Se hai un'attività non dovresti ignorare che il mondo diventa ogni giorno più data-driven: algoritmi ad intelligenza artificiale hanno aperto le porte a modelli decisionali che permettono di prevedere il comportamento dei clienti. In questa guida spieghiamo come funziona il marketing predittivo e come è possibile avvicinarsi a questo tipo di soluzioni, realizzando anche piccole strategie per il proprio business.
1) Dai cercatori d'oro ai cercatori di dati: il nuovo mondo è data-driven
Negli ultimi due anni se avete partecipato a qualche manifestazione sull'innovazione digitale e sul futuro del marketing, avrete sicuramente sentito talkers anche autorevolissimi mettere in risalto un concetto inevitabile: l'intelligenza artificiale nei prossimi 5-7 anni trasformerà completamente la società e il mercato.
Una previsione che effettivamente si sta verificando ogni giorno in maniera più chiara sotto i nostri occhi, benchè ve ne sia ancora scarsa consapevolezza da parte di molti attori (aziende, imprenditori e il pubblico non addetto ai lavori), che però vorrebbero essere parte di questa trasformazione e che, se da un lato stanno iniziando ad esperirne gli effetti nel quotidiano, tuttavia non hanno una visione chiara e organica di come entrare in contatto con questi nuovi strumenti.
In questa guida cerco di spiegare in modo semplice in che modo gli algoritmi ad intelligenza artificiale ci stanno di fatto portando nell'era del marketing predittivo e in che modo è possibile avvicinarsi a questo tipo di soluzioni, realizzando anche piccole strategie per il proprio business. In particolare concentrandomi sugli strumenti di marketing predittivo che stanno emergendo per Google e Facebook, due delle forze principali – se non le prime due – nel futuro del predictive marketing.
Dai cercatori d'oro ai cercatori di dati: il nuovo mondo è data-driven
È abbastanza nitida nell'immaginario collettivo l'immagine dei cercatori d'oro, quegli audacissimi avventurieri che sul finire del diciannovesimo secolo spesero numerosi la propria vita fra il Klondike e lo Yukon (in Canada) alla ricerca di nuovi filoni aurei, perchè l'oro, il metallo più prezioso, era esso stesso misura e bilancia della ricchezza: procurarselo significava entrare in possesso di una liquidità illimitatamente valida e trasferibile a prescindere da confini geografici o culturali.
È un'immagine piuttosto attuale con una sola differenza: nel 2020 si va a caccia non più di metalli preziosi, bensì di dati. Il dato è moneta corrente, può sembrare un'affermazione banale, ma solo fin quando non ci si rende conto di cosa è possibile fare oggi con una buona base di dati.
La gran parte delle operazioni di marketing che venivano realizzate in base a esperienze individuali, opinioni, intuizioni manageriali sta per essere sostituita o è già stata sostituita da modelli decisionali data-driven (guidati dai dati).
Un mondo data-driven si sveglia già tutte le mattine da un po' di tempo a questa parte, un mondo in cui le intelligenze artificiali nutrite da solidi meccanismi di raccolta dati, elaborano, apprendono e restituiscono modelli comportamentali con un livello di precisione ed efficacia che potremmo definire "inquietante", in un certo senso.
In primo luogo perchè mette a nudo la fragilità delle nostre conoscenze individuali e collettive – le cose che fino a poco tempo fa potevamo dirci sicuri di conoscere senza temere di essere smentiti e che invece vengono oggi continuamente rimesse in dubbio dall'analisi dei dati. Perchè, ad esempio, il 79% delle persone che preferiscono un certo tipo di cioccolato, acquistano pullover dello stesso colore? Oppure: come fanno gli algoritmi a sapere con un grado di precisione prossimo al 95% che io non ritornerò su un dato sito nei prossimi 7 giorni, prima che questi giorni siano passati?
La gran parte delle operazioni di marketing che venivano realizzate in base a esperienze individuali, opinioni, intuizioni manageriali sta per essere sostituita o è già stata sostituita da modelli decisionali data-driven
Sono domande che dovrebbero far vacillare il nostro individualismo e le nostre certezze (di sicuro le mie), dal momento che i nostri comportamenti sono riconducibili a schemi più di quanto siamo al momento disposti ad accettare. Tuttavia benchè i risvolti antropologici di questa trasformazione siano interessanti, esulano dagli obiettivi di questa piccola guida alla sopravvivenza nell'era del marketing predittivo.
Perciò per restare in focus il punto è: quali sono esattamente questi dati e come vengono raccolti? Vediamo come fanno Google e Facebook.
La raccolta dei dati nel mondo Google e le nuove capacità predittive in Google Analytics
A Luglio del 2020, vi parlo di pochi giorni fa rispetto al momento in cui scrivo, Google ha lanciato la funzionalità “predictive audiences” su Google Analytics, che di fatto offre nuove potentissime possibilità per fare marketing a partire dai propri dati. Non che l'uso del machine learning per rifinire le liste di pubblico sia una novità per il motore di ricerca più potente del globo, che già nel 2014 aveva introdotto le Smart Lists, liste di remarketing automatizzate a base di intelligenza artificiale. In generale Google sta investendo massicciamente sul machine learning già dalla prima metà degli anni '10.
Ma procediamo con ordine: che cosa sono le liste di pubblico e come si ottengono.
Forse non tutti sanno che il celebre G. Analytics è la piattaforma web attraverso cui Google permette di registrare gli accessi alle proprietà digitali (siti web e app). Il funzionamento (mi ricordo rivoluzionario solo alcuni anni fa quando Analytics stava nascendo) oggi sembra piuttosto banale: Analytics fornisce un codice di monitoraggio (in Javascript) che viene installato nel corpo di un sito web per avviare la registrazione dei dati.
È un'infrastruttura di registrazione, nient'altro: come un telecamera a circuito chiuso. Funziona così: ogniqualvolta un utente fa richiesta di accesso al sito, lo script di monitoraggio si attiva iniziando a registrare i dati di navigazione dal browser e li trasferisce in tempo reale ai server di Google (negli USA, cosa che di recente ha fatto incazzare la Corte dell'Unione Europea, ma questa è un'altra storia). Questo dato lo ritroveremo poi consultabile nel pannello di controllo di Google Analytics.
Parliamo di una serie di dati come l'ip del dispositivo, il tempo di permanenza sul sito, la frequenza di rimbalzo, il percorso di navigazione da una pagina all'altra, ma anche molti altri eventi che (se correttamente configurati) restituiscono informazioni rilevantissime, come per esempio: l'avvio di un acquisto, il click di un pulsante, il download di un documento, la finalizzazione o l'abbandono di un carrello elettronico.
Questi dati, a mano a mano che si accumulano, possono convenientemente essere organizzati in liste di audience. Per esempio: la lista di utenti che hanno acquistato qualcosa, oppure la lista di utenti che hanno visitato il sito senza acquistare, con opzioni di segmentazione via via più raffinate, per esempio gli utenti che hanno cliccato una specifica categoria, utenti che sono ritornati dopo 7 giorni dal primo accesso e così via.
Se avete seguito il ragionamento non è difficile immaginare quanto redditizie possano essere queste liste di audience se raccolte e utilizzate a dovere: è possibile progettare azioni di marketing per colpire singoli segmenti o mini-segmenti. Un esempio banale: potrei mostrare alla lista di utenti che hanno comprato i cucchiaini da caffè negli ultimi 7 giorni una promozione scontata sulle tazzine abbinate, aumentando in questo modo la probabilità di conversione, sfruttando una tecnica il cui nome avrete forse sentito ronzare in giro: il remarketing. Ovvero raggiungere utenti che hanno già compiuto un percorso di interazione con il prodotto/servizio.
È possibile tracciare eventi che aiutano a comprendere meglio l'interazione del pubblico, come l'avvio di un acquisto, il click di un pulsante o il download di un documento.
A questo punto però viene il bello, il marketing predittivo, cioè il passaggio successivo: le intelligenze artificiali sono in grado di processare questi dati e restituire elenchi di audience predittivi. Sembra incredibile, ma sta già succedendo in questo preciso istante. Come è possibile? È piuttosto semplice: il machine learning si nutre di enormi moli di dati che vengono registrati ed analizzati costantemente, in una fase di apprendimento.
La macchina è più performante dell'individuo in questo procedimento perchè:
1) è in grado di processare quantità tali di informazioni che a confronto ad un singolo essere umano non basterebbe un'intera vita di elaborazione;
2) non ha condizionamenti ideologici di sorta, quindi raggiunge conclusioni spesso più efficaci e più profonde.
Gli algoritmi ad intelligenza artificiale riescono ad individuare elementi di convergenza e similitudini nel modo di comportarsi degli utenti e di fatto restituiscono dei modelli comportamentali di tipo predittivo, che sono in grado di stabilire se un utente ha o meno un'alta probabilità di rientrare in una delle liste comportamentali, ben prima che lo abbia effettivamente fatto. Esempio: utenti che hanno un'alta probabilità di comprare entro 7 giorni dalla prima interazione oppure utenti che hanno un'alta probabilità di non ritornare sul tuo sito nei prossimi 7 giorni.
La nuova funzionalità di liste predittive lanciata da Google fa esattamente questo: permette di sfruttare i dati per elaborare modelli previsionali che possono avere impatto efficacissimo sulle attività di promozione e marketing.
Potrebbe interessarti anche:
Come avviare una strategia di visibilità su Google Ads.
Vai al servizio
Facebook, dal tracciamento degli eventi alla creazione del pubblico personalizzato
Il grande fratello con la F maiuscola non è da meno nella battaglia del marketing predittivo. Anzi in un certo senso le capacità di profilazione dell'ecosistema facebook (facebook, instagram e whatsapp sono un'unica entità) sono se possibile ancora più variegate, perchè maggiore è la qualità e la quantità dei segnali di interazione sulla piattaforma relazionale per eccellenza.
Iniziamo con la raccolta dei dati. Anche in questo caso il sistema è lo stesso: quello che per Google si chiama codice di monitoraggio, nel mondo Facebook si chiama Pixel. Il pixel è uno snippet di codice che si installa nelle pagine del proprio sito web e che resta in ascolto, attivandosi ogniqualvolta un utente fa una richiesta di accesso.
Appena la pagina richiesta si carica, il pixel registra i dati e li invia ai server di Big F. Gli stessi dati che anche in questo caso ritroveremo negli insights oppure più dettagliatamente in Facebook Analytics.
Il pixel se configurato correttamente può registrare numerosi tipi di eventi, fra cui la visualizzazione di pagina, la fruizione di contenuti, l'inserimento di informazioni di pagamento, l'acquisto e molti altri, compresi gli eventi personalizzabili su specifiche esigenze. Anche in questo caso, come già detto per Google è possibile attivare delle promozioni in remarketing, colpendo specifici segmenti di pubblico che hanno già completato un certo tipo di azione o di percorso.
Il passaggio immediatamente successivo è la creazione di audience personalizzati. Lo strumento di gestione del pubblico Facebook è tanto semplice quanto efficace. È possibile selezionare diverse origini da cui pescare i dati: quelle relative alle stesse app di facebook (compreso instagram) oppure fonti autonome come il proprio sito web, in primis, ma anche altri dati offline possono rivelarsi utili (è abbastanza comune il caso di aziende che – senza rendersene conto - tengono nel cassetto stock di dati provenienti da altri ambiti spesso redditizi se utilizzati per la creazione di audience specifici).
A partire da queste origini di dati si può fare un passo ulteriore: creare audience similari. Anche in questo caso l'intelligenza artificiale a partire da una fonte di dati esterna è in grado di restituire (in base ad alcuni parametri configurabili) un nuovo segmento di pubblico di tipo predittivo, sulla base della similitudine. Applicazioni concrete: il limite è la fantasia. Si può lavorare con segmenti di pubblico simili a clienti già fidelizzati, oppure simili a clienti con un ciclo di conversione breve, o lungo a seconda del tipo di prodotto/servizio.
Trasformare la propria attività nell'era del marketing predittivo: conclusioni
L'era del marketing predittivo è già cominciata, tocca rimboccarsi le maniche.
Secondo alcuni studi “I consumatori italiani hanno grandi aspettative nei confronti dell’intelligenza artificiale: il 52% la associa a una maggiore velocità, il 46% ritiene che si possano ottenere migliori servizi e funzionalità, il 43% che porti maggiore aderenza alle esigenze personali e il 37% che renda interazioni e navigazione più gradevoli.” [fonte criteo.com]
Altra rilevazione interessante: l'80% degli intervistati tra i 25 e i 35 anni comprende il valore dell'utilizzo dell'intelligenza artificiale per proporre contenuti pubblicitari su misura.
Alla luce di queste considerazioni il punto diventa subito chiaro: è iniziata un'epoca in cui i consumatori si aspettano ogni giorno di più che le aziende e i fornitori di servizi siano in grado di raggiungerli su un terreno completamente personalizzato: qualcuno parla giustamente di micro-momenti della customer journey. La capacità di anticipare il bisogno del consumatore e proporre soluzioni esattamente al momento opportuno.
La raccolta e l'utilizzo dei dati assumono un valore sempre più cardinale in questo scenario. La possibilità di utilizzare le piattaforme digitali come base di acquisizione per costruire strategie data-driven diventa sempre più una necessità per ogni tipo di business. Imprenditori e aziende, piccoli o grandi, devono fronteggiare questa trasformazione e prepararsi ad un cambio di prospettiva: il marketing predittivo è ora e qui.
Per fortuna non mancano le opportunità concrete per realizzare questo tipo di strategie, anche a partire da percorsi piuttosto semplici: i grandi investimenti dei big players nel settore del machine learning stanno producendo, come abbiamo visto, strumenti sempre più raffinati per l'elaborazione di audience con alto potenziale di engagement.
Insomma è davvero il caso di dire benvenuti nell'era del marketing predittivo, una terra di opportunità straordinarie, soprattutto per chi avrà la prontezza di riflessi di raccoglierle.
Il miglior paragone che mi viene in mente è con gli Stati Uniti alla fine del Settecento: se avevi il coraggio di cavalcare oltre la frontiera, dovevi solo trovare un pezzo di terra e appoggiare la tua bandiera. Buona fortuna.
Fonti e riferimenti sul marketing predittivo
- Target Google Ads based on predicted metrics - Searchengineland
- New predictive capabilities - Google Marketing Platform
- Cosa pensano i consumatori dell'intelligenza artificiale - Criteo
- How predictive marketing is changing the future
Studio digital growth dal 1946, quando dove adesso ci sono strade e palazzi era tutta campagna. Sono un data driven specialist, il mio lavoro è portare traffico qualificato sui siti web. Ho una laurea110L con tesi in sistemi economici comparati e un bellissimo computer. Vado a passeggio e qualche volta corro.
Richiedi info