Vai al contenuto
Partnerfy Partnerfy
Türkçe English Deutsch Español Italiano Русский العربية
Marketing automation basata sull'AI

Una campagna.
100.000 versioni.
Una per ogni cliente.

La vecchia marketing automation era fatta di liste di «chi ha aperto, chi no». Quella nuova significa un oggetto, un'immagine, un orario di invio e una CTA diversi per ogni cliente, più un modello che prevede che cosa accadrà tra 30 giorni. Il team Partnerfy integra il livello GPT-5 / Claude / Gemini nel suo CRM e realizza questo salto in 6 settimane.

Non vendiamo «marketing con l'AI»: aggiungiamo intelligenza allo stack che ha già. Klaviyo, HubSpot, Iterable, Salesforce — lavoriamo sopra il sistema che utilizza.

Audit di preparazione all'AI Piano di 6 settimane
Profilo cliente
EK

Elif K.

İstanbul · iscritta da 24 mesi

Ultime 5 azioni

Pagina vista14:02
Aggiunta al carrello14:04
Confronto14:07
Lettura recensioni14:09
Carrello abbandonato14:11

Intenzione d'acquisto

0.84

Segmento attivo

Confronta prodotti Alta intenzione Sensibile al prezzo Potenziale VIP
AI
3 varianti AI

Flusso di token

articolo_nel_suo_carrello…
Acquisto 0.84
Rischio di churn 0.12
Canale migliore E-mail
+34% CTR

La segmentazione statica è morta

Il segmento «donne 25-34 ad alta spesa» scade in 3 mesi.

Il più grande errore della marketing automation classica è pensare che il cliente sia statico. Il cliente invece cambia ogni ora. Chi confronta i prodotti al mattino acquista nel pomeriggio con un coupon; la sera apre il consiglio di qualcun altro e passa alla concorrenza per 30 giorni. Una lista statica resta 4 settimane indietro rispetto al comportamento. L'AI ricalcola tutto a ogni interazione.

01

Ogni cliente è unico

1.000 clienti significano 1.000 curve di comportamento diverse. Farli rientrare in «5 segmenti» vuol dire buttare via il 95% delle informazioni.

02

Il comportamento cambia ogni ora

Al mattino, a mezzogiorno e la sera il cliente è una persona diversa. Cambiano il contesto, l'intenzione e il messaggio giusto. L'AI lo coglie in tempo reale.

03

I segmenti manuali scadono

I segmenti creati a mano dal team marketing perdono validità in 90 giorni; ne nascono di nuovi, ma nessuno se ne accorge. L'AI li rinnova di continuo.

04

L'oggetto è un tiro a indovinare

«Questo oggetto otterrà clic?»: le persone tirano a indovinare, l'AI testa prima 50 varianti e dà la risposta. Il tasso di apertura cambia del 20-40%.

05

L'orario migliore resta nascosto

Inviare a tutta la lista il martedì alle 10:00 è una comodità statistica; nella realtà ogni cliente ha il suo «orario di apertura».

06

L'abbandono (churn) si scopre troppo tardi

Prima di andarsene, il cliente lancia segnali per 30-60 giorni. La reportistica statica non li vede; l'AI dà l'allarme con 6 settimane di anticipo.

Visualizzazione del nucleo AI

Previsione + generazione + apprendimento. I tre livelli del marketing con l'AI.

Ecco uno scenario reale: la cliente «Elif» arriva sul sito, il suo comportamento viene rilevato, il modello predittivo produce 4 metriche, il motore di contenuti scrive tre versioni — e il sistema impara quale è stata aperta per fare meglio con il cliente successivo. Il tutto in 200 ms.

Dashboard previsionale

4 metriche critiche per cliente.

Probabilità di acquisto 0.84
Rischio di churn (30 giorni) 0.12
CLV previsto ₺3.840
Prossimo canale migliore E-mail

200ms

Tempo di inferenza

38

Feature attive

97%

AUC del modello

Prima e dopo l'AI

Stessa campagna, stesso cliente — due mondi.

Prima

«Gentile cliente, non perda il nostro sconto!»

Inviata a tutta la lista martedì alle 10:00. Apertura 3,2%. Contesto personale: 0.

Generico · Statico · Perso
Dopo

«Elif, il riepilogo delle recensioni di X nel suo carrello è pronto».

Personalizzata per Elif alle 14:23 — sintesi di 38 segnali. Apertura 22%. Acquisto 6,4%.

Personale · In tempo reale · Vincente

6.9×

Tasso di apertura

11×

Conversione

−47%

Reclami

Per chi è?

Chiunque abbia numero di clienti + ricchezza di dati + volume di comunicazioni.

01

E-commerce · 100k+ SKU

Brand con grandi cataloghi che hanno bisogno di motori di raccomandazione stagionali, trasversali alle categorie e basati sul comportamento.

02

SaaS · churn elevato

Aziende con un tasso di cancellazione mensile del 3% o superiore che vogliono un MRR sano grazie alla previsione di expansion + churn.

03

Marketplace

Dinamiche a due lati: modelli separati per offerta + domanda, ranking + raccomandazione insieme.

04

Servizi finanziari

Idoneità al credito + offerte per segmento + punteggio di rischio — raccomandazioni personalizzate nel rispetto delle normative.

05

Editori e media

Centinaia di contenuti possibili per ogni lettore; un motore di raccomandazione AI fa crescere i DAU del 20-40%.

06

B2B a ciclo lungo

Ciclo di vendita di 6-18 mesi: punteggio di intenzione + lista clienti ordinata per priorità + suggerimenti sulle tempistiche.

07

Agenzie

Agenzie che vogliono vendere ai propri clienti servizi basati sull'AI ma non hanno ingegneri ML nel team — lavoriamo in white-label.

08

Sanità e cliniche

Appuntamenti, promemoria dei farmaci, comunicazioni di follow-up — canale, lingua e tempistica personalizzati per ogni paziente.

10 capacità, un'unica dashboard

Previsione, generazione, ottimizzazione — tutto in un'unica operazione.

Avere ogni capacità presso un fornitore diverso crea una forte frammentazione. Con Partnerfy, le 10 capacità funzionano sullo stesso backbone, si alimentano degli stessi dati e confluiscono nella stessa dashboard.

01

Predictive scoring dei lead (punteggio predittivo)

Modello che impara dai clienti acquisiti e persi; restituisce per ogni nuovo lead un punteggio 0-100 + 3 motivazioni.

02

Motore next-best-action

Per ogni utente, la decisione «qual è la cosa migliore da fare adesso»: email? push? sconto? telefonata? niente?

03

Copy email generato dall'AI

Modello addestrato sul tono del suo brand: 3 varianti da un brief + flusso di approvazione + controllo continuo della deriva del tono.

04

Oggetti dinamici

Stesso invio, oggetto diverso per ogni destinatario; l'AI lo sceglie in base alla sua cronologia di aperture.

05

Ottimizzazione dell'orario di invio

L'orario ottimale per ogni utente: una finestra temporale personale al posto degli invii in blocco giornalieri.

06

Previsione del churn

Lista dei clienti che se ne andranno entro 30/60/90 giorni + proposta di intervento; allerta in tempo reale.

07

Motori di raccomandazione

Prodotto, contenuto, piano — ibrido collaborative + content-based; fallback content-based per il cold start.

08

Scoperta dei segmenti con l'AI

Al posto della definizione manuale di «chi è VIP», gli algoritmi di clustering fanno emergere i cluster di clienti.

09

Flussi basati sul sentiment

Sentiment estratto dai messaggi di assistenza; i clienti arrabbiati passano in automatico al livello superiore + a un operatore.

10

Test multivariati con l'AI

Bandit + bayesiano al posto del classico A/B; testa 5-30 varianti in parallelo e distribuisce dinamicamente la vincente.

Processo

Dall'audit dei dati all'apprendimento continuo: un percorso in 6 fasi.

  1. 01

    1 · Audit dei dati

    CRM, ESP, web, mobile, prodotto, assistenza — tutte le fonti di dati vengono mappate. Emergono i campi mancanti + la strategia di unificazione. Si prepara l'elenco delle feature utilizzabili.

  2. 02

    2 · Scelta del modello

    Il modello giusto per ogni compito: GPT-5 per i testi, gradient boosted trees per lo scoring, modelli di embedding per la ricerca. Non cadiamo nell'errore del «grande modello per tutto».

  3. 03

    3 · Preparazione dei dati di addestramento

    I dati degli ultimi 12-24 mesi vengono puliti, etichettati e suddivisi in train/test. La qualità dei dati è il 70% del modello.

  4. 04

    4 · Integrazione

    Livello API sopra il suo ESP, la piattaforma di invio email che già utilizza (Klaviyo, HubSpot, Iterable, Customer.io, Salesforce); flusso di dati bidirezionale. Senza interrompere i flussi esistenti.

  5. 05

    5 · Rilascio + test A/B

    La versione AI gira in parallelo a un gruppo di controllo per 30-60 giorni. Aperture, CTR, vendite, churn — il guadagno statistico viene convalidato.

  6. 06

    6 · Ciclo di apprendimento continuo

    Il modello viene riaddestrato ogni settimana; i risultati confluiscono nella dashboard; si impostano gli allarmi di drift; persone + AI rivedono insieme.

Strumenti che utilizziamo

Modelli foundation + piattaforme AI di livello produttivo.

OpenAI API Anthropic Claude Google Gemini Mutiny Persado Phrasee HubSpot AI Klaviyo AI Salesforce Einstein Iterable AI Segment Twilio BigQuery ML LangChain n8n

Storie di clienti

Brand passati dalle campagne statiche alla personalizzazione con l'AI.

E-commerce +34% CTR

Brand lifestyle

Oggetti generati dall'AI + ottimizzazione dell'orario di invio: CTR delle email +34%; fatturato totale del canale ×2,1.

B2B SaaS −19% churn

SaaS verticale

Modello di previsione del churn + flusso di intervento proattivo: churn a 30 giorni −19%, salute dell'MRR ristabilita.

Marketplace +48% ATC

Marketplace di servizi

Motore di raccomandazione ibrido: aggiunte al carrello +48%, ordine medio ×1,8.

Media +27% DAU

Piattaforma editoriale

Raccomandazione di contenuti con l'AI: DAU +27%, upgrade premium +14%.

Finanza +54% cross-selling

Broker online

Motore next-best-action: prodotti medi per cliente da 2,4 a 3,7; cross-selling +52%.

Formazione +24 pp NPS

Accademia online

Percorso di apprendimento personalizzato + tempistiche: completamento dei corsi dal 38% al 62%; NPS +18.

Domande frequenti

Le 8 domande più frequenti sul marketing con l'AI

Se configurata correttamente, la differenza è misurabile. I nostri clienti registrano in media un +15-35% di aperture e un +20-60% di conversioni; con l'intervento proattivo il churn cala del 15-25%. Ma tutto dipende dalla «configurazione corretta»: senza dati sufficienti, con etichette scadenti, con il modello sbagliato o senza integrazione, il beneficio è nullo. L'AI non è magia, è una disciplina ingegneristica. Il compito di Partnerfy è garantire la configurazione corretta + dimostrare con i test A/B che il guadagno è reale.
I dati dei clienti non escono dai suoi sistemi. Per i modelli foundation (GPT-5, Claude, Gemini) utilizziamo contratti «no-training»: i dati che inviamo non addestrano il modello. I campi sensibili (nome, email, telefono, pagamento) vengono sottoposti a hashing o tokenizzati. Prepariamo il DPA (accordo sul trattamento dei dati) nel quadro di KVKK (legge turca n. 6698 sulla protezione dei dati personali), GDPR e ISO 27001. Per i clienti che necessitano della residenza dei dati nell'UE utilizziamo API in region UE o modelli locali self-hosted. La privacy è integrata fin dalla progettazione, non aggiunta dopo.
Un modello diverso per ogni compito. Claude è forte nella generazione di testi lunghi in linea con il tono del brand; Gemini funziona bene per i contenuti multilingua; GPT-4o-mini è economico per generare singole frasi molto rapidamente. Per i lavori numerici come scoring e ranking non utilizziamo i moderni LLM: gradient boosted trees o XGBoost sono più veloci + economici + spiegabili. Invece di cadere nell'errore del «un modello risolve tutto», scegliamo lo strumento giusto per ogni compito: un vantaggio sia di costo sia di qualità.
L'uso dei token viene misurato in modo trasparente e si fissa un tetto mensile. Distribuzione tipica: attività leggere (oggetti, segmentazione) con modelli piccoli, circa 0,50-2 USD ogni 1.000 chiamate; attività medie (copy delle email), circa 3-8 USD ogni 1.000 chiamate; attività di ricerca pesanti, circa 15-40 USD ogni 1.000 chiamate. La spesa tipica in token è di 300-3.000 USD al mese. A questa si aggiungono, ove previsti, gli abbonamenti a pagamento alle piattaforme (Klaviyo AI, Salesforce Einstein ecc.). Gli allarmi di budget e il blocco degli sforamenti sono sempre attivi.
Per i modelli predittivi, 5.000+ clienti attivi + 12 mesi di storico forniscono un segnale soddisfacente. Con 10.000+ il modello diventa significativo, con 50.000+ è solido. L'AI funziona anche con liste più piccole, ma sul fronte della generazione (copy, immagini, supporto alla segmentazione) più che della previsione. Per le liste molto piccole configuriamo prima correttamente l'automazione classica; aggiungiamo il livello AI man mano che i dati si accumulano. Senza dati, l'AI è una delusione; noi non facciamo promesse vuote.
La protezione è su due livelli. Il primo è un modello addestrato sul tono del brand + filtri su parole vietate, affermazioni e prezzi. Il secondo è un flusso di approvazione: le campagne di alto valore richiedono l'approvazione umana prima dell'invio. Le campagne a basso rischio (transazionali, semplici promemoria) procedono direttamente; promozioni o affermazioni aziendali passano dalle code di approvazione. In più, un report mensile sulla deriva del tono (tone drift): negli ultimi 30 giorni l'AI si è allontanata dal vero tono del brand? Se c'è deriva, il fine-tuning viene rinnovato. Il controllo totale resta nelle sue mani.
Sì. La maggior parte degli ESP moderni — Klaviyo, HubSpot, Iterable, Customer.io, Salesforce Marketing Cloud, Braze, Mailchimp — offre API aperte. Posizioniamo il livello AI davanti all'ESP: l'ESP chiede all'AI «che cosa invio e a quale lista», l'AI restituisce la previsione e l'ESP invia. Senza interrompere i suoi flussi né la reportistica. Per gli ESP con funzioni AI native (Klaviyo AI, Salesforce Einstein) sfruttiamo al massimo ciò che offrono; colmiamo le lacune con modelli su misura.
Il primo vero risultato (oggetto + ottimizzazione dell'orario di invio) compare in 4-8 settimane nei report di Search Console e dell'ESP: +10-25% di aperture. I modelli predittivi (churn, lead scoring) maturano in 60-120 giorni. Un nostro cliente tipico recupera il costo del progetto entro 90 giorni e registra un ROI di 2-4× a 180 giorni e di 5-10× a 12 mesi. Più lento nei segmenti con pochi dati, più rapido in quelli ricchi di dati. Nei primi 30 giorni installiamo l'infrastruttura di misurazione; da lì in poi, conti chiari ogni mese.

Aggiunga centomila versioni a una campagna.

In un incontro gratuito di 30 minuti analizziamo il suo stack di marketing attuale e condividiamo le 3 opportunità AI a più alto impatto che può testare nei primi 60 giorni.

Fissi un appuntamento Ci contatti
risultati