La deep research di un modello AI, lanciata senza contesto, restituisce un riepilogo ordinato di fonti pubbliche. È un buon punto di partenza, e da lì alla ricerca di mercato c'è ancora parecchia strada.
La differenza sta in due cose che decidi tu prima di scrivere qualsiasi prompt: quali dati dai al modello e cosa gli chiedi di produrre. In questo articolo metto in fila entrambe, come le imposto con i clienti e nell'agente di ricerca che ho costruito su Claude Code.
Indice
- Le quattro fasi e dove sta la ricerca
- Cosa raccogliere: dati quantitativi
- Cosa raccogliere: dati qualitativi
- Le conoscenze di settore e il business profile
- Cosa deve produrre l'AI: la definition of done
- Dagli insight ai pilastri della strategia
- I controlli prima di usare la ricerca
TL;DR
- Prima i dati, poi il prompt. Tre blocchi: quantitativi, qualitativi, conoscenze di settore.
- Tutto confluisce nel business profile, il contesto che il modello rilegge ogni volta.
- La definition of done dice al modello cosa produrre: voce del cliente, Job To Be Done, forze del cambiamento, buyer persona psicografiche.
- Gli insight diventano building block: value proposition, USP, reason why, offerta, tono di voce.
- Ogni output è una base da correggere.
Le quattro fasi e dove sta la ricerca
Un piano di marketing segue quattro fasi che non si possono invertire:
- Raccolta dei dati
- Ricerca degli insight
- Strategia e posizionamento
- Distribuzione sui canali
La ricerca di mercato copre le prime due. Il ruolo dell'AI cambia tra le due: nella raccolta i dati li estrai soprattutto tu e il modello li ordina, mentre negli insight il modello propone e il tuo occhio di marketing decide cosa regge.
Una strategia costruita solo con l'AI resta una bozza, e una bozza porta risultati da bozza.
Cosa raccogliere: dati quantitativi
I numeri che il progetto produce già, più quelli che prendi dal mercato.
| Fonte | Cosa ci trovi |
|---|---|
| Analytics (GA4) | Geografia delle vendite, eventi di conversione, drop off tra gli step del funnel, vendite per prodotto |
| Backend | Vendite, clienti nuovi e di ritorno, dati di coorte |
| Customer data platform e tool di prodotto | Segmentazione dei clienti (Segment), comportamento d'uso nei SaaS (Mixpanel, Amplitude) |
| Keyword research | Volumi e domande reali: Keyword Planner, Semrush, AnswerThePublic |
| Trend di mercato | Direzione della domanda: Google Trends, Exploding Topics. Traffico stimato dei siti: SimilarWeb |
Per ognuna, prima di iniziare: chi ha gli accessi e quanto è aggiornata.
Cosa raccogliere: dati qualitativi
È il blocco che rende la ricerca riconoscibile, perché contiene le parole vere delle persone.
Recensioni e testimonianze, tue e dei competitor: Trustpilot, Amazon, Google Reviews, store Shopify, e per i SaaS internazionali Capterra e G2.
Conversazioni dirette: chat del customer care, call di vendita con prospect e clienti, conversazioni in negozio.
Commenti sotto le ads e sui social: Instagram, Facebook, TikTok. I commenti dicono come il mercato reagisce a un messaggio.
Community: Skool, Reddit, Quora, gruppi Facebook.
E poi i dati che puoi generare tu:
- sondaggi al database clienti
- interviste, da 20 a 50, con il metodo Job To Be Done per ricostruire il percorso d'acquisto
- osservazione del comportamento senza interagire, per esempio in negozio
- il funnel percorso da te, fino all'acquisto se rientri nel target.
Un esercizio che faccio sempre all'inizio, e prende un quarto d'ora: apro la pagina recensioni del competitor principale e copio le venti recensioni da tre stelle in giù. Dentro ci sono le obiezioni che i clienti non dicono in faccia, scritte con le loro parole.
Una distinzione importante. La deep research degli strumenti AI è una ricerca macro sul mercato: serve a raccogliere, non ad analizzare. Scambiarla per analisi porta a prendere un riepilogo di fonti pubbliche per un insight.
Le conoscenze di settore e il business profile
Il terzo blocco è quello che sai già: progetti precedenti nello stesso settore, principi studiati, ricerche passate. Serve a interpretare gli altri due. Un dato anomalo diventa leggibile solo se hai un riferimento con cui confrontarlo.
Conviene metterle per iscritto, anche in tre righe, perché così si separa quello che va verificato da quello che si può dare per assodato.
Tutto confluisce nel business profile, il documento di contesto che il modello rilegge a ogni richiesta. Un business profile completo contiene:
- chi è il brand
- prodotto e offerta
- metriche principali
- competitor chiave
- canali posseduti
- target persona già ipotizzate internamente
- angoli di differenziazione
- valori e tono di voce
- domande aperte ancora da risolvere.
Senza business profile la ricerca gira a vuoto. Come compilarlo passo per passo: analizzare un business con l'AI.
Cosa deve produrre l'AI: la definition of done
La definition of done è la descrizione precisa dell'output atteso. Senza, il modello cerca informazioni a caso e ti restituisce materiale che non sai come usare.
Per la ricerca di mercato la mia copre quattro aree.
1. Voce del cliente
L'analisi delle recensioni, ordinata in matrici:
- la matrice dei pain: quante volte torna ogni problema e quanta frustrazione porta
- la sentiment analysis
- le zone di posizionamento libere
- le frasi esatte dei clienti, catalogate per tema, già pronte per il copy.
2. Job To Be Done
Il lavoro per cui il cliente assume il prodotto, su tre piani:
| Piano | Domanda |
|---|---|
| Funzionale | Quale compito concreto porta a termine? |
| Emotivo | Come vuole sentirsi il cliente mentre lo usa? |
| Sociale | Come vuole essere visto dagli altri? |
Nel caso che uso nel corso, un software gestionale per catene di ristoranti, sul piano funzionale fa risparmiare ore di planning, sul piano emotivo toglie l'ansia di sbagliare gli ordini, sul piano sociale fa sentire il titolare un imprenditore che ha tutto sotto controllo. Una funzione, tre leve diverse.
3. Forze del cambiamento
Le quattro spinte che muovono o frenano l'acquisto:
- dolore: quanto è insostenibile la situazione attuale
- attrazione: che tipo di soluzione desidera il cliente
- ansia del cambiamento: quali paure frenano l'acquisto
- inerzia dell'abitudine: cosa lo trattiene sulla soluzione di oggi.
Le prime due si spingono nel copy. Le altre due si sciolgono con garanzie, prove e onboarding semplice. Una strategia che parla solo alle prime due lascia il cliente attratto ma fermo.
4. Buyer persona psicografiche
Profili costruiti su comportamenti, motivazioni e obiezioni (età e reddito dicono poco su come una persona decide). Si parte dalle emozioni e dai desideri reali e si aggiungono la reason why emotiva, gli eventi che spingono all'azione, i bias cognitivi e le frasi esatte che quella persona usa.
Il processo che uso: lista delle persona possibili, approfondimento su ognuna, classifica delle più rilevanti per il brand.
Dagli insight ai pilastri della strategia
È il punto in cui quasi tutti si fermano: un artifact pieno di informazioni e nessuna decisione.
Gli insight finali mettono insieme tutto: alternative, categoria in cui posizionarsi, segmento chiave, pain point, desideri, obiezioni e trigger, gli eventi che spingono a provare il prodotto. Da lì si riempiono i building block:
| Building block | Da dove nasce |
|---|---|
| Value proposition | Job To Be Done funzionale + segmento chiave |
| USP | Gli spazi che nessun competitor presidia |
| Reason why | Le forze del cambiamento |
| Offerta | Le obiezioni emerse nella voce del cliente |
| Tono di voce | Il linguaggio dei clienti |
Nel caso del gestionale il segmento chiave sono le catene con più sedi, quelle per cui il coordinamento tra location è il vero dolore. L'offerta risponde all'obiezione più comune nelle recensioni: la paura della migrazione dai sistemi attuali.
Il passaggio successivo, dalla strategia ai canali, è nell'articolo sul piano marketing con l'AI.
I controlli prima di usare la ricerca
Il test opposto. Dopo aver scritto il Job To Be Done, chiedo al modello di spiegarmi perché il prodotto non ha un Job To Be Done chiaro. Quello che torna indietro è l'elenco delle contraddizioni tra quello che il prodotto promette e quello che fa. Se un Job To Be Done va bene per chiunque, quello che ho scritto è una categoria merceologica.
Le tre domande sulla value proposition:
- Contiene un problema o solo un prodotto?
- Un concorrente potrebbe scriverla identica? Se sì, descrive il settore.
- Il cliente la riconoscerebbe? Il lavoro va descritto con le parole di chi lo vive.
Le domande del modello. Prima di lanciare una ricerca chiedo al modello quali informazioni gli mancano per darmi un output migliore. Spesso lo sa meglio di me, e le sue domande mi fanno scoprire buchi nel business profile.
L'archivio. Salvo ogni output nel momento in cui esce, perché rigenerarlo dopo non dà mai lo stesso risultato.
La ricerca consegna i building block di una strategia. Le scelte restano di chi conosce il business, e su questo l'AI (per quanto brava a ordinare) non ha il contesto per decidere.
Approfondisci
- Ricerca di Mercato con Claude Code: l'agente che produce voce del cliente, Job To Be Done, forze del cambiamento e persona in un'unica pagina condivisibile.
- AI per il lavoro: il metodo completo, dalla raccolta dati alle campagne.
