di Francesca Morpurgo
Chiunque si occupi di marketing o di digital advertising sa bene come ormai l’economia, e in particolare l’economia digitale, sia completamente“ data driven”: non si è mai potuto prescindere dall’analisi dei dati, e chi lo ha fatto in passato ha sicuramente messo in pericolo il suo business, ma al giorno d’oggi utilizzare i dati al massimo del loro potenziale è diventato imprescindibile se si vuole riuscire a competere.
Peraltro, mai come oggi – grazie ai cosiddetti “big data” – c’è una disponibilità di dati pressoché infinita: navigare in rete, fare transazioni e acquisti sugli e-commerce, utilizzare assistenti virtuali e altri oggetti connessi, moltissime azioni generano dati, che possono essere intercettati, immagazzinati e – fatto salvo il rispetto della privacy – utilizzati.
Il problema è che spesso i dati provengono da fonti molto diverse (ad esempio social media, analytics, CRM…) e sono immagazzinati in compartimenti fra loro non comunicanti, sicché riuscire a metterli effettivamente in relazione – cosa fondamentale se si vuole veramente sfruttare il “potere” dei dati – non è cosa facile.
Immagazzinare e mettere in relazione i dati: le customer data platform
Le Customer Data Platform (o CDP) sono nate appunto a questo scopo: integrare dati strutturati e non strutturati di diversa origine e immagazzinati in diversi database fra loro non comunicanti (i cosiddetti “silos”) in un unico luogo onde poterli normalizzare, mettere in relazione ed avere una visione a 360 gradi di ogni utente.
Una customer data platform non è quindi altro che un luogo in cui i dati relativi ad ogni utente sono permanentemente raccolti, standardizzati, strutturati, messi in relazione e resi utilizzabili per altri sistemi di marketing e/o piattaforme utilizzate dall’azienda.
I dati raccolti in una CDP possono essere di natura estremamente diversificata. Possiamo avere dati demografici, comportamentali, dati sulle transazioni e sulla cronologia di navigazione, dati sulle azioni (ad esempio ctr, iscrizioni a newsletter o servizi, download, etc); i dati possono inoltre essere di prima, di seconda e di terza parte; possono essere già ordinati e strutturati, o meno; E’ evidente che raccogliere e normalizzare dati così diversi non è un processo facile ma è altrettanto lampante la potenziale remuneratività.
Come integrare i dati in una customer data platform?
Volendo quindi fare il grande passo e adottare una customer data platform per il proprio business, quali sono gli step per integrare i dati e progettare correttamente una CDP?
Per prima cosa bisogna identificare i luoghi in cui i dati si trovano, cosa apparentemente banale ma in realtà affatto scontata; sarà quindi necessario definire delle regole e delle procedure per importare i dati dal luogo fisico in cui si trovano alla nuova CDP (e anche qui, si potrà scegliere se importare fisicamente i dati o se metterli semplicemente in comunicazione non andando a toccare la loro collocazione fisica, in una specie di operazione di “federativa”).
Tipicamente le modalità con cui si possono andare ad importare i dati in una CDP sono tre:
- Manuale
I dati vengono copiati da un sistema all’altro manualmente o con delle procedure che richiedono comunque supervisione umana.
- Automatica
Il tool a cui ci si affida (che esso sia Salesforce, AppxChange o alti) gestisce tutto tramite le sue APIs.
- Ingegnerizzata
Un team interno dovrà sviluppare e manutenere APIs e script proprietari per esportare i dati dai vari sistemi e piattaforme su cui vengono raccolti alla CDP.
Successivamente, si dovrà unificare gli ID di ogni utente, dato che come risultato dell’importazione dei dati da tanti diversi luoghi è probabile che ci saranno profili duplicati, mentre il punto del creare una CDP è proprio avere una visione unificata e globale di ogni utente attraverso tutte le sue azioni e interazioni.
A questo punto si potrà finalmente far entrare in azione la parte più interessante del processo, ovverosia la segmentazione e la attivazione dei dati, utilizzando possibilmente tecniche di intelligenza artificiale, di machine learning e di analytics avanzati per ottenere una vista quanto più granulare possibile dei propri utenti.
Naturalmente sarà stato vitale condurre ex-ante una accurata fase di progettazione ed analisi in modo da definire il tipo di domande e di problemi a cui si vuole rispondere tramite la CDP e il tipo di output che si vuole ottenere, dato che il modo in cui si andranno ad integrare i dati influirà fortemente sul tipo di risultati che si otterranno.
A cosa serve quindi una customer data platform?
Una customer data platform è uno strumento potentissimo in mano al marketing team. Prima di tutto, a differenza dei CRM che gestisce solo dati di prima parte, e di una DMP, che è dedicata ai dati di terza parte, gestisce tutti i tipi di dati; in secondo luogo, comunica e interagisce efficacemente con tutte le funzioni aziendali (sales, marketing, business intelligence, customer care); in terzo luogo è uno strumento molto flessibile che può essere ulteriormente integrato con strumenti interni di analytics, machine learning, intelligenza artificiale per ottenere risultati ancora più approfonditi e performanti. Tramite una CDP ben progettata si può arrivare ad una definizione del target talmente granulare da essere in grado di condurre campagne marketing veramente personalizzate, seguendo l’utente a 360 gradi e proponendogli esattamente ciò che cerca, quando lo cerca, senza risultare invasivi o eccessivamente aggressivi.
