Seleziona una pagina

Introduzione al Machine Learning

 

Il machine learning è un argomento che ha visto un’impennata negli ultimi trend di ricerca Google ed è un tema discusso da molti esperti di digital marketing per il suo utilizzo in questo campo. Ma che cos’è il machine learning in termini semplici? La sua definizione più essenziale è “apprendimento automatico”. In sostanza, parliamo di un sistema basato sulla capacità di una macchina di:

  • imitare il comportamento umano,
  • imparare progressivamente,
  • agire in autonomia, cioè senza che sia stato espressamente programmato per compiere una determinata azione.

Tutto ciò si applica già al marketing digitale e rappresenta una grande risorsa per aziende e PMI nello sviluppo del loro business online. E se ti dicessi che ormai utilizzi anche tu i risultati dei learning models, magari senza rendertene conto? In questo articolo, approfondiremo il tema della conoscenza automatizzata, attraverso esempi e applicazioni che fanno parte del nostro quotidiano e che, se usati con cognizione, potranno portare benefici alla tua impresa, o alla tua carriera.

 

 

Cos’è il Machine Learning

machine learning apprendimento automatico

Cos’è il machine learning e come lavora? Per prima cosa, bisogna chiarire che è una branca dell’intelligenza artificiale che usa criteri statistici per far sì che nel tempo un algoritmo migliori il suo rendimento nel riconoscere i pattern nei dati. Quindi, in questo modello, ogni interazione o attività compiuta dalla macchina si trasforma in qualcosa che essa può utilizzare come esperienza (raccolta di dati), cioè la base (statistica) a cui potrà attingere per decidere come comportarsi in situazioni future (analisi predittiva). Senza entrare nel merito puramente tecnico, possiamo dire che, in tale sistema di apprendimento, i computer imparano costantemente e migliorano nel tempo il loro rendimento:

  1. In una prima fase, il dispositivo osserva quello che fanno le persone e, tramite questa raccolta di informazioni, prevede i loro comportamenti futuri.
  2. In un secondo momento, l’algoritmo che anima questo congegno può mettere in atto anche delle azioni predittive, basate sui dati che ha immagazzinato e classificato durante il primo step.

Ma vediamo subito un esempio che ti sarà senz’altro familiare: hai mai notato che Amazon personalizza la tua home page di giorno in giorno e ti propone i prodotti maggiormente in linea con i tuoi interessi? Può farlo grazie a un software che ha imparato a conoscere le tue preferenze e che, attraverso questa conoscenza, potrà consigliarti prodotti sempre più vicini a quello che stai cercando. Spaventoso? No dai, diciamo che per te è utile perché risparmierai più tempo nelle tue ricerche. Anche lato marketing, è un meccanismo vantaggioso, in quanto consente di risparmiare molto budget in advertising e permette di offrire customer journey personalizzati fino al one-to-one.

 

Scopri tutte le opportunità che il web marketing può offrirti

 

 

Come funziona l’apprendimento automatico

 

Quali sono le differenti tecniche di machine learning? Varie comunità scientifiche, sul finire del XX secolo, hanno sviluppato diverse tecnologie che sono utilizzate nell’ambito della matematica, dell’informatica, ma anche nell’industria 4.0 dell’internet of things. Tra le più conosciute ci sono:

machine learning reti neurali

  • reti neurali artificiali (neural network) – emulano le reti neurali biologiche del cervello umano e sono dei modelli matematici o informatici di calcolo capaci di modificare la propria struttura rispetto agli stimoli esterni che ricevono (input). Spesso si parla anche di Neuromarketing.
  • identificazione di pattern – trovare una costante per classificare i dati
  • statistica computazionale – permette di rappresentare la realtà in modo quantitativo.
  • data mining – con cui si possono estrarre informazioni significative da una grande mole di dati aggregati. Es. Vuoi inviare una newsletter sul tuo prodotto, ma il tuo database ha moltissimi contatti e tu vuoi filtrarli per inviare la DEM solo agli utenti potenzialmente interessati.

Inoltre, devi sapere che esistono diversi modi con cui l’intelligenza artificiale può imparare, detti machine learning models:

1) Apprendimento Supervisionato

In questo tipo di conoscenza automatizzata, si forniscono degli esempi all’algoritmo, problemi e soluzioni, cioè coppie di dati di input e output, da cui impara a trovare soluzioni anche in situazioni che non conosce. Il programmatore supervisiona e controlla con dei test che i risultati predetti siano corretti. Un esempio molto semplice da comprendere è il filtro anti-spam presente in un qualsiasi client di posta elettronica, anche del tuo. Come punto di partenza, al software sono insegnate le caratteristiche delle e-mail considerate non sicure. Poi esso riesce ad attribuire dei tag ai dati che immagazzina, “spam” “no spam”, e saprà quindi classificare la posta che ricevi, anche quella inviata da destinatari con cui non ha ancora interagito.

2) Apprendimento Non Supervisionato

Si tratta di un modello predittivo: sulla base statistica dei dati raccolti in una fase precedente, il sistema può trovare risultati in situazioni che ancora non si sono mai presentate. Una classica esemplificazione è tutto ciò che ti viene “consigliato” dalle piattaforme, come la musica che potrebbe piacerti su Spotify o YouTube, oppure i prodotti simili che un E-commerce o Amazon ti propongono.

3) Apprendimento per Rinforzo

Come in pedagogia, questo è un procedimento di conoscenza che poggia su rinforzi positivi, ovvero ricompense, e serve per aumentare l’efficienza di un tool, software o programma. L’algoritmo migliora le sue prestazioni “motivato” dal fatto che ogni volta che restituisce un output corretto, gli viene inviato un input gratificante, di valutazione del suo operato.

 

Differenza tra Artificial Intelligence e Machine Learning

 

Qual è la differenza tra machine learning e intelligenza artificiale? Iniziamo col precisare che il primo è una sotto area dell’altro. Il mondo dell’intelligenza artificiale, la disciplina che consente di emulare i comportamenti dell’essere umano, facendo sì che robot, computer e software possano compiere azioni normalmente sono svolte dagli esseri umani. Ma l’apprendimento automatico porta l’artifical intelligence (IA) ad uno step ulteriore, infatti rende queste macchine anche capaci di:

  • imparare come l’uomo
  • evolvere in autonomia
  • migliorare le proprie performance progressivamente nel tempo

Il principio di indipendenza l’elemento principale che distingue le due strutture.

 

 

Divergenze tra Deep Learning e apprendimento automatico

 

L’apprendimento profondo è uno degli approcci del machine learning, che affonda le sue radici nell’impiego di reti neurali artificiali e sull’imitazione delle interconnessioni tra i neuroni del cervello umano. Il deep learning viene spesso indicato comerete neurale profonda, per via dell’uso massiccio che viene fatto nell’attuazione di tale modello. Altra caratteristica che emula l’umano è la possibilità dei neural network di modificare i loro schemi di connessione rispetto ad un ambiente mutevole, ovvero alla variazione degli stimoli di input che ricevono. Gli impieghi che già sono in uso oggi riguardano l’identificazione delle immagini e il riconoscimento vocale (speech recognition).

 

Digital Marketing e Machine Learning

 

Qual è il bisogno del machine learning? E perché l’apprendimento automatico sta diventando così importante? Nell’introduzione abbiamo anticipato che i learning system impernia già le nostre vite e anche il mondo del marketing digitale, in vari ambiti come la SEO, l’e-mail marketing, l’E-commerce, la SEM, il social advertising e il marketing automation. Per questo motivo, saperne riconoscere le potenzialità e sfruttarle potrà giovare alla tua azienda o alle tue prospettive professionali.

 

1) Applicazioni in ambito SEO

Google pone come suo scopo offrire a chi naviga la migliore esperienza possibile, per questo gli suggerisce risposte utili e rilevanti in relazione ai suoi bisogni espressi in quel momento. Sappiamo che i fattori di ranking con cui il motore di ricerca classifica e restituisce i risultati che rispondono ad una determinata query dell’utente sono oltre 200. Ma che gerarchia, quale peso c’è tra gli elementi di valutazione che applica? Esso utilizza l’intelligenza artificiale e le reti neurali per dare un ordine ad ogni fattore. machine learning e-commerce

Grazie all’apprendimento automatico, Google può proporre agli utenti:

  • le query nel momento stesso in cui gli utenti le digitano sulla barra di ricerca. Pensa ad esempio alle parole scritte in modo sbagliato, o a quando ti viene suggerita la compilazione della frase che stai scrivendo.
  • ricerche correlate che aiutano le persone anche nel caso in cui il loro quesito non corrisponda precisamente a cosa stanno cercando online.

lnfine, il vocal assistant, tramite lo speech recognition, può interpretare le query delle ricerche vocali rispondere con una SERP (Search Engine Result Page) adeguata.

 

2) E-mail Marketing e Automation

In precedenza, abbiamo fatto cenno sull’impiego dei modelli di conoscenza automatizzata alla segmentazione di un database molto vasto, al fine di instaurare una comunicazione particolare con ogni lead. Con le automazioni, si possono programmare degli invii automatici ed è possibile anche creare a monte un flusso comunicativo con gli utenti. Utilizzando i software di e-mail marketing che include modelli di apprendimento, potrai anche classificare in modo minuzioso tutti i contatti del tuo CRM, assegnando loro etichette che riguardano per esempio le preferenze. Il sistema imparerà progressivamente dal comportamento dei tuoi utenti, riuscirà a capire per ognuno di loro quale sia il giorno e il momento migliore della giornata per l’invio della e-mail in base al tasso di apertura. Esso poi riuscirà a classificare e ordinare tutti i dati che hai su una persona e tu potrai suggerire ai tuoi potenziali clienti prodotti a cui sono statisticamente più interessati, con performance migliori su tassi di apertura, click through rate e conversioni e risparmi in termini di budget e risorse.

 

3) SEM, Social Advertising

Facebook, Instagram, YouTube sono piattaforme che utilizzano la conoscenza automatizzata come Google e se fai delle campagne pubblicitarie in Ads o sui social, lo stai già usando anche tu, al solo costo del budget che hai stanziato. Per questo, e per migliorare il rendimento dei tuoi investimenti, dovresti approfondire la tematica per poterne sfruttare tutte le opportunità.

Questi colossi digitali guadagnano quando gli utenti spendono in advertising, giusto? Essi puntano a migliorare continuamente le performance dei loro tool, per far sì che i clienti ottengano risultati migliori e siano incoraggiati dal ROI ad investire di nuovo e somme più ingenti. I sistemi di apprendimento automatico consentono a questi grandi player di ottimizzare gli spazi pubblicitari in modo che le aziende riescano a colpire solo il target statisticamente più interessato, ottimizzando così i rendimenti.

artificial intelligence coding

4) E-commerce

Nella parte iniziale dell’articolo, abbiamo accennato alla personalizzazione dell’home page di Amazon o un E-commerce tramite il login fatto dallo user. Il software che agisce all’interno di questi spazi digitali può acquisire molte informazioni sul tuo comportamento e sulle tue abitudini di acquisto. Se comprerai un bene che è soggetto a un consumo, ad esempio una fornitura di biscotti per due mesi, il sistema sarà in grado di riproportelo supponendo che tu lo stia per terminare. Oppure, se acquisterai molti prodotti legati al running, la piattaforma ti proporrà scarpe per correre, anziché sneakers da passeggio. La tua home page sarà sempre diversa da quella di un’altra persona, seguirà i tuoi gusti e comportamenti adattandosi ai bisogni che esprimi, fino al punto di anticiparli. Tutto ciò potrebbe spaventare in un certo senso, ma come abbiamo detto, per te rappresenta un vantaggio, perché non perderai più tempo in ricerche inutili e anche per i brand è un ottimo aiuto per aumentare le vendite, con un conseguente risparmio sul tempo e sulle risorse economiche.

 

 

APPROFONDIMENTO

 

Domande e risposte sul Machine Learning

 

1. Quale sarà l’evoluzione del Machine Learning nei prossimi 10 anni?

Spotify, Google, Amazon, Facebook, YouTube e moltissime piattaforme che utilizziamo ogni giorno adoperano sistemi di intelligenza artificiale. Ne sfruttano il potenziale per imparare quali sono i nostri gusti e abitudini, e prevedere quello che vorremo, con lo scopo di offrircelo. Così, sperimentiamo delle esperienze di navigazione personalizzate e soddisfacenti, che ci inducono a proseguire l’utilizzo di tali sistemi. Quando Spotify ti propone una canzone che non hai mai ascoltato, lo fa perché ha capito che generi musicali ti piacciono e riesce a rendere il tuo ascolto sempre piacevole. Da qui a dieci anni, secondo me si andrà sempre più verso questa direzione, che pone l’utente al centro, in una customer centricity. Quindi, non solo i software possono rispondere a quello che gli chiediamo, ma saranno anche capaci di anticipare i nostri bisogni e darci già delle proposte. E succederà nella musica, nel guardare video online, nell’usare pubblicità e tantissime altre cose.machine learning robot

 

2. Il Machine Learning riguarda anche i social media, oltre il web marketing?

L’apprendimento automatico è entrato anche nella sfera dei social network, oltre che nell’ambito del web marketing. Facciamo un esempio: ognuno di noi su Facebook, o LinkedIn ha un certo numero di amici o collegamenti, ma non vediamo ogni loro post nel feed, ti sei mai chiesto il perché? Vediamo solo alcune condivisioni, ovvero quelle che l’algoritmo del canale social ritiene più interessanti per noi. Ciò succede anche nel social advertising: in cui la conoscenza automatizzata tende a mostrarci esclusivamente le pubblicità su cui sa che interagiremo, facendo sì che chi investe nelle campagne potrà massimizzare i risultati e ottimizzare il budget a disposizione.

 

3. Per quale tipo di aziende è indicata il Machine Learning?

Le applicazioni di questo sistema sono utili per grandi aziende, come per PMI e freelance. Secondo me è un’opportunità più grande soprattutto per le piccole attività, perché questo modello permette che il poco budget che si ha venga utilizzato al meglio per mostrare il proprio brand e prodotti alle persone che hanno più probabilità di convertire in vendite. L’algoritmo è una congegno che può aiutarti a comunicare con le persone più interessate statisticamente, nei momenti giusti con i contenuti più adeguati. A logica, quindi è ovvio che questa possibilità per una piccola impresa sia molto più preziosa che per una grande, che dispone di investimenti più consistenti.

 

4. Quanto costa utilizzare i sistemi di Machine Learning?

Attualmente non ci costa quasi niente, perché in realtà noi che facciamo digital marketing stiamo utilizzando già il sistema attraverso il lavoro che svolgiamo con le applicazioni dei grandi player digitali, come Google, Facebook, YouTube, Amazon, LinkedIn. Avendo già sostenuto il costo di sviluppo della tecnologia, questi canali ce lo mettono a disposizione per indurci ad acquistare sempre più spazi pubblicitari. Il concetto è semplice: se loro sviluppano bene i programmi di apprendimento automatico, la pubblicità che ci vendono sarà efficace e nel tempo noi avremo dei buoni incentivi per continuare a comprare la pubblicità sulle loro piattaforme.

 

5. Quali competenze servono alle aziende per sviluppare un sistema di Machine Learning?

Più che di un sistema proprietario, un’azienda ha bisogno prevalentemente di persone che si occupino di utilizzare correttamente gli strumenti di digital marketing che si hanno a disposizione e che si avvicinano oggi al concetto di marketing automation. Un’impresa deve dotarsi di persone capaci nel lavoro con i tool di conoscenza automatizzata e di automazione, ma non parliamo di software specifici, bensì di alcune funzionalità di Google Ads, Facebook Business Manager, MailChimp e così via.

artifical intelligence voice assistant

 

6. Per sfruttare al meglio il Machine Learning è necessario rivolgersi a una software house?

Ci si può anche rivolgere a una software house, però in un progetto sui sistemi di apprendimento automatizzato il problema è il costo. Quindi cosa è più intelligente fare al momento? Meglio utilizzare i learning models su cui hanno fatto già investimenti enormi i grandi player. E tu cosa puoi fare? Come primo step, imparare a sfruttare le funzionalità di quanto puoi usare sui canali elencati in precedenza. La seconda strategia è cercare dei sistemi open, grazie ai quali possiamo usare software sviluppati da terze parti e personalizzarli in alcuni aspetti e features.

 

7. Quali sono gli strumenti che aiutano ad usare il Machine Learning?

Più che strumenti, si dovrebbe parlare delle funzionalità dei software che già utilizziamo correntemente in Google Ads, Facebook, Amazon e così via. Poi, nel tempo secondo me si svilupperanno sempre più progetti open source a cui potrai attingere per usare il sistema di intelligenza artificiale di una terza parte. Per esempio, ad oggi una grande opportunità sono i bot di assistenza, che di fatto sono modelli di voice assistance che adoperano l’intelligenza artificiale e l’apprendimento automatico per aiutarci a fare delle cose:

– Alexa, Amazon
Siri, Apple
Google assistant

Questi sono tre sistemi di artificial intelligence e che usano l’apprendimento automatizzato non solo per semplificare delle mansioni umane, ma anche per prevedere delle altre azioni. Ti faccio un esempio molto semplice: nella mia rubrica ho 20 Sara registrate e dico alla ricerca vocale di chiamare “Sara”: le prime volte l’apparecchio mi domanderà “Quale Sara vuoi chiamare?” finché non imparerà da solo che a quel nome deve associare una persona specifica, cioè quella che chiamo frequentemente tra tutte. E alla fine, smetterà di chiedermi quali delle 20 Sara voglio contattare.

 

8. Cosa serve per creare dei buoni sistemi di Machine Learning?

  1. programmatori
  2. statisti
  3. matematici
  4. esperti di linguistica e di linguaggio umano

Sono almeno quattro tipologie di professionisti e di specialisti di cui hai bisogno se vuoi sviluppare un tuo progetto di apprendimento automatico, per questo ti dicevo che creare un proprio sistema è un’operazione molto costosa, perciò solo in rarissimi casi si riesce a realizzare un progetto proprio.

 

9. Che collegamento c’è tra il Machine Learning e il tracciamento dei cookies?

machine learning per aziende

Il tracciamento tramite i cookies è uno strumento che può aiutare una macchina ad apprendere ma non è l’unico, pertanto non è indispensabile. Il sistema di intelligenza artificiale apprende anche attraverso i cookies e con essi può studiare le tue abitudini di navigazione. Potresti cancellare tutti i dati, ma, ciò nonostante, un sistema di apprendimento in un buon software non smette di imparare solo perché tu li hai cancellati. I dati che non prende più dai cookies li acquisisce con un altro criterio, come quello del login. Se io sto usando Spotify ho cancellato i cookies, ma sono loggato come utente lui mi riconosce. Se per quattro giorni di seguito sento delle canzoni di rapper che io conosco, al quinto giorno mi propone ancora lui una playlist di rapper.

 

10. Come sarà il nostro futuro con il Machine Learning ?

Corriamo il rischio di essere costantemente studiati e analizzati? Ma, in realtà sì e no. Cosa intendo? Un learning model ha bisogno di studiare i comportamenti degli esseri umani per poi prevederli. Ma, per prima cosa, devi sapere che questi dati sono anonimizzati e sono messi in un grande calderone in cui tu sei un numero, non un nome e cognome. Il secondo elemento su cui ragionare è che quello che ti viene proposto, è offerto a te e non a tutti. Quindi, è vero che da un certo punto di vista veniamo studiati però io non lo vedo come un grande rischio, secondo me è più un’opportunità.

 

11. È importante per un freelance essere specializzato in Machine Learning?

Per un freelance può essere un’opportunità, ma sicuramente è un po’ troppo presto per posizionarsi sul mercato del lavoro come specialista di questa branca dell’artificial intelligence, perché è distribuita su tante funzionalità web e social e tu non puoi fare tutto. D’altra parte, se cogli il momento favorevole, puoi proporti come un esperto in advertising sui motori di ricerca o i social, con competenze di apprendimento automatico. Questa è una bella cosa perché ti poni in un’area che ha già tanta domanda, ma ti distingui con una competenza che ti rende un po’ speciale e ti offre un vantaggio competitivo.

 

12. Che relazione c’è tra Machine Learning e industria 4.0?

machine learning internet of things

Nell’era della rivoluzione digitale, anche l’industria 4.0 sta portando le automazioni all’interno delle fabbriche con moltissimi impieghi possibili, però questo processo ha a che vedere anche con svariati elementi hardware e oggetti fisici. In realtà, io vedo maggiori opportunità per la parte di industria che riguarda l’internet of things, ovvero gli oggetti in grado di svolgere delle funzioni grazie all’intelligenza artificiale. Facciamo degli esempi: a casa con Alexa posso controllare il mio allarme, le luci, il mio frigorifero. E in che direzione va la produzione di elettrodomestici e servizi per le abitazioni? I produttori di frigoriferi, lampadine, televisori, puntano ad utilizzare questi modelli di automazione per far funzionare in maniera intelligente gli apparati i prodotti industriali che pongono sul mercato.

 

 

 

 

Luca Papa VIDEO E CONTENUTO A CURA DI LUCA PAPAlinkedin_badge

Digital Marketing Manager Presso Digital Coach.

Sono Digital marketing manager di Digital Coach, formatore Google e consulente su tematiche di web marketing. In Digital Coach coordino l’attività di tutti i professionisti che svolgono docenza e insegno per Digital Coach e per Google discipline di Digital marketing quali Digital strategy, Inbound Marketing, SEM, Personal Branding.

Martina-Santoro-digital-coach

TRASCRIZIONE A CURA DI MARTINA SANTOROlinkedin_badge

Laureata in Lettere e orientata ai numeri, ho seguito il percorso Digital Certification Program ed ora lavoro come Digital marketing specialist e Content strategist. La mia aspirazione è continuare a formarmi per diventare una professionista del digital marketing che aiuta aziende e liberi professionisti nella crescita del loro business.

Luca Papa on FacebookLuca Papa on LinkedinLuca Papa on Youtube
Luca Papa
Digital Marketing Manager presso Digital Coach
Sono Digital marketing manager di Digital Coach, formatore Google e consulente su tematiche di web marketing. In Digital Coach coordino l'attività di tutti i professionisti che svolgono docenza e insegno per Digital Coach e per Google discipline di Digital marketing quali Digital strategy, Inbound Marketing, SEM, Personal Branding.