Nella prima parte di questa serie (Parte 1), abbiamo esaminato l’evoluzione della Unified Marketing Measurement (UMM) a partire dal tradizionale Marketing Mix Modeling (MMM).
Abbiamo poi analizzato come l’UMM consenta ai marketer di superare le limitazioni dei modelli di attribuzione, in un contesto in cui l’affidabilità dei dati basati sui cookie è in costante declino.
Infine, abbiamo evidenziato come adottare efficacemente l’approccio UMM richieda un cambiamento di mentalità verso una valutazione più rigorosa e statistica delle performance.
La novità dell’UMM è spinta in larga parte dai progressi dell’Intelligenza Artificiale (AI) e della Generative AI (GenAI).
I modelli di Marketing Mix basati su AI, introdotti da player globali come Google e Meta, hanno gettato le basi per lo sviluppo di un’ampia varietà di modelli da parte dei data scientist.
Oltre questo punto di partenza, la Generative AI promette di sbloccare nuove frontiere di innovazione nel marketing, portando soluzioni ancora più evolute e personalizzabili.
L’Intelligenza Artificiale: la Forza Trainante dell’UMM Moderna
I pacchetti open-source di Marketing Mix Modeling (MMM) basati su AI, rilasciati da attori come Google, Meta, PyMC e altri, hanno rivoluzionato i modelli tradizionali di misurazione del marketing, rendendoli più veloci, accessibili e scalabili per un pubblico sempre più ampio.
Gli strumenti open-source di MMM oggi integrano algoritmi di Machine Learning che supportano la costruzione dei modelli in diversi modi:
- Automatizzando le attività di elaborazione dati, come la preparazione e l’analisi di grandi dataset
- Identificando pattern, trend, relazioni causali e dipendenze a lungo termine
- Accelerando le fasi di creazione, test e aggiornamento dei modelli
- Generando scenari di tipo “what-if”
- Producendo output predittivi e prescrittivi
Le community che supportano questi strumenti contribuiscono costantemente con miglioramenti, aggiornamenti e ottimizzazioni.
La loro flessibilità consente l’adattamento a qualsiasi tipo di business, mentre la natura open-source li rende altamente convenienti in termini di costi.
Il risultato è che i modelli MMM sono diventati una commodity, aprendo la strada a strumenti di marketing più avanzati e personalizzati.
I modelli più evoluti di Unified Marketing Measurement sfruttano l’AI per integrare e triangolare i moderni modelli MMM con tecniche di Multi-Touch Attribution e sperimentazioni controllate (Experiments), ottenendo così misurazioni omnicanale precise e su misura.
La generative AI potenzia ulteriormente l’UMM
Le capacità della Generative AI (GenAI) si dimostrano ogni giorno sempre più versatili. Nell’implementazione di un sistema di Unified Marketing Measurement, la GenAI può essere sfruttata in diversi modi:
- Interagire con i propri dati tramite conversazione: Una delle funzionalità più rilevanti di GenAI è la capacità di generare testi conversazionali basati su una specifica base di conoscenza. Quando questa base è costituita dai propri dati, dalla terminologia e dai casi d’uso aziendali, è possibile dialogare direttamente con i dati. Questo permette di ottenere insight decisionali in modo molto più rapido rispetto all’analisi manuale anche dei cruscotti più evoluti e intuitivi.
- Analisi avanzata delle serie temporali: L’analisi delle serie temporali supportata da GenAI offre una maggiore accuratezza, rilevando pattern complessi e gestendo in modo più efficace i dati mancanti rispetto ai metodi tradizionali di interpolazione.
- Prevedere comportamenti in assenza di dati: Fare previsioni sugli effetti di allocazioni di budget in un mercato nuovo, dove i dati scarseggiano, può essere una sfida. Gli approcci basati su GenAI permettono stime più raffinate sfruttando dati provenienti da altri contesti, integrando conoscenze di dominio e combinando dati esterni in un mix personalizzato.
Un altro ambito chiave in cui GenAI assume un ruolo centrale nell’UMM è la generazione di Dati Sintetici, che sarà il tema del nostro prossimo articolo.
