Ci credi se ti dico che l’Intelligenza Artificiale (AI) e l’apprendimento automatico (ML) sono gli strumenti ideali per conoscere meglio i tuoi utenti?
Grazie a queste tecnologie, è possibile raccogliere, analizzare e interpretare una grande e varia quantità di dati per ottenere una comprensione più profonda dei comportamenti, delle preferenze e delle esigenze degli utenti. Questo permette di personalizzare l’esperienza utente, migliorare i prodotti e i servizi offerti e, in ultima analisi, aumentare la soddisfazione e la fidelizzazione dei clienti.
Vediamo come.
Che informazioni possiamo ricavare
L’IA e il ML offrono strumenti potenti per analizzare i dati, abbiamo già letto delle potenzialità di ML e AI nel mondo della finanza.
Ma questi strumenti ci permettono di analizzare anche i dati degli utenti e ricavare informazioni preziose.
Al momento sono gli unici strumenti che abbiamo per capire meglio cosa offriamo e cosa riceviamo dai nostri utenti.
Possiamo analizzare i dati di navigazione per capire quali pagine del nostro sito web sono più visitate.
Oppure quali prodotti sono più acquistati e quali contenuti sono più condivisi sui social media.
Possiamo anche analizzare i dati di interazione con il nostro servizio clienti.
Un modo comodo e veloce per capire quali sono i problemi più comuni riscontrati dagli utenti e come risolverli.
Ma cosa possiamo analizzare?
Dicevamo che l’IA e il ML sono strumenti potenti per analizzare i dati degli utenti e ricavare informazioni per migliorare i nostri servizi. Per alcune di queste analisi non c’è bisogno di essere un esperto di Data Analisys ma basta avere accesso a strumenti come ChatGPT Data Analyst.
Vediamo quali sono queste analisi.
L’analisi dei dati di navigazione
L’intelligenza artificiale permette di raccogliere ed elaborare dati della navigazione del nostro sito in modo automatico ed efficiente.
Attraverso il tracciamento delle visite, il tempo trascorso su ciascuna pagina e i percorsi di navigazione, possiamo identificare quali sezioni del nostro sito sono più attrattive per gli utenti.
L’IA ci aiuta a ottimizzare la struttura e i contenuti per migliorare l’esperienza utente e aumentare le conversioni, oltre ovviamente conoscere meglio i tuoi utenti.
Chi usa Google Analytics sicuramente sarà già abituato a queste metriche, ma si può fare di più.
Un esempio concreto è l’uso di algoritmi di clustering per identificare segmenti di utenti con comportamenti simili. Se scopriamo che una determinata categoria di utenti tende a visitare frequentemente determinate pagine, possiamo personalizzare la loro esperienza con suggerimenti mirati o offerte speciali.
Di solito si usano 2 tipi di algoritmi:
- DBSCAN se vogliamo scoprire gruppi con densità diverse e identificare utenti anomali,
- K-Means se vogliamo cluster ben separati e definiti.
L’analisi dei dati di acquisto
Il machine learning è fondamentale per comprendere le tendenze di acquisto e prevedere la domanda di determinati prodotti.
Chi ha studiato statistica si ricorderà bene delle regressioni.
Analizzando lo storico degli ordini, possiamo identificare quali articoli sono più popolari in determinati periodi dell’anno e quali combinazioni di prodotti vengono spesso acquistate insieme.
Grazie agli algoritmi di raccomandazione, possiamo suggerire ai clienti prodotti affini ai loro acquisti precedenti, migliorando la personalizzazione dell’offerta e aumentando le vendite.
Questo tipo di analisi è ampiamente utilizzato da piattaforme come Amazon o Netflix, che offrono suggerimenti personalizzati basati sul comportamento dell’utente.
L’analisi dei dati sui social media
I social media sono una fonte inesauribile di dati sugli interessi e le preferenze degli utenti.
Con l’IA, possiamo monitorare e analizzare il famoso sentiment delle discussioni online, comprendere quali contenuti generano maggiore engagement e quali argomenti sono più rilevanti per il nostro pubblico.
Attraverso tecniche di elaborazione del linguaggio naturale, possiamo identificare menzioni del nostro brand, analizzare le recensioni e i commenti.
Tutte informazioni utili per individuare punti di forza e aree di miglioramento.
Inoltre, possiamo utilizzare i dati sui social per affinare le nostre strategie di marketing e migliorare il targeting delle campagne pubblicitarie.
Di questo ne parlo più in dettaglio nell’ultimo paragrafo con un case study reale.
L’analisi dei dati di interazione con il servizio clienti
Uno degli aspetti più importanti dell’analisi dei dati, e lo stiamo vedendo sempre più spesso, riguarda l’interazione con il servizio clienti.
L’IA ci permette di analizzare le richieste di assistenza e individuare i problemi più ricorrenti, consentendoci di intervenire proattivamente per migliorare il supporto. O almeno questa è l’intenzione.
I chatbot basati su intelligenza artificiale possono rispondere automaticamente a domande frequenti, riducendo il carico di lavoro degli operatori umani e migliorando i tempi di risposta.
Inoltre, l’analisi delle conversazioni può aiutarci a comprendere meglio le esigenze degli utenti e sviluppare soluzioni più efficaci.
Un modo molto intelligente per conoscere meglio i tuoi utenti e prevedere nuove soluzioni alle loro necessità.
Etica e privacy
Sebbene l’IA e il ML offrano grandi opportunità nell’analisi dei dati, è fondamentale considerare le implicazioni etiche e sulla privacy. La raccolta e l’uso dei dati devono, o dovrebbero, avvenire nel rispetto delle normative vigenti.
Il GDPR in Europa aiuta moltissimo in questo ed al momento è la migliore protezione delle informazioni personali degli utenti Europei.
Ci tenevo a dirlo.
Un nuovo punto di vista
Uno dei principali vantaggi dell’IA è la sua capacità di superare il problema della visione monocromatica sugli utenti. Spesso, le aziende tendono a segmentare i propri utenti in base a criteri demografici o geografici, ma questa visione può essere limitante.
L’IA permette di identificare molto velocemente schemi d’uso del nostro servizio che non noteremmo altrimenti.
Possiamo scoprire che un determinato gruppo di utenti utilizza il nostro servizio in un modo inatteso.
Oppure possiamo scoprire che un altro gruppo di utenti ha bisogno di funzionalità che non avevamo considerato.
Un modo di conoscere meglio i tuoi utenti, ma anche di conoscere meglio il tuo servizio.
Dopotutto chi ha inventato le lastre per i raggi X non pensava sarebbero state utili a chi rimaneva chiuso fuori casa.
L’analisi dei comportamenti d’uso
Grazie agli algoritmi di machine learning, possiamo raccogliere e analizzare dati di utilizzo in tempo reale, individuando pattern di comportamento difficili da scoprire o che richiedono una grande quantità di tempo da identificare manualmente.
Questo ci permette di personalizzare le esperienze in base all’uso effettivo del servizio, meglio che andare per tentativi o su semplici supposizioni basate su dati demografici.
Per esempio, possiamo notare che alcuni utenti accedono frequentemente a una determinata funzionalità che inizialmente ritenevamo secondaria, indicandoci che dobbiamo migliorarla o renderla più centrale nell’interfaccia utente.
Allo stesso modo, possiamo rilevare aree del nostro servizio che risultano meno utilizzate rispetto alle aspettative e comprendere se ciò dipende da problemi di usabilità o da una mancata necessità da parte degli utenti.
Fondamentale se hai speso tempo e soldi per una nuova funzionalità che non viene usata e non ne capisci il perché.
Personalizzazione e suggerimenti basati sull’IA
L’IA consente di proporre contenuti e funzionalità su misura per ogni utente. Attraverso l’analisi dei dati d’uso, possiamo offrire suggerimenti personalizzati che migliorano l’esperienza e aumentano il coinvolgimento degli utenti.
Le piattaforme di streaming, come Netflix e Spotify, utilizzano modelli predittivi per suggerire contenuti basati sulle preferenze e sul comportamento passato dell’utente.
Questo principio può essere applicato a qualsiasi servizio, dall’e-commerce alla Amazon, ai software aziendali come Microsoft 365, fino agli aggregatori di notizie come Google Discover sui nostri smartphone.
Quando questi modelli sono fatti bene danno parecchia soddisfazione anche a chi come me li usa sapendo cosa c’è dietro, ma quando non funzionano e ipotizzi il perché fa veramente arrabbiare.
Ottimizzazione dei servizi e innovazione
Oltre a migliorare la personalizzazione, l’analisi dei dati permette di identificare nuove opportunità di sviluppo. Se dalle analisi scopriamo che un preciso gruppo di utenti utilizza il nostro servizio in un modo innovativo, possiamo adattare il prodotto per supportare meglio quel comportamento.
Un esempio che posso fare è un progetto a cui posso dire orgogliosamente di aver partecipato all’analisi e allo sviluppo della prima versione, è un software di product management che scopre grazie ai dati come l’azienda può migliorare la creazione e la gestione dei nuovi prodotti, il tutto grazie ad un innovativo sistema di tassonomizzazione dei dati interni.
Adattare i servizi ai singoli utenti
Ogni utente utilizza i nostri servizi in maniera diversa, ed è importante saperlo. L’IA ci permette di organizzare gli utenti in base a come utilizzano i servizi e di offrire soluzioni personalizzate, ma aiuta a fare anche il contrario: adattare l’applicazione all’uso che ne fa l’utente.
Ad esempio, possiamo creare una home page del nostro sito personalizzata sui contenuti , oppure possiamo creare percorsi di navigazione personalizzati in base agli interessi dell’utente. In questo modo, l’esperienza utente diventa più coinvolgente e soddisfacente.
Ma non solo. Quando impari a conoscere meglio i tuoi utenti riesci ad ottimizzare le parti del tuo servizio creando attivazioni, shortcut, modificando menù o anche solo sostituendo colori. Facciamo un esempio su quanti giganti usano questi strumenti.
I servizi di streaming personalizzati
Molti servizi online già sfruttano queste tecnologie per offrire un’esperienza altamente personalizzata. Netflix, ad esempio, utilizza algoritmi avanzati per suggerire film e serie TV in base alla cronologia di visione e alle preferenze dell’utente. Spotify fa lo stesso con la musica, proponendo playlist personalizzate come “Discover Weekly” e “Release Radar” per adattarsi ai gusti individuali.
Un modo evidente che ci dimostra che se sai conoscere meglio i tuoi utenti riesci ad offrire un servizio “migliore”.
Amazon è basato sulle preferenze dell’utente
Amazon, il gigante dell’e-commerce, sfrutta l’intelligenza artificiale per consigliare prodotti basandosi sugli acquisti precedenti e sulla navigazione dell’utente. Questo approccio non solo migliora la user experience, ma aumenta anche le vendite, rendendo il sistema vantaggioso per entrambe le parti.
I social network sono l’esempio più calzante
Anche i social media come Facebook, Instagram e TikTok si basano su sofisticati algoritmi di personalizzazione per mostrare contenuti rilevanti agli utenti. Il feed di Instagram, ad esempio, ordina i post in base agli interessi e alle interazioni precedenti che vengono passate attraverso il setaccio del machine learning.
Il mondo Google
YouTube utilizza dati sugli utenti per offrire risultati di ricerca e suggerimenti video personalizzati. L’algoritmo di YouTube analizza il comportamento dell’utente per proporre contenuti sempre più pertinenti, anche se nel lungo periodo ci ripropone più o meno gli stessi video.
Nel mio caso la “tararara song” imperversa da giorni tra gli shorts di Youtube scalzando di netto la musichetta delle cheerleaders dei Kia Tigers.
Anche Google Search cerca di mostrare da anni i risultati più pertinenti in base allo storico delle ricerche utenti, ma è oramai evidente che il motore di ricerca di Google va rinnovato dalle fondamenta, avevo già detto più di un anno fa che il rischio di trasformare un motore di ricerca in motore di risposte è dietro l’angolo.
Creare una sintesi con l’IA generativa come fa perplexity è figo, ma tra un motore di ricerca e un motore di risposte passa la stessa differenza tra un pasto completo in un buon ristorante e il solito panino sempre uguale al fast food.
In questo ambito se sai di conoscere meglio i tuoi utenti hai un grossissimo vantaggio.
I servizi di e-learning
Infine, anche le piattaforme di e-learning come Coursera e Duolingo sfruttano l’IA per adattare il percorso di apprendimento alle necessità dello studente. Duolingo, ad esempio, modifica il livello delle lezioni in base ai progressi dell’utente, cercando di offrire un servizio di corsi più vicino alle capacità di apprendimento dell’utente.
Duolingo ci mostra in maniera molto schietta che se puoi conoscere meglio i tuoi utenti questi non cambieranno mai per un altro servizio.
Ognuno è diverso, ma abbiamo tutti delle cose in comune
Riconoscere gli utenti da quello che ci dicono indirettamente e catalogarli è una sfida importante.
L’IA ci aiuta a catalogare gli utenti in maniera diversa dalla profilazione classica. Possiamo utilizzare l’IA per analizzare i dati di comportamento degli utenti e identificare pattern comuni.
In questo modo, possiamo creare automaticamente centinaia o migliaia di segmenti di utenti, sempre più precisi, e personalizzare le nostre comunicazioni e offerte in base alle esigenze specifiche di ciascun segmento.
Conoscere meglio i tuoi utenti: un caso reale
Lo scorso autunno un famoso sito di recensioni, grazie ad un contatto comune che ha parlato del nostro modo di lavorare a Rubedo Data Solutions, ci ha chiesto un confronto
Una consulenza che è finita in una lunga chiacchierata tra nerd mentre guardavamo le analisi sui dati, in particolare su cosa si può ricavare dai dati che hanno.
Per me è stata l’occasione di usare un modello che avevo visto utilizzare pochi mesi prima dai ricercatori del Sony CSL durante un MakerFaire a Roma.
Avevo fatto un po’ di prove da smanettone su dati open che si trovano in giro, ma senza avere un riscontro su dati reali avevo perso un po’ di entusiasmo.
Questa occasione è stata la scossa per farmi tornare l’entusiasmo ed usare uno dei modelli più chiacchierati usati dalle grandi piattaforme social: il Big5Ocean.
Pillole di Big 5 Ocean: il “segreto” dei social
Il Big5Ocean, o semplicemente Big 5 dato che Ocean è l’acronimo Openness Conscientiousness Extraversion Agreeableness Neuroticism.
Il Big5 è il risultato di uno studio di psicologia del 1932 di Gordon Allport e Henry Odbert, ripreso nel 1958, ripreso di nuovo nel 1980 e poi di nuovo ancora nel 1990 e infine informatizzato qualche anno fa grazie al ML e all’IA.
Un esempio d’uso del Big5
In pratica, se hai abbastanza testo, puoi dare un punteggio alle 5 categorie che va da 0 a 1 per ognuna delle lettere di OCEAN, ad esempio Openness ti da una indicazione su quanto sei creativo o non sei creativo.
Se scrivi un testo e lo analizzi con il Big5 e il valore si attesta intorno a 0,5 allora sei allo stesso modo creativo e non creativo, più il valore si avvicina a 1 più sei Picasso, se invece il valore si avvicina a 0 allora sei Drax dei Guardiani della Galassia.
Combinando i 5 valori si riesce a dedurre le caratteristiche della personalità di un individuo, e si può catalogare gli utenti per caratteristiche comuni e fornire un messaggio pubblicitario più vicino alla sua personalità.
Indubbiamente un modo veramente profondo per conoscere meglio i tuoi utenti.
Ad esempio si potrebbe mandare un invito ad un evento, di quelli con centinaia di persone, a chi è aperto e socievole ed evitare di mandarlo a persone asociali e sociopatiche come me, risparmiando un sacco di soldi in pubblicità che, giuro, non è apprezzata per nulla (capito IA engineer di facebook?).
Ora sapete perché i social vi propongono contenuti che vi fanno arrabbiare, contenuti che vi fanno ridere, video di viaggi di gruppo, o video di gattini.
Francesco Contini, Data & Search Engine Expert, Founder Rubedo Data Solutions
Newsletter – Non perderti le ultime novità sul mondo dell’Intelligenza Artificiale: iscriviti alla nostra newsletter gratuita e accedi ai contenuti esclusivi di Rivista.AI direttamente nella tua casella di posta!