Il panorama tecnologico odierno sta vivendo una trasformazione profonda, paragonabile per portata alla nascita di Internet, in cui il connubio tra AI e product management agisce come catalizzatore per un nuovo modo di concepire i prodotti digitali. In una recente analisi condivisa durante il Product Thinking Podcast, Lucie Buisson, Chief Product Officer di Contentsquare, ha illustrato come la sua azienda sia passata da una realtà di dieci persone in un piccolo appartamento parigino a un leader globale con oltre 1.600 dipendenti, guidando l’evoluzione della Digital Experience Analytics.
Il percorso tracciato da Buisson evidenzia come la gestione del prodotto non possa più limitarsi all’osservazione di metriche superficiali, ma debba sfruttare l’intelligenza artificiale per interpretare il “perché” dietro ogni azione dell’utente.
Indice degli argomenti
Dall’acquisizione all’intento: la nuova frontiera della Digital Experience Analytics
Circa dodici anni fa, il focus delle aziende era quasi interamente orientato all’acquisizione degli utenti, mentre l’esperienza d’uso rimaneva in secondo piano. Come sottolineato da Lucie Buisson, in quel periodo era necessario convincere i brand che portare traffico su un sito poco ottimizzato era un investimento inefficiente: «fondamentalmente, quello che dicevamo alle persone è che non importa quante persone porti al tuo sito web; se non sei in grado di convertirle, è solo un secchio che perde». Oggi, la Digital Experience Analytics (DEA) si spinge oltre le analisi tradizionali, che si limitano a identificare il “chi” e il “cosa”.
La DEA fornisce l’accesso a tutte le interazioni che i clienti hanno con un’app o un sito web, permettendo di comprendere quali parti creino coinvolgimento e quali frustrazione. Secondo Buisson, il futuro dell’interazione digitale risiede nella capacità di un sistema di comprendere l’obiettivo reale del visitatore: «il prossimo livello di esperienza, il prossimo livello di felicità del cliente, è la capacità di un sito web, di un’app, di un agente di comprendere il tuo intento e di personalizzare la tua esperienza».
Questo significa superare la segmentazione basata su criteri demografici o sull’età per concentrarsi su «quello che stai veramente cercando di ottenere». Se i siti non aiutano l’utente in questo compito, rimangono strumenti inefficienti.
L’impatto dell’AI sulla produttività e sul ruolo del product manager
L’adozione di strumenti avanzati basati sull’intelligenza artificiale sta cambiando il lavoro quotidiano all’interno dei team di sviluppo. Buisson afferma con decisione che «se si ha un buon utilizzo di tutti gli strumenti di AI che ci sono là fuori, si può guadagnare fino al 100% di produttività ogni giorno». Questa efficienza non è fine a se stessa, ma serve a liberare risorse mentali per la strategia: «se sei in grado di trovare produttività, e se sei in grado di risparmiare, non so, quattro o otto ore nella tua settimana, quelle sono quattro o otto ore che puoi passare con il tuo cliente e che puoi passare pensando a qual è il futuro della tua esperienza e a come puoi trasformare la tua esperienza».
Un esempio concreto di questo cambiamento riguarda la gestione della documentazione e dei dati. Buisson ammette di non essere sempre stata rapida nella scrittura: «mi può richiedere ore scrivere un buon documento. Quindi ora sto solo… pensando ai miei punti elenco, do i punti elenco all’AI e itero con l’AI per creare il documento». Un compito che prima richiedeva quattro ore ora ne richiede trenta minuti. Lo stesso principio si applica all’analisi dei dati: dove prima erano necessari decine di clic e ore di lavoro per estrarre insight, oggi è possibile avere una «conversazione tra il cliente e il prodotto» focalizzata sui risultati aziendali, riducendo l’analisi a pochi minuti e poche domande.
AI e product management nella ricerca qualitativa
Un timore comune è che l’automazione possa allontanare il product manager dal contatto umano. Tuttavia, Buisson vede l’AI come un facilitatore per la ricerca qualitativa, rendendola meno costosa e più accessibile. L’intelligenza artificiale può aiutare ad analizzare grandi moli di feedback vocali o testuali, che spesso i ricercatori UX trovano difficili e lunghi da elaborare in modo imparziale. «L’AI può aiutarti ad accelerare la ricerca. E invece di dire “Ok, usavo un’ora a settimana per la ricerca, ora posso fare la stessa ricerca in 10 minuti”, facciamo l’opposto. Facciamo in modo che la ricerca ora duri 3 ore. Ma in 3 ore farai il lavoro che avrebbe richiesto settimane di lavoro».
Il “Quartetto” e la collaborazione trasversale guidata dai dati
Perché le strategie di AI e product management abbiano successo, è necessario che l’intera organizzazione supporti il prodotto come un insieme coerente. Buisson introduce il concetto di «Quartetto», composto da marketing, prodotto, design e ingegneria. Queste quattro funzioni devono collaborare strettamente per evitare che l’esperienza dell’utente risulti frammentata.
In molte aziende, il marketing si occupa dell’acquisizione fino alla prima conversione, mentre il prodotto si focalizza sulla ritenzione e sul valore nel tempo. Buisson critica questa divisione netta: «se quei due team non collaborano fortemente, allora l’esperienza sembra completamente rotta per i clienti. Immagina che ci sia una persona per la parte del corteggiamento e un’altra persona per la parte del matrimonio – cioè, non avrebbe senso».
L’uso di una singola fonte di verità sui dati permette a questi team di condividere la stessa comprensione dei bisogni e dei desideri dei clienti. Anche l’ingegneria trae beneficio da questo approccio, poiché può prioritizzare i bug che hanno un impatto reale sul business rispetto a casi marginali, riducendo il tempo speso nel debugging e aumentando quello dedicato all’innovazione.
Customer avatars ed esperienze conversazionali
La visione a lungo termine discussa da Lucie Buisson prevede un passaggio verso esperienze digitali ibride e conversazionali, guidate da agenti AI. In questo scenario, l’utente non si limiterà a cliccare o scorrere, ma interagirà vocalmente o testualmente con agenti capaci di creare versioni personalizzate delle pagine in tempo reale.
Un concetto particolarmente innovativo è quello dei «Customer avatars». Grazie alla vasta mole di dati comportamentali raccolti, le aziende potranno creare modelli predittivi dei propri clienti: «ogni volta che vuoi lanciare un nuovo prodotto o una nuova esperienza, attingi semplicemente al tuo avatar che è fondamentalmente una voce del cliente predittiva, di come il tuo cliente reagirà perché hai raccolto così tanti punti dati». Questo permetterebbe ai product manager di assumere rischi maggiori, testando soluzioni audaci e differenziate in modo semplice e rapido.
Tuttavia, Lucie Buisson avverte che per implementare queste tecnologie è necessaria una massa critica di dati di qualità, altrimenti si rischia di prendere decisioni basate su set di dati errati. Inoltre, l’invito per i brand è di agire subito: «se non sali sul treno ora, se non ti metti in cammino ora, verrai interrotto nello stesso modo in cui le aziende che hanno impiegato troppo tempo per abbracciare Internet sono state interrotte».
La sfida finale non è solo tecnologica, ma culturale: utilizzare l’AI per potenziare l’empatia e la comprensione umana, ricordando che «alla fine della giornata stiamo costruendo prodotti per le persone, non stiamo costruendo prodotti per le macchine». Se si smette di parlare con i clienti, non si riuscirà mai a creare un prodotto eccellente per loro.
