Audience Personas

Il cliente potenziale tra Messy Funnel e Intelligenza Artificiale

Come si intende per Audience Personas?

Definisco il potenziale cliente non più buyer personas ma Audience Personas perché in primis sono tutte le piattaforme pubblicitarie a definirlo così e – soprattutto – in seguito al nuovo modo di targetizzare imposto dagli algoritmi pubblicitari di Machine Learning e Intelligenza Artificiale.

Nei fatti, tramite gli Asset (sinergia tra foto, testi e video) non targetizziamo direttamente una persona specifica bensì un pubblico ampio composto al suo interno da diversi bisogni e recenti comportamenti.

Cambiamenti legati a Google ADS

Campagne Performance Max

La rivoluzione dell’intelligenza artificiale applicata al mondo Google Ads è realtà da fine 2020 grazie all’introduzione delle campagne Performance Max.

Questo cambiamento si sviluppa per adattarsi ai nuovi comportamenti delle persone al fine di governare l’intero Messy funnel.

Di conseguenza la risposta di Google è stata unificare tutti i servizi di Google Ads in un’unica campagna.

Sì, hai capito bene, con questa possibilità contemporaneamente usufruiamo di tutti i canali dell’ecosistema Google tramite una singola campagna.

Questa rivoluzione dell’advertising non comporta solo un passaggio da ecosistemi verticali a un unico ecosistema orizzontale interconnesso e aggregato: quando si utilizza questa campagna, tramite il machine learning e intelligenza artificiale, Google prende in mano le chiavi di tutto, dalla gestione dell’offerta alla gestione del budget, del placement, a quali combinazioni di parole e immagini mostrare.

Per l’advertiser cambia completamente il modo di progettare e gestire  le campagne pubblicitarie.

Sempre meno potremo mettere mano e fare aggiustamenti a livello tecnico all’interno della struttura dell’account.

Il nostro ruolo sarà sempre più quello di digital strategist.

In prima battuta, tramite l’analisi dobbiamo definire il posizionamento  di mercato (chi siamo per chi) rispetto a domanda, concorrenza e segmenti.

La seconda fase del nostro lavoro è fornire asset agli algoritmi pubblicitari, come Google, Facebook, TikTok…

Gli asset sono le risorse (testo, immagini, video) che consentono agli algoritmi di segmentare e targettizzare le persone in qualsiasi luogo online con il mix di contenuti più pertinenti per quel preciso istante.

Il punto centrale, quindi, è che la targetizzazione non avviene più per parole chiave o per interesse (come storicamente su Facebook), ma per asset e comportamenti in real time!

Questo è possibile grazie  agli algoritmi di machine learning, i quali comprendono, seguono e taggano ogni singola azione dell’utente. Da qui l’intelligenza artificiale fa correlazioni e calcola la probabilità e la propensione dell’utente a compiere la prossima azione.

Di conseguenza la pubblicità è mostrata su comportamenti precedenti, sia online sia offline, in rapporto alle previsioni  di intenzione futura.

Vuoi approfondire questa rivoluzione? Scopri il mio nuovo libro.

SCOPRI IL LIBRO

Cambiamenti legati a Meta

Framework Performance 5

Non di meno, la capacità di comprendere in real time i comportamenti è realtà anche per Meta. Come gli altri player si muove nell’ottica di sapere dove si trovano le persone nel funnel e prevedere quali sono le loro intenzioni.

Tra le tecnologie più importanti vi sono GrokNet e PyTorch Video, sistemi di visione artificiale a supporto dello shopping in grado di identificare e taggare in una foto o in un video prodotti, categorie, stili, preferenze, azioni ed emozioni delle persone.

Grazie a ciò il machine learning elabora i dati e l’intelligenza artificiale enumera previsioni sui comportamenti.

Inoltre, Meta prende in considerazione su quale post ci fermiano, dove mettiamo like, quale tipo di contenuto decidiamo di non seguire più, analizza semanticamente le nostre chat di WhatsApp, controlla costantemente gli indirizzi IP dai quali ci colleghiamo e il nostro GPS.

A partire da questa base, ciò che ci viene mostrato nel nostro feed è la combinazione di vari eventi, risultato di algoritmi che classificano l’importanza di diversi segnali per determinare se il contenuto da proporci può essere rilevante e pertinente in quell’esatto momento.

Di seguito riporto una rappresentazione per l’ambito fashion, dove ciascuna parola e ciascun elemento dell’immagine vengono analizzati, scomposti, taggati e rielaborati al fine di realizzare la più performante piattaforma social con cui raggiungere gli obiettivi di business e conversione.

Cosa cambia operativamente per il nostro lavoro?

Meno tecnicismi, più strategia

Il nodo centrale è: meno tecnicismi, maggiore capacità di progettare una strategia a 360 gradi e metterla a sistema.

Difatti la macchina ha solo capacità di calcolo e di previsione, non ha una visione strategica.

La progettazione della strategia sono aspetti insostituibili e dal valore estremamente più alto di quello che ci possono pagare per controllare – come prima – le attività di bidding manuale o di quanti Ad Set abbiamo doppiato in un giorno all’interno del Business Manager.

Ad esempio, definire il posizionamento rimarrà fondamentale e insostituibile. Nessun machine learning sarà in grado di comprendere il contesto e gli obiettivi aziendali, che sono le basi di ogni strategia.

In sostanza devi essere capace di svolgere un’analisi di mercato per comprendere qual è il valore differenziante, chi è il tuo pubblico e progettare quali asset dare in pasto agli algoritmi.

Per aiutarti a svolgere un’analisi in grado di identificare le audience e gli asset, i rispettivi angoli, i contenuti di retargeting e per i diversi touchpoint, come i contenuti social e la scheda prodotto, condivido in questo libro l’esperienza maturata dalla mia prima campagna online nel 2012.

Libro per definire le Audience Personas

Puoi approfondire tutti questi aspetti con casi pratici, all’interno del mio nuovo libro.