In che modo il deep learning sta cambiando il gioco sia per gli inserzionisti che per i consumatori

L'intelligenza artificiale ha cambiato per sempre la pubblicità digitale. Come marketer, ci consente già di decidere come coinvolgere al meglio potenziali clienti e mercati come mai prima d'ora.

Ma c'è spazio per crescere. Gli strumenti di deep learning sono la prossima grande area della ricerca basata sull'intelligenza artificiale e stimoleranno un'ondata di innovazione futura in ogni settore, portando una nuova era del marketing di cui beneficeranno sia gli inserzionisti che gli utenti finali.

Le nostre interfacce si sono già adattate per adattarsi agli interessi di un utente a livello personale, abbinando le intuizioni e i comportamenti del settore alla pubblicità display o alla personalizzazione. Ma gli algoritmi di deep learning otterranno ancora di più.

Il deep learning sta cambiando il modo in cui pensiamo all'efficacia. Questo è il campo più promettente della ricerca basata sull'intelligenza artificiale, che si trova in Google Translate, nelle automobili di Tesla o nel meccanismo di riconoscimento delle immagini di Yahoo. Viene utilizzato anche in modi più futuristici.

L'intelligenza artificiale di Google DeepMind può leggere le trasmissioni TV meglio di un professionista (un esperto umano ha annotato solo il 12,4% delle parole senza errori, contro l'intelligenza artificiale al 46,8%). Questi algoritmi hanno vinto contro i migliori giocatori di poker del mondo e possono persino dirigere da soli un film, mostrato di recente da Saatchi & Saatchi al Festival Internazionale della Creatività di Cannes Lions.

E, naturalmente, il settore pubblicitario sperimenterà applicazioni di deep learning. Un recente annuncio di Coca-Cola indica che vogliono utilizzare i robot AI per creare musica per gli annunci, scrivere script, pubblicare uno spot sui social media e acquistare media, il che implica che la rivoluzione degli annunci di deep learning sembra più vicina che mai alla realtà.

Dal punto di vista dell'inserzionista: algoritmi di autoapprendimento che reagiscono in modo intelligente a situazioni impreviste

Secondo una nuova ricerca Adlucent, i consumatori desiderano un'esperienza pubblicitaria personalizzata e il 71% degli intervistati preferisce annunci personalizzati in base ai propri interessi e abitudini di acquisto. Lo studio ha anche mostrato che le persone hanno quasi il doppio delle probabilità di fare clic su un annuncio con un marchio sconosciuto, se l'annuncio è stato adattato alle loro preferenze.

Con l'aumento dell'accesso ai dati e la concorrenza in rapida evoluzione, non è mai stato così importante per i professionisti del marketing dare un senso al rumore che circonda gli utenti, ma non è mai stato nemmeno così facile. Un tipico modello di personalizzazione può essere realizzato senza algoritmi molto avanzati, ma sappiamo che questo limite è già stato raggiunto. I nuovi algoritmi di deep learning, tuttavia, possono rilevare situazioni impreviste e potenziali nascosti.

Ad esempio, immagina di aver dimenticato il compleanno del tuo amico. Con solo due giorni rimasti, non c'è molto tempo per cercare un prodotto, ma ancora abbastanza per cercare qualcosa di speciale. In questi casi, la personalizzazione ultra accurata può fare la differenza e i modelli di deep learning possono iniziare a sapere che stai cercando qualcosa con entusiasmo.

Che si tratti di un improvviso cambiamento nel comportamento o di una spesa apparentemente urgente, un modello tipico sarebbe cieco di fronte a questi punti dati, ma l'apprendimento profondo può creare connessioni.

La profonda comprensione del comportamento di acquisto dei consumatori non è stata ancora ampiamente disponibile per i giocatori di e-commerce, ma è fondamentale per i professionisti del marketing. Ad esempio, è abbastanza facile trovare modelli nel processo decisionale per picchi di vendita tipici e prevedibili come il Black Friday o la Festa della donna. Diventa più complicato quando si tratta di identificare singoli eventi, con un contesto molto specifico (come il compleanno di un amico imminente o qualsiasi occasione improvvisa).

È qui che il deep learning prende il posto dei metodi tradizionali. Ispirato dai neuroni biologici del nostro cervello, l'apprendimento profondo entra in gioco e rende possibile ottenere descrizioni utente più affidabili, più ricche e interpretabili dalle macchine del potenziale di acquisto dei clienti senza la necessità di competenze umane.

In contrasto con il tradizionale approccio di apprendimento automatico, il deep learning è in grado di individuare un utente in una folla online, una persona che inizialmente può sembrare un utente che agisce in modo caotico, ma in realtà ha il maggior potenziale per finalizzare un acquisto.

Questo è possibile perché algoritmi di autoapprendimento definiscono ogni potenziale cliente che cerca un prodotto leggermente diverso dai modelli abituali. Fa riferimento alla storia e vede che la persona ha cambiato il suo comportamento in modo dinamico. Fornisce quindi probabilità di conversione estremamente precise, imparando non solo da un utente, ma da ogni utente della rete.

Ad esempio, se il regalo di compleanno fosse "nuove cuffie", il retargeting basato sul deep learning vedrebbe l'utente cercare rapidamente tra 10 modelli diversi, controllare le specifiche e restringere la fascia di prezzo. La definirebbe una situazione insolita e urgente, mentre gli algoritmi tradizionali la vedrebbero solo come un comportamento indeciso e irregolare – o non se ne accorgerebbero affatto.

Con la consapevolezza che la persona ha un urgente bisogno di acquistare qualcosa, l'e-shop può spingere automaticamente il consumatore a finalizzare l'acquisto presso il proprio e-store specifico.

Dal punto di vista dell'utente: algoritmi di deep learning che prevedono i tuoi desideri

Quando l'intelligenza artificiale viene applicata a qualsiasi prodotto commerciale o distribuzione di servizi, diventa un'estensione unica di ciò che siamo. Funziona in modo fenomenale nel sistema di raccomandazione di Netflix e molti film guardati su Netflix provengono dai suggerimenti avanzati dell'azienda per l'apprendimento.

Amazon si affida anche agli algoritmi di autoapprendimento. Il sistema brevettato di "spedizione anticipata" basato su algoritmo dell'azienda può definire con estrema precisione i modelli di acquisto dei clienti e prevedere il marchio, la fascia di prezzo e il prodotto che verrà acquistato. Sulla base di ciò, Amazon può spedire i prodotti ai centri di distribuzione prima ancora che venga effettuato un ordine, rivoluzionando il settore dell'e-commerce.

L'intelligenza artificiale, in particolare il deep learning, è lo strumento perfetto per prevedere i desideri di un utente nel settore pubblicitario. La tecnologia sta semplificando la nostra esperienza utente quotidiana portando annunci profondamente mirati che contengono non solo i prodotti che è più probabile che acquistiamo, ma anche quelli che non abbiamo visto o prodotti a cui non abbiamo nemmeno pensato.

Immagina di aver appena acquistato una nuova fotocamera. Gli algoritmi di deep learning analizzeranno ogni parte di ciò che hai fatto: data di acquisto e acquisto, specifiche della fotocamera, cronologia, comportamento, ecc. Gli algoritmi saranno in grado di elaborare raccomandazioni sui prodotti modellate per soddisfare le tue esigenze personali che vanno oltre i suggerimenti tipici.

Obiettivi compatibili o schede di memoria aggiuntive o treppiede per fotocamera potrebbero essere buoni consigli, mentre un annuncio video suggerito con un drone con fotocamera potrebbe mostrarti qualcosa a cui non avevi nemmeno pensato, ma che ora desideri inconsciamente.

I consigli sui prodotti correlati di Amazon aiutano a incoraggiare gli utenti a fare ulteriori acquisti

Il motivo per cui il deep learning è così efficace è che apprende allo stesso modo delle persone, solo molto, molto più velocemente. Esamina i desideri di ogni persona su base individuale, tenendo conto anche dei dati di milioni di altri e fornendo risultati in tempo reale. Questa è un'impresa che nessun essere umano potrà mai sperare di realizzare.

Gli strumenti di deep learning degli inserzionisti porteranno a cambiamenti nel modo in cui raccomandiamo i prodotti, valutando attentamente il valore di un potenziale acquirente, prevedendo la probabilità di conversione e, cosa più importante, imparando i loro desideri. Gli algoritmi di autoapprendimento aiutano a ottenere un'analisi degli utenti super accurata e, di conseguenza, rendono la pubblicità circa il 40% più efficiente.

Nel prossimo futuro, inserzionisti e utenti sperimenteranno l'evoluzione della pubblicità. Anche se può sembrare un po' fantascientifico, questa tecnologia è una progressione naturale per rendere le attività online più efficienti che mai.