Il marketing si sta evolvendo rapidamente verso un approccio fortemente tecnologico fondato su piattaforme e analisi dei dati. Il settore sta beneficiando negli ultimi anni dei grandi progressi del machine learning. Cerchiamo di capire qualcosa di più sul trend dell’apprendimento automatico e sugli ultimi sviluppi dell’intelligenza artificiale applicata al marketing.
Il machine learning, letteralmente "apprendimento della macchina", fa riferimento a un insieme di teorie e algoritmi legati a modalità di auto-apprendimento da parte di software "intelligenti". Rientra nell’ambito più ampio dell’intelligenza artificiale, limitatamente agli aspetti inerenti all’apprendimento automatico su base dati. Il machine learning ha un approccio prettamente statistico e non affronta i temi semantici, filosofici o ontologici legati all’intelligenza artificiale.
Gli algoritmi di machine learning si suddividono in due grandi tipologie: apprendimento supervisionato e apprendimento non supervisionato. La prima prevede l’algoritmo si “alleni’ su dati strutturati che contengono sia le informazioni di input sia le informazioni di output. In tal caso il machine learning servirà a utilizzare lo storico per predire l’output di nuovi dati: esempi conosciuti di questo approccio sono il riconoscimento ottico dei caratteri (OCR) e i filtri anti-spam delle email.
La seconda tipologia, meno intuitiva, prevede che in input ci siano dati non strutturati e non venga fornita alcuna informazione sulle loro caratteristiche. Sarà il software a cercare di trovare una struttura nei dati forniti. In questo caso si parla di data clustering le cui applicazioni più comuni sono per esempio la scoperta di anomalie (e.g. nel comportamento degli utenti su un sito) o sistemi di recommendation (e.g. quello di Amazon “Chi ha comprato X ha comprato anche…”).
(Machine Learning non supervisionato: Data Clustering)
La particolarità degli algoritmi di machine learning è che il software, la macchina, diventa tanto più intelligente ed efficiente quanto migliore è il set di dati a disposizione per l’allenamento. È dimostrato che non conta troppo la qualità del software, quanto piuttosto il training che gli algoritmi fanno sui dati. Tutto il valore è nei dati.
Vi suona familiare? È perché il marketing ragiona esattamente in questo modo. Maggiore è la quantità (e qualità) di dati a disposizione e migliore sarà la capacità di
anticipare il comportamento del cliente e fornire la soluzione alle sue necessità. Non a caso il machine learning è già il cuore delle piattaforme social come Facebook, Twitter e delle piattaforma pubblicitarie come Google Adwords. Il machine learning è anche al centro dello sviluppo dei sistemi di predictive analytics.
Netnoc sviluppa la prima content marketing platform made in Italy. A partire dalla prossima release, saranno implementate tecniche di machine learning per migliorare l’analisi predittiva delle performance dei contenuti immessi in rete.