Perché un'identità affidabile, il contesto aziendale e la misurazione a ciclo chiuso sono le fondamenta per gli agenti di AI che migliorano le decisioni di marketing e ne dimostrano il valore
Oggi i leader del marketing si trovano ad affrontare una complessità senza precedenti. Lavorano con una quantità di dati sui clienti, canali e strumenti di misurazione superiore rispetto a qualsiasi altro momento nella storia di questa disciplina. Al contempo, i percorsi dei clienti sono diventati meno lineari, con segnali di identità che svaniscono rapidamente quando le persone cambiano dispositivi e dati di contatto. Negli ultimi vent'anni, i professionisti del marketing hanno sviluppato strumenti martech commerciali per stare al passo con i tempi (oltre 15.000 secondo le stime degli esperti di martech, senza contare le innumerevoli integrazioni MCP per gli agenti (State of Martech 2026)). Eppure, la certezza su cosa stia funzionando davvero non è cresciuta di pari passo, poiché ogni nuovo sistema introduce un'ulteriore copia dei dati dei clienti, una nuova serie di definizioni e un altro passaggio di consegne tra i team.
Nel tempo, anche l'aspetto economico del marketing sta cambiando. Il valore si sta spostando da una valuta basata sulle impression, in cui il successo si misura in termini di copertura e frequenza, a un'economia della previsione: un nuovo modello che "premia la capacità di prevedere ciò di cui un cliente ha bisogno, agire tempestivamente, inviare un messaggio personalizzato, dimostrare il risultato aziendale che ne è derivato e poi usarlo come acceleratore per lo step successivo", spiega Jake LaDuke, Global GTM Lead for Media, Entertainment & Advertising presso Databricks. Allo stesso tempo, i consumatori iniziano a utilizzare i propri agenti AI per confrontare le opzioni e acquistare in pochi secondi, riducendo la finestra temporale a disposizione dei brand per prevedere, agire e misurare i risultati.
Tuttavia, nonostante questa crescente pressione, il reparto finanziario ha comunque bisogno di sapere se la spesa di marketing ha generato ricavi e margini incrementali e se il budget successivo debba rimanere nel marketing, essere destinato a un'altra leva di crescita o tornare all'utile netto. Per i marketer, la sfida diventa quindi superare questa complessità per fornire risposte di cui tutti possano fidarsi.
Con la proliferazione di AI e agenti in ogni settore e linea di business, si presenta per i marketer un'opportunità straordinaria per fare chiarezza. Con il giusto contesto relativo a clienti, business e decisioni, gli agenti possono consigliare o intraprendere la migliore azione successiva per ciascun cliente quasi in tempo reale, nel rispetto degli obiettivi e dei limiti definiti dai marketer stessi. Ogni azione viene misurata rispetto a ciò che sarebbe accaduto senza di essa, e il risultato viene reinserito nel contesto utilizzato per la decisione successiva. Il risultato finale è l'assunzione costante di decisioni migliori in milioni di momenti di interazione con i clienti, insieme a una misurazione chiara che dimostra come tali decisioni abbiano generato un impatto incrementale.
Un agente può agire solo in base al contesto che riceve; l'identità è ciò che tiene unito questo contesto. Zachary Van Doren, SVP of Product Strategy and Ecosystem presso Acxiom, definisce questo concetto come "l'identità che alimenta l'azione". Senza questa base di identità, afferma, "non si dispone di un contesto operativo che possa essere utilizzato dagli agenti". La risoluzione delle identità viene spesso considerata come un progetto di creazione di profili con un traguardo finale, ma in un modello basato su agenti il suo scopo è l'azione: la capacità di riconoscere, coinvolgere, misurare e ricoinvolgere costantemente un cliente su più canali. Un profilo perfettamente assemblato che non supporta questi passaggi non può offrire i risultati migliori.
La sfida, tuttavia, è che l'identità è in continua evoluzione. Le persone si trasferiscono, cambiano dispositivi e indirizzi e-mail, e il loro comportamento evolve insieme alle loro circostanze. Pertanto, l'identità deve essere gestita continuamente, anziché essere risolta una sola volta e poi trascurata. I brand devono inoltre collegare i record dei clienti noti con segnali di intenzione pseudonimi, come sessioni anonime sull'app o esposizione agli annunci, senza compromettere la privacy, la governance o la fiducia dei consumatori.
Anche con una solida base di identità, il semplice collegamento dei segnali a un profilo persistente non è sufficiente. Lo stesso cliente può richiedere un'azione molto diversa a seconda della tempistica, del comportamento recente, del canale, della precedente esposizione alla pubblicità e dell'obiettivo aziendale del momento. Il luogo e la modalità di interazione di una persona contano tanto quanto la sua identità, ed è per questo che la vecchia scelta tra targeting basato sulla persona o sul contenuto sta lasciando il posto alla necessità di entrambi. Le strategie di identità più utili si concentrano sulla creazione di un contesto migliore per le decisioni, con un profilo connesso e persistente al servizio di questo obiettivo.
Acxiom offre un valido esempio di come questa base venga modernizzata. Collaborando con Lovelytics, Acxiom ha ricostruito i propri servizi di dati e identità come layer applicativo nativo su Databricks, migliorando il time-to-market per gli insight attuabili sui clienti di circa il 30% e riducendo i costi operativi di circa il 15%. Anche il motore di risoluzione delle identità Real ID di Acxiom ora viene eseguito in modo nativo all'interno di Databricks, consentendo ai brand di risolvere e arricchire i dati dei clienti dove già risiedono, anziché esportarli in un ambiente separato.
"Ognuno di noi porta un tassello diverso", afferma Jay Goebel, Practice Lead for Communications and Media presso Lovelytics. "Databricks offre la piattaforma, Acxiom garantisce un'identità affidabile e Lovelytics mette a disposizione l'esperienza di delivery per la messa in produzione. In qualità di partner di lancio iniziali per CustomerLake, collaboriamo per consentire ai marketer di agire sul contesto del cliente e dimostrare il valore di tale azione".
Un record cliente tradizionale registra l'identità di una persona e le sue azioni passate. Affinché un agente possa prendere una decisione che un marketer sosterrebbe con sicurezza, ha bisogno di quattro tipi di contesto.
Il volume di questo contesto aumenta rapidamente. Una singola transazione può contenere da 30 a 50 parametri di metadati, quindi un singolo profilo cliente può facilmente raggiungere migliaia di colonne di contesto, molto più di quanto qualsiasi marketer possa gestire senza supporto.
Dal punto di vista del marketer, un profilo più completo si rivela davvero utile solo quando migliora una decisione. Tale decisione di solito si riduce a stabilire se avviare o meno un'interazione, quale messaggio o offerta sia più pertinente, quale canale utilizzare e se l'azione possa creare valore senza compromettere la customer experience, l'aspetto economico dell'offerta o il consenso del cliente.
Consideriamo un cliente abituale di un brand di ristorazione a servizio rapido (QSR) che ha smesso di ordinare, ma che di recente è tornato a consultare l'app. La reazione istintiva sarebbe quella di inviare un altro sconto. Un approccio migliore parte invece dalla decisione che il brand sta effettivamente cercando di prendere, valutando cinque aspetti:
Clienti diversi in questa situazione richiedono risposte diverse. Se un cliente che di solito ordina ogni venerdì salta una settimana e poi giovedì consulta il suo ordine abituale, un promemoria tempestivo potrebbe essere sufficiente. Se lo stesso cliente non ordina da sei settimane e sta visualizzando un menu famiglia senza completare l'ordine, un incentivo su un pacchetto o un contorno gratuito potrebbe aiutare a ripristinare l'abitudine. Un cliente che ha visualizzato ripetuti messaggi senza rispondere potrebbe segnalare che il brand dovrebbe cambiare messaggio, cambiare canale o interrompere temporaneamente gli investimenti pubblicitari su di lui.
Un team di marketing esperto può analizzare tutto questo per un singolo cliente, ma nessun team può applicare manualmente la stessa cura a milioni di interazioni quotidiane con i clienti. Il marketing agentico è progettato per colmare questo divario applicando un giudizio coerente e informato su scala, mantenendo i guardrail in mani umane e apprendendo da ogni risultato.
La customer data platform è il punto in cui questo cambiamento è più visibile nello stack di marketing. Le CDP tradizionali aiutano a unificare i profili e ad attivare i segmenti di pubblico, ma in genere si trovano al di fuori della piattaforma dati e AI principale di un'azienda, il che crea un'ulteriore copia di dati sensibili dei clienti da integrare, proteggere e riconciliare. Gli agenti hanno bisogno di un accesso governato a identità, modelli predittivi, logica di business, endpoint di attivazione e segnali di performance in un unico posto.
Questo è il principio alla base di CustomerLake, la CDP agentica di Databricks. CustomerLake è integrato nel lakehouse Databricks e governato da Unity Catalog, in modo che l'engagement di marketing e la personalizzazione operino sulla stessa base di dati e AI su cui fa già affidamento il resto dell'azienda. È organizzato intorno a due tipi di agenti.
I professionisti del marketing possono utilizzare il linguaggio naturale per esplorare il contesto dei clienti e creare segmenti di pubblico tramite Genie, riducendo la necessità di attendere l'estrazione personalizzata dei dati. Definiscono la strategia, gli obiettivi e i guardrail che guidano l'esecuzione degli agenti.
CustomerLake alimenta quelle che Databricks chiama Infinity Campaigns, ovvero cicli di engagement sempre attivi che sostituiscono il ciclo di creazione, lancio e rifacimento di campagne una tantum. Un marketer inizia con un obiettivo, come la riattivazione dei clienti inattivi. Gli agenti identificano quindi il pubblico giusto, tengono conto dei vincoli di idoneità o di inventario, consigliano l'offerta o il canale migliore, attivano su varie destinazioni e ottimizzano o escludono in base alle performance.
CustomerLake è progettato anche per funzionare con i partner di identità, attivazione, misurazione e customer experience che i brand già utilizzano, in modo che il contesto attendibile del cliente possa fluire tra i canali senza creare un nuovo silo. È stato lanciato con un ecosistema di partner aperto che include Acxiom ed è supportato da partner di servizi tra cui Lovelytics.
In molte organizzazioni, la misurazione arriva a posteriori sotto forma di report sui risultati di una campagna. In un modello agentico, la misurazione diventa parte del ciclo decisionale. Ciò che il brand apprende su un pubblico, un'offerta, un canale o un livello di investimento modella la decisione immediatamente successiva.
Il concetto di incrementalità alimenta questo volano ed è anche il linguaggio comune più utile tra marketing e finanza. Separa i risultati associati all'attività di marketing da quelli che sono cambiati grazie all'azione del brand. L'attribuzione, i test di incrementalità e il marketing mix modeling contribuiscono ciascuno a definire il quadro generale, e l'analisi conversazionale può aiutare i team a esplorare cosa è successo e perché, senza dover fare la fila per analisi personalizzate. L'apprendimento continuo semplifica inoltre l'individuazione della saturazione e dei rendimenti decrescenti, consentendo di capire quando spostare gli investimenti o interrompere un'attività.
Quando la direzione finanziaria valuta se destinare il budget successivo al marketing, alla promozione commerciale, a un'altra leva di crescita o ai profitti netti, i CMO devono generalmente dimostrare cinque cose.
Una solida base di misurazione costruita intorno a queste domande offre a marketing, vendite e finanza una visione condivisa di ciò che crea valore e di dove il budget successivo può rendere di più. Come afferma Dedra Berg, Value Realization Leader di Lovelytics: “Questi team possono ora partire dalla stessa base affidabile invece di passare metà della riunione a riconciliare i numeri. L'obiettivo non è dimostrare che il marketing debba vincere sempre; è mostrare dove il budget successivo può creare le maggiori entrate e margini incrementali per l'azienda”.
L'identità è l'ultimo tassello del puzzle. Quando lo stesso framework di identità collega l'esposizione, l'engagement e il risultato, un esito può essere ricondotto al cliente e alla decisione che lo ha generato, consentendo di chiudere il ciclo di attribuzione.
Poche organizzazioni iniziano avendo già a disposizione un'identità unificata, dati dei clienti puliti e una misurazione matura, e aspettare che tutti e tre gli elementi siano pronti raramente ha senso. Il punto di partenza più pratico è una singola decisione significativa in cui un contesto migliore e un'azione più rapida potrebbero creare un valore misurabile. La riattivazione dei clienti inattivi è una scelta comune. Altre includono l'esclusione di offerte che sovvenzionano acquisti che i clienti avrebbero comunque effettuato, o lo spostamento della spesa lontano da segmenti di pubblico che hanno raggiunto la saturazione.
Da lì, la sequenza è abbastanza coerente. Definire la decisione e il risultato di business su cui dovrebbe influire, quindi raccogliere il contesto aziendale e del cliente richiesto. Stabilire i guardrail e i punti in cui le persone rimangono coinvolte. Concordare in anticipo come verrà misurato il valore incrementale e utilizzare ciò che si apprende per migliorare la decisione successiva prima di estendere l'approccio a un altro caso d'uso. I primi utilizzatori di CustomerLake stanno seguendo un modello simile, definendo dove gli agenti vengono utilizzati per primi ed espandendo il livello di automazione man mano che crescono la fiducia e i risultati.
Il lavoro organizzativo conta quanto la tecnologia. Il marketing agentico tende ad avere successo quando marketing, finanza, tecnologia, analytics, privacy e vendite lavorano a stretto contatto, quando la responsabilità delle decisioni sui clienti, dei guardrail e della misurazione è chiara, e quando i team passano da progetti pilota isolati a workflow ripetibili legati ai risultati di business.
Per saperne di più su come trasformare il tuo brand con il marketing agentico, guarda il webinar on-demand → Know Your Audience. Act with Relevance. Measure What Matters
Qual è la differenza tra marketing agentico e marketing automation? La marketing automation esegue regole e percorsi che le persone progettano in anticipo. Il marketing agentico utilizza agenti AI che valutano il contesto attuale del cliente e del business per scegliere la migliore azione successiva entro guardrail definiti dall'uomo, inclusa l'opzione di non intraprendere alcuna azione, e utilizza i risultati misurati per migliorare le decisioni future.
Perché la risoluzione dell'identità è importante per gli agenti AI nel marketing? Gli agenti prendono decisioni in base al contesto a loro disposizione. La risoluzione continua dell'identità collega segnali noti e pseudonimi, come transazioni, comportamento dell'app ed esposizione ai media, in una vista coerente di ciascun cliente, rendendo i consigli degli agenti più affidabili e i loro risultati misurabili.
Cos'è una CDP agentica? Una customer data platform agentica combina le funzionalità principali di una CDP, tra cui la risoluzione dell'identità, la creazione di segmenti di pubblico e l'attivazione, con agenti AI che analizzano i segnali dei clienti, decidono le migliori azioni successive e agiscono su vari canali. Databricks CustomerLake è una CDP agentica integrata nel lakehouse Databricks e governata da Unity Catalog.
Come si misura il ROI del marketing agentivo? La misura più affidabile è l'incrementalità, ovvero la differenza in termini di ricavi, margini o comportamento dei clienti rispetto al non intraprendere alcuna azione. L'attribuzione, i test di incrementalità e il marketing mix modeling aiutano a spiegare le performance, e reintegrare questi risultati nel contesto del cliente consente a ogni decisione di migliorare la successiva.
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.