Autore

Siddarth Mohan

Direttore Data Science e responsabile globale per la ricerca sull'intelligenza artificiale causale e la modellazione del mix di marketing presso Artefact

Il ponte - Caffè dati

Emmanuel Malherbe, responsabile del Centro di ricerca di Artefact, ha incontrato di recente Sid Mohan, Director Data Science & Global Lead for Causal AI Research & Marketing Mix Modelling di Artefact, per parlare di misurazione del marketing.

Ci sono molti elementi in movimento nel campo della misurazione del marketing. Potrebbe evidenziare quali innovazioni alimenteranno la misurazione del marketing in futuro?

Nel nostro quadro di misurazione, abbiamo tre metodologie: attribuzione, test incrementali e MMM. Tuttavia, questi metodi sono attualmente soggetti a vincoli che impediscono una collaborazione senza soluzione di continuità.

Il modello di attribuzione, ad esempio, deve includere l'incorporazione dei vincoli relativi alla linea di base, un fattore critico per comprendere l'impatto complessivo delle attività di marketing.

Allo stesso tempo, i test incrementali sono spesso strettamente controllati dalle principali piattaforme tecnologiche. Spesso richiedono una spesa mediatica significativa per l'esecuzione e sono spesso limitati ai soli media digitali a pagamento. Ciò richiede tecniche avanzate come l'inferenza causale bayesiana e il framework dei risultati potenziali; metodologie che sono state sperimentate e rese disponibili da enti come Amazon Science e Microsoft Research.

Nell'area dei MMM ci sono ottime opportunità per sfruttare i più recenti progressi nei modelli causali, sempre grazie al lavoro pionieristico di Amazon Science, la cui innovazione rivoluzionaria è effettivamente open source e disponibile per la comunità della scienza dei dati.

In che modo queste metodologie avanzate affrontano le sfide dei modelli tradizionali?

Le metodologie attuali offrono una comprensione più sfumata delle attività di marketing all'interno del quadro MMM. Tuttavia, non riescono a raggiungere la granularità necessaria per consentire ai marketer di intraprendere azioni rapide e mirate, in linea con le specifiche esigenze aziendali. Per risolvere questo problema, si è assistito a un aumento dello sviluppo di modelli bayesiani gerarchici e, soprattutto, di modelli causali strutturati, che consentono una prospettiva più granulare e un'esecuzione più frequente dei MMM.

Passando al tema della causalità, sembra che ci sia uno spostamento verso la comprensione del "perché" dietro i dati. Può dirci qualcosa di più al riguardo?

Dal 2021 è in atto una rivoluzione dell'IA causale. Le aziende, guidate da Microsoft Research e Amazon Science, stanno ora enfatizzando la comprensione del "perché" dietro i dati, trascendendo la tradizionale attenzione al "cosa". Le soluzioni open source di modelli causali strutturati consentono alle aziende di stimare l'impatto di un singolo evento nel contesto più ampio di eventi concomitanti e confondenti.

Promuovere una cultura dell'innovazione all'interno di un'azienda è fondamentale. Come consiglia alle aziende di creare e ispirare la sperimentazione e l'innovazione?

  • Abbiate il coraggio di iniziare a porre le domande che contano. Evolvete la vostra agenda di apprendimento per identificare le domande a cui le attuali metodologie di misurazione non sono in grado di fornire risposte.

  • Collaborare con i team della scienza dei dati per definire e ipotizzare i benefici attesi e il valore aggiunto ottenuto rispondendo a queste domande critiche. Ad esempio, è più vantaggioso avere informazioni su quali formati creativi offrono i migliori rendimenti o su quali aree geografiche dovrebbero concentrarsi le mie campagne di imbuto inferiore?

  • Testate le nuove metodologie in un ambiente controllato e confrontate i risultati generali con le soluzioni esistenti per garantire la logica aziendale. Ad esempio, se si dispone di un MMM più granulare basato su modelli causali, i risultati rimangono in linea con un MMM classico a livello di canale già in uso o sono completamente in contraddizione?

  • Essere a proprio agio con i fallimenti. Il ritmo di sviluppo della misurazione del marketing sta accelerando, proprio come nel resto dello spazio dell'IA. Non tutti i nuovi approcci o modelli genereranno valore. Ma questo non deve scoraggiarvi dal tenervi aggiornati sulle tendenze della comunità dell'IA e dal creare sempre uno spazio per la sperimentazione e i test.

  • Instillare una mentalità innovativa nei team di marketing e di dati. Il più grande ostacolo alla costruzione di una cultura dell'innovazione e della sperimentazione è l'istituzionalizzazione delle cose. Quando si dice "abbiamo sempre fatto così", significa che si sta ristagnando. Guardate alcune delle aziende più importanti, come Booking.com, Uber o Spotify, che sono costantemente in sintonia con ciò che i loro clienti desiderano; è perché aggiornano continuamente le loro offerte e i loro servizi. Misurano costantemente, il più vicino possibile alla realtà attesa, e per quanto difficile possa essere, certe campagne o sforzi di marketing. Immaginate, ad esempio, di provare a misurare la reale incrementalità di Unwrapped 2023 di Spotify, una delle campagne di marketing più trendy di quest'anno.

La sinergia tra i team di marketing e di dati è fondamentale. Può spiegarci come questi team possono collaborare efficacemente per promuovere l'innovazione?

I team di marketing e di dati sono un binomio ideale: gli esperti di marketing, spinti dal desiderio di superare i limiti della creatività, trovano una corrispondenza nei team di dati che si dedicano alla risoluzione delle sfide. L'abbandono di approcci istituzionalizzati è fondamentale per promuovere una cultura innovativa. Incoraggiare gli scienziati dei dati a risolvere i problemi che nascono dall'aver spinto i confini della creatività garantisce all'azienda di rimanere agile e rilevante.

Può condividere un esempio in cui un'azienda ha abbracciato con successo questa cultura dell'innovazione?

Nei Paesi Bassi, stiamo lavorando con un operatore di e-commerce online che conduce centinaia, se non migliaia di esperimenti all'anno, un cambiamento importante rispetto all'assenza di pratiche di misurazione di appena due anni fa. Questa solida cultura dell'innovazione e della sperimentazione li ha contraddistinti, migliorando l'efficienza del marketing e il ROI di un impressionante 20%.

In sintesi, la sinergia tra le pratiche di misurazione avanzate, l'attenzione alla causalità e la cultura dell'innovazione e della sperimentazione sta ridisegnando il panorama dell'analisi di marketing e garantisce che le aziende rimangano agili e rilevanti in un panorama aziendale in continua evoluzione.

Visitate thebridge.artefact.com, la piattaforma multimediale che democratizza i dati e la conoscenza dell'intelligenza artificiale, in video e podcast.