L’enorme risonanza che l’intelligenza artificiale (IA) sta vivendo in questo periodo si deve al fatto che sta cambiando e cambierà praticamente ogni settore; rappresenta un’innovazione tecnologica che può essere implementata in un numero potenzialmente infinito di settori, assolvendo a funzioni e compiti fino a ora ritenuti appannaggio esclusivo dell’essere umano.
Lo sviluppo di modelli capaci di analizzare grandi moli di dati e apprendere in tempo reale permette di migliorare le performance in moltissimi campi, come il marketing.
L’impatto nell’ottimizzazione di funzioni e strategie di marketing
L’intelligenza artificiale ha un impatto nell’ottimizzazione di funzioni e strategie di marketing (Marketing Science Institute, 2023); permette di potenziarne quantità e qualità (Mariani et al., 2023); per questo, comprendere i processi cognitivi del comportamento dei consumatori è imprescindibile. Essenzialmente, il marketing comprende attività finalizzate a influenzare le persone in un determinato momento, in un luogo specifico e attraverso un canale specifico. Grazie all’analisi raffinata dei dati si può migliorare l’esperienza degli utenti in ognuno di questi punti, per esempio applicando strategie di segmentazione delle audience o attraverso sistemi di personalizzazione e di raccomandazione creati con modelli predittivi. Per essere pronte le aziende dovranno introdurre queste nuove soluzioni integrandole nelle pratiche esistenti (Shaik, 2023).
Il punto di vista degli addetti al settore
L’artificial intelligence marketing (AIM) utilizza modelli e applicazioni proprie dell’intelligenza artificiale (come l’apprendimento automatico) nelle strategie di marketing. L’AIM viene impiegato per definire e analizzare strategie, canali (cioè il mezzo utilizzato), targeting, posizionamento, segmentazione e insights.
Basandosi su modelli predittivi e grandi moli di dati permette maggiore reattività ed efficienza, riduzione di tempi e costi, miglioramento dei servizi, possibilità di prendere decisioni strategiche. Questo si traduce anche in una migliore comprensione del consumatore e, quindi, in un aumento delle incremento delle performance e delle vendite (Wu e Monfort, 2023).
Per gli addetti al settore, però, tradurre tutto questo nella pratica, introducendo e implementando queste tecnologie nella prassi aziendale, non è così semplice e immediato. Dalle interviste condotte, Shaik (2023) ha rilevato alcuni punti critici che potrebbero ritardare l’adozione di strutture evolute di IA. Prima di tutto, c’è un discorso di maturità digitale sia a livello di pianificazione nelle aziende sia in termini di formazione adeguata dei dipendenti. Si tratta di soluzioni nuovissime e mancano le capacità tecniche nei team che dovrebbero utilizzarle.
La questione però non è prorogabile. C’è grande fermento sul tema: la spinta del mercato e della concorrenza è lì e mette pressione. Un altro aspetto importante riguarda l’uso dei dati, una componente cruciale, al tempo stesso il fattore più significativo e uno dei più complessi. C’è una certa preoccupazione sulla raccolta dei dati, non solo su come questo possa essere fatto in maniera conforme alle normative più recenti (che, soprattutto nel mercato europeo, sono anche tra le più stringenti), ma anche su come gli utenti possono reagire. Per questo c’è molta attenzione anche a come poter informare il consumatore sulla tipologia di dati che verranno acquisiti e gestiti (Shaik, 2023).
Comportamento dei consumatori e strategie di marketing
Chi si occupa di marketing sa bene che l’intelligenza artificiale offre importanti vantaggi; ma è anche ben consapevole che gli utenti possono essere diffidenti e preoccupati, soprattutto riguardo la privacy e il tracciamento delle loro azioni online. Del resto, è inevitabile: i modelli predittivi si basano proprio sulla raccolta e l’analisi dei dati, anche di quelli di navigazione. Ma perché le attività di marketing funzionino è necessario mettere al centro delle proprie strategie e tattiche proprio gli utenti.
Una recente review della letteratura ha mostrato come uno dei framework teorici più citati e utilizzati sia il technology acceptance model (TAM), che, sebbene sia stato proposto oltre trenta anni fa (Davis, 1989), rimane ancora oggi uno dei modelli più robusti per spiegare cosa porta gli utenti ad accogliere e utilizzare una nuova tecnologia (Mariani et al., 2023).
La facilità d’uso e l’utilità percepite
Secondo la TAM due sono i fattori che determinano come gli utenti risponderanno a una tecnologia: la facilità d’uso e l’utilità percepite. La facilità d’uso percepita (perceived ease-of-use, PEOU) rappresenta la percezione dell’utente che l’utilizzo di un sistema sia semplice, comprensibile e intuitivo; se così non è, se risulta complicato e macchinoso usarlo, le probabilità che l’utente lasci perdere e abbia una risposta negativa sono alte. L’utilità percepita (perceived usefulness, PU) si riferisce invece ai risultati cui potrebbe portare il sistema: è di aiuto in qualcosa? Migliora le prestazioni, abilita nuove opportunità? Porta dei vantaggi? Qualcosa che prima non c’era o non si poteva fare? Se il sistema risponde ad un’esigenza ed è utile, allora gli utenti saranno ben disposti nei suoi confronti.
In breve, quando ci viene presentata una nuova tecnologia questi due fattori influenzano gli atteggiamenti e la scelta di utilizzarla o meno. Non solo facilità d’uso e l’utilità percepite: entrano in gioco anche altre variabili come l’influenza sociale, la motivazione, gli atteggiamenti e le opinioni quindi l’insieme delle credenze e delle esperienze in merito alla tecnologia, oltre a fattori culturali e sociodemografici. Presi tutti insieme sono in grado di farci capire la predisposizione di un utente rispetto ad un nuovo sistema.
A partire dal modello di Davis sono nati diversi approfondimenti e aggiornamenti tra cui il più noto è la unified theory of acceptance and use of technology (UTAUT), la teoria unificata dell’accettazione e dell’uso di tecnologia. Integrando lavori precedenti con studi ad hoc, Venkatesh (2003) propone una teoria che unifica modelli precedenti e spiega i comportamenti e le variabili che moderano l’uso e l’impatto delle tecnologie. Per la UTAUT i fattori che regolano le nostre intenzioni sono molteplici e riguardano diverse sfere: alcuni sono innati, come genere ed età; altri riguardano le nostre esperienze e l’influenza del nostro contesto sociale. Per esempio, se percepiamo che un sistema sia utilizzato da tutti e sia fondamentale farlo, saremo più propensi a utilizzarlo. Poi ci sono le aspettative che ricalcano i due fattori principali esposti dalla TAM, cioè facilità e utilità d’uso percepite; infine le condizioni facilitanti, ovvero la presenza o meno di un’organizzazione e un’infrastruttura tecnica che supporti nell’uso del sistema (Venkatesh et al., 2003).
Conclusioni
Questi modelli non sono solo teorie ma strumenti pratici e utili per comprendere come progettare strategie di marketing che siano efficaci su più livelli. Per esempio, se uno dei temi che suscita più preoccupazione è il rapporto degli utenti col tracciamento dei dati, si può sviluppare un ecosistema informativo semplice da trovare e chiaro da comprendere che spieghi in maniera comprensibile cosa, come e perché viene tracciato. Facilità e utilità d’uso: si spiega all’utente in maniera semplice l’utilità di certe azioni di marketing allo scopo di incentivarlo ad usare e rimanere nel sistema.
L’intelligenza artificiale diventa un tassello in più per ricostruire e comprendere le scelte dei consumatori, i loro atteggiamenti, opinioni, valutazioni, e per indirizzare al meglio le decisioni di marketing.
Bibliografia
Davis, F. D. (1989). Technology acceptance model: TAM. Al-Suqri, MN, Al-Aufi, AS: Information Seeking Behavior and Technology Adoption, 205-219.
Mariani, M. M., Perez‐Vega, R., & Wirtz, J. (2022). AI in marketing, consumer research and psychology: A systematic literature review and research agenda. Psychology & Marketing, 39(4), 755-776.
Marketing Science Institute (2023). https://www.msi.org/
Shaik, M. (2023). Impact of artificial intelligence on marketing. East Asian Journal of Multidisciplinary Research, 2(3), 993-1004.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425–478.
Wu, C. W., & Monfort, A. (2023). Role of artificial intelligence in marketing strategies and performance. Psychology & Marketing, 40(3), 484-496.
