Il futuro della SEO: ecco perché l’Intelligenza Artificiale produrrà migliori contenuti di marketing per il 2018

L’innovazione tecnologica presenta nuove sfide in qualsiasi settore e i progressi nell’intelligenza artificiale e nel content marketing non sono diversi.

Gli algoritmi di autoapprendimento hanno reso l’ottimizzazione dei motori di ricerca (SEO) più astratta e difficile da padroneggiare, il che significa che può essere più difficile classificare, attrarre un pubblico e, infine, acquisire clienti con il content marketing.

Tuttavia, se è vero che l’innovazione porta sfide, è altrettanto vero che offre grandi opportunità per chi è pronto ad evolversi e imparare a sfruttare le nuove tecnologie (ne è un esempio l’auto con guida automatica che impara a guidare… da un altro software). Per questo, è necessario che chi offre al pubblico servizi di posizionamento e content marketing, possa quantomeno contare su servizi sviluppati internamente che consentono di automatizzare alcuni processi focalizzando l’intervento sull’utilizzo dell’Intelligenza Artificiale (ne è un esempio l’algoritmo denominato Robot AMV T11).

Andiamo a dare un’occhiata a come l’intelligenza artificiale (AI) modellerà il futuro del content marketing… Ma prima, ecco un assaggio di come l’AI sta plasmando il nuovo panorama SEO, in breve.

 

Dalle regole all’autoapprendimento

Il classico approccio di chi faceva SEO fino a pochi anni fa era quello di seguire semplici “regole” per ottimizzare un sito: da lì a vederlo salire in SERP per via di qualche link ben fatto dopo un’ottimizzazione a regola d’arte lo sforzo era ben poco. Questo perché erano state intuite alcune “regole” seguite dal motore di ricerca per la classificazione e la restituzione dei siti sulla rete di ricerca, e bastava seguirle per essere considerati “validi” agli occhi di Google e dei suoi competitor.

Chiaramente, le regole erano pur sempre regole complesse, ma esisteva un “codice” da seguire per fare un buon lavoro in termini di SEO. L’esperto SEO, quindi, doveva conoscere e sfruttare le regole a dovere.

In quegli anni, il portavoce di Google, Matt Cutts, ha guidato gli esperti SEO più o meno per mano in modo quasi trasparente attraverso le richieste di Google. Quando nel 2014 Cutts ha preso congedo da Google senza che il suo ruolo pubblico fosse rimpiazzato, è iniziata un’era meno comprensibile e più “sperimentale” per i SEO, anche grazie a (o a causa di) un maggior numero di aggiornamenti core degli algoritmi di indicizzazione (iniziato già con la sostituzione dell’algoritmo principale di Google nel 2013, che è divenuto famoso come Hummingbird e ha introdotto la ricerca semantica) e alla messa in essere, infine, di Rank Brain.

Lo stesso RankBrain di cui si sa poco o nulla, e che, basandosi su sistemi di apprendimento gestiti artificialmente, pone nuove sfide ai lavori di ottimizzazione dei siti per i motori di ricerca.

Ma perché questi cambiamenti? Semplicemente, Google afferma che in questo modo riesce a interpretare meglio le intenzioni di ricerca degli utenti e a fornire risposte migliori, più coerenti con la ricerca e fruibili anche più velocemente – grazie agli smartphone e alla crescente necessità di ricevere informazioni in mobilità in tempo reale o quasi (da qui, ad esempio, il recente aggiornamento dell’algoritmo di Google chiamato Mobile First, che mostra come risultati di ricerca organica anche su computer fisso i siti che sono meglio ottimizzati per la ricerca da smartphone).

 

L’intento di ricerca fra utenti e marketers corrisponde?

La prima domanda da farsi è se a questo punto il fatto che gli algoritmi presentino risultati più mirati vada o meno a vantaggio anche delle nostre strategie: intercettiamo il traffico che conta davvero o fino ad ora ci siamo posizionati per mere “vanity keywords”, più adatte a dire “io ci sono” piuttosto che a portare traffico? La direzione dei motori di ricerca verso una maggiore specializzazione semantica permette di creare contenuti che parlino direttamente al tuo pubblico, andando a intercettare un traffico certamente meno numeroso ma più qualificato.

Ora, diamo un’occhiata a come l’intelligenza artificiale viene utilizzata per creare contenuti migliori, sviluppare una strategia migliore e sfruttare l’iper-personalizzazione dinamica (e dove sta andando avanti).

 

L’intelligenza Artificiale (AI) creerà (e crea) contenuti migliori… anche per la SEO

E’ dal 2015 che l’Associated Press affida la scrittura di storie completamente automatizzate ai “robot”; sulla base di un sondaggio condotto da oltre 350 esperti di AI nel 2017, i ricercatori ritengono che l’IA sarà in grado di scrivere un saggio passabile con un linguaggio proprio della scuola superiore intorno al 2026, mentre potremo leggere recensioni entusiastiche sul New York Times entro il 2049 per un bestseller scritto esclusivamente da una macchina.

Ad oggi, comunque, i contenuti migliori sono ancora scritti da menti umane, e mentre quelle sopra sono proiezioni di un futuro possibile, l’evoluzione degli algoritmi e la possibilità di sfruttarla per fare SEO in modo efficace è la realtà attuale.

Chiaramente, l’avanzamento tecnologico degli algoritmi dei principali motori di ricerca che consente la creazione di contenuti migliori grazie al supporto dell’intelligenza artificiale è molto potente… e molto reale.

Tanto per capire meglio l’argomento, possiamo dire che esistono diversi tools che sono in grado ormai non solo di estrapolare le keyword principali di un articolo (per permettere di capire per quali chiavi, ad esempio, si posiziona un articolo o l’intero sito di un concorrente), ma l’Intelligenza Artificiale permette loro anche di capire quali keywords sono collegate a livello semantico a quelle estratte, estrapolandone anche quelle più “commerciali” e quelle di coda lunga con maggiore potenziale.

Se vuoi, qui puoi approfondire il discorso sui tools che aiutano a creare contenuto tramite l’intelligenza artificiale.

 

L’intelligenza artificiale può ottimizzare la strategia dei contenuti

Una delle maggiori sfide del content marketing – per qualsiasi tipo di business – è rispondere a domande critiche come:

  • Che tipo di contenuti vogliono veramente i miei clienti?
  • Come posso spostare i clienti da uno stadio informativo a uno d’acquisto?

La strategia è quella che si basa sul binomio ricerca→buyer personas. In pratica, in base a ricerche di mercato precise, si creano dei “veri acquirenti” realizzando dei profili di potenziali utenti definiti fin nei minimi dettagli, in modo che siano credibili e “possibili”. Questo permette di poter “capire” in che direzione si muovono quegli acquirenti. L’intelligenza artificiale promette di rispondere a queste domande meglio di prima e senza alcuna pianificazione: analizzando il traffico del sito web, le interazioni via email e il comportamento dei social media, l’AI ti aiuta a sviluppare un profilo più dettagliato del tuo pubblico target.

Parlando del cambio di livello di informazioni fruito dei clienti, con la necessità di spostare utenti dall’ambito informativo a quello transazionale, un’altra necessità di chi fa marketing online (e SEO) è quella di misurare l’impatto di ogni contenuto, per comprendere quale porta a un maggior numero di vendite.

La maggior parte dei rapporti sulle conversioni viene valutata sulla base dell’ultimo canale di acquisto. La maggior parte del viaggio del cliente all’interno del sito, però, non è così semplice: in genere infatti, chi entra in un sito prima di acquistare interagisce più volte con esso, si informa sul brand, legge opinioni, naviga a fondo le pagine informative.

Si stima infatti che il 47% dei consumatori interagisca con 3 o 5 contenuti prima di fare il passo successivo. Nell’ambito della moda, addirittura si leggono più di 7 pezzi di contenuto, magari da influencer e blog di moda, prima di acquistare.

In questo caso, l’ultimo modello di attribuzione non riflette ciò che sta realmente accadendo perché la relazione fra il consumatore e il sito si è sviluppata su diversi passaggi, anche esterni al sito stesso. Per questo, l’esame attento delle domande dell’utente permette di strutturare una strategia di contenuti efficace sviluppando articoli attorno a un argomento e alle domande che i clienti si fanno su un pezzo da acquistare.

In questo caso, l’Intelligenza Artificiale e il Machine Learning – con gli algoritmi che “imparano” nel tempo a dare risposte più appropriate agli utenti, fornendo anche contenuti alle richieste correlate in base al comportamento di migliaia di users nel mondo – diventano fondamentali per inquadrare tutte le sfumature di cui parlare in ogni singolo articolo, per avvicinare un utente alla conversione, sfruttando il classico modello dell’ “imbuto”:

Intelligenza Artificiale e il Machine Learning

Fonte.

Possiamo rappresentare in modo più chiaro in che modo i consumatori passano attraverso il ciclo di acquisto utilizzando modelli di attribuzione più sofisticati come quello riportato di seguito:

ciclo di acquisto

Fonte.

Tuttavia, vi sono ancora margini di miglioramento significativi. Il modello di attribuzione dell’ultimo clic misura solo una piccola parte del reale viaggio del consumatore, anziché seguire risultati dal primo pezzo di contenuto consumato per l’acquisto effettivo. È fondamentale sapere quali contenuti e annunci funzionano – e non – in ogni fase del viaggio al fine di duplicare e scalare campagne efficaci. Strumenti come Google Attribution – e persino HubSpot – stanno affrontando il problema collegando tutti i tuoi canali in un unico insieme di dati unificato.

 

L’intelligenza artificiale porterà all’iper-personalizzazione dinamica dell’esperienza

Con gli algoritmi di Google e di Facebook più inclini verso contenuti mirati che sono di grande rilevanza per l’utente, i professionisti del marketing devono aumentare i loro sforzi per fornire contenuti e raccomandazioni iper-personalizzati. Con l’intelligenza artificiale, puoi avere una migliore comprensione del tuo pubblico e conoscere quali contenuti spostano i clienti da una fase all’altra – che, in genere, si riassumono nella delivery del messaggio corretto nel canale adatto, al momento giusto.

Generalmente, possiamo suddividere questi contenuti ottimizzati grazie all’ IA e allo sfruttamento delle tecniche del Machine Learning nelle seguenti tipologie:

  • Nurturing & Upselling;
  • Landing page dinamiche;
  • Cross selling;
  • Esperienze uniche.

Nurturing & Upselling

Nurturing significa nutrimento, ed è proprio ciò che è possibile fare generando contenuti ottimizzati in ottica SEO in base alle rilevazioni dell’Intelligenza Artificiale di RankBrain e affini; nutrire significa offrire aggiornamenti e raccomandazioni rilevanti sul contenuto, che presentino anche approfondimenti.

Questo può consentire non solo di offrire al cliente sempre più informazioni, ma anche di effettuare nuove vendite, con benefici sia per gli utenti che per i marketers che offrono contenuti.

 

Landing Pages dinamiche

Una migliore capacità di “leggere” i desideri degli utenti si trasferisce in una maggiore capacità di poter creare pagine di destinazione per annunci a pagamento (o da posizionare in SERP) più mirate, improntate a una migliore capacità di conversione (che si tratti di generare lead o vendere).

Le pagine di destinazione dinamiche seguono gli stessi principi della segmentazione delle e-mail: offri al consumatore il contenuto pertinente e sii convincente per lui / lei. Diamo un’occhiata a due diverse pagine di destinazione su HubSpot:

 

Dati pagina di destinazione HubSpot

 

Analisi dati pagina di destinazione HubSpot

La prima è chiaramente mirata ai proprietari di piccole imprese e ai professionisti del marketing, mentre la seconda pagina è incentrata su marchi aziendali più grandi. HubSpot è in grado di fornire questi messaggi diversi utilizzando una funzionalità chiamata “Contenuto intelligente” che modifica il messaggio in base alle informazioni che il sito Web / marchio ha già raccolto sull’utente che è il destinatario della comunicazione.

Mentre i grandi marchi stanno già utilizzando strategie come queste, l’intelligenza artificiale renderà più semplice personalizzare le pagine in base agli interessi dei clienti gestendo ancora più variabili.

Il Cross Selling (cioè la vendita incrociata di prodotti affini/collegati)

Le aziende di e-commerce cross-selling come Amazon stanno già utilizzando l’apprendimento automatico come questo per guidare migliori raccomandazioni sui prodotti e aumentare le vendite attraverso il cross-selling. Sono sicuro che hai visto questo blocco durante la navigazione:

Amazon prodotti spesso comprati insieme

Amazon suggerisce prodotti che desideri in base all’acquisto che stai considerando, fornendo al consumatore un valore aggiunto e riprove sociali, aumentando il valore medio degli ordini: una ricerca indipendente di McKinsey mostra come il 35% degli acquisti su Amazon avvenga proprio grazie al suo algoritmo di raccomandazione.

Offrire esperienze uniche

Landing page, nurturing, cross-selling: in quale altro modo l’intelligenza artificiale sta già cambiando il modo in cui ogni utente viene coinvolto? L’esempio è sotto gli occhi di tutti, tutti i giorni, ed è solo una modalità fra quelle che possono essere sfruttate per creare contenuti assolutamente unici, basati sulle caratteristiche e sulle peculiarità di ogni singolo utente.

Parliamo ad esempio della creazione di video iperpersonalizzati come quelli che confeziona Facebook in occasione dell’anniversario dell’amicizia, del numero di “love reactions” ricevuti e di altre cose del genere: in quel caso, è raro che il video proposto non venga quantomeno aperto. Avere a disposizione un’intelligenza artificiale che, evolvendosi, può creare filmati simili sulla base di dati condivisi da ogni utente di un sito internet è il sogno di tutti i marketers… un sogno che, in qualche misura, è già realizzabile.

I video di Facebook hanno una “base” programmata dalle persone, ma poi è un algoritmo a selezionare foto e contenuto personalizzati che rendono unica ogni storia.

Esempio di un video personalizzato realizzato dall’algoritmo di Facebook:

https://www.youtube.com/watch?v=XUSWPC7J5B8

Lo stesso vale per alcuni contenuti sportivi realizzati per intero da entità virtuali e per pezzi finanziari. Perché per queste due realtà?

Per due motivi principali:

  • ci sono tonnellate di contenuti simili la fuori per “addestrare” l’algoritmo;
  • perché presentano contenuti abbastanza di routine e standardizzati, e così è più facile alimentare i numeri e i risultati del sistema e lasciar girare una storia…

…ma serve comunque a mostrarti che puoi sfruttare i computer per far girare contenuti creati da più angolazioni per diversi tipi di pubblico se gli dai i dati appropriati.

Una nuova era di contenuti

Un futuro differente per la SEO potrebbe non essere lontano tanto quanto si pensa. L’intelligenza artificiale sta guidando una nuova era di contenuti ipertestuali basati su dati dettagliati sul pubblico che prima non era possibile avere. Gliaddetti al marketing che continuano a fare affidamento su hack e trucchi antiquati si troveranno presto molto male, poiché questi nuovi algoritmi che apprendono migliorano costantemente nell’accoppiare le persone al contenuto che desiderano.

Tuttavia, se si tiene il passo con la tecnologia e si trovano i modi per incorporare queste innovazioni per creare contenuti e strategie migliori, sarà possibile raccogliere i vantaggi di una nuova era di content marketing, più potente che mai.

Questo è un altro dei vantaggi offerti dall’algoritmo Robot AMV T11 grazie al machine learning: stare al passo con i tempi e imparare dagli utenti, per ottenere risultati più performanti in minor tempo.

Se hai necessità di maggiori dritte sull’indicizzazione di un sito per i motori di ricerca, trovi qui come fare ottimizzazione SEO, con 23 consigli veloci forniti da Gary Illyes di Google in persona.