di Vivian Frattini e Gianluca Contardi

Allo #IABForum Alessandro Rea, Cloud & Cognitive Solution Architect e Andrea Ongaro, Data Scientist di IBM, ci hanno raccontato come l’intelligenza artificiale può riconoscere opinioni,  attitudini ed emozioni dei propri clienti e come sfruttarla per realizzare soluzioni diverse ed aumentare l’engagement.

L’intelligenza artificiale, o più comunemente AI, è una disciplina appartenente all’informatica e può essere utilizzata per capire, ragionare, imparare e interagire con i clienti.

L’intelligenza digitale consente di supportare, tra le altre cose, il processo di digital marketing partendo dalla fase del targeting.  In questo ambito, infatti, l’AI permette alle aziende di conoscere in modo più approfondito i clienti potenziali grazie all’analisi rapida di un notevole quantitativo di dati.

Anche nella fase creativa, in cui l’uomo assume un ruolo centrale, viene impiegata l’AI, intesa come funzione a sostegno di quanto prodotto dall’essere umano. Quando viene impiegata questa tecnologia per prevedere le variabili creative, infatti, si riscontra un aumento fino al 25% delle presentazioni.

Superate questi due prime fasi, gli esperti di IBM introducono il concetto di personalizzazione, fase in cui l’azienda puà raggiungere il 51% degli utenti se utilizza l’AI per analizzare gli aspetti soggettivi che caratterizzano il potenziale consumatore, approfondendo la sua conoscenza e spingendosi oltre al segmento cui appartiene.

Un ulteriore campo di applicazione dell’Intelligenza Artificiale è il mondo dei social media che consente di analizzare quanto detto dagli utenti e permette alle aziende di trovare gli influencer più adatti per diffondere i valori del brand. 

L’AI, però, non permette solamente di identificare gli utenti ma anche di misurare gli impatti e trovare le soluzioni ottimali per la propria strategia, tramite il cosiddetto “measurement del marketing plan”.  

Lavorare sul targeting, sulla fase creativa, sulla personalizzazione e sui social media,  consente all’impresa di migliorare la reputazione del proprio brand su tutti i canali utilizzati, aumentare il grado di soddisfazione del cliente e quindi incentivare il customer engagement, proponendo dei servizi sempre più personalizzati e innovativi.

Non solo riflessioni teoriche ma anche questioni più pratiche hanno animato lo speech di Rea e Ongaro che hanno raccontato gli strumenti e le pratiche che traducono la teoria in funzioni concrete.

Tra questi concetti c’è sicuramente il Deep Learning, una rete neurale automatizzata che permette di estrarre dati non strutturati di tipo testuale con lo scopo di ottenere più informazioni possibili. Tra i vari compiti di questa rete dinamica, utilizzabileanche se si verifica una modifica nei dati, è necessario citare la comprensione del testotra cui le keywords e i concetti, le persone, i luoghi e le date, ma anche le categorie.

La Sentiment Analysis, invece, nasce con l’intento di  analizzare il testo per capire il sentimento generale, in termini di positività o negatività. Inizialmente veniva utilizzato il keyword spotting, tecnica in cui ad ogni parola, detta Lexicon,  corrispondeva un certo valore di sentiment e tramite la somma delle parole del testo era possibile stabilire il valore finale. Questo processo presentava, però, un limite importante: non coglieva le varie sfumature delle lingue. Le reti neurali del Deep Learning quindi nascono anche per studiare in maniera sistematica la soggettività del linguaggio. Per affinare ulteriormente il testo, inoltre, è possibile analizzare il tono, intenso come l’estrazione di toni sia emotivi che linguistici per comprendere quanto le parole riescano a rispecchiare lo stato d’animo del soggetto. Grazie all’analisi del tono emotivo si possono individuare emozioni positive come la gioia oppure negative come la tristezza e la rabbia. Tramite l’analisi del tono del linguaggio, invece, è possibile analizzare se il testo è stato scritto in maniera analitica, sicura o incerta.

Il risultato finale di questo processo, ricorda Ongaro durante lo speech, è l’ottenimento di dati strutturati ed efficaci che possano essere utilizzati nella customer understanding, intesa come l’insieme della customer segmentation, della customer churn e del predicting purchase.

E per svolgere queste funzioni? IBM fornisce gli strumenti necessari, tra cui:

• Natural IBM Watson Language Understanding: per comprendere il testo ed estrarre il sentiment;
• Watson Tone analyzer: per analizzare il tono del testo;
• Watson Studio: comprende tutti gli strumenti open source più comuni nell’ambito della data science;
• Watson Machine Learning: consente di collegare il modello ad eventuali applicazioni.

È possibile individuare anche i diversi scenari di applicazione degli strumenti forniti da IBM, tra cui:

• Social listening e audience monitoring: permette di comprendere quanto detto dai clienti del brand in tempo reale, analizzando le emozioni e i toni rilevanti in social post e recensioni;
• Personalized marketing: consente di determinare a quale cliente rivolgersi con messaggi personalizzati, quando farlo e in che modo;
• Virtual assistant: permette all’assistente virtuale di rilevare i toni dei clienti e rispondere in modo adeguato;
• Customer-engagement monitoring: consente di monitorare il tono generale delle comunicazioni tra agenti e client, di verificare se i clienti sono soddisfatti o meno e se gli agenti sono gentili e comprensivi nei loro confronti.

Termina così il workshop tenuto dagli esperti di IBM a tema AI che ci ha permesso entrare nelle logiche insite alla tecnologia quale strumento di relazione con le persone che diventano sempre più il vero focus di qualsiasi processo.
A partire dalla comprensione reale dei propri utenti e dal riconoscimento di opinioni, sentimenti ed attitudini, infatti, l’Intelligenza Artificiale rappresenta lo strumento ideale a supporto delle imprese per migliorare la percezione del brand, soddisfare il cliente e aumentare il customer engagement.