Trascrizione

Buongiorno, benvenuti su Studio Stamo Pro, questa è Notebook LM per il marketing. Vi presento velocemente, sono Davide Severini, mi occupo di trasformazione digitale, sostenibilità e applicazione dell’AI in diversi contesti organizzativi. Parallelamente porto avanti Mancardi Green, che è un progetto di consulenza dedicato all’innovazione digitale per le realtà sociali. Oggi collaboro anche come docente per i corsi di AI su Studio Stamo Pro. Potete ovviamente trovarmi su tutti i canali social e ovviamente su LinkedIn come Davide Severini. Allora, oggi trattiamo un argomento molto interessante e parleremo proprio di Notebook LM, questo strumento della suite AI di Google. Parleremo di che cos’è Notebook LM, diremo perché è diverso dagli altri strumenti di intelligenza artificiale e faremo il primo accesso alla piattaforma. E poi porteremo tre casi studio, casi d’udo differenti. Il primo riguarda la scoperta del mercato, l’offerta che potremmo fare a questo mercato. Notebook LM lo utilizzeremo come Research Analyst. Parleremo delle chat di notebook.lm, di strumenti come le mappe mentali che riesce a generare e di generazioni di report tramite notebook.lm, ma anche generazioni di alcune slide. Strumento useremo come strumento di studio, quindi gestione dei video e delle lingue di questi video. Parliamo dei vantaggi e degli svantaggi di studiare con notebook.lm e mostreremo come generare quiz, flashcard o infografiche. E poi in ultimo vorrei mostrarvi una piccola utilizzo per fare analisi e sintesi di quelle che sono le opinioni dei nostri clienti, quindi analisi delle loro recensioni e anche la creazione di contenuti video. Sarà una lezione molto pratica, spendo solo un secondo per spiegare appunto cos’è Notebook LEM. Come dicevo è uno strumento di Google, è parte del piano AI di Google e essenzialmente funziona come vostro research analyst o research strategist se vogliamo. E’ molto utile perché a differenza di altri strumenti, altri large language model come OpenAI, CIGPT, come magari CLODE oppure Mistral, non risponde sulla base di una conoscenza pregressa, sulla base di ciò che è stato utilizzato per essere addestrato, ma solo sulla base delle fonti che voi andate a fornire o che lui stesso va a pescare. Quindi significa che non ci saranno o sarà molto più raro incontrare delle allucinazioni. Le allucinazioni sono appunto quando l’AI fa degli errori, quando l’AI non conosce la risposta a una domanda e quindi essenzialmente si inventa la risposta. Ecco, visto che non si basa sulla sua conoscenza pregressa ma si basa solo sulle fonti che noi gli diamo, notebook LEM è molto raro che abbia delle allucinazioni. appunto si basa solo su quelle fonti il motore che c’è dietro è quello di Gemini, Gemini, quello di Google appunto di conseguenza ha un suo piano gratuito che per questa lezione sarà sufficiente in realtà o per l’utilizzo non quotidiano è sufficiente e poi un piano a pagamento la differenza tra i due è semplicemente nei livelli di utilizzo non a livello di feature e a livello di quanto vogliamo utilizzarlo Se viene utilizzato ogni giorno per fare ricerca, analisi e sintesi, può avere senso un piano pro. Apriamo subito quindi Notebook LEM. Senzamente dovremo cercare su Google Notebook LEM, ci compare questa interfaccia. Clicchiamo su prova Notebook LEM. Dovremmo fare il login con il nostro account Google. Andiamo qua subito in alto su setting, su impostazioni, e andremo a cambiare l’output delle lingue. in questo caso l’ho già segnata in italiano questo perché sennò di default Notebook LM ci andrà a rispondere in inglese bene una cosa bella di Notebook LM è che l’interfaccia è estremamente semplice è estremamente essenziale ok ha un’interfaccia molto intuitiva io ho poi un background anche da user experience di user experience quindi insomma riesco ad apprezzare questa cosa ma nonostante sia molto intuitiva è molto potente ok il vero limite se vogliamo di Notebook LM è un po’ la nostra fantasia, ok? Veramente con pochi strumenti, molto semplici, molto intuitivi, si riescono a fare veramente tantissime cose ed è quasi difficile riuscire a navigare in mezzo ai tantissimi casi d’uso, appunto. In questa lezione io ve ne mostro tre, ma poi sarà a voi, sulla base della vostra esperienza, sulla base del modo in cui voi lavorate, insomma, quello che conoscete del vostro contesto, riuscire a trovare nuovi casi d’uso. Quindi voglio mostrarvi dei casi d’uso realizzabili, molto semplici. Apriamo il nostro primo notebook, per l’appunto. Clicchiamo su Crea nuovo notebook e vedete che la prima cosa che ci fa fare è di due tipologie diverse. O cercare delle fonti, cercare delle fonti sul web, che può essere ricerca veloce oppure più in profondità, più deep research, per l’appunto. Oppure possiamo caricare i nostri file. Possiamo appunto caricare direttamente il file nostro, caricare dei link, in particolare YouTube, vedremo che con YouTube lavora molto bene notebook LM, caricare il nostro drive, i file del nostro dive oppure fornirli del testo. Insomma, andremo a vedere un po’ tutte di queste cose. Andiamo subito a fornirli un primo prompt di ricerca. andiamo iniziamo a lavorare con il nostro primo esercizio che è quello di ricerca di mercato usiamolo come research analyst strategist vado a copiarmi qua intanto il pronto ho scelto una nicchia di mercato che io non conosco che esempio quella delle piante da interno o il giardinaggio da balcone se vogliamo aiutami a individuare fonti utili per capire questa nicchia con l di scoprire pain point reali bisogni ricorrenti comportamenti di acquisto e possibili opportunità di mercato. Anche qui c’è da fare un pochino di prompting, nel senso che non basta dire trovami informazioni sulle piante da interno, ma andare a dire anche che cosa noi vogliamo scoprire di questa nicchia. Quindi anche qua bisogna fare un pochino di prompting. in questo caso ci basterà la ricerca veloce ci metterà pochi minuti mentre lui lavora cercando questa nicchia che tra l’altro io ho scelto perché non conosco io a casa al massimo ho un piccolo cactus ha già trovato queste risorse perfetto mi ha dato circa 10 risorse molto semplici posso scegliere che mi vanno bene e le voglio importare perfetto mentre lavora io voglio mostrarvi anche un’altra cosa vi mostro un report anzi un notebook che ho fatto in precedenza proprio su questa cosa ma l’ho fatto col Deep Research vedete che mi trova molte più fonti ma quello che volevo mostrarvi che è interessante e viene meglio col Deep Research è questo tastino qua Return to Label View ovvero o meglio Labeling View l’autolabeling cosa significa? significa che in questo caso le varie fonti vengono ordinate in base alla categoria. Cliccandole vedete che le varie fonti, adesso abbiamo delle fonti sotto la sezione App e tecnologia, sotto la sezione Cure e Manutenzione, sotto la sezione Giardinaggio Urbano, Mercato e Trend, Recensioni e Forum, vendite kit, eccetera eccetera. Quindi le varie fonti vengono utilizzate e raccolte in base alla categoria. Questa cosa viene meglio ovviamente con la Deep Resource. Torniamo sul nostro notebook. vedete ci sono un pochino meno fonti quello che fa subito notebook.m è associare un titolo a quello che ha trovato e poi un pimo riassunto che ci serve per capire se è quello che effettivamente noi vogliamo se è effettivamente andato nella direzione che lo desideriamo la principale differenza secondo me tra deep research e ricerca normale oltre appunto al numero di fonti è che appunto il livello di approfondimento che noi vogliamo ma diciamo che nella deep research c’è un po’ il rischio secondo me o di trovare dei punti contrastanti tra loro che comunque può essere utile e interessante o al contrario del loop ovvero delle fonti che tendono a rinforzarsi tanto l’un l’altra perché magari dicono la stessa cosa che dal lato è giusto, vuol dire che è importante per quel mercato ma magari rischia di limitare in realtà la nostra visione il nostro punto di vista sull’argomento Quindi in base al livello di approfondimento che vogliamo possiamo scegliere una delle due tenendo conto di questo tipo di dinamica. Allora, come dicevo, qui ci dà subito il riassunto, ci dà delle domande subito con cui poter iniziare. Quindi vediamo che abbiamo a disposizione le nostre fonti, abbiamo a disposizione una chat, chat che ci risponderà sulla base di queste fonti. E poi qua abbiamo tutto questo studio, abbiamo tutta una serie di strumenti e li vedremo oggi. Allora, partiamo con questo esercizio. Andiamo a scrivergli un prompt, subito da immettere in questa chat. Allora, qua bisogna fare un po’ di prompt engineering, è lo stesso tipologia di prompt che noi faremo a un altro large language model da questo punto di vista. Analizza le fonti raccolte, agisci come un resource strategist, devi individuare gli insight utili analizza le fonti devi darmi i pain point domande specifiche relative ai pain point i bisogni nascosti le barriere di acquisto soluzioni già presenti sul mercato quindi un po’ di competitive analysis l’opportunità di mercato i segmenti di pubblico ovviamente in questo prompt c’è un po’ di tutto quello che potremmo fare è fare una domanda alla volta ad esempio oppure aprire un notebook specifico per ognuno di questi punti ovviamente quello sta un po’ a noi Per questo esercizio va bene così, più livello di approfondimento vogliamo, ovviamente più andiamo nel dettaglio e faremo ogni singola domanda, ogni volta una domanda. Lo lasciamo lavorare e vedremo adesso che la risposta che ci darà appunto sarà riferita soltanto a quello che ha trovato nelle fonti che ha effettivamente aggiunto. Perfetto, stai già iniziando a elaborare la nostra risposta. un altro aspetto mentre lavora interessante è che qua in alto nelle impostazioni del notebook possiamo definire il tipo di conversazione che vogliamo avere con lui se lo vogliamo customizzare magari sulla base del tono di voce che noi desideriamo se vogliamo una guida per lo studio per questo lo vediamo e anche il tipo di lunghezza che noi desideriamo nella risposta vedete che è andato a risponderci con i perpoli principali ci sono dei consigli contraddittori sul mondo del giardinaggio a quanto pare vediamo poi bisogni nascosti biofilia e salute mentale senso di comunità giardinaggio guidato da un certo tipo di scopo ci sono un po’ di barriere all’acquisto, paura del fallimento questo è interessante per noi ci sono già delle soluzioni presenti sul mercato quindi c’è un accenno di competitive analysis opportunità di mercato un po’ di soluzioni un po’ di gamification ci sta, una cosa che magari spesso esiste è un po’ l’effetto Pokémon, l’idea di colleziono anche le mie piante, ok, colleziono le piante e racconto quelle piante ho, e il segmento di pubblico che molto interessante ok perfetto vedete no appunto come gi riuscito a generarci tutta una serie di informazioni utili e interessanti sulla base di tante fonti questa qua addirittura la fast research comunque ne ha trovata una decina e vedete come qui accanto ad ogni frase ci sono questi numeretti, questi numeretti semplicemente sono il riferimento alla fonte, ok? Cliccando su questi numeretti possiamo andare a vedere la fonte e vedere effettivamente che cosa va a dire. Perfetto, ci piace, ci piace effettivamente il risultato ottenuto, mi salvo questa nota, mi salvo quello che ha effettivamente fatto e vedete che mi compare qua. Qui essenzialmente mi sono salvato per sempre in questo notebook la risposta a questa chat. Se io anche elimino la storia di questa chat, vedete non c’è più nulla, ok? Non c’è più nulla. io comunque ce l’ho salvata qui ho tutto qua salvato questa cosa io la posso esportare ok se posso usarla come un report oppure convertirla in risorsa a sua volta convert to source ok e lo sono salvato qua a lato perfetto bene un’altra cosa che vi volevo mostrare era quella delle mappe mentali che ci possono servire per poter navigare all’interno delle informazioni che ha raccolto da queste fonti quindi io clicco su mind map adesso ci metterà un attimino e pochissimi minuti e genererà appunto una mappa mentale qua ovviamente ha già finito risolto? taglierete qua ecco vediamo che ha costruito già la nostra mappa mentale ci ha messo un minuto ci clicchiamo sopra e vediamo che possiamo andare a navigare negli argomenti che ha andato a individuare Italian Sector Analysis ad esempio Regional Leaders ok? Dice che in Toscana è un leader di mercato vediamo cosa possiamo altro fare questo è fantastico per chi è molto molto visuale, no? Perfetto Target Millenial Indoor Gardeners cosa facciamo in questo caso? Io posso andare ad approfondire l’argomento Target Millennial ok? Posso andare a capire meglio perché i Millennial sono un target interessante per questo mondo clicco e vediamo che effettivamente soltanto il fatto che ho cliccato su quell’aspetto della mappa mentale mi ha fatto un altro prompt essenzialmente discuti, in questo caso l’ho fatto in inglese ma discuti le risorse che parlano del fatto che i millennial sono un target interessante e mi va ulteriormente ad approfondire in questo caso me l’ha fatto in inglese per qualche motivo non è un problema probabilmente la domanda in inglese in automatico è una risposta in inglese Anche in questo caso mi salvo una nota e me la vado ad aggiungere come risorsa. Fantastico. Adesso vedete che come risorse io ho i 10 punti, che è effettivamente 10 siti che lui è andato a trovare, ma ho anche le mie due risorse in più. Perché mi sono salvato queste risorse? perché non volevo soltanto avere come fonti di base i nostri siti, ma anzi io volevo rafforzare la mia posizione ad esempio sul mondo millennial, perché magari voglio che la mia ricerca di mercato sia specifica sui millennial e quindi sono andato a rafforzare questa cosa qua. io potrò anche andare ad annullare le altre fonti selezionare soltanto la fonte legata ai millennial e vuol dire che su qualsiasi domanda io gli farò sarà specifica soltanto sul mondo dei millennial qualsiasi altro strumento dello studio che io utilizzerò ad esempio il report sarà soltanto sui millennial quindi andiamo a cliccare su reports vedete che possiamo fare vari tipi di report posso creare il mio tipo di report dargli un prompt io per dirgli che tipo di report andare a realizzare un briefing, una guida di studio un blog post quindi posso fare un blog post in questo caso sui millennial e sul loro rapporto con il giardinaggio una market opportunity analysis una UX strategy un case study analysis eccetera eccetera io scelgo magari la market opportunity analysis e anche qua in pochissimo tempo mi andrà a generare un report non su tutto quello che noi abbiamo selezionato, ma soltanto sul rapporto tra millennial e mondo del giardinaggio. Quindi ripeto, le fonti e andare a generare le nostre fonti e selezionarle qui a lato e andarle a inserire come nostra fonte è poi utile e fondamentale perché ci aiuta ad andare ad approfondire i singoli argomenti. Ecco qua, anche qua un minuto ha generato subito il nostro report e vediamo che il nostro report è pronto. In questo caso non si può, questo qua il report purtroppo è l’unica cosa che non si può salvare come fonte, però si può esportare come documento che possiamo andare a presentare effettivamente in giro. Una cosa che è molto interessante anche è che ovviamente il notebook LM, oltre a basarsi sul nostro fonte, comunque c’è il motore di Gemini dietro. e quindi non è soltanto un raccoglitore di fonti ma è anche in grado di ragionare e quindi possiamo dare un ulteriore prompt per poi chiedergli un’opinione sulla base delle fonti e quindi mandargli chiedere anche di individuare delle opportunità di mercato proviamo a fare proprio questo chiedergli sulla base degli insight emersi dalla ricerca sviluppa tre possibili unique selling proposition per un nuovo prodotto o servizio rivolto a questo mercato includi la UNEX e le proposition consideri il target specifico l’offerta possibile un economica preliminare se vogliamo e poi dei strumenti diciamo di valutazione ok perfetto E deve propormi magari tre alternativi Quindi vedete che questo ci risponder non soltanto quello che dicono le fonti ma anche effettivamente fa un suo ragionamento, come potremmo farlo con qualsiasi large-legged model, ma solo sulla base degli insight ottenuti. Ci propone un assistente AI per il giardinaggio di precisione, va bene, può essere un’idea. Il Care-as-a-Service-Kit-Easy-Start, va bene. oppure il social green hub marketplace e community quindi un lavoro diciamo legato alla comunità va bene ci fa diciamo delle proposte se non ci interessa se vanno effettivamente bene o meno però ecco vedete come riesce anche comunque già da solo a ragionare e adesso faremo un’altra cosa molto interessante scegliamo una di queste proposte ad esempio l’assistente AI per il giardinaggio di precisione ok io mi salvo questo non serve che mi salvo tutto quanto faccio soltanto copia ok copio tutto quello quello che ho scritto qui Aggiungo una risorsa, copio il testo, ok? Quindi aggiungi una risorsa come testo, inserisci. Perfetto, adesso ho questa risorsa in più e ho come risorsa questo progetto dell’assistente AI per il giardinaggio, va bene? Perfetto, cosa posso fare però? Mi immaginate che io devo fare un PCDeck. Devo presentare questa proposta agli investitori, devo presentarla ai nostri superiori o quello che è. Bene, la cosa fantastica, veramente fantastica di Notebook LM è la creazione di slide, quindi slide deck. Possiamo andarlo a creare facilmente. Andiamo qui a cliccare, posso scegliere ovviamente le caratteristiche, posso scegliere addirittura di fare delle slide soltanto visive, dove sono io poi a parlarci sopra, se siamo abituati a parlare così, a presentare così può andare bene. Se no invece possiamo metterci anche del testo dettagliato, possiamo cercare la lingua, la lunghezza, su quale risorse si basa, ok? E possiamo andare a, intanto mi prenderò anche qua il prompt già pronto, slide generator, perfetto. Possiamo andare a specificare che tipo di slide noi vogliamo. Una struttura di 8-10 slide al massimo, vogliamo un’analisi del mercato e del contesto che è nelle nostre fonti, l’opportunità individuata il pay point principale l’opportunità individuata la unique selling proposition scelta la proposta concreta che vogliamo fare la fattibilità economica ricordate l’abbiamo messo nell’analisi per il nostro cliente il nostro futuro prodotto una piccola roadmap e la decisione richiesta al nostro stakeholder che sia il nostro quello che sia il nostro investitore o quello che è Va bene, in questo caso l’ha detto un gruppo investito nel mondo dei gardening. Generiamo le nostre slide e anche qua in pochi minuti andrà a generare appunto le slide. Ovviamente qua c’è una nota da dire mentre genera le slide. Si vedrà lo stile di notebook LM. Chi è abituato a usare questo strumento lo riconoscerà quasi subito. Se non ricordo male c’è anche il loghetto in basso. Sta un po’ a voi, dipende dal vostro tipo di target. Da un lato può essere una cosa utile intanto per velocizzare il processo, magari vi può dare già la struttura delle slide, le potete scaricare, mettere su WCamba, mettere su qualsiasi vostro strumento che usate, PowerPoint, per generare le slide, può essere intanto una base da cui partire. In altri casi, in base al vostro tipo di target, potete, magari non utilizzano le AI così spesse, non sono in grado di riconoscere il notebook LM, magari può essere uno strumento che vi permette veramente in 5 minuti già di aver generato delle slide. Ovviamente sta a voi, sta a voi essere responsabili sull’utilizzo delle AI e non creare AI slope, se vogliamo, quindi non generare contenuti che tutti riconoscono subito che è AI e quindi gli associano poco valore. Aggiungo che noi probabilmente viviamo in una bolla, ok, dove esiste l’AI da parte della nostra vita quotidiana, molti nostri clienti non sono all’interno di questa bolla. Quindi in realtà può andare bene anche generare questo tipo di slide in base al tipo di persona a cui ci stiamo riferendo. un’altra cosa che ho fatto spesso è prendere queste slide fatte da notebook.lm passate a Cloud Design che è uno strumento che vedremo più avanti su un’altra lezione quindi restate su Dussamo Pro anche per questo strumenti come Cloud Design dove possiamo caricare il nostro linguaggio, il nostro tone of voice la nostra brand identity dargli come riferimento le slide create su notebook.lm e trasformarlo in delle slide con la nostra brand identity Allora, in realtà stava già generando le slide, mostro quelle che ho già preparato in precedenza, le soluzioni erano simili, erano sempre legate al mondo di millennial, vedete come la qualità delle slide comunque è abbastanza buona, il design è abbastanza carino, l’hanno migliorato molto nel corso dei mesi, quelli di Google, e dice un sacco di cose interessanti ed è sulla base delle fonti che noi siamo andati a generare nelle nostre soluzioni, nel nostro lavoro precedente. Nel caso dell’esercizio che abbiamo fatto qui si parlava di un assistente AI mentre nel caso di questo esercizio, che è quello che ho preparato in precedenza parlava di sensori, assistenza, tutta l’analisi economica come avevamo già detto e poi la richiesta insomma dei go to market ai nostri investitori ok perfetto quindi insomma vediamo vediamo insomma mentre qua stava generando qua ci mette intorno a decine di minuti abbiamo mostrato quell’altro esempio per fare un po’ più veloci però vedete come comunque la qualità delle slide è abbastanza abbastanza buona