Il CMO Condivide le Mosse che i Marketer Devono Adottare

Kelly Cheng è CMO presso Goldcast, dove guida l'organizzazione di marketing globale.

Ci siamo seduti con lei per scoprire come ha rinnovato la sua strategia di content marketing con l'AI. Ecco cosa ci ha raccontato.

L'AI ridefinisce fondamentalmente il ruolo dei CMO

Sono Kelly Cheng, CMO presso Goldcast, dove guido un'organizzazione di marketing globale che copre l'intero flusso GTM B2B, inclusi brand e contenuti, product marketing, crescita e generazione della domanda, operations marketing e community.

Il team opera negli Stati Uniti, nel Regno Unito e in India, supportando sia Goldcast come prodotto standalone sia la nostra integrazione nel più ampio portafoglio event cloud di Cvent, dopo l'acquisizione.

Il mio percorso fino a questo momento è stato plasmato dalla leadership di team marketing attraverso ogni importante cambio di piattaforma nell’ultimo decennio, dal content marketing all’ABM, fino alla crescita guidata dal prodotto e oggi dall’AI.

Ho imparato che i leader del marketing che vincono non sono quelli che corrono dietro a ogni nuovo strumento. I leader adattabili sfruttano questi cambiamenti per ripensare profondamente il modo in cui i loro team operano, cosa misurano e dove creano valore.

L'AI è la più grande funzione di cambiamento che abbiamo mai affrontato e sta spingendo i CMO a ridefinire il ruolo stesso. Il lavoro riguarda meno la gestione di canali e campagne e più la costruzione di organizzazioni in grado di apprendere e muoversi alla velocità del mercato.​​​​​​​​​​​​​​​​

Come l'AI consente un passaggio dalle campagne a i contenuti

Il cambiamento più grande che abbiamo apportato grazie all’AI è stato passare da un modello operativo guidato dalle campagne a uno guidato dai contenuti, alimentato proprio dall’AI.

Storicamente, il nostro team pianificava per cicli di campagna trimestrali, dove ogni programma aveva una specifica brief, elenco di asset e tempi. Nell’ultimo anno, abbiamo ristrutturato le nostre operazioni attorno a un motore di contenuto continuo. Ora l’AI si occupa di riproporre, creare le prime bozze e preparare la distribuzione, spostando l’energia del team a monte, su idee, punti di vista e controllo qualità.

Questo ha portato a un aumento significativo in output e velocità: produciamo da quattro a cinque volte più asset per ogni contenuto di partenza. Ma il cambiamento più importante è culturale: ora il team ragiona in termini di audience e narrazioni, invece che di campagne e deliverable, rendendo il lavoro sia migliore che più strategico.

Oltre all’aumento della produzione di contenuti, score account e personalizzazione supportati dall’AI hanno incrementato il coinvolgimento nei nostri programmi ABM. E abbiamo ridotto in modo significativo il costo per opportunità qualificata nei canali a pagamento utilizzando l'AI per testare variazioni creative su una scala che prima era impossibile.

Come rivoluzionare i flussi di lavoro di content marketing

Ecco un esempio di come un singolo webinar o evento di un’ora si trasformi in pochi giorni in un pacchetto di contenuti multicanale completo, invece che in settimane.

Il flusso di lavoro parte dall’evento live, dove catturiamo automaticamente il video e la trascrizione completa. Da lì, l’AI genera la prima ondata di asset derivati, incluso un blog riassuntivo, un executive summary, schede con citazioni chiave, clip social, un’email di recap e snippet per la forza vendita personalizzati su ciascuna persona.

Il nostro team aggiunge poi punti di vista, revisione editoriale e tono di brand, applicando il giudizio umano.

Successivamente, l’AI si occupa della preparazione alla distribuzione: redige post LinkedIn per ogni speaker e per i nostri executive, genera variazioni di oggetto per le email, crea brevi videoclip sottotitolati per i social organici e scrive note outbound personalizzate per la forza vendita da condividere con gli account target.

I dati di performance confluiscono in una dashboard, dove l’AI sintetizza cosa funziona meglio tra formati e pubblici. Questi insight informano poi la brief del prossimo programma.

Il risultato è che contenuti che prima duravano una settimana ora generano engagement e pipeline per 60-90 giorni, e il team dedica il suo tempo alle idee e alla strategia invece che alla produzione.​​​​​​​​​​​​​​​​

Come l’AI può danneggiare la differenziazione

Kelly condivide

All’inizio, ci siamo affidati troppo all’IA per le prime bozze dei contenuti e il risultato ha iniziato a sembrare generico, il che ha danneggiato la differenziazione del marchio.

L'IA non ha portato risultati in termini di pipeline e generazione di domanda.

Ci ha aiutato ad andare più veloci e produrre di più, ma non ha realmente cambiato la nostra capacità di creare domanda presso account che non ci conoscono già. I contenuti generativi, le email personalizzate dall’IA e le automazioni outbound raggiungono rapidamente il punto di rendimento decrescente perché ogni concorrente ha accesso agli stessi strumenti, quindi oggi la soglia per distinguersi è più alta, non più bassa.

All’inizio, ci siamo affidati troppo all’IA per le prime stesure dei contenuti e il risultato è diventato troppo generico, danneggiando la differenziazione del marchio. Abbiamo dovuto ristabilire standard editoriali più forti e un livello di punto di vista (POV) più marcato sopra ogni lavoro generato dall’IA.

Va anche notato che, con il 95% degli acquirenti fuori dal mercato in qualsiasi momento, la cattura della domanda rappresenta solo una parte minore del gioco. La vera partita consiste nel creare domanda plasmando il modo in cui le persone percepiscono la categoria molto prima che siano pronte all’acquisto. Questo richiede meno contenuti, ma di qualità superiore e con un reale punto di vista, non semplicemente quantità.

Come dovrebbero cambiare le strategie di contenuto

Abbiamo attuato tre grandi cambiamenti nella nostra produzione di contenuti.

1. Ancora tutto su un POV originale e dati proprietari: ricerche provenienti dalla nostra community, insight dei clienti, e benchmark unici che nessun altro possiede. L’IA può rimescolare contenuti esistenti, ma non può generare una prospettiva fresca né dati di prima mano, ed è da qui che nasce il nostro vantaggio competitivo.
2. Puntiamo con decisione su formati che l’IA non può replicare efficacemente, in particolare video dal vivo, podcast, narrazione diretta da executive ed eventi in presenza, dove la voce e la presenza umana sono il vero prodotto.
3. Siamo passati dalla distribuzione di contenuti su larga scala alla costruzione di community e audience di nostra proprietà, dove abbiamo un rapporto diretto con i marketer, senza l’intermediazione di un algoritmo.

Il modello mentale è semplice: in un mercato saturo di IA, l’attenzione segue la fiducia, e la fiducia segue un punto di vista riconoscibile, una persona reale e una community che attribuisce valore a ciò che si dice.

Perché le persone gestiscono punto di vista, giudizio e relazioni

Oggi, l’IA gestisce gran parte della nostra esecuzione e analisi: riproposizione dei contenuti e prime bozze, segmentazione dell’audience e scoring degli account, varianti creative per annunci, reportistica sulle performance, monitoraggio della concorrenza e persino prime stesure di brief e email. Sta anche rivoluzionando la ricerca, dove utilizziamo l’IA per sintetizzare chiamate con i clienti, dati win/loss e conversazioni nella community in insight su cui il team può agire in poche ore invece che settimane.

Ciò che resta squisitamente umano è tutto ciò che riguarda punto di vista, giudizio e relazioni. Strategia e posizionamento, sviluppo narrativo, narrazione da parte degli executive, relazioni con clienti e influencer, e concezione creativa restano saldamente in mano alle persone.

La ragione è semplice: l’IA è ottima nell’individuare schemi tra ciò che già esiste, ma la leadership di marketing significa decidere cosa rappresenta il tuo brand e dove si muoverà il mercato, e questo richiede convinzione, gusto e responsabilità che non possono essere esternalizzati.

I team che avranno successo saranno quelli che useranno l’IA per liberare più tempo da dedicare proprio a questi lavori umani, non meno.

Come l’IA permette una pianificazione continua

Il sistema che la maggior parte dei leader dovrebbe riprogettare è la cadenza di pianificazione e revisione del marketing. Molti team operano ancora con un ciclo di pianificazione delle campagne su base trimestrale, svolgono revisioni mensili e si affidano fortemente a metriche ritardate come MQL e pipeline. Quel ritmo aveva senso quando la produzione e il lancio di una campagna richiedevano sei-otto settimane. Ma, in un contesto supportato dall’IA, dove un team può produrre, testare e modificare contenuti e creatività in pochi giorni, la pianificazione trimestrale diventa il collo di bottiglia. I team rimangono in attesa di poter sfruttare la capacità dell’IA fino al ciclo di pianificazione successivo.

Noi abbiamo riprogettato questo approccio passando a un modello di pianificazione continua: una narrativa annuale chiara, temi trimestrali e cicli di revisione editoriale e di programma settimanali in cui il team decide quasi in tempo reale su cosa raddoppiare, cosa eliminare o rimodulare, in base ai segnali di engagement.

L’IA si occupa della sintesi dei dati e mette in evidenza ciò che funziona, mentre il team fa scelte più rapide e puntuali, invece di pochi grandi scommesse. Il risultato è stato un netto aumento del tasso di successo su contenuti e campagne, perché apprendimento e aggiustamento avvengono ogni settimana invece che ogni trimestre.

Perché la struttura dei team marketing deve cambiare con l’IA

La maggior parte delle organizzazioni di marketing è ancora strutturata attorno a specialisti di canale. C’è un copywriter, un responsabile email marketing, un responsabile paid media, un social media lead, ognuno con la propria area e responsabilità.

Questa struttura aveva senso quando ogni canale richiedeva competenze specifiche approfondite e molta produzione manuale. In un mondo potenziato dall’IA, il lavoro produttivo in ognuno di questi ambiti si riduce notevolmente in termini di costi e tempi, il che significa che un organigramma focalizzato sulla produzione sta ottimizzando per la cosa sbagliata.

La riprogettazione passa da ruoli basati sul canale a pod basati su pubblico e risultato. Invece di un team di content, un team per la domanda e un team social, si creano piccoli pod trasversali che gestiscono un pubblico o un'attività specifica end-to-end, con l’IA che si occupa della maggior parte del layer produttivo sottostante.

Anche i ruoli all'interno di questi pod cambiano: servono meno esecutori "puri" e più persone in grado di occuparsi di strategia, valutazione editoriale, prompt engineering e direzione creativa su più formati.

I leader che non riprogetteranno la propria organizzazione in questo modo si ritroveranno con team gonfi e isolati che cercano di competere con realtà più snelle, veloci e native dell’IA. E questo divario crescerà rapidamente.

Perché l’adozione dell’IA è un problema di change management mascherato da problema tecnologico

L’adozione dell’IA è un problema di change management mascherato da problema tecnologico, e affrontarlo al contrario ti costa tempo e credibilità.​​​​​​​​​​​​​​​​

I nostri primi progetti pilota sull'IA erano focalizzati su vittorie ovvie, come la generazione di contenuti e la personalizzazione delle email, e li abbiamo trattati come semplici implementazioni di nuovi strumenti. Non ci siamo accorti che l’IA cambia radicalmente chi fa cosa, come viene revisionato il lavoro e cosa significa “buono”, e non abbiamo riprogettato i flussi di lavoro o i ruoli di conseguenza.

Il risultato? Output più veloci ma qualità disomogenea, con membri del team che facevano troppo affidamento sull’IA o che si rifiutavano di usarla, e nessuno standard chiaro per nessuna delle due situazioni.

Se lo avessi saputo prima, sarei partita dal modello operativo: ridefinizione dei ruoli, definizione di standard qualitativi, creazione di linee guida editoriali, e formazione del team su discernimento e prompt prima di lasciare mano libera agli strumenti. Ci saremmo risparmiati circa sei mesi di uscite incoerenti, frustrazione interna e qualche contenuto che, francamente, non doveva uscire.

Perché i CMO non devono confondere attività e progresso

Kelly Shares

Non confondere attività e progresso. Tutti i team marketing in questo momento stanno correndo ad adottare strumenti di IA, ma i leader che avranno successo sono quelli che sfruttano questo momento per affinare la propria strategia, il proprio punto di vista e la capacità di pensiero critico del team.

Non confondere attività e progresso. Tutti i team marketing in questo momento si affrettano ad adottare strumenti di IA. Ma i leader che avranno successo stanno usando questo momento per affinare la propria strategia, il proprio punto di vista e la qualità del pensiero del loro team. In realtà, una tech stack più ampia può essere un ostacolo se non è gestita in modo efficace e veramente utile per il team.

Il mio consiglio è di seguire tre strade:

1. Chiarisci cosa può dire solo il tuo brand e punta tutto su questo, perché l’IA invaderà il mercato di contenuti generici, e l’unica difesa è la convinzione.
2. Investi nel giudizio e nel gusto del team, non solo nella padronanza degli strumenti, perché il collo di bottiglia si sta spostando dalla produzione al discernimento.
3. Proteggi il lavoro umano: community, relazioni, ricerca originale e storytelling. È lì che si costruisce la mindshare, che cresce con il tempo quando tutto il resto viene commoditizzato.​​​​​​​​​​​​​​​​

Continua a seguire

Puoi seguire il lavoro di Kelly Cheng su LinkedIn.

Presto altre interviste ad esperti su The CMO Club!