AZIENDE

Accordo THRON e GFT: la Content Intelligence entra nel mondo finance

- # # # # #

Thron - GFT

Thron, azienda leader nella Content Intelligence e GFT, partner tecnologico globale per la trasformazione digitale del settore finanziario, hanno siglato un accordo di distribuzione per proporre ai clienti l’innovativa soluzione volta a integrare i benefici dell’Intelligenza Artificiale applicata ai contenuti digitali nel mondo finanziario.

Grazie al supporto dell’AI, Thron consente di ridurre le operation legate alla gestione dei contenuti di marketing, grazie a un’infrastruttura di distribuzione semplificata che ne controlla e alimenta il consumo da parte di tutti gli utenti e fornisce dati e insight di valore.

Incrociando informazioni sui clienti in possesso dell’organizzazione e dati di fruizione di contenuti “controllati” dalla tecnologia di Thron (come testi, immagini, video fruiti da navigazione sul sito, utilizzo di app, etc) il sistema di una banca capirà, ad esempio, se proporre offerte sui mutui a una persona che cerca casa, piuttosto che presentarle proposte di investimento, se ne ha appena effettuato uno. La diffusione dei contenuti diventa così pervasiva attraverso tutti i touchpoint, migliora l’engagement e la customer experience dell’utente.

La tecnologia, fruibile in modalità SaaS, è oggi l’unica soluzione di Intelligent Digital Asset Management (DAM) che, grazie al supporto dell’AI, valorizza i contenuti digitali nel loro completo ciclo di vita, riducendo le operation legate al marketing e alla gestione dei processi di content management, quali creazione, approvazione, arricchimento e pubblicazione. L’automatizzazione di queste attività consente di ridurre sensibilmente tempi e costi di gestione, spostando risorse su operazioni a più alto valore aggiunto e aumentando la produttività.

L’Intelligenza Artificiale rappresenta una sfida per il settore finanziario e assicurativo dalle potenzialità ancora poco esplorate e capace di apportare benefici tangibili. Grazie all’applicazione di tool di Intelligenza Artificiale, i player del mondo finance possono ottimizzare e semplificare attività complesse con l’utilizzo dei dati.

I software di Content Intelligence, dotati di algoritmi di machine learning, sono in grado di mappare l’interesse degli utenti in base agli argomenti da loro scelti e di identificare il miglior contenuto da proporre a ciascun visitatore grazie all’analisi di dati come le visualizzazioni e il percorso di navigazione.

“GFT Italia attraverso la partnership con Thron supporterà le organizzazioni nel settore Financial Services nel trasformare un contenuto multimediale/digitale in un asset. Questo perché un contenuto digitale avrà sempre più valore per l’impresa se potrà essere ricercato e riutilizzato”, ha dichiarato Fabio Puglisi, Executive Director di GFT Italia. “Il Digital Asset Management (DAM) diventerà pertanto una componente fondamentale nell’architettura tecnologica a supporto dell’esperienza digitale; grazie alle sue caratteristiche il digital asset management permetterà di gestire e conservare file digitali, gestire workflow e integrarsi in soluzioni specifiche anche per la gestione della comunicazione Corporate”.

Per le aziende che operano nel mondo bancario e assicurativo conoscere e prevedere bisogni e aspettative dei propri utenti è essenziale per proporre loro il prodotto/servizio giusto al momento giusto, in un’ottica di rafforzamento della relazione brand-persona.

“La partnership con GFT rappresenta per THRON una straordinaria opportunità per testare i benefici della Content Intelligence in un settore complesso e competitivo come quello finance”, ha dichiarato Nicola Meneghello, Founder e CEO di Thron (nella foto). “Integrando le nostre competenze tecnologiche alla consulenza strategica di GFT, siamo sicuri di poter offrire ai clienti un nuovo modo di considerare i contenuti aziendali, capaci di rivelare degli insight molto rilevanti sui propri clienti e di definire un nuovo approccio alla customer experience. Attraverso questo accordo con il partner GFT, Thron entra ufficialmente come Vendor di riferimento anche nei settori Finance e Assurance, dopo aver consolidato la propria leadership in settori come Fashion, Automotive, Retail e GDO, Media, Farmaceutico e Travel”.

articoli correlati

TECH & INNOVATION

Blogmeter attiva il Dipartimento di Data Science e lancia la nuova Suite “integrata”

- # # # #

Blogmeter

Per affrontare le nuove sfide della digital transformation le imprese si stanno evolvendo in intelligent enterprise, mettendo a frutto la capacità di utilizzare dati e gestire persone e risorse azienzali secondo i nuovi paradigmi del mercato. Per ridefinire il proprio ruolo e le proprie relazioni social le aziende hanno bisogno di una profonda conoscenza delle passioni delle persone e del loro rapporto nei confronti dei brand. Proprio per rispondere a queste esigenze nasce la nuova Blogmeter Suite, la piattaforma di Blogmeter che consente l’analisi di aziende e brand, integrando il monitoraggio dei social media e del web con un influencer discovery tool.

“Questa evoluzione ci consente di offrire agli utilizzatori un approccio nuovo ed integrato – spiega Andrea Pirone, responsabile New Business, Alliance e Marketing della società italiana specializzata in servizi di social intelligence – dal modulo Social Analytics che analizza le performance delle pagine social delle aziende e ne identifica i contenuti più efficaci, al Social Influencer per l’analisi delle performance degli Influencer e per la ricerca della ‘voce’ più adatta per un brand, sino al Social Listening che misura e analizza le discussioni in rete su brand, prodotti, persone, argomenti”.

La nuova Suite

La nuova Suite integrata nasce per proporre ai clienti uno strumento semplice e flessibile da utilizzare anche senza disporre di una preparazione specifica. Uno degli obiettivi per Blogmeter, infatti, è quello di andare ad “aggredire” con questa proposta anche il mondo delle piccole e medie imprese.

“Attraverso la nuova Blogmeter Suite i tool di Blogmeter si alimentano reciprocamente al fine di costituire un’unica soluzione per soddisfare le esigenze di aziende e agenzie”, continua Pirone.

I diversi strumenti della piattaforma potranno dialogare in tempo reale. Ad esempio se un istituto di credito sta svolgendo un’operazione con il modulo di Listening all’interno di un ipotetico dibattito inerente al mondo bancario può scoprire un autore particolarmente attivo e avrà l’immediata possibilità di monitorarlo accuratamente attraverso il modulo degli Influencer.

“In questo modo i nostri clienti potranno estrarre maggiori insight dalle informazioni raccolte dai social media, stabilire nuove correlazioni ed evidenze per produrre innovative strategie di marketing, comunicazione e prodotto. Inoltre abbiamo introdotto alcune novità con l’obiettivo di ridurre il tempo dedicato alla creazione dei report, introducendo la reportistica in power point (PPT) e le newsletter, ambedue automatiche”, ha aggiunto il manager.

L’implentazione del servizio è stata accompagnata da un rafforzamento del team. “Ci stiamo strutturando per essere in grado di gestire e interpretare sempre meglio l’enorme patrimonio di dati di cui disponiamo attraverso l’apporto di sistemi sempre più intelligenti, racconta Eugenia Burchi, Head Of Product di Blogmeter. “Oggi il nostro team è composto da figure professionali all’avanguardia: data scientist, specialisti di linguistica computazionale, esperti di user interface, figure che lavorano per applicare sempre meglio l’intelligenza artificiale all’analisi dei big data”.

Il dipartimento data science

Va in questa direzione anche il nuovo dipartimento di Data Science nato in seno a Blogmeter con l’obiettivo di esplorare i dati attraverso modelli statistici e tecniche di machine learning, per scovare informazioni più rappresentative e significative, in aggiunta a quelle che difficilmente potrebbero essere individuate attraverso una analisi puramente qualitativa.

La società, intanto, sta lavorando su ulteriori evoluzioni del prodotto attualmente in fase di sviluppo e che dovrebbero completarsi nei prossimi mesi. Fra queste figura il lancio di un servizio di alerting intelligente che segnala ai clienti quando un fenomeno sta iniziando a diventare rilevante e un’analisi automatica del sentiment sempre più precisa e puntuale per analizzare opinioni, atteggiamenti ed emozioni relative a brand e prodotti. È invece già disponibile per i clienti la nuova Influencer Similarity, nuova funzione che sfrutta un algoritmo proprietario per indicare quali influencer siano più simili ai profili cercati alla luce di dati sociodemografici, contenuti condivisi e argomenti trattati.

Le sfide per il 2019

“Siamo un istituto di ricerca certificato che ha messo al centro della propria strategia di sviluppo tecnologico i processi di veridicità dei dati perché informazioni imprecise e non correttamente elaborate possono viziare la validità delle ipotesi su cui i nostri clienti fondano pianificazione, esecuzione e crescita”, conclude Andrea Pirone. “Una delle sfide che ci impegnerà nel 2019 sarà la possibilità di prevedere nuovi comportamenti sulla base di quelli precedenti, come ad esempio comprendere rapidamente a che livello di engagement può arrivare un post appena pubblicato. In agenda ci sono anche altri temi di frontiera, come lo studio automatizzato delle Social Personas e la funzionalità di analisi automatica delle tematiche più calde, realizzata grazie a un algoritmo che aggrega tra loro i vari concetti più vicini (topic clustering). Cavalcando il mondo dei Social sin dagli albori, noi di Blogmeter abbiamo ben chiaro in testa che la continua innovazione di strumenti, prodotti e soluzioni è l’unica condizione da offrire al mercato”.

articoli correlati

TECH & INNOVATION

Sizmek lancia una nuova versione della sua DSP: insight più completi e trasparenza totale

- # # # # #

Sizmek - DSP

Sizmek, piattaforma di buy-side advertising, ha annunciato oggi una completa revisione della sua DSP (Demand Side Platform). La nuova DSP presenta una user experience evoluta, fornendo ai clienti nuovi schermi e nuovi flussi di lavoro per una maggiore trasparenza, un maggior controllo e una maggiore efficienza nella gestione dei budget e della spesa per il programmatic.

Questi miglioramenti assicurano alle agenzie degli insight completi a seguito delle campagne adv e permettono loro di identificare e ottimizzare le strategie media, avendo così un quadro più chiaro su cosa sta funzionando, cosa no, e aiuta a prendere le decisioni migliori in tempo reale. Grazie all’esperienza dei buyer, la usability è stata migliorata e le prospettive sono quelle di ottimizzare i tempi lavorativi con minori click e un ridotto tempo/valore.

Sizmek garantisce ai buyer il pieno controllo sull’esecuzione della campagna e sui tempi di utilizzo dell’intelligenza artificiale (ad esempio, esplicita quando la campagna è ottimizzata dall’intelligenza artificiale o vengono assegnati manualmente i budget tattici giornalieri). La DSP lavora sui dati con l’intento di scoprirne sempre di nuovi e trasforma la trasparenza in key learnings tramite report che mostrano quali caratteristiche abbiano contribuito al successo della campagna.

In tema di trasparenza, la nuova DSP migliorata offre una chiara visione dei media, delle delivery, dei costi e dell’impatto delle campagne. Le agenzie possono prendere decisioni maggiormente consapevoli sui budget e sulla spesa complessiva del programmatic, rafforzando il loro valore come brand partner massimizzando le prestazioni e riducendo al minimo l’errore umano.

“Abbiamo ascoltato i feedback dei nostri clienti e abbiamo lavorato con loro mano nella mano per progettare la nuova DSP. Le agenzie vogliono più controllo ed efficienza e chiedono ai loro partner tecnologici un rafforzamento della loro value proposition”, ha dichiarato Mark Grether, CEO di Sizmek. “Inoltre, spesso nel nostro settore circola la convinzione errata che l’intelligenza artificiale possa sostituire le persone. La nostra DSP e i nostri prodotti mirano a consentire ai nostri clienti di prendere decisioni più ragionate e di differenziarsi sul mercato. Il nostro successo è radicato nel modo in cui mettiamo insieme dati, creatività e media, il tutto basato sull’Intelligenza Artificiale. La DSP di Sizmek incorpora tutte queste offerte in un’unica piattaforma”.

Nella foto Enrico Quaroni, Managing Director Italy Sizmek

 

articoli correlati

AZIENDE

Accordo Widespace ed Epteca: big data e algoritmi predittivi per il settor travel e retail

- # # # # # # #

widespace

Widespace, la piattaforma di programmatic mobile basata su Machine Learning, annuncia un accordo esclusivo con Epteca. La collaborazione si fonda sulla combinazione di big data e informazioni sulle prenotazioni dei viaggi degli utenti, consentendo a brand e marketer di realizzare messaggi altamente pertinenti, efficaci e realmente personalizzati per questa audience.

I viaggiatori sono un pubblico fondamentale per gli operatori del settore retail, travel e di servizi. Questo imponente mercato di 280 miliardi di euro registra in Europa un aumento del 12,5% ogni anno, e 8 viaggiatori su 10 affermano di voler acquistare offerte e servizi attraverso il proprio fornitore di viaggi se presentati nel momento e nel contesto giusto.

Grazie alla partnership, i brand clienti di Widespace saranno in grado di raggiungere oltre 37 milioni di viaggiatori, coinvolgendo in maniera diretta e precisa il proprio target con offerte ad hoc e utili dedicate al prossimo viaggio. Attraverso l’utilizzo di big data e algoritmi predittivi capaci di adattarsi al contesto e alle intenzioni, sarà possibile anticipare con precisione non solo le richieste degli utenti, ma anche ciò che potrebbero desiderare, avere bisogno o le attività che svolgeranno durante il proprio viaggio.

“La soluzione che abbiamo realizzato insieme ad Epteca è qualcosa di completamente nuovo sul mercato, è un contatto 1-to-1 con utenti che effettivamente sono in procinto di viaggiare. Si apre un canale di comunicazione tra i brand e un’audience precisa”, dichiara Nicolò Palestino, Country Manager Widespace Italy. “Con la nostra soluzione è possibile raggiungere l’utente nel momento in cui è propenso all’acquisto di un prodotto legato al suo viaggio, sarà possibile intercettare la stessa customer base che si cerca di portare verso gli store negli aeroporti o si cerca di colpire con le inserzioni nel giornale di bordo”.

Gli esclusivi dati di prima parte consentiranno ai brand del settore travel, retail e servizi di raggiungere il proprio pubblico di riferimento con messaggi altamente personalizzati durante l’intera user journey, dal giorno in cui avviene la prenotazione fino al rientro a casa. Gli utenti, infatti, riceveranno negli alert e nelle email di remind, annunci pubblicitari pertinenti al tipo di viaggio che hanno prenotato. La soluzione offre agli operatori di marketing l’opportunità di personalizzare gli annunci in base a 20 parametri chiave, inclusi la fase del viaggio e il tipo di dispositivo attraverso il quale raggiungere l’utente, con una precisione di corrispondenza superiore del 95%.

Di conseguenza, il CTR delle campagne erogate tramite la nuova offerta Widespace ed Epteca è 10 volte superiore rispetto ai benchmark del settore, con tassi di coinvolgimento dell’80% e oltre. La piattaforma garantisce inoltre elevati standard di qualità con il 100% di garanzie di assenza di bot, nessuna frode e nessun blocco degli annunci, garantendo che gli inserzionisti paghino solo gli annunci visualizzabili.

“Epteca ha un prodotto fantastico e davvero unico che offre prestazioni senza eguali nel settore del travel retail e dei servizi: con questa partnership puntiamo ad offrire ai nostri clienti un accesso mirato a un pubblico altamente redditizio. Inoltre, l’impegno di Epteca nei confronti di annunci pubblicitari di alta qualità, sicuri per il brand e in target, è perfettamente in linea con il posizionamento e l’offerta di prodotti Widespace”, afferma Filippo Gramigna, VP Sales, Widespace.

“In Epteca, conosciamo i viaggi e sappiamo che ogni viaggiatore ha esigenze e desideri unici. Siamo fiduciosi che la nostra piattaforma andrà a beneficio dei clienti di Widespace e otterrà risultati ineguagliabili quando si tratta di presentare la propria offerta di vendita al dettaglio e di servizi a un pubblico di viaggiatori di grande rilievo. Lavorando con oltre 70 delle principali agenzie di viaggio nel mondo, siamo in grado di offrire a Widespace una soluzione che nessun altro ha sul mercato. Per Epteca, questo è un altro passo verso la nostra missione di salvare il mondo da contenuti irrilevanti”, aggiunge Bojan Jokic, CEO di Epteca.

articoli correlati

AZIENDE

Sempre più marketing automation e machine learning per Contactlab

- # # #

contactlab machine learning

La piattaforma di Contactlab, indispensabile strumento in cloud per fare engagement marketing, si amplia con due nuove funzionalità: la marketing automation per la creazione ed esecuzione di journey automatizzati in grado di reagire rapidamente alle azioni compiute dall’utente seguendo il percorso di ognuno con il brand, e uno strumento di machine learning e analitiche predittive, per arricchire con nuove informazioni il profilo dei propri utenti e migliorare la qualità delle campagne personalizzate.

Oggi i consumatori hanno comportamenti e preferenze di contatto diverse. Gestirli singolarmente secondo le loro abitudini e su molteplici canali è complesso. Creare journey ad hoc manualmente, quasi impossibile. Il nuovo modulo dedicato all’automation consente alle aziende, decise le strategie di marketing, di definire il percorso più adatto a ciascun cliente e monitorare le performance di ogni step. L’automazione può essere applicata a diversi scenari come dare il benvenuto ai nuovi utenti, creare occasioni di upselling, gestire il carrello abbandonato o creare promozioni ad hoc per specifiche tipologie di acquisto, per interagire in modo personalizzato ma automatico con ciascun utente, su tutti i canali e in tempo reale, rispettando e assecondando il journey di ognuno.

In aggiunta al nuovo modulo, che farà parte della full suite, Contactlab lancia la nuova funzionalità di Data Enrichment. La feature consente di applicare all’intero set di dati anagrafici e comportamentali degli strumenti di machine learning, algoritmi e analitiche predittive, declinati sulle industry, per scoprire nuove caratteristiche dei propri utenti, creare cluster automatici sulla base dei pattern di comportamento, predire il potenziale di spesa o il rischio di abbandono.

“La capacità di interessare ciascun cliente genera aumento di risultati”, spiega Paolo Santori, Head of Product di Contactlab (nella foto). Per arrivarci bisogna conoscere, analizzare e elaborare la molteplicità di dati generati dall’utente nei molteplici canali paralleli su cui è attivo contemporaneamente, facendolo sentire unico. Per farlo serve una comunicazione personale, in tempo reale e guidata da una nuova intelligenza. Le nuove funzionalità di marketing automation e di data enrichment aiutano i nostri clienti a declinare le loro strategie, automatizzare le campagne, prevedere i comportamenti degli utenti e reagire rapidamente ad essi, ossia contribuiscono a generare valore migliorando la qualità della personalizzazione”.

articoli correlati

TECH & INNOVATION

Big Data e Machine Learning: senza il dato c’è solo l’opinione

- # # # # # #

Big Data

Si è svolto questa mattina, nell’ambito della Milano Digital Week, il secondo appuntamento di IAB Italia dal titolo “IAB Seminar Digital Power: dive into Data Driven Business”.

Il format della giornata prevedeva lo svolgimento di due sessioni parallele. Nella prima, H-Farm, Sky Italia, MainAd, Google Cloud, GroupM e Triboo hanno mostrato – con il supporto di casi concreti – come i Big Data siano oramai uno strumento imprescindibile per ogni singola fase delle campagne pubblicitarie digitali. Non più solo masse estese di dati da decifrare in informazioni generiche, ma finestre nelle case dei consumatori da cui scorgere desideri, preferenze e abitudini.

La seconda sessione prevedeva gli interventi di Salesforce e TeamSystem, e si è focalizzata sulle tecnologie in grado di personalizzare minuziosamente i messaggi pubblicitari da indirizzare ai propri target, accompagnandoli durante il loro percorso evolutivo attraverso un’interazione one to one in grado di coinvolgerli e fidelizzarli.

Comune a tutti gli interventi la consapevolezza che i Big Data sono la fonte di energia della “quarta rivoluzione industriale” non solo per le aziende ma per la società in generale. Un’energia che è costituita da informazioni, capacità previsionali, possibilità di prendere decisioni e orientare le azioni sulla base di dati oggettivi e metodologie scientificamente fondate. Dati che, per essere utilizzati al meglio, vanno elaborati, interpretati e trasformati in informazioni, applicando al meglio gli strumenti di analisi offerti dall’Artificial Intelligence e dal Cognitive Computing.

“La cosa importante è non segregare queste informazioni all’interno di silos come è stato fatto finora, ha commentato Giorgio Sacconi, BU Director di H-FARM. Bisogna passare dal dato all’informazione per prendere delle decisioni e poi rendere queste decisioni condivisibili in azienda. Cosa che abbiamo fatto ad esempio con il nostro cliente Sky, creando all’interno dell’azienda un’agorà tecnologica dove incontrarsi per confrontare i dati e, soprattutto, le idee”.

Per Francesca D’Amato, Head of Digital Analytics di Sky, “i big data offrono una visione ampia che ascolta veramente l’utente, sia nei suoi comportamenti espliciti sia in quelli impliciti. L’unico modo per mettere al centro il cliente è conoscerlo a 360 gradi e per fare questo il dato va “democratizzato” e stoccato non più per silos ma per “cuore” del cliente”.

Mettere al centro il cliente significa quindi esaminarlo da più punti di vista, connettendo le singole piattaforme con il dato più “granulare” possibile.

“Tutto questo permette di costruire storie personalizzate”, interviene Andrea Folcio, Head of Data & Platform di H-FARM. “In H-FARM raccogliamo i dati media più granurali possibile per capire come comunicare alla nostra audience attraverso il modello data driven. In questo modo ogni utente può avere la sua storia”.

L’importante è essere sempre consapevoli che ci troviamo in una fase di “empower humanity” caratterizzata da nuovi processi decisionali ma in cui le decisioni le prende – e le prenderà – sempre l’uomo.

Giovanna Loi, Managing Director [m]Platform, GroupM Italia riporta l’attenzione sugli obiettivi del marketing. “Quello che serve oggi è una guida per estrarre dai big data gli small data che servono a comprendere meglio i propri consumatori, portando la personalizzazione alla più alta scala possibile. In questo contesto l’analisi predittiva aiuta a definire i canali, i formati e la creatività”.

Se il primo pillar è l’audience, il secondo è sicuramente il contenuto. E il contenuto ha a che fare con gli small data, quegli elementi, cioè, in grado di attirare l’attenzione. E qui entra in gioco il neuromarketing. A parlarne il professor Vincenzo Russo, Direttore Scientifico del Centro di Ricerca di Neuromarketing Behavior and Brain Lab dell’Università IULM. “Grazie alle neuroscienze si è verificato una cambio di paradigma”, ha spiegato il Professore. “Abbiamo capito che siamo delle macchine emotive che pensano, non – come si pensava prima – delle macchine pensanti che si emozionano. Questo è un cambio epocale, perché le prime parti del cervello che vengono attivate da qualsiasi stimolo si trovano nell’area del cervello che contiene le emozioni. Accanto c’è l’ippocampo che contiene la memoria: udite udite, emozioni e memoria convivono nella stessa parte del nostro cervello. Non siamo razionali, ma razionalizzatori. Chi progetta la comunicazione deve tenere conto di questo”. L’analisi di contenuti deve quindi passare da strumenti nuovi come ad esempio il neuromarketing.

Il terzo pillar è l’ottimizzazione e qui interviene l’Intelligenza Artificiale. “Una volta individuata l’audience e il contenuto bisogna ottimizzare”, conclude Erik Rosa, Managing Director Xaxis Italy. “GroupM, con le varie unit tra cui Xaxis, usa il machine learning per misurare l’adv online. La fase di learning è quella iniziale e si basa sui dati storici, poi l’algoritmo ottimizza studiando ciò che funziona giornalmente, la parte finale sono le persone”.

È il predictor algorithm, dove l’Intelligenza artificiale è l’abilità e il machine learning la tecnica.

 

M.G.

articoli correlati

MEDIA

Per Sizmek l’analisi del contesto coinvolge gli utenti e protegge la brand safety

- # # #

Enrico Quaroni, Managing Director Italy di Sizmek

Nonostante il numero quasi infinito di informazioni sugli utenti messi a disposizione per realizzare pubblicità personalizzate, sono ancora molte le pubblicità mal posizionate e scarsamente mirate.

Secondo Sizmek, la più grande piattaforma pubblicitaria buy-side indipendente, la soluzione a questo problema è il targeting contestuale basato sulla semantica: l’intelligenza artificiale e il machine learning applicati all’analisi del linguaggio naturale consentono di interpretare il contenuto delle singole pagine web in modo altamente granulare. Posizionando le pubblicità vicino a contenuti in linea con l’audience desiderata dal brand, il targeting contestuale offre un approccio efficace e conveniente per raggiungere la propria audience.

A differenza del targeting basato su keyword, inefficace quando le parole hanno diversi significati e vengono estrapolate dal contesto, l’analisi del sentiment legato al contenuto delle pagine web rivela la relazione tra parole e frasi, garantendo la comprensione del reale significato.

La soluzione Peer39 sviluppata da Sizmek analizza più di 170 milioni di pagine al giorno interpretandone in modo accurato i contenuti per garantire che soddisfino le esigenze di qualità e sicurezza e che gli annunci pubblicitari vengano inseriti nel contesto più appropriato. I dati sulle pagine web ottenuti dalla soluzione possono essere utilizzati per tre scopi: verification, targeting contestuale e pre-bid.

“Non si tratta solamente di promuovere un brand accanto ai contenuti più adatti ma anche di proteggerlo”, ha commentato Enrico Quaroni, Managing Director Italy di Sizmek (nella foto). “Il targeting contestuale basato sull’intelligenza artificiale garantisce, infatti, la brand safety, impedendo che le pubblicità vengano pubblicate accanto a contenuti inappropriati che potrebbero danneggiare il brand per associazione. In un momento in cui la brand safety è un elemento fondamentale del programmatic advertising, è importante potersi affidare a una tecnologia in grado non solo di identificare il contesto migliore in cui posizionare una pubblicità ma anche di evitare possibili danni di immagine”.

Verification
I clienti possono ottenere informazioni dettagliate sul contesto in cui sono stati posizionati gli annunci pubblicitari e sulle modalità di fruizione da parte degli utenti: Paesi, siti, dispositivi, lingue, categorie “safe” o “negative”, e così via. Tutti i dettagli possono essere visualizzati tramite un’unica dashboard, che consente di creare report specifici in base alle esigenze del cliente.

Targeting contestuale
L’analisi del contesto consente ai marketer di raggiungere la propria audience quando è interessata agli argomenti più rilevanti per il brand. L’analisi avviene a livello di pagina anziché a livello di dominio e ogni URL viene considerato indipendentemente. In questo modo, i marketer possono trovare contenuti rilevanti su tutti i siti, invece di limitare le proprie campagne sui siti la cui audience sembra più in linea con la propria consumer base. È possibile selezionare categorie di contenuti più ampie come “finanza personale” o persino più specifiche come “assicurazioni” o “assicurazioni sulla vita” per massimizzare la rilevanza delle pubblicità. Inoltre, il targeting contestuale usa l’analisi del sentiment basata sull’intelligenza artificiale per comprendere non solo il contenuto di una pagina ma anche le emozioni che provoca. In questo modo, i marketer sono in grado di comprendere meglio l’umore dei consumatori e pubblicare le proprie pubblicità accanto ai contenuti migliori.

Pre-bid
Tramite la DSP, i marketer possono utilizzare i dati di cui sono in possesso per stabilire in anticipo determinate categorie contestuali che desiderano evitare, come argomenti politici, alcol, contenuti estremisti o per adulti. Inoltre, è possibile selezionare categorie specifiche del settore per evitare contenuti considerati inappropriati dall’azienda opera e creare categorie personalizzate in base a eventi di attualità o trending topic.

articoli correlati

AZIENDE

Widespace Italia cresce con il programmatic mobile advertising. Raccolta a + 70%

- # # #

Widespace

La robusta crescita del programmatic mobile advertising e il sostenuto interesse nei confronti di questa modalità di pianificazione da parte di editori e clienti, sono stati fattori che in Italia hanno positivamente inciso sull’andamento delle attività di Widespace, azienda leader in Europa nel premium mobile advertising, nel 2017. Nel nostro Paese, infatti, nel corso dell’anno da poco concluso, l’azienda ha incrementato la raccolta di investimenti in Programmatic Mobile Advertising del 70% rispetto all’anno precedente. Un successo che ha spinto il management italiano a conferire a Beatrice Fabiano (nella foto) il ruolo di Programmatic Sales Manager.

In Widespace dal 2015, Beatrice Fabiano ha l’obiettivo di creare un focus strategico sul Programmatic Mobile Advertising creando una proposta commerciale dedicata ai trading desk dei centri media, agenzie digitali e inserzionisti.

“Il mercato italiano sta mostrando un’ottima reazione verso la nostra proposta di Programmatic Mobile, da qui la nomina di Beatrice quale responsabile di questa business unit che ci consentirà di allargare ulteriormente il portfolio di clienti ed agenzie media con cui collaboriamo”, dichiara Nicolò Palestino, Country Manager Widespace Italy.

La nomina di Beatrice rappresenta uno dei molteplici segnali di crescita che hanno contraddistinto il gruppo svedese – che vanta una copertura in 24 mercati globali (Europa, Eastern Europe, USA, Brasile, Australia e APAC) – nel corso dell’ultimo anno. Il 2018 è iniziato nel migliore dei modi anche a livello europeo: Widespace ha infatti lanciato Objective Selector, una nuova feature della piattaforma Summit e ha ricevuto un importante riconoscimento.

Objective Selector è progettato per sfruttare al meglio le potenzialità del machine learning e offrire agli inserzionisti maggiore controllo per consentire di scegliere l’obiettivo della campagna più adatto al singolo caso d’utilizzo. Objective Selector è supportato dal Recommender System di Widespace, creato per abbinare gli annunci più pertinenti con la corretta audience in base ai dati mobile.

“Il machine learning svolge un ruolo sempre più importante nel modo in cui si ottimizzano le campagne: la sua applicazione concorre al raggiungimento di tutti i KPI. Ma l’inserzionista da oggi ha la possibilità di indirizzare la tecnologia secondo i propri obbiettivi”, prosegue Nicolò Palestino.

 

Il 2017 è stato, inoltre, un anno importante per Widespace che ha visto consolidare la propria posizione di azienda leader nel premium mobile advertising in Europa, grazie all’inserimento come piattaforma digitale numero uno dei Paesi Bassi all’interno del Christmas Report di Adformatie e Ipsos, riconoscimento ottenuto per il secondo anno consecutivo.

“Automazione, trasparenza e dati sono stati il mantra del 2017 per Widespace – il riconoscimento come migliore piattaforma digitale ottenuto per il secondo anno consecutivo in uno dei più avanzati paesi europei è un segnale importante”, commenta Nicolò Palestino. “L’Italia non è da meno, la risposta positiva del nostro mercato alla proposta Mobile di Widespace ha portato a una crescita importante in aree di new business, confermando il nostro percorso in questo mercato che vedrà inoltre un potenziamento del team italiano nel corso del 2018”.

articoli correlati

AZIENDE

Rocket Fuel indaga il complesso customer journey dei clienti B2B che porta alla conversione

- # # # # # #

Rocket Fuel

Le decisioni d’acquisto nelle aziende sono spesso il frutto di un lungo processo, che coinvolge persone e dispositivi diversi. Per capire come gestire al meglio le campagne dirette ai clienti B2B, Rocket Fuel ha condotto un’indagine volta a scoprire il complesso customer journey che porta alla conversione.

Rocket Fuel, grazie alla sua DSP, basata sull’intelligenza artificiale e sul machine learning, permette a brand e marketer di mostrare i loro annunci pubblicitari alle persone giuste, nel momento più appropriato e nel posto giusto, sia che si tratti di clienti B2C, sia che si tratti di clienti B2B. Ma cosa li distingue e come possiamo gestire le campagne loro rivolte? Per rispondere a questa domanda, sono stati intervistati 417 marketing manager e decision maker in Italia, Germania, Regno Unito e Francia. I risultati di questa indagine sono poi stati combinati con i dati di 22 campagne B2B condotte nel 2015 e nel 2016 attraverso la piattaforma di programmatic marketing di Rocket Fuel, per un volume totale di impression superiore a 636 milioni.

Dalla ricerca è emerso che nel 76% dei casi la decisione d’acquisto di prodotti o servizi B2B coinvolge più figure, con una media di 3 persone. Chiaramente, questo dato varia in base alle dimensioni dell’azienda: nelle piccole imprese (fino a 15 dipendenti) la media è di 2 persone coinvolte, nelle medie imprese (fino a 50 dipendenti) si sale a 3, mentre nelle grandi aziende (con più di 50 dipendenti) si arriva a 4 decision maker.

L’ultima parola di questo processo decisionale spetta principalmente al CEO o al Managing Director, che prende la decisione finale nell’85% dei casi, seguito dal responsabile della divisione finanziaria (72%). I responsabili marketing e IT, invece, la maggior parte delle volte si limitano a influenzare la decisione, potendo avere l’ultima parola rispettivamente solo nel 45% e 41% dei casi.

“Il coinvolgimento di diverse figure professionali nel processo decisionale comporta un allungamento dei tempi necessari per raggiungere la decisione d’acquisto, sebbene si tratti di una priorità per l’azienda”, ha commentato Enrico Quaroni, Regional Director Southern Europe e MENA Region di Rocket Fuel. “Solo nel 22% dei casi, infatti, la conversione avviene in meno di un giorno, mentre il 64% delle volte richiede fino a un mese di tempo e il 15% persino più di un mese”.

Il tempo necessario affinché i clienti business raggiungano la decisione d’acquisto è strettamente legato al numero di pubblicità necessarie prima di ottenere la conversione. In ambito B2B, infatti, in un caso su tre (31%) sono necessarie più di 10 pubblicità prima che venga scelto un prodotto o servizio, mentre più della metà dei clienti consumer prende la decisione d’acquisto dopo aver visto una (32%) o due pubblicità (20%). Durante questo lungo processo, gli utenti B2B effettuano ricerche da diversi dispositivi, ma il PC sembra il device preferito quando si tratta di effettuare l’acquisto. Secondo gli intervistati, infatti, il computer viene utilizzato nel 67% dei casi per comprare prodotti o servizi, mentre tablet e smartphone sono principalmente dedicati alla navigazione e alla ricerca, con una percentuale rispettivamente del 46% e del 60%. Queste cifre sono confermate dai dati su impression e conversioni in possesso di Rocket Fuel: mentre i dispositivi mobile e i tablet contribuiscono per il 24% alle impression, il 95% delle conversioni avviene su PC.

“Solo grazie a soluzioni che si basano sull’intelligenza artificiale e sul machine learning è possibile riconoscere lo stesso utente su ogni dispositivo e apprendere dal suo customer journey per comprendere quale sia il momento migliore per inviare il messaggio giusto”, ha concluso Quaroni. “La nostra DSP permette di sfruttare al meglio la grande quantità di dati in possesso delle aziende, creando momenti significativi per gli utenti e permettendo ai marketer di incrementare il ROI”.

articoli correlati

AZIENDE

MATHilde, il machine learning di GroupM: presentato a Milano il futuro del search

- # # # # # # #

MATHilde

Una fusione tra matematica e algoritmi e un’estrema voglia di dare battaglia sul mercato pubblicitario. È questa MATHilde, l’ultimo arrivato in casa GroupM, il nuovo prodotto incentrato sul machine learning (MATH, ovviamente, per matematica, per algoritmo) che ha intenzione di rivoluzionare il mercato pubblicitario search (ilde per battaglia, combattimento). Il nuovo prodotto del colosso mondiale è frutto della partnership tra la sezione italiana del gruppo e Four Colour Theorem, start-up 100% made in Italy (pisana, per la precisione), totalmente indipendente dai principali motori di ricerca, di cui è Founder & CEO Nicola Ciaramella, imprenditore e professore di Programmatic Advertising alla Laurea Magistrale internazionale di Data Science di Pisa. “Siamo una piccola start-up di una piccola città, dove però la ricerca scientifica è nell’aria. Sentivo di avere fra le mani una tecnologia con un grande potenziale, ma non potevo trovare i mezzi finanziari per fare scalate: non siamo nella Silicon Valley. Allora ho fatto una scommessa ambiziosa: rivolgermi al numero 1 del settore, da subito. GroupM ci ha dato fiducia e ora si aprono scenari affascinanti” afferma il professore.

Come sottolineato da Fides Tosoni, Chief Digital Trasformation Officer GroupM, durante la presentazione avvenuta nel corso della mattinata, MATHilde è: un Bidder che automatizza l’ottimizzazione delle campagne di Search, secondo tutti i KPI’s, sia di performance che di branding, anche in maniera congiunta; un tool esclusivo di GroupM in grado di sfruttare come mai sino ad oggi i benefici del Machine Learning in ambito media; potente, in quanto in grado di modificare i bids di tutte le keyword in campagna 4 volte in un’ora, 24h/24, 7gg/7 per 365 giorni all’anno; in grado di apprendere ed evolvere continuamente per adattarsi ai mutamenti di scenario. Insomma, MATHilde è un algoritmo potenziato, che è in grado di programmare se stesso continuamente, in modo da apprendere dal percorso quali sia la soluzione migliore per il cliente. “Non possiamo programmare qualcosa che fornisce un numero infinito di soluzioni” afferma ancora Nicola Ciaramella, “ma posso programmare qualcosa che impari, che apprenda, e le infinite soluzioni diventano quindi possibili”.

GroupM parte con la Search
In un mercato media fortemente video centrico come quello italiano, gli investimenti in Search, ossia negli annunci che, sulla base di un meccanismo ad asta, appaiono come risultato sui motori di ricerca, rappresentano una quota dominante e sempre in crescita dei budget di comunicazione. Con il crescere e l’articolarsi delle modalità di utilizzo del Search e la moltiplicazione dei device di accesso, in parallelo è cresciuta anche la complessità di gestione del canale, che ora si sta aprendo alla prossima innovazione: il voice search. Facile comprendere come gestire in maniera ottimale e con buone performance un’attività di Paid Search richieda tempo, risorse dedicate, costante equilibrio tra ricerche/keywords/bids, e quindi quanto il Machine Learning possa rendere più efficiente la gestione di un’immensa quantità di dati. MATHilde si posiziona in quest’area per ottimizzare e automatizzare i processi e garantire ai clienti e ai brand di sfruttare – come mai prima d’ora- tutti i benefici del Machine Learning.

I risultati ottenuti
GroupM ha testato MATHilde su una vasta gamma di campagne. Tutti i contesti in cui è stata introdotta erano consolidati e già ottimizzati, ma applicandola si confermano ulteriori importanti ottimizzazioni su tutti i parametri tipicamente utilizzati per valutare la performance di una campagna (cpc, cpa, cpl, bounce rate e altro ancora). È come se MATHilde facesse fare un ulteriore salto di qualità all’attività umana. Per esempio, su una campagna di un cliente Automotive – il cui obiettivo era generare test drive presso le concessionarie – dopo un mese, il numero di prove in concessionaria è raddoppiato mentre il costo di acquisizione si era ridotto del 50%, diminuendo quindi di quasi il 10% l’investimento complessivo del mese in questa attività.
Nel caso, invece, di un’attività di e-commerce l’obiettivo era di aumentare il numero di vendite e il fatturato: MATHilde, sempre nel corso del primo mese, ha più che triplicato le transazioni e ridotto l’investimento complessivo di quasi il 15%.
“È per GroupM un motivo di orgoglio, dopo un intenso e attento lavoro di sviluppo, poter offrire ai nostri clienti e, più in generale agli investitori pubblicitari, un prodotto di machine learning in grado di moltiplicare i benefici derivanti dalla comunicazione digitale”  dichiara Fides Tosoni. MATHilde sarà il primo di una suite di prodotti, tutti basati su algoritmi di Machine Learning e fortemente impattati dal potere dei DATI, della “MATH“. Ogni prodotto avrà un proprio “ambito” di interesse: MATHilde nasce per il Search, le altre declinazioni avranno sviluppi in ambito Video, Social e Digital Planning.

articoli correlati

AZIENDE

A Milano il Microsoft Forum 2017: la rivoluzione digitale a portata di PMI

- # # # # # # # #

Papa Francesco in copertina su Rolling Stone Italia

Si è svolto oggi, al MiCo di Milano, il Microsoft Forum 2017, dedicato alla rivoluzione digitale e alle prospettive dell’Industry 4.0,  con un’attenzione  particolare per la PMI, invitate a cogliere le opportunità offerte da Cloud Computing, Internet of Things, Machine Learning, Big Data e Intelligenza Artificiale.

“È chiaro che le nuove tecnologie intelligenti possano offrire una risposta alla necessità di produttività e di crescita delle nostre imprese, rivoluzionando il loro business e trasformando il modo in cui lavoriamo e viviamo. Il Piano Industria 4.0 intende proprio aiutare le aziende italiane a cogliere questa occasione per recuperare flessibilità e competitività ed in questo contesto i player ICT devono fare squadra con le istituzioni per promuovere una trasformazione digitale a tutto tondo”, ha dichiarato Carlo Purassanta, AD di Microsoft Italia, nel suo intervento si apertura. “Il nostro obiettivo è democratizzare l’intelligenza artificiale e crediamo che persone e macchine possano interagire in uno scenario di crescita in cui si delineeranno nuove opportunità. Le persone hanno creatività e capacità relazionale, le macchine incorporano sempre più capacità di ascolto, visione e interazione e possono potenziarle grazie alle infinite possibilità di calcolo e analisi che abilitano”.

Le tendenze e gli sviluppi tecnologici ed economici che plasmeranno il futuro nei prossimi anni, sono state commentate anche da Alec Ross, uno dei maggiori esperti americani per l’innovazione e autore del bestseller “The Industries of the Future”: “La digitalizzazione ha creato migliaia di miliardi di euro di valore e centinaia di migliaia di lavori ben remunerati. Questa tendenza alla digitalizzazione è destinata a proseguire e a impattare positivamente e in modo sempre più diretto l’Italia e gli italiani. La Penisola è stata un centro di innovazione per centinaia di anni e sono certo che continuerà a distinguersi per la sua capacità creativa. L’ingegno innovativo ha caratterizzato il passato del Paese grazie al lavoro di scienziati e artisti, ma ne potrà guidare anche il futuro attraverso una nuova classe di professionisti capaci di cavalcare il cambiamento senza lasciarsi intimorire dagli sviluppi tecnologi, anzi volgendoli a proprio vantaggio per inaugurare nuovi modelli di produttività e business”.

E in effetti il tessuto economico italiano – costituito per il 99% da PMI – si mostra positivo sul futuro e non teme l’automazione, anzi considera le nuove tecnologie un alleato per liberarsi da operazioni routinarie e dedicare più tempo all’espressione della propria creatività. Questo quanto emerge da una nuova ricerca Microsoft-Ipsos Mori sulle PMI italiane presentata al Forum,  che delinea un generale ottimismo sul futuro (46% ottimisti VS 27% pessimisti). Se si interrogano i dipendenti delle piccole e medie aziende nostrane sul significato di “Digitalizzazione”, la maggior parte (53%) tende a ricondurlo al concetto di automazione – andando oltre il semplice passaggio dalla carta al computer (32%) – e intendendo la digitalizzazione dei processi di gestione dei clienti, l’adozione di app o servizi per attività quali la contabilità e il monitoraggio dell’inventario, nonché l’analisi dei dati di business attraverso strumenti digitali, insomma l’automazione di operazioni routinarie. Interessante anche la percentuale (24%) di coloro che per digitalizzazione intendono la possibilità offerta alle risorse di lavorare ovunque e in qualunque momento. Sui benefici della tecnologia sono pressoché tutti d’accordo, il 79% dei dipendenti delle PMI italiane concorda sul fatto che permetta di ottimizzare i tempi e il 73% riconosce le opportunità offerte dal digitale in termini di flessibilità.

Certo, nonostante questo ruolo chiave, le scelte IT non sono ancora frutto di processi decisionali strutturati: sì la maggior parte dei dipendenti delle PMI italiane dichiara di avere un processo ricorrente durante il quale vengono discusse esigenze e trend, ma in fondo si tratta di fatto solo del 26%.
Da un punto di vista di pianificazione, l’Italia è il primo tra i Paese europei in cui le PMI dichiarano di non avere un business plan strutturato (30%, contro una  media EU del 22%, con un picco del 29% tra le microimprese). I i motivi di questa mancanza di pianificazione strategica risiedono principalmente nella focalizzazione su priorità di breve termine (23%), nella mancanza di risorse essendo un compito non facilmente espletabile in via informale (17%) e nelle dinamiche del flusso di cassa che rendono difficile pianificare (15%).
“Secondo Eurostat, solo il 44% delle PMI supera i 5 anni di attività e, nonostante lottino con ostacoli esterni come la scarsità di risorse competenti, la burocrazia e le tasse, spesso un freno alla crescita è anche la mancanza di imprenditorialità e di un business plan strutturato” ha commentato Paola Cavallero, Direttore Marketing & Operations di Microsoft Italia. “Nella nostra visione, la Trasformazione Digitale non riguarda solo l’adozione di tecnologia, ma è più in generale un tema di leadership nel ripensare modelli di business esistenti e abbracciare nuove modalità per creare ecosistemi di persone, dati e processi. Se i recenti sviluppi in termini di cloud computing, intelligenza artificiale, robotica, big data e machine learning stanno rivoluzionando lo scenario di business, la tecnologia può rivelarsi un utile strumento al servizio delle aziende per migliorare le performance, ridurre gli errori e migliorare la qualità di prodotti e servizi. Macchinari e automazione possono aiutare ad ottimizzare i processi ma sforzi creativi, interazioni sociali e abilità manuali restano elementi strategici che appartengono all’uomo e rappresentano l’essenza stessa ed il valore delle PMI. Grazie a quello che definiamo Cloud Intelligente è possibile gestire al meglio la complessità e dedicarsi alla passione che caratterizza il Made-in-Italy”.

Le nuove tecnologie non rappresentano un’opportunità solo per le PMI, ma abilitano la crescita di aziende di qualsiasi settore e dimensione e, intraprendendo un percorso di trasformazione digitale che faccia leva su Cloud, IoT, Machine Learning, Big Data e Intelligenza Artificiale, qualsiasi realtà Italiana può ottimizzare i processi, migliorare la relazione con i clienti, mettere i dipendenti nella condizione di essere più produttivi ed efficaci e trasformare prodotti e modelli di business. Al Microsoft Forum sono state proprio quattro importanti aziende italiane a darne prova raccontando la propria esperienza d’innovazione: ATM, Dolce&Gabbana, Luxottica Group e Salvagnini.

Quattro casi che hanno offerto ispirazione ai professionisti in sala, come anche i progetti d’innovazione mostrati nell’ambito dell’Exhibition Area, un percorso esperienziale per scoprire come le nuove tecnologie sono in grado di rivoluzionare non solo il mondo industriale, ma l’intera società in una logica di smart city, e-health, fashion e retail virtuale, sport 4.0, auto connesse e smart home.

articoli correlati

AZIENDE

IoT e moto: Ducati Corse sfreccia insieme a Accenture all’insegna del machine learning

- # # # # #

Ducati e Accenture

Ducati Corse apre la nuova stagione sportiva all’insegna dell’Internet of Things e dell’intelligenza artificiale: in collaborazione con Accenture porta in pista, per i test, nuove moto intelligenti destinate alle gare di MotoGP. Con l’obiettivo di rendere più veloci, economici ed efficaci i test sulle moto, Ducati Corse ha infatti lavorato con Accenture Analytics, già Digital Partner Ufficiale del team Ducati nel campionato mondiale di MotoGP, per la creazione di un metodo di intelligent testing con un motore di analytics realizzato su misura. Questo è possibile con l’utilizzo del machine learning, per il quale quanti più dati vengono inseriti in un sistema, tanto maggiori saranno le configurazioni disponibili per il test, con previsioni di performance sempre più accurate. Gli strumenti di visualizzazione delle informazioni, progettati per un’esperienza d’uso intuitiva, consentiranno agli ingegneri addetti al collaudo di interagire con i dati, facendo degli aggiustamenti in qualsiasi momento e ottenendo così una nuova prospettiva in termini di configurazioni e tempi di gara. In questo modo disporranno di più risultati a partire da un numero inferiore di sessioni di prova su pista, risparmiando tempo, ottimizzando i costi e creando, contemporaneamente, moto che diventano sempre più intelligenti ad ogni giro di prova.

“Ci sono 18 circuiti da MotoGP e per accertarci che le nostre moto diano il massimo, dobbiamo provare il maggior numero possibile di configurazioni e scenari”, ha dichiarato Luigi Dall’Igna, General Manager di Ducati Corse. “Con la soluzione di Accenture abbiamo finora avuto in laboratorio risultati eccellenti. La possibilità di utilizzare sia dati delle prove precedenti, sia dati nuovi ci aiuterà a scegliere la configurazione ottimale per le nostre moto. Questo strumento innovativo renderà le nostre prove un processo più intelligente, aiutandoci a ottenere le migliori performance, indipendentemente dalle condizioni meteo o dal circuito”. Avvalendosi dei dati di quasi 100 sensori IoT presenti nelle moto e dei dati registrati durante i test, la soluzione di Accenture consentirà agli ingegneri del team di creare nuove prospettive, simulando e valutando le performance della moto in diverse condizioni. Applicando tecnologie di analisi e di machine learning all’avanguardia, i risultati simulati sulla base dei dati raccolti durante giri di prova su circuiti reali consentiranno agli ingegneri di apprendere dagli stessi e agire di conseguenza, ottimizzano le configurazioni delle moto per ciascuna gara. Tutte queste informazioni vengono fornite in modo rapido attraverso una dashboard intuitiva, in grado di offrire nuove possibilità di dialogo e collaborazione all’interno del team. E’ quindi possibile testare un numero di configurazioni mai raggiunto fino ad ora, massimizzando così i benefici delle prove su pista e guadagnando un vantaggio competitivo il giorno della gara.

“Con questa soluzione, Ducati Corse può utilizzare un programma di test intelligenti e ottenere migliori risultati di gara”, ha dichiarato Marco Vernocchi, EALA Lead di Accenture Analytics, divisione di Accenture Digital. “Simulando e monitorando la performance della moto in un’ampia serie di condizioni meteo e di pista, siamo riusciti a fare in modo che l’applicazione del machine learning integrata con i dati dei sensori IoT riducesse al minimo i tempi, i costi e l’impegno richiesti dalle tradizionali prove su pista. Ci auguriamo che questa soluzione innovativa consenta al team Ducati di essere sempre in testa in tutte le gare”. A oggi sono stati analizzati circa 4.000 settori di circuiti da corsa e oltre 30 diversi scenari di gara, con la previsione di proseguire con un roll-out più ampio. Durante i collaudi vengono raccolti dati come i parametri di funzionamento del motore, velocità, giri e temperature di pneumatici e freni, informazioni che il team Ducati utilizzerà per pianificare, preparare e fare le prove per le gare del MotoGP.

articoli correlati

AZIENDE

Quando i computer imparano a riconoscere gli insulti: l’ascesa del machine learning

- # # # # #

Google e Jigsaw

Google e Jigsaw lanciano Perspective, una tecnologia che usa il machine learning per identificare i commenti offensivi sotto le notizie online. Qui di seguito la traduzione del blogpost a firma di Scritto da Jared Cohen, Presidente di Jigsaw, pubblicato sul blog ufficiale di Google.

Immaginate di avere una conversazione con un vostro amico su una notizia che avete letto questa mattina, ma ogni volta che dite qualcosa qualcuno vi urla in faccia, vi insulta o vi accusa di un terribile crimine. Se così fosse, probabilmente mettereste fine alla conversazione. Sfortunatamente, questo avviene sempre più frequentemente online, quando la gente cerca di esprimere le proprie opinioni sul suo sito di informazione preferito e viene invece attaccata con commenti offensivi. Il 72% degli utenti internet americani è stato testimone di episodi di questo tipo e almeno la metà di loro ha avuto un’esperienza diretta. Almeno un terzo di loro si autocensura per paura delle reazioni. Pensiamo che la tecnologia possa aiutare a risolvere questo fenomeno. Oggi Google e Jigsaw lanciano Perspective, una tecnologia ancora in fase sperimentale che usa il machine learning per identificare i commenti offensivi. Attraverso una API (un’interfaccia di programmazione) gli editori – inclusi i membri della Digital News Initiative – e le piattaforme possono avere accesso a questa tecnologia e utilizzarla per i propri siti.

Come funziona
Perspective rivede i commenti e assegna loro un punteggio basato su quanto siano simili a commenti che gli utenti hanno indicato come “tossici” o tali da spingere le persone ad abbandonare la conversazione. Per imparare a identificare un linguaggio potenzialmente ingiurioso, Perspective ha esaminato decine di migliaia di commenti che sono stati etichettati manualmente da revisori umani. Ogni volta che Perspective trova nuovi esempi di commenti potenzialmente offensivi, o la sua valutazione viene corretta dagli utenti, migliora la capacità di valutare i commenti in futuro.
Gli editori possono scegliere cosa fare con le informazioni che ottengono da Perspective. Ad esempio, un editore potrebbe decidere di segnalare i commenti ai propri moderatori in modo che questi li rivedano e decidano se includerli o meno in una conversazione. Oppure, l’editore potrebbe utilizzare questo strumento per aiutare le persone della sua community a capire l’impatto di quanto stanno scrivendo, ad esempio permettendo agli utenti che commentano di vedere il potenziale di “tossicità” dei propri commenti mentre li stanno scrivendo. Ancora, gli editori potrebbero anche solo permettere ai lettori di ordinare i commenti in base a quanto sono offensivi, facilitando così l’individuazione di conversazioni interessanti nascoste in mezzo a quelle offensive.
Abbiamo testato una versione di questa tecnologia con il New York Times, dove c’è un team che controlla e modera ogni commento prima che venga pubblicato, revisionando oltre 11mila commenti ogni giorno. Sono davvero moltissimi commenti, troppi per essere letti da un solo team. E infatti il Times offre la possibilità di commentare solo sul 10% circa dei propri articoli. Abbiamo lavorato insieme per educare dei modelli che consentano ai moderatori del Times di selezionare i commenti più velocemente e speriamo che questo possa aumentare il numero di articoli commentabili.

Il futuro
Perspective si aggiunge alla libreria Open Source di TensorFlow e alla Google Cloud Machine Learning Platform come una ulteriore risorsa di machine learning che Google rende disponibile per gli sviluppatori. Questa tecnologia è ancora in fase di apprendimento, ma proprio questo rende il machine learning unico: anche se i modelli sono complessi, continueranno a migliorare nel tempo. Quando Perspective comincerà ad essere usato da un editore, sarà esposto a un maggior numero di commenti, sviluppando così una migliore comprensione di cosa rende certi commenti offensivi.
Mentre miglioriamo la tecnologia, stiamo anche lavorando per ampliarla. Il nostro primo modello è pensato per identificare il linguaggio offensivo, ma nel corso del prossimo anno ci piacerebbe avviare nuove collaborazioni per offrire modelli che funzionino anche in lingue diverse dall’inglese e che siano capaci di identificare commenti che siano attacchi personali oppure fuori tema.
Perspective offre agli editori uno strumento per ospitare discussioni inclusive fra gli utenti; nel lungo periodo, potrà fare di più che migliorare i commenti. Speriamo di poter dare il nostro contributo per rendere possibili conversazioni online migliori.

articoli correlati

NUMBER

Zenith: l’intelligenza artificiale guiderà l’engagement dei consumatori nel 2017

- # # # # #

Zenith

L’intelligenza artificiale è la capacità delle macchine o dei computer di emulare il pensiero umano o il processo decisionale. Un’area chiave all’interno dell’AI è il machine learning, derivante dai processi di automatizzazione del planning digitale, già anticipato da Zenith nel mese di novembre. Utilizzando algoritmi su misura, una task force di data scientist e specialisti strategici di Zenith ha sviluppato un sofisticato sistema di digital planning, sfruttando la tecnologia machine learning dell’agenzia e consentendo al network di creare un processo di automazione: raccolta dati, attribuzione e pianificazione dei cambiamenti attraverso molteplici touchpoints – il tutto realizzato automaticamente.

I 10 trend presentati sono utili per valutare come il machine learning e altre aree dell’AI miglioreranno l’esperienza del consumatore durante il processo d’acquisto e creeranno nuove opportunità di marketing per i brand.

Predicting our needs: l’AI accrescerà l’importanza del ruolo della search nel processo di acquisto dei consumatori
La Search incrementa le capacità predittive; riesce infatti a fornire informazioni sempre più precise riguardo al consumer journey dei consumatori, guidando così sia le riflessioni che le conversazioni. Durante il 2017, i motori di ricerca inizieranno a includere nei propri dati tutte le informazioni sui comportamenti del consumatore, informazioni che la tecnologia dell’intelligenza artificiale utilizzerà per aumentare la capacità predittiva del mezzo. Tutto ciò darà chiare opportunità ai brand di anticipare al meglio le esigenze dei consumatori e di implementare strategie di cross-selling.

Speeds is the New Black: Turbo-charging la consegna dei Trend Content
Negli ultimi anni, la quantità di dati a disposizione del mercato è aumentata notevolmente. I brand hanno quindi potuto individuare rapidamente le tendenze e adeguare le proprie strategie di marketing e di comunicazione. Con la crescita costante di dati a disposizione, la pratica del machine learning contribuirà significativamente a semplificare il processo di analisi, permettendo di elaborare gli stessi dati provenienti da fonti diverse per identificare rapidamente i trend e gli schemi sottostanti. Ciò aiuterà i brand ad analizzare le strategia dei brand concorrenti e a cavalcare i nuovi trend. Da un lato gli specialisti del content nelle agenzie saranno in grado di creare gli asset più idonei per raggiungere il consumatore e soprenderlo, dall’altro i brand potranno sviluppare prodotti in grado di soddisfare le ultime esigenze delle diverse categorie di mercato.

Always-on Insights: la raccolta dei dati non-stop attraverso il Passive User Interface
Il Passive User Interface raccoglie in modo continuativo i dati comportamentali dai dispositivi digitali dei consumatori e attraverso l’approccio del machine learning sarà in grado di fornire ai brand insight rilevanti che potranno essere utilizzati per personalizzare le esperienze di consumo. Alcune aziende stanno già utilizzando i dati forniti dai PUI; la piattaforma di Spotify, ad esempio, utilizza i dati del tracker per personalizzare le playlist degli utenti. Un uso più diffuso dei dati PUI consentirà ai brand di progettare contenuti e servizi personalizzati e di impostare strategie di prezzo appropriate. I dati del PUI potranno anche essere condivisi dai diversi brand e nelle diverse categorie per creare ulteriori punti di contatto/esperienza per i consumatori.

Cross-Device Storytelling: i progressi del Programmatic nelle conversazioni automatiche
La tecnologia del machine learning mette direttamente in contatto i brand con i consumatori e non solo con i loro device. I brand raccolgono molti dati di prima parte, e l’AI permette di comprendere come coinvolgere i consumatori con diversi messaggi in contesti e tempi differenti. I brand potranno quindi automatizzare le loro conversazioni con il target di riferimento utilizzando il cross-device programmatic advertising creando esperienze senza soluzione di continuità con l’obiettivo di accelerare sia l’acquisto che il ri-acquisto.

Shoppable Content: acquistare direttamente dai contenuti per migliorare l’esperienza del consumatore
Il 2017 sarà l’anno del “Shoppable Content”: la possibilità di acquistare direttamente da contenuti editoriali e di brand. In pratica “gli algoritmi evolutivi”, tecniche dell’AI ispirate al principio della selezione naturale, potranno scegliere e ottimizzare le informazioni in risposta alla navigazione del consumatore, creando contenuti personalizzati in diretta, con la possibilità di insererirli in carrelli della spesa virtuali. Questi ultimi ricreeranno quindi la funzionalità dei siti e-commerce senza che i consumatori debbano attivare nuovi account o fornire i dati della carta di credito per ogni nuovo sito che visiteranno. Lo “shoppable content” permetterà sia ai brand che agli editori di fidelizzare i consumatori sui loro siti, evitando il passaggio su altri siti per l’acquisto. I brand dovranno pensare e sviluppare i contenuti come una combinazione di testo, immagini e attività interattive in grado di creare un’esperienza di shopping ingaggiante.

Smart VR: Virtual Reality la nuova opportunità per i brand attraverso gli Smartphone
La realtà virtuale si sta spostando dal solitario mondo dei giocatori anche a quello più mainstream dei consumatori che infatti la sperimentano attraverso i loro smartphone, considerati i nuovi driver di questo fenomeno. Facebook e Twitter hanno già un sistema di live-streaming al quale è possibile accedere utilizzando le cuffie collegate ai propri smartphone. L’utilizzo della VR mainstream presenterà per i brand molte opportunità di marketing: ad esempio, i rivenditori avranno la possibilità di modificare le modalità di acquisto presentando ai consumatori i prodotti senza la visita ai punti vendita.

The rise of the chatbots: la comunicazione automatica e diretta tra brand e consumatori
Spinti dal machine learning, i chatbots permettono l’interazione automatica tra consumatori e brand tramite un’interfaccia di messaggistica. I chatbots possono aiutare i consumatori con alcune funzioni tra le quali i pagamenti e la ricezione delle notifiche di consegna/spedizione. I chatbots aiutano i brand a ridurre i costi del servizio di assistenza per i clienti e ad aprire un dialogo con i consumatori. Un’altra grande opportunità per i brand sarà quella di creare un contatto diretto e personalizzato con i consumatori sulla base degli insights emersi nelle chat.

Emotion Recognition Technology: aiuta i brand a recepire le emozioni dei consumatori
La diffusione degli smartphone e la condivisione continua dei propri stati d’animo fa sì che il consumatore abbia sempre con sé un rilevatore di emozioni. Questo permetterà ai brand di collegare gli stati d’animo e i comportamenti dei consumatori a comunicazioni mirate, pertinenti e al momento giusto. Ad esempio, i brand legati a uno sport o a una squadra potranno utilizzare questa tecnologia per offrire esperienze personalizzate e ingaggianti nel corso di un evento sportivo.

Dynamic Pricing: gli algoritmi consentono l’automatizzazione dell’adeguamento del prezzo in base alla domanda
Grazie all’elaborazione e all’analisi dei dati di vendita, l’algoritmo Dynamic Pricing consentirà alle brand di adeguare il prezzo dei prodotti online considerando il potere di acquisto del consumatore. I prezzi presenti online sui siti e sulle app potranno quindi modificarsi costantemente. Un esempio è quello di Uber che ha introdotto l’algoritmo di Surge Pricing per adeguare automaticamente i prezzi per eccesso negli orari di picco della domanda.

Automated assistence: il servizio robot arriva nei negozi
Nel mondo dell’industria i robot sono una realtà ormai da molti anni. Oggi, la tecnologia ha sviluppato una combinazione di sistemi di automazione fisici e digitali per creare robot che lavorino fianco a fianco con gli esseri umani. Le opportunità più evidenti e immediate saranno nella vendita al dettaglio. I robot forniranno informazioni sui prezzi, sulle disponibilità di magazzino e, utilizzando particolari algoritmi, saranno in grado di offrire suggerimenti sui prodotti e sulle promozioni in corso. Oltre alla vendita al dettaglio le opportunità di sviluppo riguarderanno anche l’ospitalità alberghiera, le cure sanitarie e l’aiuto domestico.

articoli correlati

MEDIA

Zenith applica il machine learning al digital planning. Il caso Aviva

- # # # #

Zenith ha sviluppato un approccio totalmente innovativo al digital planning, destinato ad offrire agli inserzionisti miglioramenti significativi nell’efficacia e a cambiare sostanzialmente il modo in cui agenzie e clienti ottimizzeranno la comunicazione sui mezzi digitali.

Nel corso degli ultimi sei mesi, una task force di data scientist e specialisti strategici di Zenith, infatti, ha sviluppato un sofisticato sistema di automazione del digital planning, sfruttando la tecnologia machine learning dell’agenzia e algoritmi ad hoc.

Oggi gli investitori pubblicitari si trovano faccia a faccia con una gamma di customer journey diversi, ognuno articolato su una molteplicità di touchpoint. Per superare la complessità che ne deriva, Zenith ha indagato come il machine learning possa essere utilizzato per elaborare in modo efficiente grandi quantità di dati e automatizzare gli aspetti del digital planning più complessi e più onerosi per i planner in termini di tempo speso.

Utilizzando campagne attive del cliente Aviva, la task force ha raccolto cookie data dall’infrastruttura tecnologica di una demand-side platform leader sul mercato. Gli specialisti, quindi, hanno fatto corrispondere alle informazioni dei cookie i rispettivi dati di vendita di prima parte: applicando l’algoritmo di machine learning di Zenith, il gruppo di lavoro è riuscito ad attribuire con precisione le conversioni in vendita a partire da specifiche interazioni digitali.

“Zenith sta tracciando la rotta nella media industry, rinnovando i modelli di business della comunicazione digitale”, commenta Vittorio Bonori, Global Brand President di Zenith (nella foto). “Questo programma di automazione riveste per noi grande importanza ed è parte della nostra strategia per far leva sul potere di dati e tecnologia, realizzando crescita profittevole per i nostri clienti.”

Per la prima volta nella storia del settore, inoltre, Zenith è stata in grado di ottimizzare automaticamente la pianificazione digitale del cliente Aviva alimentando nuovamente la demand-side platform con l’output del proprio algoritmo. Questa scelta decisiva ha portato a una chiusura del cerchio dal punto di vista dell’automazione: raccolta dei dati, attribuzione delle azioni del consumatore a elementi di comunicazione, una modifica capillare nella pianificazione su una molteplicità di touchpoint digitali – il tutto realizzato automaticamente.

Ma Zenith ha scelto di non fermarsi qui: il network di agenzie alimenta l’algoritmo con dati di prima parte riguardanti le leve che determinano la domanda, così che l’efficacia dei cambiamenti automatici nella pianificazione sia ulteriormente migliorata. In questo modo, fattori come l’influenza del prezzo sulle vendite o la bontà dei messaggi a livello creativo saranno inseriti nel flusso dell’ottimizzazione automatizzata. L’automazione radicale del digital planning proposta da Zenith, inoltre, è basata sulle tecnologie cloud: in questo modo, il cliente può mantenere la totale proprietà dei dati di prima parte, dall’inizio alla fine del processo.

Grazie a questa applicazione del machine learning, Aviva ha goduto di un miglioramento del 6% nel costo per preventivo sulle assicurazioni auto tramite motori di ricerca, mentre sul canale display Aviva ha beneficiato di un miglioramento del 10% sempre in termini di costo per preventivo.

 

articoli correlati