Iperpersonalizzazione con il marketing basato sull'IA

Jake Burns:
Per cominciare, potresti dirci qualcosa sullo stack tecnologico che state impiegando? In questo periodo sto interagendo con molti clienti interessati a iniziare con l'IA, e in particolare con l'IA generativa, e molti di loro non sanno da dove partire. Quali consigli ti sentiresti di dare?

Vijay Chittoor:
In primo luogo, data la natura stessa dell'IA, si parte da un'enorme quantità di dati, specie nel nostro campo di attività. Nel nostro caso, si tratta esclusivamente di informazioni proprietarie dei clienti, organizzati per marchio. Essenzialmente, ogni nostro cliente dispone di un vasto archivio di dati, sia storici che recenti. Noi di Blueshift facilitiamo l'inizio del percorso di unificazione dei dati, che, come probabilmente hai anche tu sperimentato, rappresenta uno dei passaggi fondamentali per l'adozione efficace dell'IA. Ritengo, quindi, che il primo passo sia proprio organizzare bene il patrimonio di dati, essere in grado di acquisirli in tempo reale e poterli unificare. In secondo luogo, il consiglio che diamo a tutti coloro che iniziano il percorso verso l'IA è di concentrarsi innanzitutto sul consumatore finale.

Nel nostro caso, quando pensiamo al consumatore, ci chiediamo: come utilizzare l'IA per fornire interazioni personalizzate al consumatore finale? Per noi, una parte importante della risposta è pensare all'IA del cliente. L'IA del cliente consiste nel prendere i dati proprietari dei clienti, di cui parlavo prima, e tradurli in chi, cosa, quando, dove e come interagire con il consumatore. In confronto, il marketing tradizionale, che è spesso molto manuale e non guidato dall'IA, inizia con decisioni precise riguardo ai destinatari di una determinata campagna, alle offerte da presentare, al momento giusto per contattare il consumatore, e al canale o al luogo di interazione. Riflettendoci, nelle applicazioni di un mondo privo di IA, il processo decisionale manuale tende a semplificare eccessivamente le cose: i consumatori vengono raggruppati secondo specifici criteri e a tutto il segmento viene destinata una singola offerta.

Tuttavia, la realtà è che le persone, i consumatori finali, sono individui con caratteristiche uniche e reagiscono in modi diversi. Ciò che l'IA riesce a fare molto bene, anche quando il mercato umano è inattivo, è fare scelte su base individuale per ciascun consumatore e compiere milioni di decisioni simili in modo simultaneo. Credo che questo rappresenti la vera forza della personalizzazione offerta dall'IA: la sua capacità decisionale e il suo motore operativo. Riepilogando, quando consigliamo alle persone come intraprendere il percorso verso l'IA, suggeriamo di partire innanzitutto organizzando i dati, in secondo luogo di pensare al consumatore e ai casi d'uso, ma poi è essenziale cercare di sfruttare il vantaggio dell'IA, che può prendere decisioni su larga scala, personalizzandole su base individuale e trasformando l'esperienza del consumatore finale tenendo conto di questi elementi.

Jake Burns:
Esattamente. Sì, è un ottimo punto. Si tratta di personalizzare davvero l'esperienza. Trattandosi di un processo manuale, sarebbe semplicemente troppo laborioso farlo per qualsiasi essere umano anche se lavorasse 24 ore su 24, giusto?

Vijay Chittoor:
È proprio così. Esatto.

Jake Burns:
Inoltre, presumibilmente, l'IA lo fa meglio e più frequentemente perché sfrutta una gamma più ampia di estrazioni per analizzare dati più vari.

Vijay Chittoor:
Esatto. E credo che tu abbia sollevato un punto molto importante. Concentrati per un attimo sul percorso del consumatore finale. Se ci pensi, in molti hanno parlato di come i percorsi dei consumatori siano diventati molto più complessi nel mondo digitale di oggi, dove sono emersi così tanti punti di contatto diversi. In questo contesto complesso, esistono milioni di permutazioni possibili nel percorso del consumatore. Per certi versi, penso che oggi, per quanto riguarda il coinvolgimento dei consumatori, la questione principale sia proprio promuovere il percorso autodiretto di ogni consumatore, perché quest'ultimo sta automaticamente compiendo un percorso con il marchio. Quindi, come si riconosce il percorso intrapreso da ogni individuo? Come aiutare il consumatore in quel momento e come farlo su larga scala? Ed è davvero un bene che l'IA entri in gioco e aiuti tutti. Quando lavoriamo con i professionisti del marketing, penso sempre che siano molto bravi a raccontare storie. Ma oggi la sfida è come prendere il succo della storia e individualizzarlo attraverso tutti questi diversi percorsi autoproiettati. Ed è sotto questo aspetto che penso che i professionisti del marketing possano collaborare davvero bene con l'IA. Questa è stata una partnership molto potente.

Jake Burns:
Sembra incredibile. Lascia che ti chieda: qual è il ruolo degli umani in tutto questo?

Vijay Chittoor:
Penso che gli umani siano l'elemento creativo principale alla base di tutto questo. Vi sono anche dei fattori strategici dietro tutto questo. In un certo senso, ritengo che le tecnologie di automazione della prima generazione abbiano complicato per gli esseri umani il raggiungimento di livelli più elevati di strategia e creatività. Questo perché gran parte di quell'automazione era condizionata e basata su regole inflessibili: se si verifica una certa condizione, allora deve seguire un determinato risultato.

Molte volte, gli addetti al marketing e gli altri reparti dell'azienda si sono ritrovati a premere un sacco di pulsanti e di manopole, e questo ha tolto la creatività e il pensiero strategico dal loro lavoro. La nuova ondata di IA sta portando a una vera automazione, in cui non si sta seduti a premere prima un pulsante e poi un altro, ma si è effettivamente stimolati e messi in grado di fornire valore strategico e creatività. Ora si può davvero pensare alle storie da raccontare ai consumatori finali e utilizzare la tecnologia come assistente per realizzarle su larga scala, anziché impantanarsi battendosi, per qualunque motivo, contro la tecnologia stessa. In questo senso, l'IA ha sbloccato il potenziale di molti umani e ne siamo davvero entusiasti.

Jake Burns:
Quindi, si tratta più di una relazione tra co-creatori che di sostituire del tutto l'umano.

Vijay Chittoor:
Esatto. E rispetto all'analogia con i co-creatori, per certi versi, a volte parliamo dell'idea che tutti diventino editor e, in senso letterale, le persone che si dedicano alla scrittura sono in grado di ottenere rapidamente le prime bozze e dedicare più tempo all'editing. Ma a un livello più strategico, inizi a pensare al lavoro degli umani. Penso che tutti, in ogni ruolo e in ogni reparto dell'azienda, si stiano elevando a quel livello di editor e il loro lavoro sarà più leggero, perché le fasi iniziali di prima stesura e di scrittura saranno alleggerite.

Jake Burns:
Meno lavoro indifferenziato, più personalizzazione e qualche tocco finale.

Vijay Chittoor:
Esatto.

Jake Burns:
Esatto. Parliamo, quindi, delle competenze necessarie per creare un'azienda come questa, perché molte delle aziende con cui collaboro vogliono tutte utilizzare l'intelligenza artificiale. Tuttavia, è una competenza molto difficile da trovare poiché attualmente i data scientist e gli esperti in IA sono molto ricercati e la loro selezione è complicata. Sono figure molto richieste. Allora, qual è stato il tuo approccio alla selezione del personale e all'assunzione di questi talenti nella tua organizzazione?

Vijay Chittoor:
Questa è un'ottima domanda. Ritengo che sia molto importante da un lato selezionare adeguatamente il personale, dall'altro creare una cultura aziendale adatta. Riguardo alla selezione, credo che siamo stati fortunati ad avere fin dall'inizio talenti esperti in IA all'interno dell'azienda. Il mio co-fondatore Manyam è il nostro Chief AI Officer e ha svolto un lavoro davvero ammirevole sin dai tempi in cui l'IA non era ancora sulla bocca di tutti. Penso che sia stato fantastico iniziare con una persona del genere e gettare delle basi solide nella giusta direzione per il team. Sicuramente è fondamentale cercare le competenze e il talento adatti, ma ritengo che la cultura sia altrettanto importante. È fondamentale stabilire il framework adeguato per l'intera azienda, non solo per gli ingegneri che si occupano di machine learning e IA, ma per tutti i dipendenti; al fine di trarre il massimo vantaggio da queste tecnologie, di implementarle in modo efficace per i consumatori e di contribuire al loro successo.

Per quanto riguarda la cultura, concentriamoci sui cinque valori fondamentali alla base di Blueshift, le cui iniziali compongono l'acronimo “MORPH”, ossia cambiamento. La M si riferisce al primo valore: “make new mistakes”, vale a dire commettere nuovi errori. Sembra controintuitivo chiedere a qualcuno di commettere errori. Tuttavia, l'aspetto cruciale è incoraggiare a fare nuovi errori, che implicano un apprendimento rapido, la capacità di tentare nuove strade, ma anche di mantenere la costante cultura della crescita, unita alla forte curiosità e voglia di conoscere. Iniziamo da questo perché ritengo sia molto importante, specialmente con tecnologie emergenti come l'IA. In secondo luogo, parliamo della lettera O di MORPH: l'ossessione per il successo dei clienti. Anche in questo contesto, per rendere la tecnologia veramente preziosa, è essenziale concentrarsi sul consumatore finale.

Pertanto, è cruciale essere completamente focalizzati su questo obiettivo, che coinvolge non solo i nostri team tecnologici ma anche quelli di marketing, vendite e successo del cliente, tutti uniti nell'impegno di garantire il successo del cliente. La lettera R sta per “raise the bar” (superare le aspettative). Ci mettiamo alla prova per essere la migliore versione di noi stessi e riflettiamo seriamente su quale sia l'innovazione più importante che possiamo offrire ai nostri clienti. Questo significa superare le aspettative. La P di “Play” è la quarta lettera che si riferisce al gioco di squadra. Per garantire il successo dei nostri clienti, operiamo come un'unica squadra all'interno dell'intera azienda, partendo da chi si occupa dello sviluppo fino ai team che interagiscono direttamente con i consumatori e oltre. Infine, l'ultima lettera H sta per “have fun”, ossia divertirsi. Questo significa ammettere che tutto questo lavoro sarà complesso, ma ci impegneremo a sviluppare una cultura in cui sia gratificante per tutti venire a lavorare, divertirsi nel realizzare tale progetto e godersi il percorso tanto quanto la destinazione finale.

Jake Burns:
Hai menzionato prima, credo parlando della “M” di MORPH, l'importanza di commettere errori, che può sembrare controintuitivo per alcuni. Come fate a minimizzare il costo del fallimento per assicurare che questi errori non siano disastrosi?

Vijay Chittoor:
Questo aspetto è indispensabile. Quando si parla di commettere errori, ci si riferisce all'importanza di fare nuovi errori e si pone l'accento sulla cultura dell'apprendimento all'interno dell'azienda. Allo stesso modo, ci concentriamo intensamente sul successo dei nostri clienti. Ci occupiamo di molti casi d'uso che sono fondamentali per loro e, dato che il nostro approccio si basa sull'ossessione per il loro successo, prendiamo seriamente tutto ciò che è essenziale. È necessario evitare di commettere errori sotto questo aspetto.

Bilanciamo l'innovazione, che può avvenire dietro le quinte durante lo sviluppo, con la realizzazione di un prodotto finale che soddisfi gli standard del nostro impegno ossessivo per il successo dei clienti. Questi sono i due obiettivi per cui lottiamo. A tal proposito, ritengo che sia meraviglioso collaborare con aziende fantastiche come Amazon, a cui ci affidiamo per gran parte della nostra infrastruttura. Questa deve essere affidabile, performante, avere bassa latenza e via discorrendo. Adottiamo tale mentalità quando forniamo prodotti ai nostri clienti e ci concentriamo ossessivamente sul loro successo.

Ci sono momenti, durante la fase di prototipazione o lo sviluppo interno, in cui è importante commettere errori rapidamente. Desideriamo promuovere una cultura che incoraggi la sperimentazione, ma è altrettanto fondamentale avere consapevolezza dei momenti in cui non è appropriato sbagliare. Questo approccio è profondamente radicato nel nostro impegno verso il successo dei clienti e riflette la serietà con cui ci assumiamo le nostre responsabilità nei confronti del consumatore finale.

Jake Burns:
Avete incontrato difficoltà lungo il percorso? Se sì, come le avete superate?

Vijay Chittoor:
Questa è un'ottima domanda. Man mano che abbiamo introdotto alcune di queste tecnologie innovative sul mercato, ci siamo imbattuti in diverse sfide significative, in particolare relative all'IA. La prima questione emergente riguarda la necessità di rendere l'IA affidabile e facile da spiegare, soprattutto quando impiegata in contesti aziendali. I nostri clienti desiderano assicurarsi che l'esperienza offerta al consumatore finale sia allineata con il loro marchio e che rappresenti un'interazione personalizzata, ottimizzata e dal valore aggiunto. Quando informiamo l'azienda che l'IA sta effettuando numerose decisioni, la sfida consiste nel convincere i team che si occupano dell'esperienza del consumatore e di marketing che le decisioni prese sono corrette, soprattutto perché non è possibile per loro verificare manualmente ogni singola decisione e si vanificherebbe lo scopo stesso della tecnologia. L'approccio che abbiamo adottato con successo per superare questa sfida è rendere l'IA comprensibile a più livelli.

Ad esempio, come assicurarsi che un marketer non tecnico utilizzi la piattaforma Blueshift e comprenda gli effetti dell'IA prima della sua implementazione? Come soluzione, abbiamo sviluppato un'interfaccia utente che permette anche a chi non è esperto di tutti i dettagli tecnici dell'IA di comprendere i principi fondamentali. Questo include la possibilità di visualizzare se un modello è ad alta affidabilità, di capire la natura dei dati inseriti per la modellazione e le funzionalità che sono state estratte e utilizzate. Per un ipotetico cliente in un determinato segmento, è possibile anche visualizzare interfacce che spiegano come l'IA ha preso una decisione. Integrare questi elementi nell'interfaccia utente delle nostre applicazioni è stato essenziale per implementare l'IA con fiducia. Incoraggio tutti coloro che stanno introducendo tecnologie IA sul mercato a prendere in considerazione tale aspetto: è importante definire come si desidera che gli umani interagiscano e collaborino con l'IA. Per una collaborazione efficace, è essenziale che l'IA sia spiegabile, intuitiva e interpretabile.

Jake Burns:
Quindi, in altre parole, l'IA fornisce una risposta, ma deve spiegarci come è arrivata a tale risposta.

Vijay Chittoor:
In larga misura sì, la risposta deve risultare così intuitiva da sembrare corretta e devono esserci prove sufficienti per convincerci che, anche senza analizzare milioni di decisioni, le azioni intraprese sono quelle adatte per il consumatore finale.

Jake Burns:
Una delle cose che tutti vorrebbero sapere è cosa ci riserva il futuro. Nessuno ha una sfera di cristallo, ma se dovessi pensare alla situazione tra due o tre anni, secondo te quale potrebbe essere il contributo dell'IA e, più specificamente, dell'IA generativa in termini di esperienza del consumatore?

Vijay Chittoor:
Ottima domanda. Esaminando la prima ondata dell'IA generativa negli ultimi mesi, si è sentito parlare così tanto sia della nuova tecnologia sia di come stia conquistando il mondo intero. Molti dei casi d'uso iniziali dell'IA generativa riguardavano la creazione di contenuti e di un numero sempre maggiore di varianti e la capacità di ridurre la complessità e il tempo necessario per creare nuovi contenuti. Pensando al mondo dell'esperienza del consumatore, che hai citato, storicamente i team dedicati a offrire un'esperienza ai consumatori si confrontavano con un grosso collo di bottiglia rispetto ai contenuti: la necessità di produrre i contenuti adatti per personalizzare ogni singola interazione. Con milioni di interazioni personalizzate, come è possibile creare milioni di contenuti? Quindi, in qualche modo, la prima cosa che l'IA generativa ha fatto è stato eliminare o almeno ridurre il collo di bottiglia nella creazione di numerose varianti dello stesso contenuto.

Ciò che succederà dopo sarà combinare realmente quell'IA generativa con quella che chiamiamo IA del consumatore per offrire vera personalizzazione. Ciò che farebbe l'IA del consumatore sarebbe prevedere realmente quello che ogni individuo desidera o quale variante di contenuto attrae ciascuno. L'IA generativa potrebbe creare effettivamente tutti quei contenuti in tempo reale, o quasi, e renderli disponibili. Un semplice esempio potrebbe essere una promozione che un marchio invia tramite SMS con un testo diverso per ogni consumatore. Può trarre informazioni non solo dal sentiment e da cose del genere, che sono facili da manipolare per l'IA generativa, ma anche dall'IA del consumatore, che capisce davvero a quale offerta quest'ultimo è interessato. Unendo questi due elementi, riteniamo che, in qualche modo, ciò aprirà nuove frontiere nella personalizzazione. Siamo entusiasti all'idea di immaginare un futuro in cui l'IA generativa e l'IA del consumatore si uniranno per offrire a quest'ultimo esperienze eccezionali.

Jake Burns:
Hai una lunga esperienza nel campo dell'IA: c'è qualche consiglio che vorresti dare alle persone che stanno intraprendendo i primi passi con questa tecnologia? In molti stanno iniziando proprio adesso. Quali sono alcune delle cose principali che consiglieresti loro di prendere in considerazione?

Vijay Chittoor:
Se ci pensi, nelle aziende c'è un grande potenziale latente. C'è molta conoscenza latente, ci sono molti dati latenti che potrebbero essere utilizzati per fornire valore ai consumatori finali. Come si può concretizzare il valore di tutto ciò? Tradizionalmente i marchi hanno iniziato con tentativi guidati dall'uomo. Hanno, quindi, effettuato un po' di trasformazione digitale per utilizzare alcune tecnologie e iniziare a realizzare il valore.

In realtà, tuttavia, con l'IA, tutti i membri dell'azienda sono ora in grado di offrire effettivamente quel valore trasformativo ai consumatori finali. Osservando le cose sotto questo aspetto, è possibile rivedere l'intera strategia e i processi: per ricreare tutto fondandosi sull'IA, è necessario ripensare completamente alcuni di tali processi.

Jake Burns:
Esatto. Hai toccato un punto importante: ti riferisci al potenziale di democratizzazione di questa tecnologia, che può essere messa nelle mani di tutte le persone di un'organizzazione o molte di esse. L'altro grande vantaggio è che è possibile prendere i dati già in proprio possesso, che probabilmente sono in gran parte inutilizzati, e avvalersi di questa tecnologia per ricavarne informazioni.

Vijay Chittoor:
Esatto. Si tratta proprio di questo. La democratizzazione. Questa tecnologia sta diventando matura a tal punto che è utilizzabile anche dagli utenti senza competenze tecniche. Poiché ciò accade su larga scala in molte aziende, libera semplicemente enorme valore aziendale. Per scalare, è cruciale pensare a come questa tecnologia diventi il motore trainante della propria crescita, messa nelle mani dei team rivolti ai consumatori e di molte altre funzioni non tecniche dell'azienda.