Da un lato il marketing, una delle aree più controverse del mondo del business (e non solo), amato e odiato, incompreso (“ma a cosa serve?”, “è solo pubblicità”, “ma perché è una scienza?”), e, come talea tratti sfacciato. Dall’altro l’Intelligenza Artificiale, una delle più misteriose aree nell’ambito tecnico (“ah, ti occupi di AI, quindi, fai robot?”), tutti vorrebbero farne parte e usarla, molti pensano sia quanto di più elevato si possa studiare. Si sono incontrati, sebbene alcuni siano ancora scettici e inconsapevoli, e, siccome gli opposti si attraggono, questo matrimonio s’ha da fare

In Italia, realtà fatta di piccole-medie aziende, dobbiamo ancora abituarci a questa combinazione vincente, altrove è già da tempo un irrinunciabile “must have”, un connubio dal quale nascono grandi risultati e idee che garantiscono vantaggi considerevoli. 

 

Il marketing non è solo pubblicità

Ebbene sì. La pubblicità è uno step del marketing, un sottoinsieme del marketing, una parte di un mondo, è il “wit” che incontra la ricerca di mercato e l’analisi. Analisi di trend, analisi della concorrenza, analisi del cliente, analisi dei prodotti, ricerche di mercato e conseguentemente proiezione dei relativi risultati. E per fare ricerca ed analisi a cosa si ricorre se non alla statistica ed a concetti quali “il fatturato medio annuo”, “il mercato con un ROI più alto”, “il cliente con il CLV più considerevole”? E nel caso in cui si abbiano, come ormai è solito accadere, grandi quantità di dati eterogenei, sporchi e incompletile analisi come si semplificano se non attraverso il ricorso al data mining (estrazione di informazioni utili da grandi quantità di dati), preceduto da opportuni processi automatizzati di preparazione ed ottimizzazione del dato, e al machine learning? Quest’ultimo gioca un ruolo fondamentale nella vita di un marketer. L’apprendimento automatico può venire in aiutper raggiungere con un considerevole risparmio di tempo e un limitando “intervento manuale”, un risultato ottimale rispondente a quanto ricercato dal marketer stesso, combinando le features su cui vuole concentrarsi. Pensiamo ad una grande azienda di moda il cui marketing analyst vuole raccogliere informazioni circa clienti con caratteristiche anagrafiche e comportamentali simili. In questo caso, ad esempio, potrebbe trarre vantaggio dal ricorso a determinati tipi di clustering, a seconda dei dati a disposizione. In questo caso l’AI sposa il marketing analitico. 

 

Marketing, strategia e proattività

E’ poi il momento del marketing strategico. In questo caso il marketer conduce analisi più approfondite, non solo descrittive, ma anche predittive. Si chiederà cosa potrebbe succedere e, di conseguenza, proverà ad implementare delle strategie per evitare o almeno limitare un danno, oppure consolidare o potenziare una posizione di vantaggio. Tra gli interventi strategici a cui sono maggiormente interessati i marketers vi è quello della fidelizzazione della clientela e della scongiurata perdita di fette di mercato. Il machine learning viene in aiuto con la churn prediction analysisper citarne una, che consente proprio di comprendere quale potrebbe essere il tasso di abbandono dei clienti, estraendo dal mucchio quelli potenzialmente infedeli e identificandone le caratteristiche, sta poi all’abilità dell’analista capire perché il cliente abbandona e come intervenire per evitarlo. Anche sul piano operativo si possono coniugare idee di business e proiezione dei risultati attraverso tecniche di machine learning che possono aiutare a comprendere se la scelta strategica potrà avere conseguenze più o meno positive. Trovate un approfondimento sul tema del “reinforcement learning” a questo link.

 

Il marketing è emozione e si, anche pubblicità!

Vi ricordate la campagna della Norwegian Airline per pubblicizzare il collegamento Low Fare con Los Angeles? Accadeva ai tempi della separazione tra Brad e Angelina e sulla carta stampata campeggiava un ammiccante “Brad is single”. Non dite che non ha strappato un sorriso anche ai più glaciali! Quella campagna è il risultato di un guizzo di un bravo marketer che, intanto, ha ottenuto il far parlare di sé. Quando il “guizzo” incontra la tecnica si può fare ricorso a tecniche NLP per valutare, ad esempio, il feedback rispetto al proprio marchio, ad eventi, campagne marketing o buone idee come quella della Norwegian Airline (ah! Se solo poteste fare un po’ di Twitter data crawling riferito alla settimana di quel Settembre 2016, quanti #hashtag trovereste riguardanti la compagnia aerea e la sua simpatica campagna marketing!).

L’evoluzione più sensata del connubio tra “spirito” e AI è, poi, mettere in piedi analisi prescrittive che migliorano la customer experienceattraverso l’uso di grafiche accattivanti.  

 

Bnova sta mettendo tutte le sue energie in questo senso ?‍♂️ , siamo convinti che non andranno sprecate e che a certi matrimoni convenga non disertare! Voi siete ancora agnostici? 

New call-to-action

Approfondimenti da BNext:

Prevenire l’abbandono dei clienti: le churn analysis in Niky

Le churn analysis sono analisi avanzate dei dati che non solo offrono una previsione della tendenza all’abbandono da parte dei clienti, ma consente di trarre efficaci strategie per migliorare la Customer eXperience.

Niky Analytics, analisi avanzate dei dati per il Retail Marketing

Gli analytics nel retail: Niky Analytics per migliorare l’esperienza del cliente, aumentare le vendite e ottimizzare le operations

Dataiku: le novità della release 9

Dataiku, tante novità. Le energie si concentrano sul processo di trasformazione e analisi del dato e sulla collaborazione con altri tool, come Tableau

Predictive Analytics nel Retail marketing, i casi d’uso

Retail marketing, i casi d’uso delle predictive analytics. Alcuni esempi applicativi delle analisi predittive nell’ambito del Retail marketing

Retail Analytics, la Data Science applicata al settore del commercio

Cosa sono i Retail Analytics, a cosa servono e per chi sono utili. Scopri come sfruttare al meglio la Retail Data Analysis

Dataiku: Intelligenza Artificiale per le case farmaceutiche

Oltre il 60% delle aziende farmaceutiche sono state identificate come “principianti” quando si parla della loro maturità riguardo l’AI.

denodo: quando la Data Virtualization fa la differenza

La data virtualization è trasversale e può fare la differenza in quelle situazioni in cui i dati sono su diverse fonti da integrare

Le analisi di coorte integrate in Niky, la piattaforma di Customer Analytics di BNova

Nelle analisi di coorte integrate in Niky puoi osservare l’evoluzione nel tempo delle coorti acquisendo informazioni di valore per il business

Data Virtualization: a chi porta i maggiori benefici?

I vantaggi e benefici che la Data Virtualization porta in azienda riguardano tutti i data consumer, ciascuno in modo diverso. Vediamo per le diverse funzioni aziendali, quali sono i benefici più evidenti.

Analisi di coorte: cos’è e perché è importante per capire il comportamento degli utenti

L’analisi di coorte è una tipologia di analisi dei dati che si concentra sulle attività ed il comportamento di una specifica coorte, ossia un gruppo di persone che condividono una o più caratteristiche comuni in un dato periodo di tempo.