Disegnare un customer journey personalizzato e un’esperienza del brand coerente nella multicanalità sono le sfide dei big data analytics applicati al marketing.
La capacità di predire e anticipare le necessità del consumatore rappresenta il desiderio e la sfida principale di qualsiasi marketer e oggi i Big Data Analytics mettono in campo gli strumenti per realizzare il sogno. Servono tuttavia passione, curiosità e creatività per estrarre dai dati ciò che è invisibile agli occhi e costruire una proposizione tailor-made per aumentare la soddisfazione del cliente e i profitti.
È un lungo percorso che richiede un cambio di mindset (è necessario abituarsi ai dati per un utilizzo efficace), ma la strada ormai è tracciata e inevitabile.
La ricetta del Data-Driven Marketing, dal sensemaking alla human centricity
In apertura, l’intervento di Armando Cirrincione, professore dipartimento di marketing - Università Bocconi, offre una prospettiva personale sul Data-Driven Marketing, concentrando l’attenzione su tre punti strategici per iniziative di successo: nuove attitudini (sensemaking, thinking strategically), imparare il futuro (looking forward perspective, hypotheses mindset), human centricity.
Inside forum
Data-driven marketing
la potenza degli analytics per una customer experience su misura
Se da sempre l’obiettivo (e il sogno) di qualsiasi marketer è prevedere il comportamento del consumatore, oggi il
progresso tecnologico mette a disposizione la sfera di cristallo, ma occorre abbracciare un cambio di mentalità.
Come? Innanzitutto, sviluppando la capacità di sensemaking, cioè unire i punti (l’infinità di dati e le evidenze fornite dagli analytics) alla ricerca di significati alternativi che sfuggono agli algoritmi (ad esempio, i Greci guardando le stelle hanno inventato lo zodiaco), senza procedere per schemi precostituiti e modelli consolidati. Fondamentale è anche l’attivazione del pensiero strategico, che permette di muoversi in contesti dinamici e incerti cercando di
prevedere le possibili mosse e soprattutto gli obiettivi a lungo termine della concorrenza.
Attualmente il sensemaking rappresenta circa il 5-10% delle attività decisionali nel marketing, ma deve essere esteso attraverso la capacità di porsi domande e formulare ipotesi, senza la paura del fallimento: chi prova inevitabilmente sbaglia, ma procedere per tentativi è l’unica strada dell’innovazione e grazie ai dati oggi è possibile verificare qualsiasi congettura. L’hypotheses mindset è l’attitudine corretta per imparare il futuro, da unire alla capacità di guardare avanti partendo dallo storico ma con la consapevolezza che il passato non si ripropone mai identico. Lo sguardo deve diventare prescrittivo, non soltanto predittivo: il data-driven marketing permette di presumere gli eventi, ma anche di ottenere le indicazioni per evitare potenziali crisi (ad esempio, uno sportivo può prevenire gli infortuni, conoscendo sia le probabilità di accadimento sia le modalità con cui intervenire per scongiurare il rischio).
Infine, per un data-driven marketing di successo bisogna abbandonare la prospettiva customer centrica, ma piuttosto considerare gli aspetti più umani ed emotivi del consumatore, che è innanzitutto una persona e non un cliente. Solo così sarà possibile cogliere e sfruttare i business moment, intercettando le ragioni non razionali alla base delle scelte di acquisto.
L’analisi del dato e la ricerca della felicità senza preconcetti
Gli stessi temi sono stati ripresi anche da Francesco Minelli, Direttore Marketing – Gruppo Cattolica Assicurazioni, che sottolinea due aspetti fondamentali dei processi decisionali guidati dagli analytics: la selezione dei dati corretti senza perdersi nel sovraccarico informativo; la felicità della scoperta a partire da un pensiero libero da preconcetti.
Avere a disposizione troppi dati equivale a non averne affatto: sono le informazioni pertinenti a uno specifico problema che permettono di arrivare alla soluzione, mentre il rumore è solo controproducente, sviando dal focus dell’indagine.
La chiave di volta nelle decisioni data-driven è la capacità di partire da una tavola bianca senza schemi precostituiti, alla ricerca dei reali bisogni del
consumatore. Infatti è solo la curiosità
dell’osservatore, il suo desiderio di soddisfare il cliente
e cercare la sua felicità, che permette di creare effettiva innovazione, carpendo ciò che a prima vista i dati non rivelano.
Il data-driven marketing deve rispondere in maniera puntuale a una necessità, individuando gli stati d’animo che portano il cliente a decidere in un determinato istante. È proprio la serialità di quelle emozioni, tanto potenti da determinare le scelte di acquisto, che genera il successo del business. Il compito del marketer è rintracciare attraverso i dati i desideri più profondi delle persone e costruire una proposizione unica, differenziata e su misura, cercando di capire la componente emotiva che separa un “sì” da un “no”.
Per ottenere il risultato, bisogna perdersi dentro i dati, avere il coraggio di esplorare soluzioni non convenzionali, non fermarsi alle apparenze né ancorarsi al passato. Insomma, l’innovazione e l’unicità della proposta scaturiscono esclusivamente dalla passione e dalla felicità della scoperta.
Esperienze concrete di Data-Driven Marketing
Alle teorie sul Data-Driven Marketing seguono gli esempi pratici con la tavola rotonda a cui hanno partecipato Andrea Scola, Business Intelligence Marketing - Repower Italia, Marco Congi, Advocacy Analytics Lab - BNL BNP Paribas, Simone Ranucci, Co-fondatore e Presidente - Yolo Group.
La discussione ha affrontato la varietà di approcci aziendali al tema degli analytics, partendo dalla perdita di sovranità sulle decisioni a favore dell’automazione dei processi. BNL PNB Paribas propende per una strategia di valorizzazione dei dati al fine di ottimizzare la relazione con il cliente e diminuire il tasso di abbandono, ma tutti i processi di innovazione sono sotto uno stretto regime di governance, con un controllo a monte sulla qualità dei dati e una verifica a valle delle performance degli algoritmi in ottica di continuous improvement.
Repower ha inserito artificial intelligence e machine learning tra gli elementi chiave all’interno dei processi decisionali, ma l’atto finale spetta alle persone e non viene delegato all’algoritmo. La posizione più spinta è quella di Yolo che sfrutta gli automatismi dell’AI e del ML per creare offerte su misura (instant, on-demand, pay-per-use) in base al profilo e alle abitudini del cliente, utilizzando anche
meccanismi di geo-localizzazione e sistemi di data analytics.
L’estrema personalizzazione permette quindi di aumentare la customer satisfaction e la profittabilità della proposta assicurativa.
Durante la tavola rotonda, le aziende spiegano i progetti di data-driven marketing in corso, con alcuni esempi applicativi. BNL BNP Paribas ha messo a punto un sistema di Net Promoting Score basato sugli analytics che permette di misurare la soddisfazione del cliente attraverso la sua propensione a consigliare ad altri i servizi proposti dalla banca. Grazie a questa tecnica, che fa leva sul cervello rettiliano ovvero sulle risposte istintive dell’utente, è possibile intercettare l’effettiva customer satisfaction, identificare i casi critici e intervenire di conseguenza per diminuire il churn rate.
Repower è impegnata nella costruzione di una Data Management Platform che permette di raccogliere centralmente e incrociare tutte le informazioni sul cliente provenienti dai diversi touch-point e sistemi (app per la mobilità elettrica, intranet, canale di acquisizione online, area clienti, datawarehouse interno, altre DMP esterne all’azienda). Gli obiettivi del progetto includono la segmentazione dei target per campagne personalizzate, il miglioramento
dell’esperienza utente nelle diverse fasi del funnel, l’identificazione delle criticità nell’acquisizione dei prospect, l’analisi dei bisogni reali del cliente a partire dalle sue preferenze e dai suoi
interessi, la possibilità di analizzare il comportamento degli utenti e ridurre il tasso di abbandono.
Yolo Group infine ha sviluppato una piattaforma insurtech evoluta e flessibile che consente di creare e gestire un’offerta assicurativa on-demand grazie a data management, operations end-to-end e customer engagement. Il sistema viene incontro alle esigenze del settore assicurativo che si trova al centro di una grande trasformazione: se la vendita delle polizze è sempre avvenuta per intermediazione dei broker e delle agenzie, oggi il cliente preferisce l’acquisto diretto attraverso i canali online (secondo le statistiche riportate, nel 2022 oltre l’80% del
business assicurativo si sposterà su Internet, raggiungendo la totalità nel 2035). Cambiano le aspettative in favore di prodotti sempre più personalizzati con un pricing dinamico e una copertura limitata a momenti precisi (un amante dello sci non vuole certamente pagare
un’assicurazione sugli infortuni per tutto l’anno, ma solo quando si trova a praticare il suo sport).
L’obiettivo di Yolo è ampliare il set di informazioni disponibili (in particolare i dati
comportamentali) e costruire una vista a 360° sul singolo cliente, così da migliorare attività di upselling, fidelizzazione e value proposition dei partner.
Il customer journey data-driven: personalizzazione one-to-one dell’offerta e riconoscibilità del brand
Insistono sulla necessità di un’offerta tailor-made anche Gioni Gennai, Senior Manager Martech Innovation Lead - Accenture Interactive e la collega Annarita Galati, Senior Manager Personalization Lead.
Oggi il confronto tra aziende verte su esperienze sempre più personalizzate che creano engagement e differenziazione sul mercato. Tuttavia, le aspettative del pubblico sono state disattese, come rileva uno studio europeo condotto su un campione di 8.000 consumatori. Il 91% dei rispondenti si è dichiarato più propenso a fare acquisti con
marchi che riconoscono, ricordano e offrono proposte e raccomandazioni rilevanti. Il 48%
però ha ammesso di essere passato alla concorrenza perché il sito web di un fornitore era poco curato.
Ecco perché la personalizzazione dell’offerta e dei contenuti è fondamentale per il successo del business: solo grazie a un’esperienza del brand costruita dinamicamente su misura (in base alle azioni individuali, alle preferenze e alle passioni) e coerente su tutti i canali fisici e digitali, è possibile incrementare tasso di risposta e loyalty, generando quindi profitto su larga scala.
Riconoscere il cliente è la prima leva di successo: è necessario quindi sfruttare il
patrimonio informativo (in particolare i dati destrutturati che rappresentano l’80% del totale) proveniente da una pluralità di fonti (Crm, Dmp, device mobili, social media eccetera) al fine di creare profili completi e aggiornati in real-time del singolo utente che servono a: costruire modelli di machine learning, abilitare campagne automatizzate e contenuti personalizzati, ottenere insights comportamentali utili, segmentare l’audience, misurare le performance e compilare report. L’obiettivo ultimo è portare valore al cliente senza sommergerlo di messaggi indesiderati e controproducenti, ma piuttosto
utilizzando efficacemente gli advanced analytics per costruire cluster di clienti verso cui
indirizzare una comunicazione ottimizzata attraverso i canali più efficaci.
I cambiamenti culturali, organizzativi e tecnologici per abilitare il Data-Driven Marketing
La palla passa quindi a Fabrizio Verroca, Project Manager - TIM e a Alessio Folgori, Customer Account Executive - SAS, che hanno collaborato al progetto di data-driven marketing per l’azienda italiana di telecomunicazioni. Sono emerse alcune considerazioni interessanti sui fattori che decretano il successo delle iniziative di data analytics, a
beneficio della customer relationship ma anche per l’ottimizzazione delle operations.
Entrambi concordano sulla necessità di preparare il terreno in termini di cultura e apertura all’innovazione, nonché di attivare cambiamenti a livello tecnologico e organizzativo. Innanzitutto serve la capacità di uscire dagli schemi e considerare la conoscenza come un patrimonio collettivo: le informazioni e i ritorni devono essere condivisi tra le Line of Business, rompendo i silos e lavorando su una roadmap comune.
Bisogna anche pensare all’inserimento in azienda di nuove figure, ad esempio il data scientist e il data designer, preposte all’organizzazione e all’analisi delle informazioni. Sul fronte tecnologico, indispensabile è la creazione di un sistema di data management efficiente ed efficace, in grado di gestire la pluralità di informazioni provenienti dai diversi touch point; segue l’implementazione delle soluzioni di data analytics, mettendo a disposizione anche ambienti di test per la verifica dei modelli. I processi invece dovrebbero evolvere verso metodologie agile e incrementali.
Nuove prospettive di data-ownership: costruire la fiducia basata su protocolli
Riccardo Zanardelli, Digital Business Development Manager / Service Platforms - Fabbrica d'Armi P. Beretta, offre una prospettiva originale sulla data ownership.
Il data sharing ha decretato l’avvento dell’economia digitale, mostrando però anche limiti strutturali. Le questioni legate alla privacy oggi possono rappresentare un deterrente all’acquisizione e all’engagement dei clienti. L’utente più consapevole vuole essere informato circa l’utilizzo dei propri dati (quali informazioni vengono conservate, come, dove, perché e per quanto tempo), ma spesso le lunghe informative sulla privacy non offrono una risposta soddisfacente alle preoccupazioni. Più spesso invece non vengono neppure lette e accettate come atto di fede.
La tecnologia invece può offrire un’alternativa efficace grazie a sistemi basati su protocolli, codici e meccanismi di machine learning. Sostanzialmente, le informazioni dell’utente risiedono in un data-pod personale e resi disponibili ai fornitori di servizi attraverso un accesso protocol-based
sulla base di contratti espressi in termini di codice. Grazie a una data ownership dashboard sarà possibile analizzare e gestire l’impiego dei dati, personalizzando gli accessi grazie a bundle di autorizzazioni, mentre i meccanismi di machine learning permettono di affinare il processo e aggiornare dinamicamente i contratti. Così la data ownership diventa dinamica, trasparente, gestita in real-time, modulabile nel tempo in base alle esigenze dell’utente. Se apparentemente complicato, questo sistema di trust basato su protocolli e non su policy potrebbe rappresentare una leva di marketing estremamente efficace nei prossimi anni.
