L’interazione con brand e crm passerà dall’intelligenza artificiale

Una delle richieste che abbiamo ricevuto più spesso negli ultimi mesi all’Osservatorio Fedeltà dell’Università di Parma è quella di aiutare i manager a comprendere quale sarà l’impatto dell’intelligenza artificiale (Ai) sul mondo della loyalty e del crm. In queste pagine voglio proporre alcune informazioni, esempi e riflessioni che le aziende con cui lavoriamo hanno trovato utili per ragionare su questa rivoluzione che stiamo attraversando.
L’espressione “intelligenza artificiale” è stata utilizzata per la prima volta nel 1956 dallo studioso John McCarthy, per invitare accademici di diverse discipline, dalla computer science alla filosofia, a un incontro in cui riflettere su “come fare a far simulare alle macchine aspetti dell’intelligenza umana”. Questa è tuttora l’idea di fondo alla base della ricerca in questo campo, che rimase però praticamente ferma fino agli anni 2000, perché prima non vi erano né sufficiente potenza di calcolo né abbastanza dati, che sono, rispettivamente, “il padre e la madre della Ai”, come dice il fondatore di Alibaba, Jack Ma. Con gli sviluppi esponenziali in tali ambiti, finalmente la ricerca sull’Ai ha potuto generare applicazioni notevoli: si pensi a guida autonoma, traduzione, diagnostica medica, gaming, sistemi logistici, assistenza interpersonale.
Queste e altre applicazioni sono possibili grazie agli sviluppi di tecniche di calcolo che consentono alle macchine il riconoscimento del linguaggio umano, la visione, la generazione di immagini e video, la presa di decisioni, l’integrazione tra visione e controllo di movimento per i robot (Littman, M. et al. 2021 “Gathering strength, gathering storms: the one hundred year study on Artificial intelligence (Ai100) 2021 study panel report”. Stanford University, Stanford, Ca, September 2021. Consultabile qui: http://ai100.stanford.edu/2021-report).
All’interno della ricerca e delle tecniche di Ai, vi è l’ambito del machine learning, che permette ai computer di apprendere e adattarsi in modo autonomo. Un concetto creato nel 1959 da Arthur Samuel, che solo ora finalmente si è potuto tradurre in applicazioni concrete. Gli algoritmi di machine learning sono tecniche computazionali che possono essere usate per risolvere problemi molto diversi, ma in particolare quelli riconducibili a due tipi (Yao, M. e Koidan, K. 2024. Applied Artificial Intelligence: a handbook for business leaders. Second Edition. Middletown): si parla di Ai predittiva quando vogliamo predire eventi o risultati futuri usando dati storici.
I modelli di machine learning progettati per la previsione identificano pattern nei dati storici e li usano per prevedere eventi futuri. Per esempio, se addestriamo un modello predittivo di machine learning sui dati relativi alla storia degli acquisti dei clienti, possiamo utilizzarlo per prevedere quali clienti verranno fidelizzati e quali abbandoneranno in futuro (previsione del churn). Il risultato dell’intelligenza artificiale predittiva sono previsioni. L’Ai generativa è invece in grado di creare nuovi contenuti, come nuovi testi, immagini, musica e codice. Apprende dai dati esistenti e genera nuovi dati simili ai dati di addestramento. Se addestriamo un modello generativo su un set di dati relativi a esempi di testo (come descrizioni di prodotto per un sito di ecommerce o jingle pubblicitari) esso genererà nuove descrizioni di prodotto o nuovi jingle. Il risultato dell’intelligenza artificiale generativa sono nuovi contenuti.
Nel campo dell’elaborazione delle immagini, per esempio, modelli di tipo predittivo serviranno a classificarle in categorie prefissate, mentre modelli di tipo generativo creano nuove immagini a partire da un prompt.

I modelli predittivi arrivano a essere molto accurati e possono automatizzare molte attività ma richiedono dati classificati che sono costosi da ottenere, e periodicamente richiedono di essere riaddestrati. I modelli generativi – Chat Gpt rientra in questo ambito – velocizzano i processi di creazione di ogni tipo di contenuto e generano idee innovative, ma possono creare risposte sbagliate (dette “allucinazioni dell’algoritmo”) e non sono nati per i bisogni specifici di business, quindi richiedono adattamento.
Questi due tipi di applicazioni Ai stanno già facendo effetto sul marketing, poiché impattano sulla gestione della customer experience, da un lato, e sulla comprensione dei mercati e dei consumatori/ clienti dall’altro (si veda la figura precedente), potendo migliorare l’esperienza di search, le recommendation, l’online advertising, il servizio clienti e fornire nuove opportunità di personalizzazione nei processi, sui touchpoint, nei luoghi fisici, online e ibridi. Nuove tipologie di dati, quali immagini e audio, generati dall’Ai o meno, con cui i clienti si ingaggiano, possono poi dare origine a scoperte di variabili rilevanti per creare nuovi approcci di segmentazione e di differenziazione delle proposte di marketing.

Con riferimento specifico alla fidelizzazione del cliente e al crm, poi, la figura qui sopra presenta il ventaglio delle attività che già ora sono automatizzate e/o supportate dagli algoritmi. In ambito più predittivo, possiamo aspettarci modelli più accurati nella previsione dell’abbandono, del customer lifetime value, recommendation di prodotto più sofisticate sulla base di dati dello user, previsione della prossima occasione di interazione col cliente (su quale touchpoint e quando), del miglior momento per l’invio di una comunicazione.
In ambito generativo, si possono creare contenuti che vadano a costituire o arricchire una base di conoscenze aziendali per gli usi più vari, creare in automatico riassunti di contenuti, risposte automatiche, bozze di risposte, personalizzando ogni tipo di contenuto/risposta. E soprattutto, si possono creare agenti conversazionali che, nelle parole di Bret Taylor, ex ceo di Salesforce oggi alla guida di Sierra, “saranno il modo principale con il quale interagiremo con i brand, non solo per il customer service, ma per tutti gli aspetti della customer experience.
Gli agenti Ai sono strumenti per la customer experience”. Una visione confermata da Yann LeCun, chief Ai scientist di Meta: “Ogni singola interazione che avremo con il mondo digitale sarà mediata da sistemi Ai; sarà attraverso un qualche tipo di assistente Ai, con il quale parleremo continuamente”.

Ecco per esempio Romie, l’assistente Ai di Expedia che si può aggiungere a una chat di gruppo come un nuovo partecipante, riassume quanto si è detto nel gruppo e nelle email relative al viaggio che si sta organizzando e fornisce informazioni su voli e soggiorni arrivando anche a “chiudere il cerchio” prenotando. Sempre in ambito travel, Alaska Airlines ha lanciato un tool Ai di ricerca voli (esteso a 30 compagnie partner) per ispirare i viaggiatori – anche sulla base dei loro interessi – e consigliare l’uso più vantaggioso dei punti fedeltà per acquistare un volo. Il department store Target ha introdotto sui device portatili del personale del punto di vendita, un assistant, “StoreCompanion”, che fornisce risposte in tutti gli ambiti della customer experience, dall’assortimento alle regole del programma fedeltà, ed è stato usato oltre 50.000 volte in tre mesi. Inoltre con tool generativi sono state migliorate oltre 100.000 pagine prodotto sul sito Target.com, creando le descrizioni dei prodotti utilizzando i riassunti delle recensioni fatte dagli utenti dei prodotti stessi. Infine, il miglioramento della search interna in linguaggio naturale amplia i risultati che si possono fornire agli utenti.

Una delle aziende che illustra meglio il ventaglio di applicazioni dell’intelligenza artificiale ai propri processi di customer experience e di insight è Starbucks, che già qualche anno fa ha dato alla propria strategia in ambito Ai il nome di “Deep brew” (gioco di parole tra “deep blue”, storico computer Ibm che nel 1997 batté il campione di scacchi Kasparov e “brew” che significa miscela/ bevanda estratta, come il caffè).

Con 34 milioni di clienti con i quali ha una relazione digitale (membri del programma loyalty o dotati dell’app o registrati in qualche altro modo in database), che generano la parte preponderante del fatturato, Starbucks vede un circolo virtuoso (si veda la figura) in cui l’Ai è utilizzata per mantenere efficienti le operation dei punti di vendita, per esempio con algoritmi che gestiscono gli interventi di manutenzione preventiva da effettuare sulle macchine del caffè, prevenendo guasti e fermi, o con tool per il riordino automatico dei prodotti utilizzati/venduti in negozio, per liberare tempo del personale; in tal modo si può prestare più attenzione al cliente, che viene anche ingaggiato digitalmente tramite l’app, sulla quale gli algoritmi forniscono recommendation e reward personalizzate, alert in tempo reale, giochi, quiz e comunicazioni one to one. La customer experience che ne deriva è superiore e contribuisce alla retention e all’aumento di vendite e profitti. Per chi vuole approfondire, all’intelligenza artificiale e alle altre tendenze internazionali nella loyalty è dedicato il nuovo libro dell’Osservatorio Fedeltà, da poco pubblicato da Routledge: Loyalty management: driving engagement with loyalty programs and customer experience.