In un tempo lontano, a tenere banco, era il dibattito circa il primato tra la filosofia e la teologia all’interno dell’indagine conoscitiva. Oggi, a distanza di secoli, i termini sono decisamente cambiati e uno degli interrogativi del momento ruota intorno a quale sia il ruolo dell’Intelligenza Artificiale (AI) nei confronti dell’uomo: si tratta di una sostituzione o di un supporto?

Nell’ambito del Content Management, l’AI ha il vantaggio di riuscire ad automatizzare uno dei lavori più onerosi e ripetitivi, che è il tagging dei contenuti digitali. Questo consente di risparmiare tempo prezioso da parte delle risorse umane, che potrà essere investito su aspetti più creativi e strategici del business.

C’è un problema però di cui bisogna tener conto: nel momento stesso in cui i motori semantici vanno a classificare i contenuti, non riescono a distinguere tra di essi i prodotti, le persone, i loghi e gli eventi specifici di un determinato brand.

Il logo della Apple potrebbe venire etichettato come “mela” e il founder aziendale come semplice “persona” e il loro recupero tramite stringhe di ricerca si farebbe arduo, dati i milioni di risultati che la tag potrebbe restituire. Per quanto riguarda i contenuti di prodotto non ne parliamo.

Per cui capite bene che procedere in tal senso andrebbe ad azzerare il valore aggiunto dell’AI, che consiste nell’ottimizzare i tempi.

Perché ci vuole un’architettura dell’informazione?

Ma come funziona questo processo? Come spiega Ramon Forster di Picturepark, l’AI quando analizza un contenuto digitale – per esempio un’immagine – esamina i segni visivi (vettori, forme e colori) e li paragona con i modelli contenuti nella libreria di riferimento, restituendoci una tag quando il punteggio di matching ha una percentuale elevata di riconoscimento.

Bisogna insegnare agli algoritmi ad andare ancora più a fondo. Per farlo è necessario costruire una solida architettura dell’informazione su cui possono basarsi: parliamo della tassonomia. Per questo motivo i Content Strategist devono fornire metadati “razionalizzati”che diventano poi dati di addestramento per il motore semantico.

Vi proponiamo la formula che Robin Bordol, CEO di Crowdflower ha illustrato al Global AI 2017:

AI = TD (Training Data) + ML (Machine Learning) + HITL (Human in the loop)

Il Content Strategist deve fornire, infatti, dati di addestramento (contesti e significati che applicano i casi reali del marchio) che verranno elaborati dalla macchina tramite apprendimento automatico. Solo in questo modo si può costruire una libreria che contiene modelli rispondenti alle esigenze aziendali.

La soluzione: il DAM Intelligente

Parlando di AI e Content Management, c’è una tecnologia che già soddisfa questi bisogni: parliamo del DAM Intelligente. Quali sono gli aspetti che lo rendono il campione dell’auto-tagging?

Capiamo prima come funziona. Prendiamo come esempio THRON, DAM Intelligente ritenuto da Forrester tra le 20 soluzioni migliori al mondo di Content Management.

Caricare sulla sua piattaforma tutti gli asset aziendali, qualunque sia la tipologia (audio, immagine, video, pagine HTML etc.) fa entrare in azione una serie di meccanismi AI di riconoscimento semantico che li classifica con tag, consentendo di disporre di un archivio centralizzato. Però si può fare ancora meglio con altre funzionalità:

1) Tag Center

Ai motori AI di THRON si può fornire la tassonomia ufficiale del brand, sulla base dei prodotti e degli argomenti da presidiare.

Per crearla, deve esserci alla base una riflessione su ciò che le persone cercano e e su quali bisogni identificano come risolti dai prodotti/servizi dell’azienda ma, anche, sugli argomenti e temi da cui prendono avvio per poi dirigersi verso l’offerta proposta dal marchio.

Le tassonomie utilizzate possono essere impostate secondo gli obiettivi di business, da quella di prodotto per integrare i contenuti multimediali nel negozio online a quella di Marketing, che individua le caratteristiche delle buyer personas ricercate e classifica gli asset secondo le tre fasi della buyer’s journey, passando per tassonomie ad uso interno. Per approfondire ti consigliamo questo manuale.

Il vantaggio è poterle modificare e integrare nel tempo e l’operazione si applicherà a tutto lo storico dei contenuti classificati con la relativa tag.

THRON adesso sta affinando il processo di classificazione dei suoi nuovi motori AI: invece di fornire loro una libreria di contenuti standardizzata, che richiede tempo e comunque non è precisa quando si tratta di concetti rilevanti per il brand, allena i suoi algoritmi con il supporto degli editors.

In che senso? Essi taggano manualmente pochi contenuti con le tag giuste e automaticamente il sistema le impara. Si tratta di un processo “learning by doing”. È quello che dicevamo prima: AI = TD + ML + HITL.

2) Smart PIM

THRON ha un modulo aggiuntivo detto Smart PIM grazie al quale la piattaforma centralizza tutte le informazioni di prodotto, che a loro volta diventano tag. Questo fa sì che ogni contenuto venga abbinato alle relative informazioni di prodotto.

Provate a pensarci, è utilissimo a livello di organizzazione e praticità: quando recuperi un asset di prodotto, recuperi anche le sue informazioni e viceversa.

3) Content Intelligence

Dettaglio non trascurabile, una classificazione così precisa dei contenuti aziendali restituisce anche dati molto precisi. Il matching che l’AI consente tra le tag identificative degli argomenti dei contenuti visualizzati e il profilo dell’utente ci restituisce una panoramica in tempo reale di quali sono le sue preferenze.

E da qui a fornire una comunicazione personalizzata il passo è brevissimo!