di Paola Alunni (Editor Manager di ByTek)
La raccolta e l’analisi dei dati diventano sempre più importanti per definire una strategia di marketing.
Con data driven strategy si definisce quella serie di scelte strategiche assunte dopo un’accurata analisi di dati e informazioni effettuata non solo in un’ottica di monitoraggio e di indagine, ma anche predittiva. I dati infatti, ci forniscono informazioni utili non solo per osservazione e screening, ma anche sui possibili scenari, guidando le strategie di management.
Un’azienda che decida di mettere in atto una strategia data-driven deve considerare però una serie di trasformazioni che andranno a coinvolgere funzioni tecnologiche e competenze dei suoi componenti, i quali a loro volta dovranno imparare a gestire e sviluppare analisi e modelli sempre più evoluti.
Ma come fare per sfruttare tutte le potenzialità dei dati, quali i modelli da adottare e quali le applicazioni data driven?
In cosa consiste una data driven strategy
Una data driven business strategy permette di prendere scelte ponderate, sia rivolte all’interno dotando l’azienda di un’organizzazione strutturata con un flusso di lavoro lineare, che all’esterno, presentando al cliente strategie solide e di riuscita.
Statistiche e report aiutano a valutare la customer satisfaction, a costruire e valutare benchmark e a misurare le performance. A stabilire in definitiva le metriche fondamentali di un business. Una quantità sconfinata di informazioni però, se non viene adeguatamente analizzata, rischia di rimanere semplicemente un archivio dati. Per mettere in atto una strategia data driven bisogna perciò sbloccare la vera potenzialità di queste informazioni; affinché i dati possano “guidare” le strategie aziendali, bisogna saperli sfruttare e governare.
Perché conviene sfruttare le potenzialità dei Big Data
L’analisi dei Big Data, uniti ai data set aziendali, permette di segmentare i clienti già fidelizzati o quelli potenziali e profilarli. In questo modo è possibile rilevare le tendenze del mercato, approcciare nuovi target di potenziali clienti e prevenire fattori anomali che incidono sulle vendite. Secondo i risultati della ricerca svolta dall’Osservatorio Big Data Analytics & Business Intelligence della School Management del Politecnico di Milano, la Big Data Analytics in Italia rappresenta un mercato da 1,7 miliardi di euro molto dinamico e in continua crescita. Un mercato che non conosce crisi, dove le company più mature hanno già internalizzato le competenze necessarie, con un percorso di sperimentazione continuo per governare i progetti e i processi decisionali in ottica data driven.
Quali strategie Data Driven
Una data driven company mette la customer satisfaction al centro delle proprie strategie; un business di successo è senza dubbio quello incentrato sul cliente, capace di offrire il prodotto giusto al momento giusto riducendo costi di produzione e distribuzione.
Perché un top manager possa orientare le scelte strategiche nella direzione giusta, con un approccio guidato dai dati, deve fare riferimento ai 3 punti principali di una strategia data driven:
- obiettivi che indirizzino le decisioni;
- strumenti per raccogliere e analizzare dati;
- competenze professionali per saperli governare.
Quindi, gettate le basi con i tre pilastri, occorre ottimizzare il flusso di lavoro.
Gli obiettivi
Il primo e fondamentale passo consiste nell’individuazione degli obiettivi generali: sapere quali sono i risultati che si vogliono ottenere alla luce dei dati di mercato, delle tendenze e dei bisogni dei clienti. Stabiliti questi, è possibile passare alla raccolta e alla clusterizzazione dei dati da analizzare.
Gli strumenti
Per analizzare e integrare una enorme mole di dati le capacità umane devono essere supportate da algoritmi di Intelligenza Artificiale. Company in grado di analizzarli con tecniche di machine learning sono quelle che dimostrano i margini maggiori di crescita.
Soprattutto i dati di prima parte, quelli raccolti direttamente dall’azienda nel Customer Relationship Management, sono attualmente gli unici utili e fruibili. Tante informazioni che vanno a confluire in un database utilizzabile poi solo attraverso attività di machine learning.
3rdPlace ha sviluppato DataLysm, la customer data platform di Augmented Analytics capace di analizzare e integrare dati tramite Intelligenza Artificiale. Informazioni raccolte nel rispetto della privacy capaci di indicare azioni di marketing specifiche ed efficaci sui clienti.
Le competenze e la cultura dei dati
Non esiste data governance senza formazione e specializzazione. Un’azienda che voglia dotarsi di una strategia data driven deve operare un cambiamento culturale profondo: le nuove tecnologie devono entrare a far parte dei processi aziendali, in ogni fase e in ogni momento decisionale.
Per far questo è importante che i processi decisionali siano condivisi e che tutti i componenti dell’azienda siano pronti alle sfide del futuro e disposti a fare un cammino di formazione permanente. Le competenze digitali devono crescere attraverso corsi formativi su big data e analisi dati, integrazione digitale dei processi aziendali, cyber security e molto altro.
Modelli data driven
I modelli di business data driven (o DDBM, Data Driven Business Model) si basano sulla creazione, raccolta analisi e aggregazione di dati di prima parte. Milioni di numeri e informazioni che, se sfruttati al meglio, permettono di prendere decisioni ponderate e supportate da una base scientifica. Questi attualmente i modelli più utilizzati.
Free data collector
Si tratta di modelli data driven per acquisizione dati basati su piattaforme gratuite che permettono una clusterizzazione dentro un’unica dashboard. Open Data Kit è una di queste e, tramite community, permette di accedere a strumenti di diversi livelli di complessità per aggregazione dati.
Servizi Analytics
Modello basato su piattaforme di servizi analytics che aiutano a raccogliere dati sulle scelte e sui comportamenti dei clienti e a costruire iniziative mirate e personalizzate. Come Factual, che tramite observation graph permette di analizzare il comportamento dei clienti e di rivolgersi ai potenziali clienti.
Data generator
Ricorso a software open source che creano servizi data science. Piattaforme come Knime Analytics Platform che aiutano a capire i dati, li integrano e di conseguenza aiutano a programmare il flusso di lavoro. Knime in particolare combina formati di testo (PDF, XLS, XML, CSV e altri), dati non strutturati come immagini, documenti, reti, etc) e dati di serie temporali.
Data aggregator as a service
Modello data driven per aggregare informazioni provenienti da sorgenti diverse: permette per esempio di clusterizzare prodotti di abbigliamento in base alla taglia o al materiale, macchine in base all’anno di immatricolazione, abitazioni in base ai mq e così via.
Multi source data mashup
Modello che crea connessioni tra diverse e numerose fonti di dati. Klipfolio è la piattaforma che offre una connessione tra tante fonti come siti web, fogli di calcolo e database, con una visualizzazione attraverso un’interfaccia intuitiva.
Le soluzioni 3rdPlace
Come fare per dare alla propria azienda un’organizzazione basata sui dati? Un esempio chiaro di soluzioni data driven di customer intelligence è rappresentato dal caso Italo Treno, per il quale 3rdPlace ha studiato in tempi rapidi valide soluzioni.
In questo caso si è trattato di un’azienda attiva nel campo dei trasporti su ferro, dove l’esigenza era quella di studiare azioni di marketing personalizzate.
Nel caso specifico sono stati raccolti dati riguardanti le azioni degli utenti sul sito, integrati con quelli provenienti dall’email marketing e quelli offline delle biglietterie elettroniche e delle agenzie viaggi. Poi si è passati a:
- importazione della segmentazione del CRM sulle piattaforme di advertising;
- identificazione dei clienti con più alta probabilità di riacquisto;
- invio di e-mail personalizzate per abbandono del carrello.
La strategia ha portato risultati concreti a stretto giro:
- le azioni mirate sull’abbandono del carrello hanno generato ripetitività di acquisto;
- si è verificato un +3% di conversion rate da attività di prospecting;
- +20% di conversion rate da remarketing con un -15% di investimento.
Nuove tecnologie, competenze ma soprattutto un cambio culturale profondo: solo così una strategia data driven può far acquisire vantaggi competitivi concreti.