Skip to main content
Personalizzazione AI CTO scatola nera

Personalizzazione AI: il nostro CTO apre la scatola nera

Reading time
7 minuti
Author
Jean-Noël Rivasseau Kameleoon
Jean-Noël Rivasseau
Jean-Noël is Kameleoon's founder and CTO and today heads the company's R&D department. He is a recognized expert in AI innovation and software development. In his posts he shares his vision of the market and his technology expertise.

Jean-Noël   Intervista con Jean-Noël Rivasseau, CTO di Kameleoon

1 L'AI è la chiave per una personalizzazione su larga scala e in real-time?

Il 98% dei visitatori online abbandona il sito senza acquistare e senza avanzare nel customer journey, a differenza dell’esperienza instore, nella quale i clienti hanno più probabilità di sentirsi ingaggiati e di effettuare un acquisto - questo grazie a un personale preparato e competente che ne comprende le necessità e che modella il proprio approccio, offrendo al cliente ciò che sta cercando. 

Questo è il motivo per il quale i brand sono continuamente alla ricerca di raggiungere lo stesso livello di personalizzazione anche online. E in passato applicare un approccio simile al mondo digital che potesse essere scalabile e che operasse in real-time era molto complicato, per non dire impossibile. Per farlo, oggi i brand devono esser capaci di personalizzare l'esperienza di tantissimi visitatori contemporaneamente, spesso con poche informazioni alla mano su bisogni e necessità.

L’AI si pone come soluzione a questo problema, abbinando l'intelligenza alla velocità in real-time per offrire esperienze personalizzate che aumenteranno l’engagement e le vendite. Tuttavia, l'approccio della maggior parte dei solution provider nei confronti delle parti più tecniche delle loro soluzioni di personalizzazione porta i brand a non avere la minima idea di che cosa succeda e del perché vengano prese certe decisioni, preoccupandosi di fatto della mancanza di controllo e trasparenza. Il grande problema è che i marketer non sono in grado di capire esattamente che cosa ha portato a quel determinato risultato e, non riuscendo di fatto ad analizzare l'efficacia della loro strategia. La conseguenza principale è un atteggiamento di diffidenza nei confronti dell'AI, soprattutto quando si tratta di lasciare che sia proprio lei a definire target e strategie. A meno che non vengano loro spiegati i meccanismi alla base.

Come possono i brand vincere questa sfida? Ne abbiamo parlato con il nostro CTO, Jean-Noël Rivasseau, per capire come è possibile sfruttare le potenzialità della personalizzazione tramite AI per ottenere risultati efficaci, offrendo al tempo stesso controllo e trasparenza.

2 Quali sono le difficoltà che i marketer riscontrano nell'AI oggi?

Jean-Noël Rivasseau: I brand sono consapevoli del potenziale e dei benefici dell'AI, soprattutto per quanto riguarda la personalizzazione, ma hanno preoccupazioni in merito a:

  • Scelta. Ci sono tantissime tecnologie disponibili per il marketing e il loro numero è in continua crescita. Scegliere quella giusta per le proprie esigenze è difficile, soprattutto perché da un punto di vista esteriore sembrano tutte molto simili.
  • Moda. L'AI è sulla bocca di tutti. Tutti i solution provider offrono tecnologie basate su AI, proposte come panacea per tutti i problemi. Ciò rende difficile per i brand identificare le use case nelle quali l'AI ha davvero fatto la differenza e quale fra la tante può davvero rispondere alle proprie esigenze.
  • Etica e risultati. I brand devono essere consapevoli del fatto che l'AI darà loro risultati, e che lo farà in modo etico. Potranno ottenere un ROI soddisfacente? Riusciranno a comprendere modelli e approcci utilizzati? Potranno esser certi che quella soluzione soddisferà davvero le loro esigenze? I brand vogliono raggiungere i loro obiettivi di marketing, ma non vogliono farlo al prezzo di danneggiare la loro reputazione per via di algoritmi poco etici o discriminatori. E tenere al tempo stesso le redini della strategia scelta.

3 Come funziona in pratica la personalizzazione AI?

Jean-Noël Rivasseau: La personalizzazione AI si basa sull'intelligenza artificiale - il machine learning. Il sistema è estremamente potente perché apprende in autonomia. É sufficiente infatti alimentarlo con dati per farlo apprendere. Analizzando i dati visitatore gli algoritmi definiscono schemi, che vengono applicati a nuovi set in un momento successivo, migliorando le previsioni.

É possibile vedere il machine learning in azione su tecnologie come riconoscimento vocale e di immagini, per esempio. Lavoro con il machine learning dal 2002 - momento in cui la tecnologia è iniziata a crescere per spingersi oltre e trovare un numero sempre maggiore di applicazioni, soprattutto in questi ultimi anni.

Con la personalizzazione AI i sistemi analizzano i dati relativi al comportamento dei clienti per prevederne i desideri: questi possono essere dati caldi - ottenuti sulla base delle azioni dei tuoi visitatori raccolte in real-time - , o dati freddi - cioè ciò che già si sa su di loro, come preferenze, storico ordini, grado di fidelizzazione al brand, con riferimento al CRM -. L'obiettivo è chiaramente quello di aumentare le conversioni offrendo loro le informazioni e l'esperienza che meglio rispondono alle loro esigenze immediate.

Kameleoon utilizza le reti neurali per analizzare entrambi in real-time, trovando automaticamente correlazioni tra i visitatori, per poi definire un gruppo target con caratteristiche complesse - spesso a un punto tale da risultare incomprensibili agli esseri umani. Un esempio di utilizzo è l'analisi sui visitatori che hanno bisogno di un'offerta per convertire e di chi invece lo farebbe anche senza.

4 Cosa rende Kameleoon differente?

Jean-Noël Rivasseau: Da sempre mi interesso al machine learning ed è per questo che nel 2012 ho iniziato a sviluppare la piattaforma di personalizzazione di Kameleoon insieme al mio team. L'AI non è facile, ma contando gli anni di esperienza alle spalle siamo in grado di comprendere le esigenze attuali e prevedere trend futuri. 

Fondamentalmente sono tre le caratteristiche che ci differenziano dagli altri solution provider: 

1. La nostra piattaforma è use-centric, è stata progettata per rispondere a qualsiasi esigenza aziendale, concentrandosi sulla personalizzazione in real-time. Il valore di ogni tecnologia risiede unicamente sull'utilizzo ed è per questo che abbiamo progettato la nostra piattaforma per adattarla a qualsiasi use case, sviluppandola ulteriormente grazie all'esperienza dei nostri 450+ clienti.

Alcune tipicità includono:

  • Personalizzazione del brand a livello globale e dei contenuti sulla base della sensibilità e delle esigenze del visitatore in un determinato momento - creando per esempio una homepage personalizzata con banner, immagini e contenuti personalizzati per ogni utente, sulla base di ciò che gli interessa davvero.
  • Attivazione di azioni di marketing e commerciali sulla base delle intenzioni di acquisto, offrendo per esempio uno sconto per spingere sugli indecisi.
  • Generazione di lead più qualificati, identificando i potenziali clienti all'interno di un segmento mirato e fornendo loro un'esperienza su misura che li spinga a proseguire il customer journey.
  • Attivazione di dati concentrandosi su prospect più freddi, definiti tali tramite una piattaforma di gestione dei dati (DMP) o una piattaforma di dati del cliente (CDP). 

2. Si concentra sull'essere customer-centric. Le tradizionali piattaforme di recommendation di prodotti funzionano attraverso un metodo grafico: il visitatore visualizza i prodotti A, B e C e la piattaforma prevedere quale prodotto D dovrà essere poi mostrato per avere maggior possibilità di generare un up-sell. Al contrario, i dati di input che utilizziamo sono quasi tutti customer-centric, sulla base quindi di ciò che ha fatto il visitatore o su ciò che si sa su di lui.

3. La nostra AI offre strategie di personalizzazione onsite in real-time. Sono quindi specifiche per ogni effettiva visita effettuata sul sito e per le azioni attivate durante la navigazione, in real-time.

Kameleoon è ideale quando si ha un obiettivo o un'offerta specifica ma non si è sicuri di chi sia il pubblico di riferimento: con il machine learning si possono definire le caratteristiche del target di riferimento, per ritrovarle in real-time tra i tuoi visitatori e offrire un'esperienza personalizzata, che porterà alla conversione.

5 Apriamo la scatola nera: gli algoritmi di Kameleoon

Jean-Noël Rivasseau: Alcune delle principali preoccupazioni dei marketer sono relative alla poca trasparenza dell'AI e al fatto di non riuscire a comprendere come gli algoritmi hanno ottenuto determinati risultati.

Come la maggior parte dei solution provider, Kameleoon utilizza algoritmi propri, creati sulla base di dati grezzi. Il valore aggiunto che forniamo è nell'architettura che li circonda. Questi algoritmi sono supervisionati e l'intelligenza deriva dalla formazione. Come funziona?

FASE DI APPRENDIMENTO

Quando si modificano le impostazioni si attiva una nuova fase di apprendimento supervisionato: il modello viene formato utilizzando i dati di tutti i visitatori del sito. Si sviluppa la rete neurale con l'inserimento dei dati sulle sessioni dei visitatori, correlandoli alla conversione degli obiettivi e identificando così i segnali che la influenzano positivamente o negativamente. Quando le previsioni sono soddisfacenti (normalmente dopo 2.500 conversioni / circa 100.000 visite) il modello può essere implementato. La fase di apprendimento in sé non finisce mai poiché tutti i nuovi dati dei visitatori migliorano l'apprendimento dell'algoritmo, e insieme a lui le sue capacità di previsione e di adattamento ai cambiamenti del contesto. Dato che la percentuale di visitatori che convertono su qualsiasi sito web è molto bassa (circa il 2%), la tendenza naturale degli algoritmi è quella di prevedere una mancata conversione. L'euristica di Kameleoon compensa quindi questa tendenza - portando gli algoritmi a rischiare per ottenere maggiori segnali positivi, sulla base dell'esperienza e di use case precedenti.

FASE DI utilizzo

Quando utilizzato, il modello dei dati monitora il comportamento del visitatore in real-time e calcola la sua propensione al convertire - il punteggio grezzo. Questa metrica interna viene poi normalizzata nel Kameleoon Conversion Score (KCS), una metrica esterna che può essere facilmente compresa dai marketer. I nostri algoritmi forniscono un punteggio che rende semplice per i marketer capire perché sono state intraprese particolari azioni per determinati segmenti di visitatori, aumentando la fiducia nel sistema attraverso una maggiore trasparenza. 

Per saperne di più sulla tecnologia di Kameleoon e su come offre trasparenza ai marketer digitali è disponibile il nostro whitepaper tenico per il download.

Jean-Noël Rivasseau Kameleoon
Jean-Noël Rivasseau
Jean-Noël is Kameleoon's founder and CTO and today heads the company's R&D department. He is a recognized expert in AI innovation and software development. In his posts he shares his vision of the market and his technology expertise.
Temi trattati in questo articolo