L’Italia si è spesso dimostrata molto restia nell’abbracciare tecnologie innovative. Lo mostra anche nel campo del machine learning, oggi sfruttato da aziende di tutto il mondo per automatizzare e migliorare processi con il potete degli algoritmi e dei dati. Il nostro paese è fortemente in ritardo nell’adozione di questa tecnologia come dimostrato dalla ricerca “Machine learning e marketing: lo stato di adozione in Italia” realizzata da Netcomm, il Consorzio del commercio digitale italiano, in collaborazione con Quantcast su un panel di 130 marketing manager italiani. Il report si è posto come obiettivo quello di analizzare il rapporto delle aziende italiane tradizionali e e-commerce in diversi settori industriali con il potenziale offerto dal machine learning applicato alle attività di marketing. Se molte aziende sono rimaste indietro, chi sfrutta il potenziale di questa tecnologia ottiene un ampio vantaggio sulla concorrenza.
Cos’è e come funziona il machine learning?
Grazie a potenti algoritmi, la tecnologia machine learning è in grado di generare nuova conoscenza dell’esperienza pregressa. Per far ciò riconosce modelli nei set di dati disponibili e ne trae nuova conoscenza. Il programma può così svilupparsi in modo indipendente e ad esempio creare previsioni sulle vendite. Per le aziende che generano o lavorano con i dati, il machine learning si rivela particolarmente vantaggioso, anche grazie al fatto che i risultati sono mostrati in tempo reale. Nonostante possano sussistere delle forme miste, possiamo distingue due tipologie di machine learning:
- Apprendimento supervisionato: il sistema viene controllato da risultati già noti e sulla base di essi il programma impara a classificare i risultati per generare previsioni su dati non disponibili o futuri.
- Apprendimento senza supervisione: qui l’intelligenza artificiale alla base del machine learning lavora in modo indipendente con dati senza etichetta o non strutturati. Riconosce una struttura all’interno del set di dati e sviluppa le previsioni corrispondenti basandosi su una variabile nota.
- Apprendimento per rinforzo: quando al machine learning vengono introdotti dei rinforzi, ovvero segnali di ricompensa, si viene a costruire un sistema intelligente che impara attraverso le interazioni con l’ambiente e migliora di conseguenza le proprie performance.
Cos’è il machine learning e perché migliora l’esperienza utente?
Come si abbina il machine learning al marketing?
Il comparto marketing può trarre notevoli vantaggi dall’apprendimento automatico. Ad esempio, è possibile calcolare previsioni di acquisto per singoli clienti o interi segmenti. È possibile rispondere a domande come: quale segmento di clienti in primavera acquista maggiormente abbigliamento sportivo? Quali sono le giuste offerte per attirare la loro attenzione in questo periodo dell’anno? Grazie al machine learning inoltre è possibile il cosiddetto remarketing per mostrare ai clienti prodotti affini ai loro interessi o alle loro cronologie di ricerca. Inoltre utilizzando vari fonti di dati come ad esempio gli Analytics disponibili sui canali social, è possibile ricavare ulteriori importanti informazioni intrecciarle tra loro e capire chi sono e cosa realmente vogliono i nostri clienti.
Agile Retail, Machine Learning, Big Data a Lesara
Qual è lo stato di adozione del machine learning nel marketing in Italia?
Sono tante le aziende che vorrebbero un cambiamento, diventare più digitali sfruttare le nuove tecnologie, ma in poche riescono veramente a farlo. In verità la digitalizzazione e l’uso di tecnologie disruptive non è un obiettivo ma una trasformazione che parte da un mindset aperto al cambiamento, elemento che perlopiù sembra mancare in Italia.
Non sorprende dunque il dato del report “Machine learning e marketing: lo stato di adozione in Italia” realizzato da Netcomm e Quantcast che mostra come il machine learning sia fortemente in ritardo nel nostro Paese. Questo dato collide con il 44% delle aziende che applicano questa tecnologia nel proprio lavoro riscontrando non solo un importante incremento nel fatturato ma anche benefici nelle proprie attività di marketing per comprendere l’audience, raggiungere e influenzare i clienti ed infine misurare l’impatto delle strategie avviate.
La ricerca è stata condotta da Netcomm in collaborazione con Quantcast lo scorso giugno su 130 marketing manager italiani di alto livello principalmente CMO, responsabili marketing, responsabili digital e CDO. Il panel comprendeva inoltre tre diversi segmenti di brand: i marketing manager appartenevano infatti a brand tradizionali, ossia entrati nel mercato prima che il digitale avesse un ruolo così strategico, con e senza e-commerce e a brand diretti i cosiddetti direct to consumer ossia e-commerce che hanno visto la luce proprio nell’era digitale.
Cosa frena la trasformazione digitale delle aziende?
I marketer apprezzano il machine learning
Gli addetti al marketing sembrano aver capito molto bene che il machine learning può essere di grande aiuto alle aziende. Infatti il 94% di loro ha affermato di essere consapevole dei benefici di questa tecnologia e di averla applicata con successo per acquisizione/ampliamento dei clienti (13%), per un maggiore engagement (12%) e per strategie di personalizzazione (7%). Risultati che mostrano lo stato ancora poco maturo nel nostro Paese se confrontati con quelli dei marketer Oltreoceano che grazie al ML hanno aumentato il fatturato (52%), fatto customer retention (51%) ma soprattutto migliorato il riconoscimento del contenuto e le raccomandazioni (53%).
Il ML offre grandi vantaggi al marketing
Il ML offre grandi vantaggi al marketingIl 47% dei marketer coinvolti nella ricerca ha dichiarato di trarre benefici nell’applicazione del ML nelle attività di marketing. Il 30% afferma di considerare il machine learning già importante o persino determinante per il marketing. Un dato particolarmente ristretto se lo si confronta alla più alta percentuale pari al 67% dichiarata dai professionisti negli USA.
In lineare generale, i marketer con aziende che applicano con successo il ML (55%) dichiarano che i dati online sono estremamente importanti per la propria azienda rispetto a quelli offline. Tuttavia solo il 14% utilizza esclusivamente dati online. Più della metà (47%) dei partecipanti li affianca a dati offline, a fronte di un basso mix di dati online e offline (37%).
Le aziende capofila nell’applicazione del ML rientrano nel settore dei servizi finanziari, seguito da automotive, ICT, media & entertainment. Sono in forte ritardo invece il comparto dei beni di largo consumo e retail.
Problemi nell’implementazione del ML nel marketing
Solo il 6% degli intervistati dichiara di non implementare il ML nel marketing perché non lo considera vantaggioso. Per il resto, emergono principalmente due problemi: la mancanza di fondi necessari per implementare la tecnologia (37%) e l’assenza di professionisti esperti in azienda (35%). Due ostacoli che in realtà, come dimostra la ricerca, non dipendono necessariamente dal fatturato o dalle possibilità in termini di risorse interne, ma da un approccio aziendale che non sempre premia lo sviluppo tecnologico.
Secondo Roberto Liscia, Presidente di Netcomm “[…] poiché le cause principali si concentrano sulla mancanza di fondi e di personale qualificato, è fondamentale che proprio su questi assi debba rifondarsi l’approccio alle tecnologie delle imprese italiane. Infatti, solo tramite adeguati investimenti e percorsi di formazione sulla frontiera dell’innovazione potremo rimanere competitivi come sistema Paese”.
Il ML aumenta anche il fatturato
Il 34% dei brand che utilizzano con successo il ML dichiara un incremento del fatturato pari o superiore al 15% rispetto all’anno precedente, nonostante il periodo di emergenza vissuto. Il divario tra chi in Italia ha investito con successo e chi non abbraccia questa tecnologia è destinato a crescere. In poche parole, chi oggi ha investito e ha ottenuto ottimi risultati investirà ulteriormente in ML anche in futuro.
ML e marketing: risultati concreti e positivi
Grazie alle soluzioni basate su ML, le aziende sono oggi grado non solo di aumentare significativamente l’efficienza del marketing, ma anche di aumentare il fatturato. Con l’aiuto di questa tecnologia è possibile anticipare interessi, preferenze e personalizzare, in poche parole soddisfare i clienti. Ilaria Zampori, General Manager di Quantcast, afferma: “Adottare il ML nel marketing significa ottenere risultati concreti e positivi che permettono ai brand di essere veloci, competitivi e vincenti, come dimostrano i risultati di questa ricerca. Ecco perché i marketer italiani dovrebbero essere sempre tra i Leader sia tramite lo sviluppo interno che affidandosi a partner specializzati. Solo così potranno infatti supportare concretamente e correttamente la crescita del loro brand in futuro.”
