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:

Eyes4Innovation, la rete che ti semplifica la vita

La rete ti semplifica la vita. Ecco la massima sintesi del motivo per cui è nata Eyes4Innovation, ed anche lo scopo ultimo perseguito dalle aziende fondatrici. Scopri com’è andato l’evento di presentazione.

Dataiku e Data Exploration: chi è il miglior detective della serie “Scooby-doo”?

Dataiku e la data exploration, il primo passo per impostare i progetti nel modo più adatto è esplorare i dati e imparare a conoscerli.

Dataiku viene lanciato in AWS Marketplace

Tutti i clienti AWS potranno accedere a Dataiku e sfruttare la potenza dell’AI: infatti Dataiku adesso è disponibile sul marketplace AWS.

Denodo e la data virtualization a supporto di Machine Learning e Data Science

Il Machine Learning e la Data science sono strettamente legate alla data virtualization. denodo è il tool ideale individuato da BNova

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

Vertica apre le porte alla Data Science

La Data Science, in termini di supporto decisionale alle aziende, ha un potenziale enorme, ma è una materia molto ampia e di carattere sperimentale: non necessariamente l’algoritmo migliore per un settore si rivela buono anche in realtà aziendali...

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.

Data Science Tools: la cassetta degli attrezzi dei team di Data Scientist

Strumenti tecnologici, piattaforme, linguaggi di programmazione, tools di vario genere rappresentano elementi importanti, gli “attrezzi del mestiere” per i Data Scientist. Ecco alcuni dei linguaggi e dei tools che solitamente non mancano all’interno di un team di Data Scientist.

Data Scientist, chi sono e cosa fanno per aiutare le aziende

Oggi i dati rappresentano uno degli asset più critici ed importanti per un’azienda (e non solo), tant’è che ormai si parla dei dati come del nuovo petrolio nell’economia dell’informazione e della conoscenza. Chi lavora sui dati e con i dati gode di un grande vantaggio. Ma chi sono davvero i Data Scientist e cosa fanno concretamente per aiutare le aziende?

Dataiku: i consigli per scegliere il giusto progetto di Data Science

Con decine di potenziali use case ma risorse limitate, è importante dare priorità ai progetti che hanno sia un alto valore di business che un’alta probabilità di successo. I consigli di Dataiku