Il machine learning viene spesso indicato come "il futuro del marketing", ma oggi i brand possono davvero fare un uso pratico di questa tecnologia all'avanguardia?
Il marketing digitale si occupa, tra le altre cose, di riconoscere le tendenze, ovvero di individuare la differenza tra gli indicatori significativi e le informazioni inutili. Ma con un volume di dati da elaborare sempre più ampio, può essere difficile individuare le informazioni importanti e ancor più, una volta identificate, utilizzarle in modo proficuo.
Janusz Moneta, Senior Ads Marketing Director presso Google, spiega: "I professionisti del marketing devono essere in grado di avere una visione di insieme, dai dettagli più minuti alle tendenze più vaghe. Grazie al machine learning, ora è possibile avere questa vision più ampia".
Come sfruttare la potenza del machine learning
Nel team di marketing B2B di Google, abbiamo utilizzato test ed esperimenti per scoprire se il machine learning avrebbe potuto aiutarci a identificare più rapidamente i pattern chiave all’interno di un vasto insieme di dati, che copre più di 40 paesi e 20 lingue. Per trasformare le nostre strategie di marketing, abbiamo applicato una tecnologia di machine learning a ogni passaggio del funnel. Questo articolo esamina i principali contributi di questa tecnologia alle nostre campagne e i risultati ottenuti, con alcuni esempi di applicazione concreta.
Catturare le emozioni: machine learning e analisi dei sentimenti
Nel contesto del machine learning, può sembrare controintuitivo parlare di "sentimenti". Certo, spesso il marketing B2B privilegia messaggi razionali e trascura il fatto che il pubblico di destinazione è fatto da esseri umani, con impulsi umani. Viene da chiedersi se, non riuscendo a far leva su questi bisogni e istinti primari anche in ambito business, non si perda una opportunità.
L'elaborazione del linguaggio naturale (Natural Language Processing, NLP) consente di analizzare i sentimenti evocati da un determinato messaggio, per capire il motivo per cui alcuni di questi funzionino meglio di altri. Grazie ad analisi basate sul NLP, abbiamo potuto definire un set di dati sulle connotazioni emotive di diversi messaggi e usare il machine learning per generare nuove varianti su larga scala, e in qualsiasi lingua europea, appositamente per determinati registri.
Analizzando le emozioni suscitate, i livelli di risonanza emotiva e l’empatia generata da diversi messaggi (attraverso esperimenti controllati in Italia, Germania, Francia e Regno Unito durante il 2018) abbiamo potuto aumentare notevolmente il rendimento delle campagne, arrivando in alcuni casi a raddoppiare il tasso di conversione degli annunci.
Le stesse tecniche possono essere utilizzate per ottimizzare il rendimento di una landing page, associando le connotazioni emotive ai vari elementi della pagina e testando le diverse alternative generate dal machine learning. Anche in questo caso abbiamo ottenuto ottimi risultati, con la migliore variante che ha registrato un rendimento fino all'80% superiore all'originale.
La cosa forse più interessante per chi si occupa di marketing è la possibilità che queste analisi offrono per cogliere l’impatto delle sfumature di ciascuna creatività: ad esempio, in un caso abbiamo notato che l'81% della performance di un banner era determinato da una singola frase che suscitava gratificazione.
Prevedere il futuro: machine learning e ottimizzazione predittiva
Il marketing B2B spesso comporta cicli di acquisto molto lunghi e possono essere necessari mesi per conoscere il vero valore di una lead. Con tempi così dilatati, l’utilizzo di un approccio wait-and-see per ottimizzare le campagne non è un'opzione percorribile.
Abbiamo però scoperto che, analizzando i dati storici delle campagne, il machine learning poteva imparare a prevedere il potenziale valore a lungo termine di una lead. Entro solo due giorni dalla registrazione di un cliente, è stato possibile stimare accuratamente la sua propensione ad adottare alcune soluzioni per i successivi tre mesi.
In base a questa previsione abbiamo potuto ottimizzare le campagne per l’impatto a lungo termine. Le analisi pre e post hanno rivelato un aumento significativo del ROI, fino a punte del 33%.
Una previsione corretta del lifetime value di un potenziale cliente può inoltre snellire significativamente il processo di vendita, facendo in modo che a ciascun prospect venga assegnato fin da subito un livello di assistenza adatto alle sue esigenze e al suo reale potenziale.
Che cosa può fare attualmente per te il machine learning?
Si tende a credere che per sfruttare al massimo le potenzialità del machine learning sia necessario disporre di uno stuolo di data scientist e sviluppatori. In realtà, la tecnologia progredisce così rapidamente che iniziano a emergere soluzioni pronte all'uso e sono già disponibili sul mercato diversi strumenti che consentono di effettuare analisi dei sentimenti e analisi predittive accurate.
Con tutte le aspettative che lo circondano, è facile pensare al machine learning come a un concetto futuristico remoto e poco applicabile alla realtà odierna, o addirittura una minaccia per la creatività. Tuttavia, implementando questa tecnologia nelle attuali campagne di marketing e misurandone i risultati, abbiamo osservato direttamente che già oggi il machine learning può apportare un contributo fondamentale nella ottimizzazione delle strategie digitali, e che si tratta di uno strumento al servizio dello sviluppo creativo.
