaggio naturale (NLP)?
L'elaborazione del linguaggio naturale è un campo di studio che si trova nell'intersezione tra linguistica, informatica e IA. NLP si concentra sulle interazioni tra computer e linguaggio umano, e su come programmare i computer in modo che possano elaborare e analizzare enormi quantità di dati in linguaggio naturale.
Come l'AI aiuta i marketer ad acquisire clienti ad alto LTV
Sia l'apprendimento automatico supervisionato che l'apprendimento automatico non supervisionato aiutano i marketer a individuare i consumatori di alto valore. Con l'apprendimento automatico supervisionato, un algoritmo può esaminare gli attributi e i comportamenti dei vostri clienti esistenti per rilevare modelli importanti. Per esempio, può guardare indietro ai loro comportamenti online e offline per identificare modelli rilevanti che possono essere segni importanti di essere sul mercato per un particolare articolo o affinità di marca.
Una volta che la macchina identifica i modelli che indicano un interesse a breve termine per un prodotto, può capire cosa rende probabile che qualcuno sia un nuovo cliente per il vostro marchio. È quindi possibile creare un segmento di pubblico basato su questa intuizione per scopi di messaggistica personalizzata e di targeting.
Si noti che l'algoritmo avrà bisogno di uno scienziato dei dati per insegnargli la differenza tra "questo è un consumatore che ha acquistato abbigliamento sportivo" e "questo è un consumatore che non ha acquistato abbigliamento sportivo".
Apprendimento automatico supervisionato al lavoro
Con l'apprendimento automatico non supervisionato, l'algoritmo cerca modelli nei dati, senza alcun input o direzione da parte del marketer. Chiede semplicemente: "cosa dicono i dati sui nostri clienti di alto valore? Un vantaggio chiave dell'apprendimento automatico non supervisionato è che permette ai marketer di segmentare una popolazione di consumatori esistenti e potenziali sul mercato e scoprire opportunità inaspettate. Per esempio, un algoritmo di apprendimento automatico non supervisionato può scoprire che i consumatori che acquistano un prodotto specifico possono avere una maggiore propensione ad acquistare un altro prodotto completamente estraneo, il che è un'utile intuizione quando si cercano nuovi clienti.
Apprendimento automatico non supervisionato al lavoro
A differenza dei marketer, le macchine non hanno nozioni preconcette su chi sono i clienti di un marchio, e questo è un vero vantaggio di questo tipo di IA. Analizzando i dati sul comportamento dei consumatori e rilevando quali utenti sono più simili, l'algoritmo può scoprire gruppi di utenti che si comportano allo stesso modo. Come marketer, è possibile utilizzare questa intuizione per creare nuove personas di clienti e indirizzare i consumatori che si adattano a quel profilo e sono completamente nuovi per il vostro marchio.
La PNL ha molte applicazioni utili anche per i commercianti. Per esempio, può analizzare la strategia delle parole chiave dei vostri concorrenti e scoprire quali termini portano i visitatori ai loro siti e non ai vostri. Può creare al volo una copia dell'annuncio per ciascuna delle vostre personas di clienti. E l'NPL è fondamentale per funzioni in loco come i chatbot - un pezzo di software che può simulare conversazioni simili a quelle umane.
Sfruttando la potenza del machine learning e dell'elaborazione del linguaggio naturale, i ricercatori di mercato aumentano significativamente la loro comprensione di chi sono i loro clienti ad alto LTV e dove trovare consumatori simili che sono del tutto nuovi per i loro marchi. Ottengono anche profonde intuizioni su come attrarre nuovi clienti sui loro siti web, e come coinvolgerli al meglio in modo che si convertano in clienti fedeli a lungo termine.
