- Oggi le aziende hanno la possibilità di predire la propensione all’acquisto degli utenti
- Cos’è e a quali settori si applica l’analisi predittiva
- Le strategie quantamental, ossia quantitative e fondamentali insieme
Da oltre un secolo “l’industria dell’attenzione” trasforma l’interesse in denaro. Dalla nascita della pubblicità alla diffusione del web, dall’invenzione della posta elettronica al monopolio di Facebook. È la lotta epica per entrare nella mente portata avanti da un’industria potentissima capace di trasformare qualcosa di così astratto come l’interesse in soldi. E l’analisi predittiva?
“Oggi le aziende hanno la possibilità di predire la propensione all’acquisto degli utenti e concentrare conseguentemente i messaggi personalizzati solo su quelli che hanno un’intenzione più forte, senza ‘disturbare’ invano e sprecare denaro su quelli che probabilmente non compreranno mai un determinato prodotto”, spiega Marco Belmondo, marketing director di Datrix, gruppo di tech company data-driven che sviluppa soluzioni, basate su intelligenza artificiale, per marketing, sales e finanza. “Lo si può fare grazie alle risorse computazionali praticamente infinite presenti sul cloud e l’applicazione di tecnologie di intelligenza artificiale, in particolare di machine learning. In modo nativamente conforme alle ultime normative europee in tema di privacy, è possibile infatti analizzare i comportamenti storici di clienti e prospect sui siti e sulle app e unirvi i dati di crm anche relativi a punti di contatto avvenuti offline. I risultati derivanti dall’applicazione delle tecnologie di IA, come DataLysm di 3rdPlace, sono anche molto veloci: in tre mesi per un nostro cliente siamo riusciti a moltiplicare per 5 il tasso di conversione da prospect a cliente. Essendo la soluzione basata su machine learning, questi risultati sono destinati a migliorare ulteriormente sulla base del fatto che l’apprendimento della macchina continua nel tempo con sempre più dati a disposizione. Si possono aggiungere anche dati esterni all’azienda. Mi preme sottolineare l’utilizzo dell’online come intelligenza dell’offline, al servizio di quelle aziende che fanno giustamente dei consulenti il loro punto di forza”.
Guardare avanti con i dati, non solo indietro
L’analisi predittiva è l’uso di dati, algoritmi statistici e tecniche di apprendimento automatico per identificare la probabilità di risultati futuri basati su dati storici. L’obiettivo è quello di andare oltre la conoscenza di ciò che è accaduto fornendo una migliore valutazione di ciò che accadrà in futuro. “Se si analizzano i comportamenti dei clienti su un sito bancario, di investimento o di trading e si incrociano i dati estratti con le informazioni e la storia transazionale pregressa del cliente, si può predire la propensione all’acquisto per singoli prodotti o temi o titoli e offrirgli indicazioni personalizzate, come è già abituato a ricevere da Amazon per esempio”, spiega l’esperto. I suggerimenti possono essere erogati per il tramite dell’eventuale consulente di fiducia, senza quindi disintermediazione delle figure chiave del wealth management.
“Siamo in grado di delineare i tratti dei clienti in base all’analisi di un quantitativo veramente ‘big’ di dati raccoglibili da fonti proprietarie delle aziende, grazie ai quali è possibile classificarli in base a oltre 1000 variabili comportamentali e alle loro molteplici correlazioni e calcolare algoritmicamente la propensione di acquisto. È numericamente evidente che si tratta di un volume di calcolo che non sarebbe sostenibile ‘umanamente’. Va anche considerato che le variabili di cui sopra, ricavabili dalla navigazione su siti e app, non sono semplicemente quelle tradizionali come il numero di clic e il tempo speso sul sito, ma anche ‘alternative’ suggerite dalla macchina come, ad esempio il numero di prodotti aggiunti a carrello nei giorni precedenti senza acquistare, il numero di visite in orari serali, l’utilizzo del motore di ricerca interno al sito. Belmondo mette in guardia però dal fatto che “i giganti del web, come Amazon, hanno tecnologie di questo tipo e possono sfruttare la direttiva Psd2, a cui le banche italiane si devono urgentemente adeguare, per offrire servizi bancari e finanziari. Anzi per esempio Amazon già lo fa con il credito al consumo e alle imprese”.
L’analisi predittiva può essere usata anche per ricerche di mercato. Oggi sempre più aziende hanno l’esigenza di ottimizzare le decisioni in tempi molto rapidi per lanciare nuovi prodotti, internazionalizzare il business, aprire nuovi punti vendita, individuare canali distributivi e promozionali innovativi, identificare gli influencer. L’analisi predittiva è impiegata anche nel settore degli investimenti per fare scoring finalizzato alla decisione di finanziamento (es. per valutazione rischio default delle aziende) o per individuare nuovi trend finanziari e le aziende destinate a guidare questi trend.
Le strategie quantamental
Dai cosiddetti dati alternativi, ossia quelli provenienti da ambienti digitali come social, blog, forum, piattaforme di e-commerce, mappe si ricavano indicatori che misurano la diffusione e la volatilità dei segnali digitali su Internet in relazione ad uno specifico argomento o ad entità fisiche o legali. Se ne può qualificare anche il sentiment ossia come è percepita l’entità nell’ambiente di estrazione. Questi dati rilevanti alternativi veramente ‘big’ vengono correlati con i dati finanziari (es. prezzi di Borsa, bilanci) e si possono costruire conseguentemente delle strategie basate sulla predizione del rapporto causa ed effetto sulle attività finanziarie. “La nostra società FinScience, dedicata al mondo degli investimenti, le definisce quantamental proprio perché ibride, ossia quantitative e fondamentali insieme. Noi tendiamo ad evitare soluzioni di calcolo a forza bruta e ‘black box’, preferiamo un approccio con supervisione umana. Noi e i nostri clienti crediamo infatti nell’IA non come sostitutiva dell’intelligenza umana, ma come augmented intelligence o actionable intelligence”, conclude Belmondo.
