di Marco Belmondo
L’analisi predittiva al servizio delle strategie di marketing
Cosa significa predictive analysis? Con questo termine, in italiano analisi predittiva, si fa riferimento all’utilizzo di modelli previsionali, che possono essere di differenti tipologie, per arrivare a prevedere, con un certo grado di sicurezza, il valore che una variabile assumerà nel futuro.
Questo concetto, in apparenza molto tecnico, è in verità sempre di più uno dei fondamenti dei processi di business, per grandi aziende ma non solo, anche per realtà di più piccole dimensioni. Secondo l’Osservatorio Big Data & Business Analytics del Politecnico di Milano, la predictive analysis in almeno un processo aziendale (quali ad esempio marketing, finance, produzione) è in uso in più di tre quarti delle grandi aziende e in circa il 40% delle piccole e medie imprese. È chiaro, tuttavia, che la complessità con cui queste tipologie di analisi possono essere realizzate può variare notevolmente e, d’altro canto, anche le competenze necessarie per sviluppare modelli predittivi efficaci sono in continua evoluzione.
Il mondo del Marketing è stato quello che per primo ha iniziato ad approcciare le attività di predictive analysis e, sempre di più, le aziende non possono fare a meno di questi modelli per migliorare le attività di offline e online marketing, così come i sistemi di lead generation. Il Marketing ha infatti la primaria necessità di comprendere quale sia il comportamento dei clienti e, ancor di più, quali sono i loro desideri futuri. Proprio per questo, le attività di predictive analysis possono svolgere un ruolo centrale. Vediamo come.
Le applicazioni di predictive analysis nel mondo del Marketing
Quali sono nel concreto le domande a cui un’analisi predittiva sui dati dei clienti può rispondere? È questa la questione da porsi per comprendere quali siano di fatto le applicazioni dell’analisi predittiva nel marketing.
Prima di tutto, va detto che per impostare al meglio una strategia di Marketing sarà necessario porsi domande molto concrete che attraverso i dati potranno trovare delle specifiche risposte. Di seguito alcuni esempi di domande in ambito Marketing Analytics.
- Attraverso quali canali, i miei clienti raggiungono il mio brand/prodotto/negozio? Questo dubbio è ovviamente valido sia in ambito online sia offline;
- Qual è il customer journey più comune dalla conoscenza del brand all’acquisto?
- Perché alcuni clienti smettono di acquistare?
- Quali sono i clienti maggiormente profittevoli? Quali le fasce di popolazione che più probabilmente potrebbero trasformarsi da lead a prospect a clienti?
Queste questioni possono tradursi, in ambito predictive analysis, in specifiche applicazioni, di cui possiamo raccontare alcuni esempi.
- Churn Prediction: un’applicazione di grande rilevanza è la capacità di prevedere il tasso di abbandono della propria clientela e quindi, a livello di singolo cliente, calcolare la probabilità del singolo cliente di smettere di acquistare i prodotti/servizi dell’azienda. Per farlo, è necessario sviluppare dei modelli predittivi che riescano – a partire da determinati comportamenti di acquisto – ad associare la singola probabilità in maniera efficace.
- Micro-segmentation: il tema della suddivisione del proprio customer base in dei profili di clienti simili tra loro è ben noto alla tradizionale teoria di Marketing. Grazie ai Big Data, ai modelli statistici e in alcuni casi al Machine Learning, è oggi possibile realizzare una segmentazione più evoluta dei clienti, che va ad associare al singolo cliente o prospect la probabilità che venga effettuato un nuovo acquisto.
- Ottimizzazione degli investimenti in advertising: spostandosi a trattare le attività pubblicitarie, anche in questo caso la predictive analysis può avere un ruolo rilevante. Prima di tutto, i modelli predittivi possono supportare la scelta dei canali di advertising da utilizzare, in secondo luogo un approccio data-driven può portare ad ottimizzare gli spazi pubblicitari da acquistare e i tempi di acquisto.
Per raggiungere questi risultati, oltre alla scelta dei modelli, è necessario scegliere le giuste fonti dati. In alcuni casi, anche variabili apparentemente non legate (ad esempio il meteo) possono svolgere un ruolo chiave per prevedere i tempi di un acquisto.
Marketing predittivo: tecnologie e competenze
In questo articolo, abbiamo solo potuto accennare le applicazioni e i casi d’uso che le analisi predittive possono avere in ambito Marketing, dall’acquisizione di nuovi lead alla fidelizzazione della clientela. I benefici che se ne possono trarre sono numerosi ed è molto importante, nello sviluppo di nuovi modelli, monitorare costantemente le giuste metriche.
Tra le soluzioni di marketing predittivo l’invito è ad approfondire la ByTek AI Suite.
Per concludere va dunque sottolineato che iniziare ad utilizzare analisi predittive in ambito Marketing non è banale. Prima di tutto, è necessario avere le tecnologie adeguate, ad esempio software di statistica o di Data Science. In secondo luogo, è necessario avere delle competenze specifiche, come Data Scientist o Data Analyst. Queste competenze possono essere assunte e quindi inserite all’interno dell’azienda o acquistate come soluzioni dall’esterno. Si tratta di figure e soluzioni che sanno analizzare i dati, sviluppando modelli adeguati, e interpretarne i risultati. Queste figure e soluzioni possono essere più o meno specializzate in alcuni processi, come ad esempio il Marketing.
Ciò che più conta, infine, è una cultura aziendale data-driven, in cui differenti figure di business sono pronte a prendere decisioni basate sui dati.
