SQREEM punta sui Large Behavioral Model: non modelli costruiti per comprendere il linguaggio, ma sistemi che cercano correlazioni nei comportamenti digitali per individuare audience e intenzioni. Una nuova frontiera per advertising e marketing, che porta con sé anche interrogativi sulla provenienza e sull’utilizzo dei dati.
Dopo i Large Language Model, il mercato pubblicitario comincia a parlare di Large Behavioral Model.
A spingere il nuovo acronimo, LBM, è SQREEM, società specializzata in behavioral intelligence che sostiene di poter utilizzare segnali provenienti dai comportamenti digitali per comprendere in tempo reale interessi, intenzioni e possibili evoluzioni delle audience.
La differenza rispetto ai modelli linguistici è sostanziale.
Un LLM lavora principalmente sul linguaggio. L’approccio proposto da SQREEM cerca invece di partire da ciò che le persone fanno, individuando correlazioni fra comportamenti e osservandone l’evoluzione nel tempo.
Alla base del sistema ci sono i cosiddetti state-space models, modelli matematici utilizzati per rappresentare sistemi dinamici e seguirne i cambiamenti.
Applicati al marketing, dovrebbero consentire di costruire automaticamente audience e personas partendo dalle correlazioni rilevate tra differenti comportamenti.
Un esempio raccontato ad AdExchanger dal fondatore di SQREEM René Raiss rende bene l’idea.
Una persona interessata al tè verde potrebbe successivamente cercare informazioni sugli antiossidanti, poi sulla cura della pelle, sulle creme solari, sulle vacanze e infine sulle assicurazioni di viaggio.
Presi singolarmente, questi segnali sembrano appartenere a mondi differenti. Analizzati come una sequenza, possono invece suggerire un percorso di interesse e, secondo SQREEM, aiutare a individuare una possibile intenzione futura.
È esattamente questo passaggio che interessa alla pubblicità.
Non limitarsi a descrivere chi è un consumatore, ma provare a comprendere che cosa potrebbe interessargli e quale messaggio potrebbe risultare più rilevante in quel momento.
SQREEM dichiara di utilizzare dati aggregati provenienti da integrazioni con piattaforme social e segnali disponibili sul web. La società afferma inoltre che i dati utilizzati non siano riconducibili direttamente al singolo individuo.
Sul proprio sito SQREEM sostiene che il proprio ecosistema elabori segnali provenienti da 26 piattaforme social, miliardi di domini web e differenti sistemi di identificazione, utilizzandoli per costruire segmenti attivabili nelle piattaforme media. Sono dati e caratteristiche dichiarati dall’azienda e, come tali, vanno distinti da una verifica indipendente delle prestazioni del modello.
Ed è proprio qui che la novità diventa interessante anche al di là della tecnologia.
Negli ultimi anni il mercato pubblicitario ha investito enormemente nella capacità di identificare utenti, segmentare audience e prevedere intenzioni. La progressiva riduzione dei tradizionali identificatori digitali ha contemporaneamente aumentato l’interesse verso sistemi capaci di ricavare segnali da contesti e comportamenti.
I Large Behavioral Model cercano di inserirsi esattamente in questo spazio.
SQREEM ha accompagnato il rilancio della propria tecnologia con un rafforzamento del management negli Stati Uniti. Stephen Yap, con una lunga esperienza in Google e DoubleClick e più recentemente chief revenue officer di Perion, è stato nominato CEO. Adam Herman assume il ruolo di chief commercial officer e Kelly Leger, con precedenti esperienze tra Amazon Ads, Deloitte Digital, Merkle e Datalogix, quello di chief growth officer.
La società punta così ad accelerare la propria presenza nel mercato americano e a portare i modelli comportamentali direttamente nelle infrastrutture utilizzate da brand, agenzie e piattaforme pubblicitarie.
Ma il tema va osservato anche da un’altra prospettiva.
Più i sistemi pubblicitari diventano capaci di collegare segnali apparentemente lontani e trasformarli in una previsione sul comportamento di un pubblico, più diventano centrali domande su trasparenza, qualità dei dati, privacy e reale capacità predittiva.
Perché prevedere un comportamento non è la stessa cosa che comprenderlo.
E soprattutto una correlazione, anche quando statisticamente significativa, non diventa automaticamente una certezza sul futuro di una persona.
La nuova frontiera dell’intelligenza artificiale applicata alla pubblicità potrebbe quindi non essere soltanto quella dei sistemi capaci di creare testi, immagini e campagne.
La sfida successiva potrebbe essere ancora più ambiziosa: utilizzare l’AI per capire quale consumatore raggiungere prima ancora che abbia espresso esplicitamente ciò che sta cercando.