Mappare i comportamenti di consumo con l’AI: il caso dei vini rossi

Il potenziale delle tracce digitali

147 minuti al giorno: in base a un’indagine Statista, è questo il tempo trascorso nel 2022 a livello globale sui social.[1] Non solo come fruitori, ma anche come creators che condividono contenuti, opinioni, emozioni ed esperienze. Tali tracce digitali rappresentano per i decisori aziendali una nuova e ricca miniera da cui estrarre, attraverso l’Internet of Behaviors (IoB), informazioni strategiche per i reparti di marketing e sviluppo.[2] In Italia una realtà pioniera in questo campo è Masi Agricola.

 

Big Data Analysis in Valpolicella

Masi Agricola, nata nel 1772 in Valpolicella Classica (Verona), produce e distribuisce Amarone e altri vini di pregio ispirati ai valori del territorio delle Venezie in oltre 130 Paesi nel mondo. Forte nell’ospitalità grazie alla filosofia “Masi Wine Experience”, l’azienda si è aggiudicata il premio Best of Wine Tourism e rientra tra le Great Wine Capitals.

Attenta ai cambiamenti di mercato, per conoscere in modo più approfondito bisogni, interessi e caratteristiche degli amanti dei vini, in particolare dei tre rossi tipici della Valpolicella – Amarone, Ripasso, Valpolicella - Masi si è affidata alla metodologia di big data analysis di SocialMeter by Maxfone, la prima ad essere stata brevettata in Italia.[3]

 

Image Scan: l'innovativa tecnologia di analisi delle immagini

Il lavoro ha coinvolto tecniche di raccolta, analisi e gestione dei dati provenienti sia da fonti web (blog, siti internet, forum) che social (Twitter, Instagram). La funzionalità più rivoluzionaria si chiama Image Scan, un algoritmo proprietario con componenti di intelligenza artificiale, che ha permesso di analizzare in real-time le immagini pubblicate dagli utenti e combinare le informazioni raccolte con azioni cross-data tra diversi database.[4]

Alcune delle tecnologie utilizzate sono:

  • il riconoscimento degli oggetti (OR), per individuare elementi naturali (persone, animali, piante) o artificiali (mezzi di trasporto, abbigliamento, alimenti, etc.);
  • il riconoscimento facciale (FRT), per profilare le persone in base a fattori demografici (genere, età) e al sentiment (emozioni);
  • il riconoscimento ottico dei caratteri (OCR), per leggere i testi raffigurati nelle immagini, tra cui le etichette (es: brand, prodotto, annata);
  • le reti neurali convoluzionali (CNN), che comprendono altre applicazioni di classificazione delle immagini, come l’individuazione dei colori predominanti.
Figura 1 SEQ Figura \* ARABIC 1: Alcuni strati di informazione ottenibili da Image Scan attraverso l'analisi delle foto condivise su Instagram e contenti l'hashtag #Amarone. Fonte: SocialMeter.

 

Insight unici sulle preferenze dei consumatori

Image Scan ha consentito di trarre fino a 150 livelli di informazione su una base dati di 260.000 immagini (normalizzate a partire da 5 milioni di contenuti raccolti in 4 anni).

L’azienda ha così potuto segmentare in modo dettaglio il proprio target e rispondere a tipiche domande di marketing: che età hanno i consumatori? Quando, dove e come si beve il Ripasso? Con cosa si abbina il Valpolicella e quale annata è preferita? Qual è la quota di mercato (percepito digitale) del brand Masi rispetto alle etichette dei competitor?

Figura 2: Annate riportate in etichetta nelle foto condivise sui social e analizzate da Image Scan attraverso tecniche OCR. Fonte: SocialMeter.

L’azienda ha scoperto trend inediti e discostanti dalle linee guida di intenditori e sommelier, come l’abbinata tra Amarone e pizza in Italia, e il pesce in Oriente. Questi insight sono stati poi integrati in diverse strategie, nell’offerta enoturistica e nello sviluppo di una nuova linea di prodotti rivolta ai Millennials.[5]

Figura 3: Abbinamenti più diffusi tra vino e cibo ottenuti da Image Scan attraverso tecniche di riconoscimento degli elementi di tipo “Food” nelle immagini condivise sui social. Fonte: SocialMeter

 

Il futuro del marketing è data driven

I professionisti del marketing hanno da sempre un problema: capire chi sono i consumatori e come interagiscono con brand e prodotti. Oggi, grazie all’analisi dei big data e all'intelligenza artificiale, le informazioni sono servite su un piatto d’argento. Un approccio data driven consente inoltre di superare i difetti delle indagini di mercato tradizionali, come gli errori campionari, basi dati limitate e la scarsa attendibilità delle risposte degli intervistati.

I social sono di supporto alla crescita delle aziende non solo come canale dove attuare strategie push, promuovendo i prodotti, ma anche e soprattutto un campo dove fare pull, cioè estrarre informazioni rilevanti in modo da creare proposte più in linea con le esigenze del pubblico, in un win-win dove tutti sono vincitori.

 

References


[1] Statista, “Daily time spent on social networking by internet users worldwide from 2012 to 2022”,
Fonte: https://www.statista.com/statistics/433871/daily-social-media-usage-worldwide/

[2] L’Internet of Behaviors (IoB), una forma di Internet of Things (IoT) volta a raccogliere e analizzare i dati sui comportamenti umani.

[3] SocialMeter, Case Study “L’approccio data driven nel mondo dei vini: il caso di Masi Agricola”,
Fonte: https://socialmeter.it/cliente-cantina-masi/

[4] Osservatorio Big Data & Business Analytics, Business Case “Approccio Data-Driven nel mondo vitivinicolo: il caso Masi Agricola”, 10/12/2020,
Fonte: https://www.osservatori.net/it/prodotti/formato/business-case/approccio-data-driven-mondo-vitivinicolo-masi-agricola-business-case

[5] SocialMeter, Ricerca “Oltre il Calice: una Finestra sulle Esperienze di Consumo del Vino”.

Autori
Paolo Errico
Paolo Errico
Maxfone
Imprenditore, autore e contributor, esperto di Big Data e intelligenza artificiale (AI), promotore della filosofia data-driven, ma soprattutto costante ricercatore del disruptive.

Oggi, grazie all’analisi dei big data e all'intelligenza artificiale, le informazioni sono servite su un piatto d’argento. Un approccio data driven consente inoltre di superare i difetti delle indagini di mercato tradizionali, come gli errori campionari, basi dati limitate e la scarsa attendibilità delle risposte degli intervistati.

 

22 maggio 2023

Mappare i comportamenti di consumo con l’AI: il caso dei vini rossi

Anitec-Assinform - Associazione Italiana per l’Information and Communication Technology (ICT)  
P.IVA: 10053550967 C.F.: 10053550967 - Privacy

segreteria@anitec-assinform.it

anitec-assinform@pec.it