Attorno all'intelligenza artificiale la conversazione si è riaccesa, spinta dall'arrivo dei nuovi assistenti conversazionali che hanno riportato il tema al centro dell'attenzione anche nel mondo del business. Ma al di là dell'hype e dei titoli allarmistici sul lavoro che scompare, la domanda più utile per un'azienda è concreta: cosa può fare l'intelligenza artificiale, già oggi, per rendere più efficiente il marketing quotidiano? In uno scenario in cui la marginalità si assottiglia per la pressione al rialzo sui costi, la risposta ruota intorno a un principio: spendere in modo più intelligente, a volte meno, ma sempre meglio. Il contributo di Giulio Rosati, co-founder di una realtà specializzata in data science e intelligenza artificiale applicata al marketing e fondatore del brand formativo neural Academy, aiuta a mettere a terra questi concetti con esempi pratici.
Modelli di propensione: prevedere per agire in anticipo
Il primo grande capitolo è quello dei modelli di propensione. L'idea è semplice ma potente: dai comportamenti dei clienti si possono estrarre segnali che indicano, con settimane o mesi di anticipo, chi sta per abbandonare, chi è pronto per un up-selling o un cross-selling, chi potrebbe evolvere il proprio rapporto con l'azienda. Un cliente che ordina un po' meno, che riduce leggermente una certa referenza, esibisce spesso microcomportamenti impercettibili a occhio nudo ma che un modello impara a riconoscere. Se acquisire un nuovo cliente costa migliaia di euro, intercettare in tempo chi sta per andarsene — a volte basta una telefonata a costo quasi zero — genera un valore enorme.
Questa capacità predittiva cambia anche il modo di progettare contenuti ed esperienze. Come sottolinea Nicola Bonora dal punto di vista del content design, la customer journey è di solito una fotografia fatta a priori e cristallizzata; i trigger predittivi la trasformano invece in una dinamica di relazione elastica, in cui si dicono le cose giuste nel momento giusto al verificarsi di certi indicatori. Non più un metto in campo e vedo dopo, ma un gioco di relazione che si innesca in modo molto più virtuoso.
Il presupposto è il dato: la vera eredità da colmare
Tutto questo, però, poggia su un presupposto: i dati. Come osserva Giulio Rosati, l'eredità industriale italiana ha prodotto aziende non costruite intorno all'idea di registrare e valorizzare il dato, a differenza delle grandi realtà americane nate già con quella prassi, che alla rivoluzione dell'AI si sono ritrovate con montagne di dati da cavalcare. La domanda ricorrente — quali dati servono? — ha una risposta che fa sorridere ma è vera: tutti. Vanno registrate quante più interazioni possibili del prospect e del consumatore: le email, le richieste di contatto, le interazioni sul sito di chi ha un account, i dati commerciali di un CRM.
È il vulnus di molte aziende italiane, in cui i progetti di CRM spesso non hanno mai visto davvero la luce e la rilevazione del dato è lasciata alla capacità dei singoli — un valore che, sul piano dei processi, si trasforma in un limite. Eppure una parte di questi dati si genera comunque: sito, email marketing, pubblicità digitale. Di solito li guardiamo solo dal lato performance, ma quelli riconducibili a profili e contratti possono essere usati in modo molto più profondo, per desumere comportamenti e propensioni. Un e-commerce, anche piccolo, custodisce così un tesoro spesso non monetizzato: un modello che analizzi gli utenti può indicare a chi inviare oggi una certa proposta con buona probabilità di acquisto, generando pura marginalità addizionale senza nuove spese di performance marketing.
Qualificare i lead: prevedere la bontà di un contatto
Un'applicazione particolarmente preziosa in ambito B2B riguarda la lead generation. La qualità dei contatti tende a essere inversamente proporzionale al budget investito: più si va in mare aperto, più aumenta il rischio di raccogliere contatti poco pertinenti. È spesso questo il motivo per cui le reti commerciali finiscono per snobbare il digitale, bollando come spazzatura anche i lead buoni per colpa di pochi scarti. Poter classificare in anticipo la propensione di un contatto a convertirsi, prima di azionarlo e non dopo, cambia radicalmente il gioco.
Rosati racconta un caso concreto e coerente: la sua stessa neural Academy, che come brand B2C investe in lead generation, ha costruito un modello predittivo alimentato da cinque o sei campi raccolti con una UX curata e quasi divertente, ben lontana dal form statico. Il modello, allenato sullo storico, segnala i contatti a bassissima probabilità di conversione, quelli su cui non vale la pena spendere l'ora di un commerciale qualificato. Un professionista molto esperto arriverebbe alle stesse conclusioni, ma farlo su scala costerebbe cifre insostenibili: usare per sé stessi ciò che si offre ai clienti è anche un segnale di coerenza.
Segmentazione e persona basate sui dati
Il secondo grande capitolo copre la fase a monte, quella di awareness e conversione, con la segmentazione e la costruzione di persona a partire dai dati. Ogni campagna si fonda su persona, e meglio sono definite più la campagna performa. Fino a ieri, però, le persona nascevano spesso in workshop basati su memoria, dato aneddotico e ricerche di mercato generiche, esponendosi a tutti i bias cognitivi di chi le disegna. L'intelligenza artificiale, in concerto con l'analista, può invece organizzare i dati di CRM e survey per riconoscere pattern e segmenti reali, restituendo persona ancorate ai fatti.
Come rileva Nicola Bonora, questo processo crea in modo implicito una mappatura di pattern ricorrenti che somigliano a persona molto più solide di quelle costruite a mano, dove è sempre presente una componente di finzione. Il vantaggio, sul lato del design del servizio e del contenuto, è duplice: si parte da basi affidabili e si ottengono modelli mentali riutilizzabili in modo cross-canale, che variano poco nel tempo. Dire le cose giuste alle persone giuste produce un miglioramento delle performance che non ha nulla a che vedere con le ottimizzazioni millimetriche delle ultime fasi del funnel.
La nuova ricerca di mercato: agile, veloce, economica
Uno dei messaggi più liberatori dell'episodio è la demistificazione della ricerca di mercato. Non è più necessariamente il percorso di tre mesi da decine di migliaia di euro che si conclude in un blocco di slide. Oggi, con strumenti di survey e provider come Typeform o Qualtrics, in una settimana si può interrogare il proprio parco clienti o un target profilato e raccogliere, magari da centinaia di risposte, dati preziosi con un errore statistico contenuto. L'intelligenza artificiale analizza quei dati in un attimo, facendo emergere insight che un tempo richiedevano settimane di lavoro, e può migliorare a doppia cifra percentuale il rendimento di una campagna.
Questo lavoro a monte diventa quasi imprescindibile sopra una certa soglia di investimento. Quando un progetto vale decine o centinaia di migliaia di euro, non definire con precisione — partendo dai dati e non da un motivo storico o da una sensazione — a chi rivolgersi, con quali leve e su quali pain point, è un vero peccato. Ricevere brief costruiti su basi solide permette a chi progetta sito, campagne e strumenti di comunicazione di lavorare con una serenità completamente diversa, e persino il rapporto con l'agenzia si semplifica, perché si parte da binari quantitativi condivisi anziché da tentativi e revisioni.
Non è troppo tardi: iniziare dalla cultura del dato
Il filo che lega tutti questi capitoli è chiaro: più efficienza, costi ottimizzati, la possibilità di ottenere di più a parità di spesa o spendendo meno. È esattamente ciò che serve in un momento storico segnato da una crisi di margine più che di domanda. E il valore aggiunto non è episodico: i modelli mentali e gli asset costruiti restano nel tempo, con una precisione e un'affidabilità che li rendono investimenti dal ritorno multiplo.
L'appello finale di Giulio Rosati è incoraggiante: non è troppo tardi, ed è meno complicato di quanto si pensi iniziare la rivoluzione dei dati in azienda. Ancora prima delle tecniche più avanzate, si tratta di chiedersi come raccogliere dati nei vari step del percorso. Non è una moda passeggera ma un mega-trend industriale che prima o poi va affrontato, e siamo ancora in tempo per farlo in modo relativamente semplice. Diffondere la cultura del dato — attraverso la formazione, come fa neural Academy — è il modo più efficace per sbloccare una ricchezza e un'opportunità che molte aziende hanno già in casa senza saperlo.