In questi giorni ChatGPT è sulla bocca di tutta, ma in realtà sono anni che tutti noi digital marketer lavoriamo con l'intelligenza artificiale forse senza nemmeno accorgercene.
Ottima descrizione per spiegare la rilevanza dei dati, dall'identificazione alla raccolta per creare un modello di propensione. Per capire quanto ne vale la pena bisognerebbe entrare in merito a tutta l'attività di al features engineering sia nella fase di pre-processing sia in quella di identificazione del modello e successiva calibrazione. Di fatto sono attività inevitabili e costose e ho tralasciate altre attività di analisi e come hai già evidenziato sulla parte finale attivazione e ciclo di riaddestramento. Costose se confrontate con le funzionalità sia diagnostiche che predittive che possiamo utilizzare a partire da Google Ads e GA4 per iniziare fino all'integrazione di GA 360 con piattaforme di DSP di Google Marketing platform (D&V360 e Search360). Costose perché in fondo si sfida la capacità di fare meglio dagli strumenti che Google ci mette a disposizione, tutti basati su molti modelli di AI e su modellizzazioni dinamiche di dati.
Purtroppo sono molto più drastico, molto spesso il dato di google analytics è raccolto male, pagine non tracciate, tag che si perdono tra una release e l’altra, a mio parere manca una cultura del dato di base. La parte da te descritta a mio parere è successiva, purtroppo vedo aziende che pensano alla feature engineering, ma fanno fatica ad avere una chiave per o leggere il db dei prodotti online con il db dei prodotti del merchandising
Condivido! Se il discorso è sul livello di capacità di utilizzare GA e Tag Manager sarei ancora più critico. Condivido anche la ricorrente inconsistenza tra diversi dataset mancanti di chiavi primarie per unire dati esterni con quelli di prima parte, di fatto rendendoli inutilizzabili. Credo che queste carenze da parte delle piccole imprese (le medie un po' meno) siano dettate da un eccesso di delega esterna ad agenzie pubblicitarie, molte delle quali piccole e restie ad ammettere che il valore aggiunto che apportano è scarso. Almeno rispetto quello che già Google metterebbe a disposizione per analisi e advertising. Certo a condizione che le imprese sapessero utilizzare questi strumenti. Leggo con interesse le (tue) analisi.
Ottima descrizione per spiegare la rilevanza dei dati, dall'identificazione alla raccolta per creare un modello di propensione. Per capire quanto ne vale la pena bisognerebbe entrare in merito a tutta l'attività di al features engineering sia nella fase di pre-processing sia in quella di identificazione del modello e successiva calibrazione. Di fatto sono attività inevitabili e costose e ho tralasciate altre attività di analisi e come hai già evidenziato sulla parte finale attivazione e ciclo di riaddestramento. Costose se confrontate con le funzionalità sia diagnostiche che predittive che possiamo utilizzare a partire da Google Ads e GA4 per iniziare fino all'integrazione di GA 360 con piattaforme di DSP di Google Marketing platform (D&V360 e Search360). Costose perché in fondo si sfida la capacità di fare meglio dagli strumenti che Google ci mette a disposizione, tutti basati su molti modelli di AI e su modellizzazioni dinamiche di dati.
Grazie emanuele per il commento e la tua visione.
Purtroppo sono molto più drastico, molto spesso il dato di google analytics è raccolto male, pagine non tracciate, tag che si perdono tra una release e l’altra, a mio parere manca una cultura del dato di base. La parte da te descritta a mio parere è successiva, purtroppo vedo aziende che pensano alla feature engineering, ma fanno fatica ad avere una chiave per o leggere il db dei prodotti online con il db dei prodotti del merchandising
Condivido! Se il discorso è sul livello di capacità di utilizzare GA e Tag Manager sarei ancora più critico. Condivido anche la ricorrente inconsistenza tra diversi dataset mancanti di chiavi primarie per unire dati esterni con quelli di prima parte, di fatto rendendoli inutilizzabili. Credo che queste carenze da parte delle piccole imprese (le medie un po' meno) siano dettate da un eccesso di delega esterna ad agenzie pubblicitarie, molte delle quali piccole e restie ad ammettere che il valore aggiunto che apportano è scarso. Almeno rispetto quello che già Google metterebbe a disposizione per analisi e advertising. Certo a condizione che le imprese sapessero utilizzare questi strumenti. Leggo con interesse le (tue) analisi.