Ovviamente l’ultima domanda non è riferita alla produzione automatica dei video.
La notizia è stata diffusa durante il Google Marketing Live e ha già suscitato una più che attesa eco sui social e sui media online, vista la statura dei protagonisti. Se Google è il primo motore di ricerca per visualizzazioni, YouTube è il secondo per i video e dovrebbe sviluppare l’anno prossimo un revenue globale di 12 miliardi di dollari. Una vera ‘vacca da latte’, come l’azienda-madre, nonostante la concorrenza di Facebook e Instagram, e la progressiva esplosione di Amazon, sia in termini di raccolta pubblicitaria, sia quale motore di ricerca.
“Da quando nel 2016 abbiamo introdotto i bumper ads da sei secondi per aiutare i nostri clienti a raggiungere un numero maggiore di utenti sui dispositivi mobili, ci siamo accorti che questa tipologia di annunci si è rivelata molto più efficace di quanto ci aspettassimo”, scrive nel post di lancio Vishal Sharma, Vice President of Product Management, YouTube. “Tuttavia, non tutte le aziende dispongono delle risorse e del tempo necessari per produrre video da sei secondi”.
Ed è qui che entra in gioco Bumper Machine, lo strumento in grado di generare video di sei secondi a partire da materiali più lunghi: una funzionalità che si basa su basa su modelli di machine learning allenati ad identificare i momenti interessanti e ben strutturati all’interno di video più lunghi. Questi momenti (le scene di azione, i riferimenti al prodotto o al brand) sono poi raccolti in annunci da sei secondi tra cui si può scegliere, ed eventualmente modificare, i più adatti.
La strategia di adozione della Bumper Machine è differenziata a seconda che si rivolga alle agenzie creative e alle aziende più strutturate, alle quali viene presentata come una risorsa salvatempo per produrre velocemente filmati di test, oppure si parli alle aziende di dimensioni minori, per la quali la Bumper Machine è a tutti gli effetti un modo di incrementare le propria raccolta video e di iniziare a utilizzare le sequenze di annunci.
Commercialmente, tuttavia, sono le ultime ad essere il bersaglio privilegiato di questa iniziativa di YouTube, che rappresenta anche un colpo, indiretto ma consistente, per la strutture di produzione, nonostante nel post citato si faccio riferimento anche ad esse, citate come partner per “aiutare a realizzare video da zero o sfruttare asset esistenti, senza obblighi di spesa minima”.
Ma se da un lato è evidente il vantaggio per YouTube, più aleatorio quello per le piccole imprese, alle quali viene proposta questa offerta, sulla carta, allettante. Lo strumento è nato per facilitare “il racconto di storie che facciano crescere il business di molte aziende”, recita il post di presentazione. Ma è proprio qui che si dovrà valutare la capacità del machine learning di ottenere dei corti originali ed efficaci.
Ieri, per non voluta coincidenza, si è tenuto a Milano l’OBE Summit, l’incontro che raduna l’industria del Branded Entertainment, e una delle presentazioni, quella di Anna Vitiello, OBE Insight Director e CXO Fuse, e Antonio Filoni, Head of Digital Offering, Doxa, è stata dedicata proprio all’efficacia dei video nella comunicazione di brand. Sono state presentati case history di successo e altre che hanno mancato clamorosamente il bersaglio, analizzate sulla base di decine di KPI per eviscerare i fatti che pesano sulla riuscita o meno dell’attività.
Si va dagli attori al setting, dalla rilevanza per la audience alla WOM ability, alla uniqueness e così via. Un terreno difficile e affollato, da conquistare tanto più a colpi di forbici guidate dal machine learning. Vasto programma?
