Intelligenza artificiale e social analytics: il buon vecchio Umberto Eco avrebbe (giustamente) parlato di contrapposizione tra apocalittici e integrati. Piccola parentesi, quanto pagherei per leggere un suo saggio sulle Instagram Stories! Ad ogni modo, penso che sia arrivato il momento di fare un passo avanti e scardinare questo meccanismo.
Apocalittici VS Integrati: pro e contro dell’AI
Ultimamente sto lavorando molto sull’integrazione tra social media e AI, in quanto vedo delle potenzialità enormi per allineare realmente i bisogni di utenti e brand. Tuttavia, ho notato che ogni volta che parlo o scrivo di questo tema 3 perplessità escono fuori in maniera ricorrente:
- “nessun algoritmo puo’ sostituire la creatività umana”;
- “una macchina non puo’ comprendere i bisogni delle persone”;
- “l’AI rischia di espellere le persone dal ciclo produttivo”.
Personalmente non vedo questo contrapposizione, al contrario penso che
- un algoritmo puo’ analizzare una mole di dati fisiologicamente non processabili a mano e conseguentemente è in grado di stimolare maggiormente e dare svariati input alla creatività;
- un algoritmo puo’ trovare collegamenti (es. associare i migliori formati creativi alla strategia di pricing più performante per un dato segmento di pubblico), definire un output in base ai dati disponibili (es.creare micro cluster più strutturati da un dato macro segmento di pubblico), eseguire dei compiti (es.ottimizzare in tempo reale il bidding), etc. La macchina svolge il suo compito, sta a noi saper porre le buone domande, selezionare i dati più pertinenti e interpretare i risultati nella maniera più rilevante per il business;
- l’AI libera energie creative e strategiche delle persone automatizzando compiti ripetitivi e meccanici. Non nascondiamoci dietro un dito, oggi la realtà è fatta (spesso) di stagisti che passano ore a fare copia e incolla a mano su excel e creativi che sfornano format a ripetizione senza neanche il tempo di riflettere come in catena di montaggio.
Ad ogni modo, fuori dalla mia percezione personale, anche i trend del mercato sembrano indicare questa direzione.
Lo Scenario: dati, statistiche e trend
Il grafico appena riportato fa riferimento all’ultimo report dell’agenzia Merkle e riporta alcune cifre interessanti legate al Q2 su Facebook: l’aumento della spesa adv (+40%) è accompagnato da una diminuzione delle impressions e da una crescita esponenziale del CPM (+70%). Tra l’altro, sono dati molto simili alla mia ultima analisi sul mercato francese dedicata a reach e cost per click.
Numeri che da soli non bastano per essere compresi e che vanno accompagnati dall’ultima rilevazione (The State Of Engagement) di Marketo:
- il 56% dei consumatori crede che i brand debbano avere una migliore compresione dei loro bisogni;
- il 51% pensa di essere esposto a contenuti irrilevanti;
- invece, il 61% dei marketer crede di interagire con il suo pubblico tramite i contenuti più adatti. Lo scollamento tra i due mondi risulta piuttosto evidente.
Content marketing e paid sono (evidentemente) due facce della stessa medaglia. L’aumento dei costi non va associato soltanto al calo della reach organica. Il targeting è fondamentale ma il punto centrale è la rilevanza di cosa proponiamo al pubblico. Quindi, è proprio qui che va ad inserirsi l’utilizzo dell’intelligenza artificiale. A maggior ragione in funzione del periodo che stiamo vivendo, scandali in salsa Cambridge Analytica e il dilagare delle fake news hanno portato al fisiologico restringimento degli accessi all’API e limitazioni crescenti delle opzioni di targeting.
L’AI permette di analizzare e aggregare un volume di dati, provenienti da più fonti, come sito e social, e di basarsi sulle azioni effettivamente intraprese dagli utenti. In termini pratici, questo significa una migliore segmentazione di utenti, contenuti, targeting, bid ed offerta sulla base dei veri interessi. A breve, in questo post coprirò un case study a riguardo. In aggiunta, un algoritmo puo’ processare molto più rapidamente i dati rispetto ad una rilevazione a mano fatta da un Analyst in coppia con uno Strategist. Conseguentemente, ne scaturisce una fisiologica riduzione dei costi legati all’operatività e maggior tempo a disposizione per la pianificazione strategica.
Tuttavia, per sfruttare al meglio l’AI e le sue enormi potenzialità, bisogna intervenire su 3 asset chiave: cultura aziendale (KPIs condivisi e comunicazione tra i dipartimenti, i social media non sono un’isola all’interno dell’ecosistema aziendale), know-how interno e processi lavorativi.
Questo questionario mostra chiaramente il gap in termini di conoscenza e la logica difficoltà nell’inserire l’AI all’interno dell’operatività quotidiana. Per di più, secondo una ricerca di Albert Technologies la sfida più ardua per i brand (59%) è sfruttare l’AI per l’analisi delle campagne digital.
Come possiamo osservare, le sfide in ballo sono tante e sfaccettate ma i primi test e risultatici mostrano come sia arrivato il momento di cambiare.
Primi Test e Risultati: il case study Socialbakers
Ho la fortuna di lavorare per un brand SaaS (Socialbakers) che ha deciso di investire fortemente, ovviamente in termini di sviluppo di prodotto, in questa direzione. Di conseguenza, ho potuto partecipare ai primi test dedicati all’ottimizzazione del costo per conversione su Facebook grazie all’AI.
Il nostro test è partito da una semplice domanda:
fuori dai metodi classici di targeting/retargeting di Facebook, quali opzioni possiamo mettere in campo?
L’obiettivo era generare il maggior numero di lead al minor costo per conversione, tramite la promozione di un tool gratuito sul sito per effettuare social media benchmark.
Senza andare a coprire tutti i metodi di targeting utilizzati, servirebbe un altro post, darò spazio alle 2 varianti che hanno garantito i migliori risultati.
1.Elaborazione del linguaggio naturale
Il Natural Language Processing (NLP) è un processo di trattamento automatico delle informazioni scritte o parlate in una lingua naturale. In breve, l’analisi dei testi dei post, in combinazione alle relative interazioni, ha permesso di estrapolare delle tematiche e categorie che sono state utilizzate per definire dei cluster per interessi.
Rispetto a tutti i metodi utilizzati in precedenza, il Natural Language Processing ha generato il costo per lead più basso ma un volume di contatti non eccezionale.
2.AI Audience Personas
In questo caso, il meccanismo è il seguente:
- l’algoritmo processa i dati legati alle visite sul sito da Google Analytics e le interazioni delle audience più attive (escludendo gli altri utenti) su Facebook (post sulla pagina e dark);
- questi dati vengono aggregati per creare cluster (le famose Audience Personas, appunto) di utenti che hanno caratteristiche in comune legate a demografiche, interessi, tipologia di contenuti apprezzati (con riferimento anche a pagine terze rispetto a quella di Socialbakers) e influencer affini;
- a seguire, avviene un’ulteriore segmentazione basata su quota di pubblico (audience share), caratteristiche peculiari e condivise da tutto il pubblico. Piccola precisazione, tutte e tre le opzioni appena citate sono totalmente automatizzate.
Come avrai intuito sin dall’inizio di questo articolo, l’utilizzo dell’AI ha portato i migliori risultati in termini di costo per conversione e numero di lead. Per farla breve, il costo per conversione è crollato del 56%.
I primi test e risultati sono più che incoraggianti e gli scenari futuri sono colmi di opportunità. La ragione è semplice, le integrazioni tra social analytics e AI sono potenzialmente infinite e permettono di mettere (finalmente) al centro i bisogni degli utenti e la crescente voglia di personalizzazione dei consumatori, oltre che ridurre lo scollamento tra branded content condivisi e reali necessità del pubblico.
Per riprendere il buon vecchio Umberto Eco, non è più tempo di opposizioni o conservatorismi di sorta. Come marketer, sta a noi comprendere le evoluzioni di consumo e utilizzare sapientemente i mezzi a disposizione. I dati sono gli unici che conoscono la verità sulle persone.
Prima di lasciarci, ti consiglio 3 ottimi (a mio avviso) articoli di approfondimento:
- An Executive’s Guide To AI (McKinsey & Company);
- 15 Applications of Artificial Intelligence in Marketing (Smart Insights);
- Influencer Marketing “Sintetico”: arriva l’intelligenza artificiale (MatteoPogliani.it).