In che modo l'analisi e l'intelligenza artificiale consentono ai professionisti del marketing di prevedere il futuro?

Mai fare previsioni, soprattutto sul futuro.

Non abbiamo esattamente una grande esperienza nel prevedere il futuro, quindi questo sembra un saggio consiglio.

Dal presidente dell'IBM Thomas Watson che dichiarò nei primi anni '40 che ci sarebbe stato un mercato mondiale per "circa 5 computer" (è vero, potrebbe esserci stato spazio sul pianeta solo per 5 delle prime macchine IBM), fino al clamore dell'anno 2000, la gente non può resistere a fare previsioni grandiose, spesso selvaggiamente imprecise.

Le ricompense per conoscere il futuro in anticipo sono troppo grandi per resistere a provarci, ma ci affidiamo piuttosto pesantemente all'intuizione umana per formare le nostre proiezioni. In quanto tale, le ricompense rimangono troppo spesso non reclamate.

Questo è un settore in rapida evoluzione, tuttavia, e i progressi nell'intelligenza artificiale (AI) potrebbero presto vederci basare le nostre proiezioni future su modelli statistici affidabili piuttosto che sulla nostra intuizione familiare ma imperfetta.

All'interno di questa serie in tre parti, esploreremo il ruolo potenziale dell'in

intelligenza nello sviluppo di analisi predittive accurate e accessibili che portino a migliori prestazioni aziendali.

Questo articolo inizierà con un'analisi della situazione attuale del settore dell'analisi predittiva, insieme ad alcuni suggerimenti per aiutare le aziende a sfruttare al meglio la tecnologia e i dati disponibili.

Cosa intendiamo per "analisi predittiva"?

L'analisi predittiva è una forma di data mining che utilizza l'apprendimento automatico e la modellazione statistica per prevedere stati di cose futuri, sulla base di dati storici.

Ci sono già esempi di analisi predittiva in azione intorno a noi. Se la tua banca ti segnala attività potenzialmente sospette sulla tua carta di credito, è molto probabile che sia stato utilizzato un modello statistico per prevedere il tuo comportamento futuro in base alle tue transazioni passate. Le deviazioni gravi da questo modello sono contrassegnate come sospette.

Come semplice proxy per comprendere il livello di interesse nel campo, possiamo vedere da Google Trends che il volume di ricerca per l'argomento "analisi predittiva" è aumentato significativamente negli ultimi 5 anni:

Possiamo guardare a questa linea e prevedere che continuerà a crescere. Ma questo in realtà si basa solo sulla recente tendenza storica o sul fatto che abbiamo sentito molto ronzio sull'argomento nel settore. Ci vorrebbero molte più indagini per affermare con certezza dove andrà la linea successiva.

È logico che anche così tante aziende siano incuriosite dall'argomento. Si prevede che entro il 2020 verranno spesi oltre 76 miliardi di dollari all'anno per la tecnologia dei "Big Data". Il modo migliore per ottenere un ritorno su questo investimento sarebbe utilizzare tutti quei dati per anticipare le tendenze future della domanda.

Questo è un compito difficile da padroneggiare per le persone, come abbiamo visto. Abbiamo bisogno di un po' di aiuto se vogliamo iniziare a fare previsioni corrette.

Di conseguenza, nell'"Analytic Ascendancy Model" di Gartner, l'analisi predittiva è vista come un salto evolutivo sia dall'analisi descrittiva che dall'analisi diagnostica.

Detto questo, il desiderio di analisi predittive accurate non è nuovo, né lo sono i tentativi di utilizzare l'analisi per modellare i futuri comportamenti dei consumatori. Molti professionisti dell'analisi si impegnano ogni giorno in questo campo per calcolare cifre come il lifetime value (LTV) del loro cliente tipico, ad esempio. La disponibilità di insiemi di dati vasti e vari ha contribuito a migliorare considerevolmente l'accuratezza di questi calcoli.

Ciò che è relativamente nuovo è l'applicazione dell'intelligenza artificiale per colmare le lacune nel nostro set di competenze ed estendere ciò che è possibile con l'analisi predittiva.

Questa combinazione ha portato a modelli statistici più sofisticati che individuano modelli nei comportamenti passati dei consumatori e li utilizzano per mappare probabili azioni future.

Ma perché l'intelligenza artificiale, in particolare, è così efficace nel raggiungere ciò che abbiamo trovato quasi impossibile da soli?

Creature abitudinarie: come viene applicata l'analisi predittiva nel mondo reale?

L'analisi predittiva è molto aiutata dalla prevedibilità delle persone.

Per quanto unici e volitivi vorremmo credere di essere, l'IA può prevedere in modo abbastanza accurato cosa continueremo a fare in base alle nostre azioni passate e alle azioni di persone simili.

Uno studio condotto da scienziati del Media Lab del Massachusetts Institute of Technology nel 2007 ha scoperto che "un buon 90% di ciò che la maggior parte delle persone fa in un giorno segue routine così complete che il loro comportamento può essere previsto con poche equazioni matematiche".

Molte campagne di marketing hanno operato su questo presupposto, ma ora possiamo applicare questo principio con maggiore precisione e responsabilità.

Il punto in cui l'intelligenza artificiale entra in gioco in questo campo è nella sua capacità di identificare modelli più ampi che gli umani semplicemente non vedrebbero. Selezioniamo le aree di indagine sulla base di quelle che riteniamo essere ipotesi sicure, ma l'intelligenza artificiale può identificare altre variabili che, se modificate, hanno un impatto l'una sull'altra.

Questo approccio (molto modellato dall'uso dell'analisi di regressione) è un riflesso appropriato del mondo in continua evoluzione in cui vivono i consumatori.

Ad esempio, in base alla mia posizione, all'età, agli acquisti passati e al sesso, quanto è probabile che io acquisti il ​​latte se ho appena aggiunto del pane al carrello? Un supermercato online può utilizzare questo tipo di informazioni per consigliarmi automaticamente i prodotti, in base alla mia propensione prevista all'acquisto di tali articoli.

Inoltre, un fornitore di servizi finanziari può utilizzare migliaia di punti dati creati dalle mie interazioni online e da quelle di persone simili per decidere quale carta di credito offrirmi e quando. Un rivenditore di moda può utilizzare il mio profilo digitale per decidere quali scarpe consigliare come mio prossimo acquisto, in base ai jeans che ho appena acquistato.

Questo aiuta le aziende a migliorare il loro tasso di conversione, ma le implicazioni sono molto più ampie. L'analisi predittiva consente alle aziende di impostare strategie di prezzo in base alle aspettative dei consumatori e ai benchmark della concorrenza. Consente ai rivenditori di anticipare la domanda e quindi di assicurarsi di avere il giusto livello di scorte per ogni prodotto.

L'analisi predittiva può persino suggerire idee per nuove linee di prodotti individuando cambiamenti nelle preferenze dei clienti. Ciò segna la trasformazione dell'analisi da uno strumento retrospettivo per gli specialisti dei dati, a una funzione predittiva essenziale che modella la strategia aziendale, migliora le relazioni con i clienti e crea efficienze operative.

In effetti, un recente rapporto di Forrester ha osservato che "I marketer predittivi hanno 2,9 volte più probabilità di registrare una crescita dei ricavi a tassi superiori alla media del settore".

Le prove di questa rivoluzione sono già tutte intorno a noi. Ogni volta che digitiamo una query di ricerca su Google, Facebook o Amazon, ad esempio, inseriamo dati nella macchina. La macchina prospera sui dati, diventando sempre più intelligente man mano che riceve questi segnali di feedback.

Questo fenomeno porta con sé una serie di vantaggi per i professionisti del marketing. Google utilizza già da tempo questa tecnologia, attraverso il suo prodotto Smart Goals in Analytics e la sua funzione Session Quality Score, lanciata alla fine dello scorso anno. Questi sono esempi di analisi predittiva in azione, alimentate dalla tecnologia di apprendimento automatico.

C'è un argomento secondo cui la previsione è il fondamento dell'intelligenza, quindi questa è piuttosto l'impresa per l'intelligenza artificiale.

Questo è solo l'inizio, però. Gran parte del lavoro attuale nell'analisi predittiva è incentrato sulla formulazione di suggerimenti o raccomandazioni, ma c'è spazio per le proiezioni basate sull'intelligenza artificiale per formare il fulcro delle strategie di marketing.

I recenti sviluppi forniscono molti motivi di ottimismo (o di trepidazione, qualcuno potrebbe dire) in questo senso. Il team DeepMind di Google ha appena creato un'intelligenza artificiale in grado di pianificare il futuro e considerare diversi risultati prima di agire.

Ciò è rilevante nell'ambito dell'analisi predittiva, poiché l'immaginazione è un aspetto fondamentale della creazione di proiezioni. Questa capacità rafforzerà solo il ruolo dell'IA come componente essenziale di una campagna di analisi predittiva di successo.

In che modo le aziende possono integrare l'analisi predittiva?

Per sfruttare il potenziale dell'intelligenza artificiale e dell'analisi predittiva, ci sono quattro elementi che le organizzazioni devono mettere in atto.

1. Le domande giuste

I migliori progetti di analisi predittiva iniziano con un'ipotesi valida da testare. Sebbene dovremmo fornire algoritmi di apprendimento automatico con la stanza per creare le proprie associazioni oggettive tra i punti dati, dobbiamo iniziare con una sfida aziendale che stiamo cercando di superare. Questo aiuta a dare una forma allo sforzo.

2. I dati giusti

I progressi nella scienza dei dati nell'ultimo decennio significano che possiamo ricavare informazioni da grandi volumi di dati non strutturati con maggiore precisione, ma abbiamo ancora bisogno di set di dati completi per arrivare a conclusioni convincenti.

Pertanto, la fase successiva dopo aver definito le domande a cui vuoi rispondere con l'analisi predittiva è capire quali dati sono a tua disposizione e se sarà sufficiente per rispondere alle tue domande in modo convincente.

3. La tecnologia giusta

Come implica il valore previsto di 76 miliardi di dollari entro il 2020, la tecnologia dei big data è un settore in forte espansione. I dati vengono creati a una velocità tale che abbiamo bisogno di capacità tecnologiche sempre migliori solo per catturarli, archiviarli e dargli un senso.

Molti dei principali pacchetti software di analisi hanno già lanciato strumenti di analisi predittiva, ma variano nelle loro metodologie. Per decidere quale soluzione è la migliore per la tua attività, è più importante che mai disporre di un team che abbia esperienza su ciascuna di esse e possa identificare l'opzione più adatta.

4. Le persone giuste

Questo ci riporta al primo passo, essenzialmente. Senza le persone giuste, è molto difficile porre le domande giuste. È anche difficile sapere quali dati potrebbero essere necessari per rispondere o per ottenere il meglio dalla tecnologia più recente. Nonostante tutti i discorsi sull'intelligenza artificiale che sostituisce le persone, ha solo davvero intensificato l'attenzione su come ottenere le persone giuste per sfruttare al meglio le nuove opportunità che crea.

Le applicazioni di questa tecnologia sono già molto diffuse, ma stiamo ancora grattando la superficie. Nel prossimo articolo di questa serie, daremo un'occhiata a cinque aziende che utilizzano l'analisi predittiva per migliorare le prestazioni aziendali oggi.

Continua a leggere la seconda parte della serie: 5 aziende che utilizzano l'intelligenza artificiale per prevedere il futuro e il profitto