Era il lontano 2012, un afoso giorno di metà luglio (meno male che mi sono messo all’opera in tarda serata !!) quando, terminato un utile corso modulare sul CMS WordPress, giunto a casa (facevo il pendolare), una volta davanti al pc decisi di mettere in pratica quanto appreso … a mente fresca (quando le cose vengono meglio !). Già da tempo “cullavo” l’idea di avere un sito mio, sull’onda di quanto sentivo/vedevo attorno a me. Detto fatto, scelta la ‘piattaforma di lancio’, in cinque minuti 5, quasi senza accorgermene creai il mio primo progetto (!!!) che, per le “ambizioni” e velleità del momento, volli confezionare come blog personale. Ricordo ancora, infatti, come a quei tempi nutrivo certe idee professionali per cui volevo dare un’impronta di settore al progetto appena creato, fare di questo uno strumento per veicolarne le idee: per ciò, gestire un blog è la soluzione più immediata !
Ben presto però dovetti correggere le mie ambizioni e, di conseguenza, apportare una “svolta” al blog: farlo contenitore delle mie passioni (podismo e pallavolo), riflessioni, pensieri non rinunciando comunque all’argomento principe: il web ….
Sono passati gli anni e, sostanzialmente da due, una “new entry” nelle argomentazioni del blog, riflettendo un particolare settore che stava attirando i miei interessi: la SEO (‘Search Engine Optimization’, Ottimizzazione dei motori di ricerca), nicchia del web, scienza astratta per definizione, disciplina operativa che potrebbe suonare-non suonare ai più o a quelli che non ne sentono l’esigenza.
Dopo alcuni anni di vita del mio blog (passati più di 6 anni !), su alcune utili indicazioni e suggerimenti è arrivata la decisione di accostare alla ‘testata’ un riconoscimento per lo stesso, creare un logo da affiancare ai contenuti che vengono di volta in volta prodotti “di proprio pugno” (… mano) e pubblicati su di esso.
Come ogni buona intro un breve spiegazione: in un panorama informatico che vede ancora al centro l’operatore seppur oramai dominato da un web semantico che va di pari passo con l’intelligenza artificiale (idea basilare che governa l’ambiente in lungo e in largo), relegandolo perciò ad un ruolo marginale, ed in funzione di vari dispositivi e tecniche annesse (smartphone oltre che i tradizionali desktop), un occhio di riguardo, sempre più preponderante se si analizza il Web da un certo punto di vista, va alla SEO come strumento indispensabile se si vuole mirare al miglior posizionamento possibile del sito nella lista dei risultati del motore di ricerca (SERP), e quindi alla varietà di metodologie d’approccio da utilizzare per raggiungere l’obbiettivo preposto.
Piccola nota conclusiva, che oltretutto va un pò contro le mie abitudini, i miei preferiti, l’uso di colori “colorosi” e chiari anziché scuri, ad evidenziare la linfa che vorrei scorresse in questi contenuti con l’auspicio di incontrare l’apprezzamento di visitatori e lettori !
Chi mastica di seo, aldilà degli operatori del settore, può ben immaginare come, in quanto la SEO (Search Engine Optimization ) è una scienza astratta ed in continua evoluzione, i trend le tecniche e i modi di approccio siano in continuo mutamento, di anno in anno, seguendo giustamente le dinamiche e le effettive esigenze di mercato. Ecco di seguito allora un piccolo vademecum su quelle che saranno le strategie e gli strumenti ottimali su cui puntare nel corso del 2023.
Le strategie di ottimizzazione per i motori di ricerca sono in continua evoluzione ed è essenziale che le aziende stiano al passo con questi cambiamenti per assicurarsi che i loro sforzi rimangano efficaci. Si osserva che gli algoritmi dei motori di ricerca e i comportamenti degli utenti continuano a cambiare insieme agli obiettivi aziendali; pertanto, le aziende devono adattare le loro strategie SEO per garantire che i loro contenuti rimangano pertinenti, si posizionino più in alto nei risultati di ricerca ed estendano la loro portata. Così le tendenze SEO per il 2023 sono senza dubbio influenzate dagli importanti passi in avanti dell’intelligenza artificiale e ai progressi fatti in tema di ricerca vocale.
Un ruolo fondamentale nelle applicazioni di ricerca e strategie SEO verrà esercitato dagli strumenti di intelligenza artificiale generativa i quali consentono di risparmiare tempo in termini di ricerca, generazione di meta e analisi dati. La creazione di procedure operative standard SEO si sta rivelando determinante e irrinunciabile in una azienda per fare chiarezza sui vari ruoli in ambito SEO (creazione di SOP SEO). Sempre spalleggiate dall’AI, se fino a pochi anni fa le ricerche delle parole chiave e i relativi volumi di ricerca erano incentrate su singoli termini, ora le ricerche sono sempre più specifiche, rispondendo a ciò che realmente il mercato consumer ricerca, quindi un orientamento verso le famose keyword a coda lunga. Ciò significa che gli utenti si rivolgono a termini di ricerca molto specifici, meglio di una semplice parola; questo comportamento sta a significare che le persone interessate sono più prossime a fare un acquisto.
L’update del Broad Core di Google (marzo 2023) premierà i contenuti ritenuti di alta qualità. Ciò significa per le agenzie una maggiore attenzione nell’analisi delle ricerche al fine di evitare che i propri articoli possano essere penalizzati in quanto percepiti come di qualità inferiore. L’evoluzione raggiunta dalla SEO determina una rivalutazione e continuo aggiornamento delle delle strategie di ricerca non più circoscritte al proprio marchio/prodotti ma orientate al comportamento dei consumatori, alla reputazione del marchio e all’esperienza del cliente.
Un rischio dello sviluppo e ascesa delle applicazioni dell’intelligenza artificiale generativa è quello di un possibile aumento di rifiuti di Internet, ovvero di contenuti che, seppur qualitativi, per l’algoritmo in uso vengono scartati; pertanto occorre fare maggiore attenzione sulla qualità e attendibilità dei contenuti per “distinguersi dal rumore” e “avere rilevanza“: è importante ricordare che la qualità deve essere sempre al primo posto.
Tornando sulla qualità dei contenuti, assicurarsi che siano ben congeniati, che diano informazione e siano interessanti, in maniera da risultare coinvolgenti per gli utenti e ben posizionati. I contenuti long-form per le pagine verticali – cioè articoli che trattano in maniera specifica un argomento – contribuiscono a migliorare le pagine dei risultati dei motori di ricerca.
Se è indubbio che l’intelligenza artificiale sta assumendo un ruolo sempre più determinante ed efficace nel marketing aziendale, è più che mai vera la necessità di avere procedure adeguate per rimanere all’altezza della sfida. Con la continua evoluzione del panorama SEO, puntare sempre più nelle best practice sull’esperienza utente, sfruttando le tecnologie di apprendimento automatico e implementando strategie di ottimizzazione della ricerca vocale.
Queste tendenze influenzeranno il lavoro di quest’anno. Gli utenti porranno domande ai chatbot di intelligenza artificiale anziché inviare richieste ai motori di ricerca come facevano in passato. La misurazione delle prestazioni SEO diventerà più impegnativa e probabilmente cambierà le nostre tattiche per influenzare il modo in cui i bot rispondono alle domande pertinenti.
Ecco allora arrivare al nuovo acronimo di Google: E-E-A-T (esperienza, competenza, autorevolezza e fiducia) di Google nella definizione delle linee guida dei parametri della qualità della ricerca: Google prenderà ora in considerazione l’esperienza dell’autore quale ‘connotato’ rilevante per orientare le scelte fatte online. Pure le metriche ‘tanto care’ subiranno una correzione e saranno orientate alla conversione: ciò determinerà una nuova filosofia della SEO così tendente alla ‘capacità di conversione‘.
Anche per l’anno in corso continuerà a imperare il verbo della User Experience (UX, Esperienze Utente) ovvero la valorizzazione dell’esperienza utente: fulcro delle strategie SEO sarà cioè l’attenzione alla velocità di caricamento delle pagine ad esempio; altro connotato irrinunciabile sarà puntare su un design capace di colpire e nondimeno su contenuti sempre più attinenti e di qualità al fine di premiare il posizionamento in SERP. Il passaggio dai cookie di terze parti, informazioni , ai dati di prima parte, ovvero ad informazioni maggiormente conformate sui visitatori del sito, sarà fondamentale per monitorare, analizzare e ottimizzare le strategie SEO.
La profilazione con un profilo Google Business, a cui arrivare utilizzando keyword specifiche, unito a opportune strategie di SEO on-site, determina un feedback importante sui mercati: postare ogni giorno dal proprio profilo Google Business, utilizzando parole chiave relative all’offerta di servizi o prodotti, ha un grande impatto se abbinato a oculate strategie di SEO.
In un articolo precedente avevo riportato i progressi raggiunti sul campo dalle ultime applicazioni e i possibili sviluppi in ottica SEO. Il 2021 sarà tutt’altro che chiaro per il settore del marketing e i suoi operatori, pur potendo contare su tendenze già delineate, al fine di pianificare una adeguata strategia di social marketing.
Mai pensare a una social media strategy per l’anno a venire è stato più complicato: il 2020 lascia in eredità un anno pesante sia per le impreviste mutate abitudini delle persone a causa della pandemia sia per l’ attività fortemente compromessa dalle misure restrittive messe in atto negli ultimi mesi per le imprese di diversi settori; dall’altra parte “freme” oramai la voglia di riscatto di ripartenza con l’affacciarsi di nuove tecnologie e modalità d’approccio.
Punto fermo rimane quello attuale della pandemia i cui effetti, anche se dovesse rientrare nei mesi a venire, si protrarranno ancora per lungo tempo, rendendo finanche difficile mettersene alle spalle le conseguenze. E’ per ciò che le aziende sono chiamate ad adeguare il proprio modo di fare comunicazione per mantenere il loro ‘primato’ sul mercato, come assecondare una maggiore importanza della digitalizzazione e dei contatti umani – riflessi dei lockdown che si sono succeduti.
Tendenze che secondo l’autorevole Ninja Marketing ruotano attorno a tre concetti chiave, tre “tracce” che faranno da padrone nel delineare i trends per l’anno a venire pensando ad una strategia da adottare: “contenuti“, “meme“, “nostalgia“: tradotto, maggiori fruizione e condivisione ‘a più mani’ e trasversalità dei contenuti, purché siano di qualità, i meme evoluzione delle tanto ricorrenti e utilizzate emojis, sempre più utilizzati dai social media tanto da offuscare le prime; nostalgia come elemento trainante a significare una sorta di trasposizione dal sociale al digitale delle nuove necessità ed esigenze avvertite.
Due osservatori in particolare, We are social, ripreso da Ninja Marketing, e Talkwalker, hanno dedicato un report a riguardo, da una parte uno che analizza le nuove tendenze da un punto di vista settoriale dall’altra un rapporto che più in dettaglio guarda ai mutati comportamenti sociali e al modo in cui poi vanno a riflettersi sempre sugli orientamenti di categoria, un’analisi più orientata dunque al ‘micro’, dando voce anche a marketer professionisti. Nel suo lavoro l’agenzia Wearesocial mette in rilievo i mutamenti sociali conseguenti alla pandemia: se il distanziamento sociale e i ripetuti lockdown iniziati con il mese di marzo hanno portato a riscoprire i valori empatici e più basilari della società, ben presto questi sono stati traslati nel mondo digitale (per esempio si è assistito alla nascita di diverse community dedicate proprio alla riscoperta e alla divulgazione di essi) portando gli imprenditori ad affrontare la sfida della digitalizzazione ripensando alle vecchie logiche per .. rimanere a galla e rispondere ai nuovi bisogni dei consumatori. Viene inoltre incentivata una riscoperta delle potenzialità dei social nel fare riavvicinare persone lontane.
Wearesocial evidenzia pure come le persone tendano a prestare maggiore attenzione ai profili che tendono a seguire sui social: sempre più consapevoli ed esigenti rispetto alla pertinenza dei contenuti vedono nei cosiddetti influencer figure in cui rispecchiarsi per i propri gusti e scelte. Ecco allora che le aziende dovranno prestare attenzione anche all’influencer marketing nella definizione di strategie. Viene poi esaltato il concetto più che mai determinante di “crossmedialità“: la consultazione di più canali multimediali per le loro ricerche, infatti, caratterizza con sempre maggiori riscontri le modalità d’approccio degli utenti ai social media fino a interagire con propri ‘elaborati’. Contenuti il cui editing in passato era prerogativa di una specifica piattaforma, oggi diventano trasversali coinvolgendo più piattaforme come flessibilità nella loro creazione. https://www.insidemarketing.it/social-media-trend-2021-scenari-futuri-e-prospettive/
Talkwalker ha svolto un lavoro più ‘di settore’ andando cioè a verificare come i succitati cambiamenti sociali si riflettono nel settore del marketing. A concetti-chiave basati sulla componente sociale, ne accosta – o meglio ne fa derivare – altri più attinenti al marketing (presa di consapevolezza dei social media contro la disinformazione digitale e battaglia contro le fake news, con uno sguardo al passato quanto ai mezzi di comunicazione. Il pubblico sarà più socialmente consapevole. Viene valorizzato con il target di ‘remix marketing‘ il nuovo contenuto generato dagli utenti – il nuovo UGC User Generated Content: si individua qui la capacità dell’utente di estrapolare e importare da altre risorse o testi concetti e combinarli per esprimere la propria opinione. https://www.talkwalker.com/it/tendenze-social-media
Se da una parte si conferma che “il Contenuto è il re” dall’altra “il consumatore ha sempre ragione”.
Il prolungato periodo di pandemia, destinato ad allungarsi anche al periodo delle feste, costringendo un pò tutti a trascorrere larga parte del proprio tempo fra le mura domestiche, potrebbe accentuare l’utilizzo degli Assistenti Vocali. Neanche a farlo apposta, fra le tante – più o meno indispensabili – essi presentano alcune interessanti funzioni che consentono di apprezzare quanto questi dispositivi siano vicini al giorno d’oggi all’intelligenza artificiale. Così ad esempio Google Assistant spicca proprio per presentarne alcune che, oltre a (anche) venirci incontro in questo periodo, mettono in evidenza il livello raggiunto da questi dispositivi … da far stropicciare gli occhi ! Trattasi di implementazioni di comandi vocali che dicono “Google, fai questo … fai quello ! ..” soddisfando le nostre esigenze. Ecco sette nuove funzionalità che sottintendono alla comodità e versatilità di questi strumenti. Ora, è possibile impostare l’Assistant Google come temporizzatore per l’accensione/spegnimento delle luci (paradossalmente, questa funzionalità non è ancora resa disponibile su Amazon Echo). Ora é possibile programmare Google Assistant perché provveda automaticamente … senza bisogno di intervenire manualmente. E’ possibile impostarne l’attivazione o dopo un certo tempo trascorso oppure ad una determinata ora; unica pecca è che, ad ora, non è possibile interromperne la programmazione. L’assistente vocale permette anche di creare una lista della spesa ….. consuetudine questa che torna di moda oggi, permettendo di appuntarsi – in questo caso di elencare all’assistente virtuale di turno – i prodotti da acquistare quando si va al supermercato: mediante un comando vocale si può creare una vera e propria lista di quanto necessario.
O addirittura di affidargli la gestione della sorte emulando il classico ‘Testa o croce‘ per le nostre scelte.
“Ok Google lancia una moneta”
Di impostare la sveglia tramite Spotify quindi programmare il nostro risveglio con un brano ad hoc o una playlist, permettendo cosi di scegliere un modo più soft per iniziare la giornata. Per sciogliere le tensioni accumulate durante la giornata, è possibile inoltre impostare una ‘modalità relax‘ a cui abbandonarsi mediante la riproduzione di suoni della natura. Continuando in questa breve elencazione, la funzionalità ‘Traduci’ è però il cavallo di battaglia di Google Assistant per cui si presta a svolgere al meglio la funzione di traduttore, sia di singole parole come di costrutti, facendo così diventare l’Assistente Vocale un interprete.
“Ok Google come si dice (Ciao) in (Inglese)?”
Come Alexa anche Google introduce l’intrattenimento interattivo dei giochi, allargando in questo senso il concetto di intelligenza artificiale all’intrattenimento interattivo.
“Ok Google giochiamo”
In conclusione, oggigiorno si sta dimostrando che un Assistente Vocale riesce ad andare ben oltre il concetto di utilità, aprendo a nuovi orizzonti come quello dell’interattività, benché sia un settore ancora in fase di maturazione, arrivando a rivalutare quello che è il significato di Intelligenza Artificiale.
Il mese di ottobre ha portato un fondamentale aggiornamento allo strumento di Google Analytics, giunto ora alla release numero 4. ‘GA 4‘ (evoluzione della proprietà App + Web) è il nuovo nome di Google Analytics App Place Web, in grado di monitorare dati sia da mobile sia da siti web.
Google Analytics è lo strumento utilizzato dalle aziende, grandi e piccole, per analizzare e apprezzare le preferenze dei clienti e “conformarsi” alle loro esigenze di acquisto; questo rinnovamento deriva dal fatto che l’uso dell’analisi costituisce una priorità assoluta per le aziende, e le soluzioni esistenti attualmente rendono difficile ottenere una visione completa del cliente e al tempo stesso ricavare informazioni utili.
Google Analytics 4 si differenzia radicalmente dal precedente Google Universe Analytics: non ci sono più le viste. Un concetto innovativo sono i data streams cioè i dati raccolti possono essere ora analizzati in una proprietà.
La configurazione della nuova versione è basata sugli eventi: si passa da un modello session-centric ad uno basato su eventi; muore così il concetto di ‘sessione’ (e suoi attributi). Il data model viene ‘appiattito’ consentendo di avere un dato più granulare, più grezzo e pertanto ‘usabile’, in un certo senso duttile e performante: i dati vengono utilizzati dinamicamente (rispetto a quanto avveniva in Google Universal).
GA 4 può venir definito come un Google Analytics più intelligente, che sfrutta il machine learning per l’apprendimento automatico e fornisce automaticamente informazioni utili e addirittura una profilazione degli utenti. Così, il nuovo Analytics è in grado di rilevare automaticamente le nuove tendenze che emergono dallo studio dei dati (ad esempio i prodotti che subiscono una variazione della domanda in funzione delle nuove esigenze dei clienti). Sarà possibile apprezzare il comportamento dei clienti dall’acquisizione alla conversione e alla fidelizzazione, significativo quando occorre prendere decisioni in tempo reale per conquistarli in linea con le loro mutate esigenze.
Sostanzialmente, Google Analytics 4 è un sistema di analisi user centrico e predittivo, ideato per ottenere un miglior ritorno dalle operazioni di marketing che vengono applicate.
Non prevedendo uno schema predefinito ma assolutamente personalizzabile (vedi introduzione e definizione eventi) al tempo stesso è necessario attribuire una specificità della struttura medesima quanto a parametri, dati di confronto ecc.; agli eventi viene posto un limite sul numero di eventi che si possono creare di 500. Inoltre, la mancanza di uno standard di misurazione, riferito ai parametri, comporterà l’avere a che fare con “una giungla”, con una struttura dei dati completamente diversa da altre analisi.
Inoltre, il nuovo real-time integrato ha una gestione completamente diversa dal precedente. Definito il significato di concetto in GA, GA4 presenta un nuovo concetto di conversione che si differenzia da precedente concetto di obiettivi presente in GAU (da configurare in ogni vista), collegato agli eventi e attivabile mediante un flag. Ci sono definizioni e metriche “custom” – ora 50 non più 20 -, e altri attributi (user properties: dimensioni da collegare cioè parametrizzare “su misura” agli utenti).
Si ha ora una gestione completa dei grafici: tramite Explorer Analysis è possibile creare ex-novo nuove reportistiche anche ex-novo: ciò in particolare comporta però una complessità per creare i nuovi report, in conflitto con ‘data studio‘, strumento collegato ad esso. In Google Analytics 4 è previsto un collegamento diretto con BigQuery, ovvero un enorme database virtuale il quale consente di eseguire operazioni su gradi volumi di dati. Ora, l’utilizzo di GA non è più a pagamento come previsto da Google Analytics 360. Inoltre, ora è possibile debuggare in tempo reale tutti gli eventi (Debug View). C’è inoltre la possibilità di poter contare su un collegamento diretto con Google Adsense (nativo). Inoltre creare custom audience mediante algoritmi di predictive: uso audience per gestire operazioni di remarketing (il cui intento è di individuare e indurre ‘utenti che potrebbero acquistare’). Gestione cross domain gestita direttamente da GA4. Gli eventi si possono adesso creare e modificare all’interno della piattaforma stessa, permettendo di duplicare un evento cambiandogli semplicemente nome. Quindi ciò appare come un nuovo livello di gestione e modifiche di eventi e conversioni strutturato ora direttamente all’interno della piattaforma di GA4 non facendo riferimento esterno al sito/app, definito non solo in fase di progettazione, creando nuove entità.
Conclusioni
La nuova proprietà di Google Analytics 4 fornisce una visione cross-channel più completa andando a prendere come dato di analisi l’intero ciclo di vita del cliente e utilizza tali informazioni con funzionalità di marketing predittivo, fornendo agli operatori di marketing più informazioni e modi efficienti per agire in base a tali informazioni.
Google Analytics 4 sarà l’opzione predefinita quando si imposterà una nuova proprietà. Universal Analytics continuerà ad essere disponibile, ma Google consiglia ai proprietari dei siti di impostare entrambi i tipi di proprietà e di eseguirli in parallelo.
Per approfondimenti (fonti): https://www.nimaia.it/blog/google-analytics-4-che-cos-e-e-come-si-usa/ https://www.dankempes.com/blog_seo/29-google-analytics-4.html https://support.google.com/analytics/answer/10089681
Google Assistant è un assistente virtuale basato su Intelligenza Artificiale. Sviluppato da Mountain View dal 2016 all’interno di un programma di messaggistica, inizialmente precluso ad essere utilizzato su un determinato tipo di cellulari (Pixel), dal 2017 è disponibile per la vasta gamma di smartphone con sistema operativo Android e iOS. Nato per darci ‘una mano’ – come del resto tutti i suoi simili – nel nostro quotidiano: impegnati ad esempio nei nostri progetti di lavoro o semplicemente nelle azioni quotidiane, basta un semplice comando vocale per chiamarlo in causa.
Snapshot introduce il concetto di istantanea, fotografia di un oggetto.
Non è solo assistente vocale, ma una vera e propria suite di servizi innestata direttamente all’interno del sistema operativo. Può essere inoltre connesso con altri apparati o dispositivi, consentendo così ad esempio all’automobilista di non distrarsi dalla guida staccando le mani dal volante.
Oltre ad essere specializzato nella gestione dei comandi vocali, ‘GA’ è in grado di sostenere addirittura una conversazione con l’utente, grazie all’uso combinato dell’algoritmo di Google per la comprensione del linguaggio (vedi web semantico) ! Questa funzionalità permette all’assistente vocale di eseguire autonomamente operazioni più complesse del semplice ‘comando’ quali ad esempio prendere un appuntamento, prenotare un ristorante, consultare gli orari di apertura di un negozio, …., oltre ad essere in grado di accorgersi di contesti in cui non è in grado di eseguire quanto richiesto.
Google Assistant è in grado di eseguire svariate operazioni: oltre a pianificare la giornata, dare consigli su ricette, attività da svolgere o promemoria senza bisogno di doverlo attivare. Basterà ora dire: ‘Ok Google, mostrami la mia giornata. Con un semplice “Ok Google” ecco che GA dà il meglio: l’assistente è in grado di navigare in internet alla ricerca delle informazioni richieste e cercare immagini, programmare eventi e gestire promemoria, sistemare le proprie impostazioni a seconda delle preferenze espresse. Non molto popolare in Italia a dire la verità, ma destinato a importanti sviluppi per il futuro. E’ inoltre in grado di sostenere una conversazione con l’utente, grazie all’uso dell’algoritmo di Google per il trattamento del linguaggio. Questa funzionalità, ancora non pienamente disponibile, permette all’assistente vocale di eseguire in autonomia operazioni come visto fra le più disparate. Senza l’ausilio delle mani per digitare messaggi testuali, l’assistente di Big G consente di inviare brevi messaggi vocali attraverso un’operazione direttamente controllabile con la voce …..
In questi giorni Google sta arricchendo l’interfaccia grafica dell’applicazione per gli smartphone Android introducendo la sezione Snapshot, accessibile semplicemente attivando Google Assistant e la modalità scherno intero. La novità introdotta da Google consiste in una innovazione delle impostazioni delle applicazioni tra cui la possibilità di personalizzare la sezione stessa in base ai contenuti che vogliamo, sempre attivabile attraverso la voce. Introdotta nel 2018, questa opzione fornisce agli utenti una panoramica della loro giornata e suggerimenti per “tenerli sincronizzati” con le scadenze di giornata.
Se prima gli utenti dovevano attivare Google Assistant e toccare l’istantanea in basso a sinistra per accedervi adesso, basterà dire “Okay Google, mostrami la mia giornata” e il sistema suggerirà gli impegni e i promemoria impostati in precedenza.
A corredo, disponibili anche altre schede (‘promemoria’) e addirittura selezionare brani da Youtube. Raggiungere la propria schermata snapshot ora è molto più immediato: toccando il promemoria verranno forniti suggerimenti su come chiamarli o anche per inviar loro una canzone di compleanno personalizzata.
Update già presente su Android di Google e iOs.
La nuova funzione ad ora è però disponibile solo n inglese.
Con il termine di Artificial Intelligence Marketing (“marketing con uso di intelligenza artificiale”) si fa riferimento al marketing diretto che si basa su tecniche, concetti e modelli elaborati dall’intelligenza artificiale tramite l’apprendimento automatico (la parte di ragionamento che suggerisce le azioni da intraprendere è qui svolta da un computer e da algoritmi anziché dall’uomo).
Del significato dell’Intelligenza Artificiale non si ha ancora una piena cognizione: in sostanza, indica l’abilità di un sistema tecnologico nel risolvere problemi o svolgere compiti e attività tipici della mente e delle abilità umane. In ambito informatico allora potremmo identificare l’AI – Artificial Intelligence – come la disciplina che si occupa di progettare macchine – sia hardware che software – e soluzioni attraverso cui poter risolvere autonomamente problemi, compiere azioni, ecc..
In quest’ottica si sente spesso parlare di Machine Learning e Deep Learning, due distinti modelli di apprendimento e applicazione dell’intelligenza artificiale. ‘Machine Learning‘ si distingue per essere un insieme di tecniche di applicazione mediante cui consentire al software di intelligenza artificiale (modello di apprendimento) di ‘allenare’ le macchine di AI ad apprendere e svolgere autonomamente un compito o un’attività, senza bisogno che siano programmate (senza dover cioè dipendere da sistemi programmati che regolano come deve comportarsi e reagire un sistema di AI); sistemi che servono ad “abituare” l’AI in modo che imparando, correggendo gli errori, allenando sé stessa possa poi essere autonoma nello svolgimento delle azioni impartite. ‘Deep Learning‘: in questo caso parliamo di modelli di apprendimento basati sulla struttura e capacità cognitive del cervello umano. A differenza del precedente metodo allora, il Deep Learning rappresenta la “messa su strada” dell’intelligenza artificiale così concepita andando ad emulare direttamente la mente dell’uomo. Non dunque un modello matematico: il Deep Learning si basa su una rete neurale artificiale che verosimilmente riceve e smista infinite operazioni di calcolo e analisi (simulando in questo modo le connessioni del cervello). Anche se non ce ne accorgiamo, questo modello lo ritroviamo già nel riconoscimento vocale, delle immagini e nei sistemi di NLP – Natural Language Processing.
Secondo l’Osservatorio Artificial intelligence del Politecnico di Milano, è possibile distinguere otto distinte classi di applicazione dell’Intelligenza Artificiale: Autonomous Vehicle: si riferisce a qualunque mezzo a guida autonoma; Autonomous Robot: robot in grado di muoversi ed eseguire azioni senza intervento umano, traendo informazioni dall’ambiente circostante; Intelligent Object: tutti quelli oggetti in grado di eseguire azioni e prendere decisioni autonomamente; Virtual Assistant e Chatbot: sistemi evoluti capaci di comprendere tono e contesto di un dialogo, memorizzare e riutilizzare le informazioni raccolte e sostenere con intraprendenza la conversazione; Recommendation: soluzioni orientate a indirizzare le preferenze, gli interessi, le decisioni dell’utente, basandosi su informazioni fornite; Image Processing: sistemi in grado di effettuare analisi di immagini o video per il riconoscimento di persone, animali e cose presenti nell’immagine stessa; Language Processing: capacità di elaborazione del linguaggio per la comprensione del contenuto, la traduzione, fino alla produzione di testi in modo autonomo; Intelligent Data Processing: soluzioni che utilizzano algoritmi di intelligenza artificiale su dati strutturati ma non per estrarre informazioni, quindi ad es. per sistemi di controllo e analisi complesse.
Step da perseguire dal punto di vista delle abilità intellettuali, il funzionamento di una AI si sostanzia principalmente attraverso su quattro differenti livelli funzionali:
– comprensione: mediante la simulazione di capacità cognitive di correlazione dati ed eventi l’AI (Artificial Intelligence) è in grado di riconoscere testi, immagini, tabelle, video, voce e ricavarne informazioni;
– ragionamento: mediante la logica i sistemi riescono a collegare le molteplici informazioni raccolte (attraverso precisi algoritmi matematici e in modo automatizzato);
– apprendimento: sistemi con funzionalità predefinite per l’analisi degli input di dati e per la loro “corretta” restituzione in output (è il classico esempio dei sistemi che con modelli di apprendimento automatico portano le AI ad imparare e a svolgere varie funzioni);
– interazione (Human Machine Interaction): in questo caso ci si riferisce alle modalità di funzionamento dell’AI in relazione alla sua interazione con l’uomo. È qui che stanno fortemente avanzando i sistemi di Nlp – Natural Language Processing, tecnologie che consentono all’uomo di interagire con le macchine (e viceversa) sfruttando il linguaggio naturale.
L’AI nasce negli anni 50, ma è solo oggi che i progressi tecnologici registrati nel campo della potenza di calcolo, della disponibilità dei dati e nella capacità di analisi per la risoluzione di problemi complessi hanno permesso alle applicazioni di nascere e diffondersi. Il 2020 sarà l’anno in cui tali soluzioni esploderanno. Le tecnologie di base sono mature e, mediante quelle più avanzate, vengono rese fruibili a costi accessibili.
Attualmente i principali settori nell’adozione di progetti di intelligenza artificiale sono banche, finanza e assicurazioni, automotive, energia, logistica e telecomunicazioni.
Come allora l’intelligenza artificiale può tornare utile per le imprese e il commercio ? Un esempio lampante e sotto gli occhi di tutti sono gli assistenti vocali (Siri di Apple, Cortana di Microsoft o Alexa di Google), ma verosimilmente possiamo contarne infinite applicazioni di cui magari neppure ci accorgiamo: ad esempio gli algoritmi intelligenti, in grado cioè di auto-apprendere; quelli che ci suggeriscono i prodotti da acquistare, i generi di film o brani musicali che rispondono ai nostri gusti, rispondono a domande dei clienti via chat; sono in grado di riconoscere il volto di una persona per consentire un accesso, di smistare i documenti in base al contenuto,filtrare i curriculum per selezionare il candidato ideale; forniscono un valido supporto nel settore medico, aiutando i medici nella lettura delle immagini radiografiche e nelle diagnosi.Esistono già svariati esempi di come l’introduzione dell’Intelligenza artificiale nei processi aziendali abbia avuto un impatto positivo, automatizzando parti altrimenti ripetitive, in precedenza svolti dall’uomo.
Di seguito un estratto da una recente indagine condotta in particolare sul mercato italiano.
In Italia, secondo i risultati dell’Osservatorio Intelligenza Artificiale del Politecnico di Milano, si fa strada l’Artificial Intelligence e, grazie ad essa il mercato, tra software, hardware e servizi, ha raggiunto, nel 2019, il valore di 200 milioni di euro.
Tra i diversi settori, l’AI si è diffusa in particolare nelle banche e finanza (25% del mercato), nella manifattura (13%), nelle utility (13%) e nelle assicurazioni (12%).
La quota principale della spesa (il 33%) è dedicata a progetti di Intelligent Data Processing, algoritmi per analizzare ed estrarre informazioni dai dati, seguiti da quelli di Natural Language Processing e di Chatbot/Virtual Assistant (28%) in grado di comprendere il linguaggio naturale ed eventualmente fornire risposte ad un interlocutore.
Le imprese italiane si dimostrano consapevoli della portata di questa tecnologia: il 90% ha compreso che l’AI può replicare specifiche capacità dell’intelligenza umana, mentre è superata l’idea secondo cui il nostro intelletto possa essere replicato completamente.
Il 96% delle imprese che hanno già implementato soluzioni di AI non rileva effetti di sostituzione del lavoro umano da parte delle macchine. Più che sostituire le capacità degli esseri umani, l’AI le sta aumentando: il 48% delle imprese evidenzia che le soluzioni di intelligenza artificiale adottate non hanno direttamente coinvolto attività svolte dalle persone, il 28% che le attività sostituite hanno permesso ai lavoratori di dedicarsi con maggiore dedizione a quelle rimanenti, il 24% che sono stati necessari ricollocamenti, anche parziali, dei lavoratori coinvolti.
Le soluzioni di automazione di processo RPA (Robotic Process Automation) sono da diversi anni utilizzate per snellire processi onerosi, automatizzando operazioni ripetitive, in particolare sui sistemi informativi (ad esempio, per estrarre dati da un sistema ERP e inserirli in un altro software). Il loro utilizzo è mirato all’efficienza: fanno risparmiare molto tempo e permettono di dedicare le risorse ad attività di maggior rilievo.
L’integrazione dell’AI con la RPA, di fatto complementari, ha reso possibile automatizzare le parti più complesse del processo precedentemente demandate all’uomo.
Nel Marketing si vedono ormai da tempo sistemi di AI impiegati in differenti attività e con svariati obiettivi; il più importante riguarda indubbiamente la gestione della relazione con gli utenti, da sempre “cartina tornasole” dell’azienda, come pure del mondo BtoB.
Le tecnologie di IA impiegate vanno dagli assistenti vocali/virtuali che sfruttano algoritmi di intelligenza artificiale sia per il riconoscimento del linguaggio naturale sia per l’apprendimento e l’analisi delle abitudini e dei comportamenti degli utenti, fino ai processi per l’acquisizione e analisi di grandi moli di dati per la comprensione del “sentiment” e delle esigenze delle persone con attività che si spingono fino alla previsione dei comportamenti di acquisto da cui derivare strategie di comunicazione e/o proposta di servizi.
Chatbot ed altri sistemi basati sul NLP sono ormai diffusamente impiegati anche all’interno dei reparti che si occupano di assistenza, servizio e supporto alla clientela (contact center, customer service, manutenzione e supporto, ecc.).
La rivoluzione digitale sta interessando sempre più le aziende in modo organico impattando sui modelli operativi e organizzativi in maniera esponenziale e alquanto inesplicabile quanto ad “ambiti di applicazione”.
La chiamano “disruption”:oramai sta divenendo un canone irrinunciabile per la sopravvivenza delle aziende.
Fondamentale per organizzare le decisioni d’impresa è tener presente che “Data is the new oil”: l’adozione dell’intelligenza artificiale permetterà di capire e prevedere con lungimiranza il contesto operativo dell’azienda.
Qual è il processo di funzionamento delle nuove tecnologie AI applicate al Marketing? Questi gli step:
Ascolto: la macchina è capace di percepire quello che le sta intorno attraverso l’acquisizione di input; Comprensione: è capace di analizzare e capire i dati che acquisisce; Apprendimento: è in grado di svolgere una funzione, un computo; Interazione: è in grado di prendere una decisione e interagire con l’essere umano. Applicare queste tecnologie porterà ad automatizzare diverse attività e conseguentemente, sgravati da processi ripetitivi e a basso valore aggiunto, l’uomo potrà concentrarsi sulle sue doti creative. Da ciò deriva la massima “Work smarter, non harder!”
Sono diversi i settori del Marketing su cui l’AI sta impattando, vediamone alcuni insieme:
Chatbot che si basano su Natural Language Processing (NLP): alcuni studi hanno dimostrato che hanno tassi di apertura e percentuali di click superiori rispetto alle e-mail. Messenger applicato in questo contesto ha un Avg open rate (tasso di apertura medio) del 90% con un CTR (numero dei click generati dalla visualizzazione di un annuncio) del 30%, mentre le mail si fermano al 23% e al 3,3%. Rappresentano inoltre un ottimo mezzo per ottenere informazioni sui visitatori del sito web, sono utilizzati per:
segmentare il pubblico e vendere prodotti e servizi;
rendere i contenuti più interattivi e personalizzati;
sviluppare un rapporto più personale con gli utenti, aumentandone la fedeltà e la fiducia.
Content Marketing: l’AI può venire in supporto alla creazione di contenuti in ambiti quali la ricerca di keyword, la pianificazione degli argomenti, l’ottimizzazione e la personalizzazione dei contenuti, etc… SEO optimization: l’AI può aiutare a identificare le keyword, a raggrupparle per individuare gli argomenti principali di interesse, sviluppare la struttura del sito in sottogruppi pertinenti e creare contenuti ottimizzati. Search Marketing: sta cambiando il modo di cercare online, basta pensare che la ricerca vocale è un’applicazione AI. Entro il 2020 il 50% delle ricerche saranno vocali e gli algoritmi di Machine Learning, per poter essere sempre più puntuali, hanno bisogno di essere istruiti in maniera elementare: si parte dall’analisi stessa delle parole usate, che indicano l’intento dell’utente (es. cosa/chi, come, quando e dove). Autonomos Media buying: l’acquisto di spazi pubblicitari può avvalersi dell’AI per trovare il posto giusto al momento giusto in cui veicolare l’informazione. Marketing Attribution: soluzioni AI possono aiutare le aziende a raccogliere dati sul gradimento del mercato del brand come il posizionamento nei confronti dei competitors.
Un limite all’usabilità e dunque applicazione di sistemi di intelligenza artificiale sta nella paura che l’AI possa diventare “cattiva”: in realtà la tecnologia non ha sentimenti, sta a noi darle un indirizzo con i nostri intenti.
Con l’avvento dell’Intelligenza Artificiale e del Machine Learning si sta assistendo a a un importante cambiando del panorama tecnologico: ad esempio se prima ipotizzare macchine in grado di guidare da sole era fantascienza, oggi ciò è realtà; e molti altri ancora sono gli ambiti di applicazione di queste tecnologie.
Nel contesto aziendale il settore che si occupa di Marketing e Pubblicità tutto questo si identifica nel concetto di Artificial Intelligence Marketing, l’insieme delle tecnologie che fanno capo all’AI (Machine Learning, Natural Language Processing e Deep Learning) e alle tecniche utilizzate nel Marketing Comportamentale con la finalità di individuare il proprio target e quali le sue caratteristiche. Come impatta allora l’AI sul Marketing ? Detto della specializzazione delle macchine che consente all’uomo di dedicarsi ad altro processi produttivi, l’AI permette “di liberare a” nuove esperienze possibili che sono la chiave per dare vita ad un Marketing che sia sempre più personalizzato e focalizzato nel soddisfare le esigenze del consumatore.
Questa tecnologia permette inoltre di dare impulso alle cosiddette personalizzazioni su larga scala, desiderate da un numero crescente di consumatori, andando in questo modo a catalizzare un pubblico ancora maggiore, intercettando i bisogni attuali del consumatore.
Una applicazione di intelligenza artificiale che va diffondendosi progressivamente sulle piattaforme di acquisto di beni/servizi è quella che va sotto il nome di “cashback” (‘soldi indietro’): nel settore del marketing indica un sistema di riaccredito di soldi sugli acquisti effettuati presso negozi convenzionati, che viene restituito in un portafoglio virtuale, ossia un processo nel quale una parte di quello che noi abbiamo pagato per un acquisto ci viene restituita.
Per profilazione (in contrapposizione alla “privacy”) si intende la raccolta dei dati degli utenti nel momento in cui accedono ai siti per fruire (e ancor prima accedere) dei servizi offerti dagli stessi, la loro successiva elaborazione per la categorizzazione e successiva segmentazione degli utenti in base a vari criteri, inglobando sia dati personali sia dati cosiddetti “sensibili” trattati specificamente dalla normativa europea sulla protezione dei dati personali (GDPR).
Appare dunque come una sorta di automatismo che si presenta ogni volta che carichiamo un sito; la profilazione dei nostri dati, attraverso cui si passa quando accediamo a un qualsiasi sito internet, pare come una normale operazione cui ci troviamo davanti ogni volta che accediamo a un pc. Addirittura, può apparire come una sorta di lucchetto al sito: ‘O clicchi OK o il sito non lo vedi’ (leggi ‘se vuoi guardarmi gratis…‘). E fin qui, ok – direbbero i più, una mera operazione di “raccolta”.
Ma l’acquisizione dei nostri dati non si ferma qui, come potrebbero pensare in diversi, ad una banale operazione di “raccolta”.
Non è facile denotarlo una volta che si accede al browser ma facendo una semplice ricerca da un qualsiasi motore di ricerca – Google piuttosto che Safari – e a prescindere dal tipo di dispositivo che utilizzo – Apple o Android – in primo piano vengono visualizzati dei contenuti diversi, pur effettuando la medesima ricerca. Oggigiorno, qualsiasi motore nasconde diversi artifizi (es. geolocalizzazione, “lettura” delle abitudini) che “hanno il loro perché !” …, permettendo al motore stesso (e conseguentemente al business che ci sta dietro) di raccogliere delle informazioni su di noi – “dati tecnici” e “dati sensibili“, le nostre abitudini, i nostri gusti, ecc. permettendo di crearsi un “identikit” – a creare uno skilling della persona.
L’internauta dunque il più delle volte provvede a rilasciare le informazioni richieste “senza cognizione di causa” quasi, ignaro che dietro la profilazione dei dati si nasconde un’altra “arma” a vantaggio dei magnati proprietari del motore di ricerca: adottando cioè questa strategia il motore è in grado di proporci direttamente informazioni e contenuti secondo i nostri interessi e quindi, invece di andare all’esterno, mettendo a disposizione proprie risorse nelle ricerche effettuate di modo che le persone rimangono all’interno del motore stesso, e ciò aumenta il loro guadagno (leggi “traffico di utenti“). Non sono solo le inserzioni pubblicitarie ad essere personalizzate sull’utente ma anche i contenuti che vengono proposti (‘ognuno di noi ha il proprio Internet‘): i risultati ottenuti non sono perciò uguali da me a Tizio a Caio: ‘Internet allora non è uguale per tutti !!’. Questa chiusura esercitata nei confronti del cliente che ne consegue favorisce la crescita del motore (‘Filter Bubble‘).
La profilazione si realizza tramite i cookies, mattoncini che raccolgono e tracciano ciò che abbiamo fatto quando eravamo sul sito (nonché i nostri dati), pertanto risultiamo “schedulati” quando si torna. Questi piccoli pezzi di codice svolgono certamente delle funzioni importanti (cookies tecnici), ma ve ne sono alcuni intrusivi che tracciano dati sensibili mentre noi siamo sui siti internet (cookies di tracciamento) fra cui cookie maligni che cercano di rubare informazioni private dai computer degli ignari navigatori.
Abbiamo motori di ricerca che accolgono la profilazione dei dati – e sapere tutto quello che si fa – (Google, Bing, Yahoo, Virgilio, ecc.) altri come Ecosia, Qwant, DuckDuckGo, StartPage che al contrario permettono una “libera circolazione”: questi non tracciano un profilo da conservare, si rispetta privacy, è possibile una ricerca aperta (senza cioè essere spiati).
Esistono peraltro degli strumenti che permettono di non essere tracciati (ad es. attraverso il comando adsettings.google.com: possibilità di ATTIVARE/DISATTIVARE – ovvero tracciare – GLI ANNUNCI PUBBLICITARI; se digito google.com/locationhistory scopro i miei movimenti tracciati da Google).
In principio fu il mobile. Un settore che rapidamente ci ha imposto e abituato, con la sua crescita esponenziale, ad avere tempi di risposta sempre più rapidi dagli elaboratori, in un mondo pervaso dalla smanìa del “tutto e subito”, ma anche ad un continuo rincorrersi di artifizi e tecniche che soddisfacessero i nostri bisogni/desideri. Ebbene, anche a ciò l’informatica più avanzata ha saputo rispondere con le applicazioni dell’AI.
In particolare, a queste esigenze vengono incontro i cosiddetti “chatbots“. Si tratta di software piuttosto che dispositivi in grado di interpretare comandi vocali e interagire con le persone, in funzione proprio dell’Intelligenza Artificiale. Ne esistono di due tipi: i “chatbot” e gli ‘assistenti vocali” (o ‘virtuali”).
Un Chatbot è un software programmato che simula una chat: vale a dire, permette di ricreare una sorta di ambiente virtuale – ad es. una chat appunto – in cui un utente può confrontarsi per ottenere delle risposte . Può essere pensato come un programma in grado di ricevere domande e rispondere secondo specifiche; è strutturato come una alberatura domande/risposte che vengono effettuate in successione al fine di arrivare a una risposta. L’Assistente Vocale è invece basato su algoritmi intelligenti, mediante i quali si ottiene la comprensione di concetti precisi. A differenza del primo, entra in relazione con l’utente perché comunica con un “linguaggio naturale“, cioè comprensibile alla macchina; è un chatbot dotato di intelligenza artificiale, capace di rispondere anche a domande non previste.
Due applicazioni software che vengono utilizzati in disparati campi di applicazione – dalla casa al settore sanitario, alle applicazioni sulle automobili, ecc. -, e conseguentemente gli sviluppi che hanno seguito.
“La diversa interazione che si stabilisce con questi due differenti Virtual Assistant determina un diverso approccio alle due tecnologie: il chatbot è un software che può simulare una conversazione strutturata, e trova particolare applicazione nel settore ‘Customer Care‘ sostituendosi all’operatore umano; l’Assistente Vocale come detto altrove è una applicazione risultato di intelligenza artificiale e machine learning in grado di elaborare comandi vocali, che si può definire essenzialmente come un ‘aiuto nella quotidianità‘.
Quella dei chatbot in senso stretto è perciò una soluzione ideale nel campo dell’assistenza clienti dove è sempre più importante la qualità e la velocità del servizio. Al contrario gli Assistenti Vocali (o Assistenti Virtuali) sono destinati ad un uso in larga parte casalingo, e il successo è apprezzabile nell’uso dispendioso che ne stanno facendo i consumatori i quali ben hanno accolto l’adozione dei comandi vocali, arrivando finanche ad assumere le sembianze di un umano con cui dialogare e addirittura in grado di risolvere possibili problematiche con un approccio empatico !
Diversità oramai latente a ben vedere. Se in passato, il chatbot poteva eseguire solo compiti specifici come una modifica della password o fornire informazioni sul tempo, al contrario dell’assistente virtuale in grado di offrire un ventaglio più ampio di risposte ricorrenti, i progressi che si sono ottenuti con la NLP (Natural Language Processing) e l’apprendimento automatico, hanno accorciato la forbice esistente tra i due: così, ecco che anche il chatbot in senso stretto viene ad essere una applicazione a cui rivolgere domande e ottenere risposte secondo specifiche fornite. “In futuro potremmo forse arrivare a parlare di un unico Assistente Virtuale, capace di integrare al suo interno soluzioni diverse che consentano diversi tipi di interazione, capaci in questo modo di andare incontro alle esigenze e preferenze di un numero maggiore di consumatori.”
La natura stessa dei chatbot delimita le loro capacità. Ogni chatbot è in un certo senso ancorato ad una funzione limitata: sono adatti ad applicazioni singole come il supporto clienti, il customer engagement o gli acquisti automatizzati. Non possono variare il loro vocabolario o acquisire un linguaggio così vasto da poter servire qualsiasi altra funzione, oltre a quella per cui sono stati progettati. Come visto, vengono tendenzialmente usati per il supporto clienti (di qualsiasi natura, dal meteo fino ai consigli per i film) o per gli acquisti automatizzati (ad esempio per i biglietti del treno). Ancora adesso hanno difficoltà a ricordare le informazioni chiave durante le conversazioni. Viceversa gli assistenti virtuali dimostrano che possono memorizzare ciò che gli si dice, conservando le informazioni per uso futuro, risparmiando all’utente il tempo e la noia di riscriverle ogni volta. Dovessi chiedere info su un ordine o delle informazioni riguardo a modifiche da apportare, non ti chiederebbe di inviarle nuovamente.
“E’ importante che i Virtual Assistant rispecchino i desideri degli utilizzatori finali che, pur sapendo di stare interagendo con una macchina, preferiscono che questa abbia caratteristiche tipicamente umane, come la pazienza e l’empatia.” “Umanizzare il più possibile l’Assistente e la modalità di interazione è dunque fondamentale per far sì che l’uso di questi software sia sempre più naturale e coinvolgente per gli utenti, elemento fondamentale per una reale diffusione di questa soluzione.” [rif.: www.vidiemme.it]
L’Assistente Virtuale è un’interfaccia di comunicazione che si basa su un motore cognitivo il quale, comprendendo i concetti affrontati, permette di simulare una conversazione vera e propria, uscendo dagli schemi logici preimpostati di domanda/risposta tipici della Chatbot.
Quindi un assistente virtuale è molto diverso da un chatbot. Fin dall’inizio, la tecnologia degli assistenti virtuali ha permesso loro di essere utilizzati per applicazioni sofisticate come pure molto semplici, ad esempio svolgere compiti o fare ricerche e confrontare prodotti, oltre a molte abilità. Importante è la loro capacità di comprendere il linguaggio naturale, che consente di ricevere comandi vocali complessi in varie lingue e dialetti. I ricercatori dell’Università di Stanford hanno pubblicato un recente articolo sul Natural Language Processing (NLP), spiegando come migliorerà notevolmente la comprensione dei dialetti regionali, dello slang o del modo naturale di parlare.
Quando si parla di Natural Language Processing intendiamo l’elaborazione automatica del linguaggio umano mediante l’analisi delle sue varie componenti (entità): traduzioni, sentiment analysis, generazione automatica di testi e chatbot sono alcune tra le problematiche più comuni nel campo.
Così, i chatbot si sono evoluti rispetto ai primordiali e possono svolgere più funzioni grazie alla loro capacità di comprendere il linguaggio. L’uso di alberi decisionali, ad esempio, rende molto più facile scoprire l’intento preciso che sta dietro le richieste degli utenti, ampliando ulteriormente la sua utilità per il cliente e dunque per l’azienda, che può leggere meglio le richieste della clientela e prendere decisioni per il miglioramento del prodotto o servizio.
Particolare notare come in corrispondenza della rapida diffusione dei social network si è assistito al passaggio dell’utente da semplice fruitore di notizie a “protagonista attivo” e costantemente operativo, sempre più coinvolto nella produzione di contenuti propri come nella modifica di esistenti e in attività relative ad acquisti e vendite di oggetti e servizi – siamo nei primi anni del XXI secolo -, unitamente all’informatizzazione dei processi aziendali.
In questo contesto, l’importanza dell’Intelligenza Artificiale passa per l’applicazione di nuovi approcci, che integrano l’elaborazione del linguaggio naturale con gli algoritmi di apprendimento profondo (deep learning), producendo risultati straordinari in differenti scenari applicativi. Dal 2011, l’NLP fornisce soluzioni per analizzare la struttura sintattica del testo (es. nome, verbo, aggettivo), identificando entità e classificandole in categorie predefinite, ricostruendo la struttura sintattica e la semantica tramite il significato delle parole, anche relazionato al contesto e alle modalità di utilizzo (ad es. ironia, sarcasmo, sentimento, umore), classificandolo in categorie predefinite (ad es. sport, geografia, medicina) o sintetizzandone il contenuto. Differenti problemi di NLP sono stati affrontati mediante un algoritmo basato sul deep learning , mostrando prestazioni via via migliori rispetto ad altre modalità di approccio; tecniche di NLP basate su deep learning stanno trovando sempre più applicazione riguardo lo sviluppo di sistemi conversazionali in grado di emulare il dialogo umano, di rispondere a domande su diversi argomenti. [cit. www.agendadigitale.eu]
