Il recente report State of Ad Tech 2019 ha rilevato che la paid display è la strategia pubblicitaria più utilizzata al mondo. E non c’è da meravigliarsi, poiché gli annunci di raccomandazione sui prodotti spostano i consumatori lungo il percorso di acquisto e li avvicinano alla conversione.

L’efficacia delle campagne di raccomandazione sui prodotti dipende dalla raffinatezza del modello di raccomandazione e dalla potenza del machine learning sotteso ai modelli. Ed è qui che l’Intelligenza Artificiale (IA) entra in scena.

Il potere dell’IA
Con l’aiuto dell’IA, la raccomandazione sui prodotti ha subito una forte trasformazione, svolgendo un ruolo sempre più importante nel percorso di acquisto. Gli annunci di raccomandazione tradizionali, che si basano su concetti di base, come il modo in cui un utente valuta un prodotto e le relative preferenze riportate, hanno avuto un’efficacia imprevedibile in passato. Ora, grazie ai notevoli progressi degli ultimi anni nel campo della potenza di calcolo e del machine learning, i sistemi di raccomandazione possono lavorare più efficacemente e più velocemente.
Oggi, le raccomandazioni sui prodotti includono algoritmi di deep learning che elaborano insiemi di dati storici enormi e in continua evoluzione e sono in grado di prevedere i prodotti che un utente desidera vedere successivamente. Idealmente, i consumatori vedono molti meno annunci nella loro navigazione su Internet e ancora meno annunci che mostrano un prodotto che non vogliono acquistare – e questo è solo l’inizio.

Aspettative che cambiano
Con questi progressi rivoluzionari nella potenza di calcolo e nell’intelligenza artificiale, i marketer sono molto più esigenti, a partire dal consumatore e dal percorso di acquisto. Richiedono sistemi che mostrano quali sono i prodotti con i quali è più probabile che i clienti interagiscano e acquistino. Ciò significa andare oltre le categorie di prodotto e concentrarsi invece sul livello SKU, in modo da avere raccomandazioni più granulari. Questi modelli di raccomandazione in continua evoluzione non solo sono molto più efficaci per le prestazioni, ma forniscono anche un’elevata rilevanza per i consumatori, aggiungendo valore alla loro esperienza.
Dal momento che le aspettative dei marketer e dei consumatori continuano a cambiare, anche l’IA continuerà ad adattarsi. La pubblicità di raccomandazione sui prodotti dovrebbe infatti agire essenzialmente come un personal shopper, aiutando i consumatori a scoprire il prossimo nuovo prodotto più pertinente e utile per loro in un determinato momento. Lo scenario ideale è la previsione di ciò che gli utenti vogliono acquistare prima ancora che gli utenti stessi lo sappiano.

Verso la causalità
È bene tenere presente che i motori di raccomandazione attuali si basano sulle correlazioni. Funzionano ma hanno dei difetti perché la correlazione non implica la causalità. I sistemi di raccomandazione futuri comprenderanno gli effetti causali delle raccomandazioni di prodotto sull’utente.
Grazie all’IA, i sistemi di nuova generazione useranno non solo i dati storici degli utenti, ma terranno anche in considerazione l’effetto di ogni annuncio di raccomandazione e la reazione dell’utente. Utilizzando questi dati, gli algoritmi avranno la possibilità di aggiornare le raccomandazioni future in tempo reale, per ottenere il massimo impatto sul consumatore. I marketer saranno quindi in grado di capire se i loro prodotti stanno effettivamente cambiando il comportamento del consumatore a cui vengono mostrati.
È una situazione win-win sia per i marketer che per i consumatori. Le raccomandazioni basate sulla causalità amplificheranno l’efficienza dei budget di marketing e forniranno maggiori insight sul comportamento degli utenti, riducendo allo stesso tempo il numero di offerte irrilevanti. Per quanto riguarda i consumatori, gli annunci iper-pertinenti generati attraverso questo nuovo modello saranno diversificati ed esclusivi, ispirando gli utenti lungo il loro percorso e guidandoli verso i nuovi prodotti che vogliono acquistare.
Grazie all’IA, le raccomandazioni sui prodotti continueranno a evolversi in modi che non sono ancora stati pensati. Per gli inserzionisti, i modelli di raccomandazione evoluti saranno efficaci per raggiungere gli obiettivi, ma aggiungeranno anche valore all’esperienza digitale dei consumatori. Diventando sempre più consapevoli delle loro esperienze digitali, è più probabile che i consumatori acquistino brand che li riconoscono attraverso i diversi canali con offerte e raccomandazioni pertinenti. L’intelligenza artificiale sarà il motore che consentirà ai marketer di raggiungere questi consumatori.

(Alberto Torre, Managing Director, Criteo Italia)