MAPS Intelligence
Risorse/AI e Marketing
AI e Marketing · 8 min di lettura

Knowledge base di marketing: la memoria che non si perde

Ricerche, analisi, materiali e decisioni in un posto solo, interrogabile a parole: come costruirla perché resti utile, e cosa cambia quando la legge un’AI.

Aggiornato il 6 ottobre 2026 · Redazione MAPS
In breve

Una knowledge base di marketing raccoglie in un posto solo quello che un team sa su un brand e il suo mercato — ricerche, analisi, materiali, dati, decisioni — in modo che si possa ritrovare e interrogare. Quando la legge un’AI, smette di essere un archivio da sfogliare e diventa una memoria a cui fare domande, con le fonti.

Il problema che risolve

Il sapere di un team di marketing è sparso: report in cartelle condivise, presentazioni nelle email, analisi in strumenti diversi, decisioni nella testa di chi c’era. Quando una persona cambia ruolo, o un cliente torna dopo un anno, si riparte da capo. Una knowledge base serve a non perdere quello che si è già pagato per sapere.

Cosa ci va dentro

  • Ricerche — di mercato, sui consumatori, sui concorrenti, interne o acquistate.
  • Analisi — SWOT, posizionamento, journey, scenari.
  • Dati — vendite, panel, CRM, performance delle campagne.
  • Materiali — brief, presentazioni, linee guida di brand.
  • Decisioni — cosa si è deciso, perché, su quali evidenze, cosa si è scartato.

Come costruirla perché resti utile

1. Una per cliente, o per brand

Le informazioni di clienti diversi devono restare separate. Quando serve guardarle insieme, ogni informazione deve dire da dove viene.

2. Ogni documento con fonte, data e natura

Un dato di panel, un’analisi interna, un’opinione raccolta sui social non valgono allo stesso modo. Segnare la natura e la data di ogni materiale permette di pesarli.

3. Aggiornata senza sforzo

Se aggiornarla richiede un lavoro a parte, nessuno lo fa. Il materiale deve entrare mentre si lavora: salvare un’analisi deve bastare.

4. Le decisioni, non solo i documenti

Tra sei mesi la domanda più preziosa sarà «perché avevamo deciso così?». Registrare le decisioni con il loro perché è la parte più spesso dimenticata.

5. Interrogabile a parole

Con la ricerca per significato (gli embedding) e un RAG, la knowledge base risponde a domande: non serve ricordare dove sta un file.

Come lo fa MAPS

In MAPS ogni progetto ha la sua memoria, e tutto quello che produci entra da solo: ricerche, analisi, persona, campagne, contenuti. Nell’Archivio carichi i tuoi materiali — PDF anche scansionati, presentazioni, fogli, immagini, file da Google Drive — e scegli di che tipo sono; MAPS li indicizza e li collega al grafo. La memoria delle decisioni registra cosa avete deciso, perché, su quali evidenze e cosa avete scartato. I progetti restano separati; nel workspace c’è anche un archivio comune, e lo Strategist ragiona su più progetti insieme, con l’etichetta di provenienza.

L’Archivio di un progetto in MAPS: i materiali indicizzati e collegati al grafo

Domande frequenti

Che differenza c’è tra una knowledge base e un archivio di file?

Un archivio conserva i documenti; una knowledge base li rende ritrovabili e collegati, con fonte, data e natura. Con un’AI, diventa interrogabile a parole.

Chi dovrebbe alimentarla?

Idealmente nessuno in modo dedicato: il materiale dovrebbe entrare mentre si lavora, salvando analisi e documenti. Le decisioni, invece, vanno registrate di proposito.

Come si evita che invecchi?

Datando ogni materiale, tenendo le versioni precedenti invece di sovrascriverle, e segnalando quando un’informazione è vecchia.

È sicura per i dati dei clienti?

Deve tenere separati i clienti, controllare chi accede a cosa e trattare i dati personali con cautela, per esempio usando solo aggregati.

Origine e riferimenti

Sulla creazione e condivisione della conoscenza nelle organizzazioni: Ikujiro Nonaka e Hirotaka Takeuchi, The Knowledge-Creating Company (1995).

Scritto dalla redazione MAPS con l’aiuto dell’AI, verificato e rivisto dal team.

Articoli correlati
AI e Marketing·9 min di lettura

RAG e Graph RAG nel marketing: cosa sono e perché contano

Come un’AI risponde sui tuoi documenti invece che «a memoria», perché il RAG classico non basta quando la risposta sta nei collegamenti, e cosa aggiunge un grafo.

Leggi →
AI e Marketing·8 min di lettura

Embedding vettoriali: la ricerca per significato, spiegata semplice

Cosa sono gli embedding, perché permettono di trovare un’informazione anche senza le parole giuste, e dove si fermano.

Leggi →
Metodologia·9 min di lettura

Competitive Intelligence: un metodo per raccogliere dati che contano

Dalle domande alle decisioni: come pianificare, raccogliere, verificare e leggere le informazioni sui concorrenti e sul mercato — in modo etico, con fonti e date.

Leggi →