Le soluzioni di DMP (Data Management Platform) oggi contemplano un’integrazione con gli algoritmi di machine learning e di intelligenza artificiale (AI) in grado di renderle davvero “smart”. Poiché, infatti, le Data management platform si caratterizzano solitamente come framework tecnologico al servizio della Big Data & Analytics, devono necessariamente prevedere strumenti che estraggano valore dalla mole dei dati che raccolgono da svariate fonti, interne ed esterne all’azienda. Il ruolo di machine learning e AI, dunque, si posiziona come acceleratore di conoscenza e profilazione dentro le piattaforme. Tanto che, secondo un sondaggio condotto da London Research in collaborazione con Acrobat e inserito nella ricerca “Evolution of DMP”, le aziende più performanti hanno già adottato l’intelligenza artificiale nel 28% dei casi a fronte di un 12% delle imprese concorrenti. In ogni caso, il medesimo studio ha fatto emergere che quasi un terzo (31%) di tutte le organizzazioni intervistate ha in programma di iniziare a utilizzare l’AI nei prossimi 12 mesi.
Per comprendere come machine learning e AI collaborano con le strutture DMP, è utile richiamare lo scopo di queste ultime, cioè quello di creare segmenti di pubblico ai quali indirizzare campagne di marketing mirate. Non solo. Le DMP consentono anche di misurare quali campagne hanno riscosso maggiore successo e quali sono stati i canali più proficui in tal senso. Il problema delle DMP tradizionali, tuttavia, è lo stesso di quello dei classici data warehouse: operano su dati strutturati, ma sono inadatti a gestire enormi quantità di dati disomogenei. Per farlo occorrono sistemi di storage intermedi come i data lake nei quali stoccare log provenienti da sorgenti disparate, “pulirli” e metterli a disposizione per le analisi che servono all’azienda. In altri termini, nel mondo attuale dominato dai big data, queste operazioni richiedono il ricorso al cloud computing per la sua scalabilità intrinseca e la sua capacità di elaborare petabyte di dati. Cosa che all’essere umano sarebbe impossibile fare.
È qui che entra in campo l’intelligenza artificiale e la sua comprensione multidimensionale di linguaggio, oggetti, immagini e suoni. Una comprensione che, poi, nel machine learning si traduce nell’attitudine a imparare costantemente e in autonomia attingendo a questa sterminata quantità di dati. Le soluzioni DMP cloud-based, in questo modo, non solo memorizzano le informazioni dei clienti, ma possono anche confrontarle, identificare pattern, trarre conclusioni su ciascun utente a partire dai dati che lo riguardano. L’impiego delle Cloud data management platform, perciò, si presta a intercettare la varietà dinamica sia degli e-shopper sia dei consumatori, i cui movimenti possono essere tracciati nel mondo fisico grazie ai dispositivi IoT. Di tutta questa ampia platea è possibile registrare gusti, tendenze, propensioni all’acquisto convogliando in cluster omogenei l’insieme delle informazioni comportamentali raccolte. Un bagaglio conoscitivo preziosissimo nel processo decisionale dei marketer, perché fondato non su impressioni o generici trend di mercato, quanto sul rilevamento oggettivo di consumer behavior certi.
A semplificare tale processo decisionale, la sintesi di machine learning e AI nelle moderne DMP offre come outpout dashboard analitiche in un formato visivo di immediata comprensione. Quel segmento di pubblico al quale proporsi con azioni di engagement efficaci è frutto così di modelli di marketing più attendibili e, soprattutto, generati in real time dal flusso continuo di dati che alimenta la piattaforma. In sostanza, non è il risultato di un’analisi statica o che rischia di essere già datata nel giro di qualche settimana. In fondo, la grande rivoluzione nel connubio fra intelligenza artificiale e Data management platform risiede nella trasformazione di detta analisi da una tipologia descrittiva in una predittiva, in grado cioè di anticipare quale sarà la prossima mossa del cliente. Senza il machine learning e la sua abilità a imparare radunando e incrociando fra di loro una massa gigantesca di dati, alla ricerca di nessi e collegamenti, questo non sarebbe possibile.