Retail Marketing Data-Driven: campagne mirate, performance sotto controllo, previsioni accurate con l’AI

La digitalizzazione ha moltiplicato canali e touchpoint tra clienti e aziende, rendendo più complesso per queste ultime gestire in modo coerente ed efficace la relazione. D’altra parte, ha anche aperto nuove possibilità per migliorare le performance di vendita, rendendo possibile creare campagne marketing più efficaci, avere un customer care più efficiente, offrire al cliente un’esperienza sempre migliore. E, in tutto questo, a giocare un ruolo fondamentale sono senza dubbio i dati.

Tanti dati, ma ancora poco valore

Gli strumenti che abbiamo a disposizione oggi permettono di raccogliere i dati relativi a moltissime delle interazioni che i clienti hanno con il brand, sia online che offline. E sappiamo ormai bene che questi dati rappresentano un elemento chiave da utilizzare all’interno della strategia di un business, in qualsiasi settore. Eppure, ancora oggi, sono molte le aziende che hanno difficoltà: non tanto a raccoglierli, quanto ad estrarre da essi delle informazioni rilevanti, da utilizzare poi per sviluppare azioni concrete. Solo il 33% delle aziende, infatti, dichiara buona o ottima la propria capacità di valorizzare i dati raccolti, e ancora meno sono quelle che effettuano su di essi analisi evolute o che li utilizzano per aumentare il livello di personalizzazione dell’esperienza del cliente.

In questo scenario, piattaforme digitali come Koncentro, sviluppata da Konvergence in particolare per supportare i marketing manager del retail, rappresentano un valido aiuto per le aziende -incluse quelle di piccole dimensioni- intenzionate a trattare i dati non più come un fine, ma come un mezzo per raggiungere i propri obiettivi di business.

First step: un database unico

Partiamo dalle basi: avere in un unico luogo tutti i dati raccolti attraverso i diversi canali di comunicazione (sito web, pagine social, app di messaggistica, canali offline…) è imprescindibile per qualsiasi azienda voglia sviluppare una strategia omnichannel, ovvero in grado di gestire sinergicamente e in modo integrato i vari punti di contatto tra cliente e brand.

Affinché siano utilizzabili, i dati raccolti vanno normalizzati e fatti confluire all’interno di un database unificato, pulito e mantenuto sempre aggiornato; questo permette di avere facilmente accesso a tutte le informazioni disponibili sui consumatori, e rappresenta il punto di partenza per effettuare ulteriori elaborazioni sulle informazioni in nostro possesso. Nella piattaforma Koncentro, che si articola in più moduli separati e integrabili tra loro anche in un secondo momento, tutto questo avviene all’interno del Customer DB. «Il Customer DB permette di avere una visione unica e su tutti i touchpoint del consumatore: punti cassa, web e social, mobile e via dicendo» spiega Guerino di Giacomo, Direttore Vendite «Gettiamo così le basi di una vera strategia omnicanale: quando sarà il momento di lanciare una specifica campagna promozionale, questo ci permetterà di farlo attraverso i punti di contatto per cui è stata pensata».

Who's Who

Guerino di Giacomo

Direttore Vendite di Konvergence

Perché raccoglierli non basta: cosa ci dicono i dati?

Questi dati non hanno un valore intrinseco: occorre interpretarli, per poi, sulla base dell’interpretazione, agire. Ad essere interessanti non sono quindi i dettagli di uno scontrino o lo storico degli acquisti ottenuto da una fidelity card, ma i comportamenti e le preferenze dei consumatori a cui possiamo risalire partendo da queste informazioni.

Elaborando i dati di cui siamo in possesso con l’aiuto di algoritmi specifici, è possibile per il marketing studiare trend di acquisto e comportamenti dei consumatori, arrivando anche a fare delle previsioni per il futuro. Il Customer DB viene così “arricchito” dal modulo Analytics della piattaforma Koncentro che utilizza 7 algoritmi di analisi. Troviamo ad esempio algoritmi che permettono di:

• determinare il valore di un cliente a partire dai dati contenuti nello scontrino, considerando comportamenti come spesa media e frequenza di visita. In questo modo sarà possibile riconoscere i consumatori più fedeli, da premiare, o coloro che si stanno allontanando, da incoraggiare con promozioni dedicate e altri incentivi;
• identificare i clienti che contribuiscono maggiormente alla creazione di marginalità, su cui concentrare gli sforzi di fidelizzazione;
• individuare i prodotti più acquistati da un cliente per scoprire di più sul suo stile di vita; questo permetterà di raggiungerlo con comunicazioni e promozioni personalizzate;
• scoprire le abitudini temporali del cliente: in quali orari o periodi dell’anno è solito venire in negozio? L’informazione è importante per pianificare al meglio le tempistiche delle offerte (e anche per ottimizzare la gestione della supply chain);
• valutare l’attenzione che il cliente presta al costo dei prodotti, al fine di ottimizzare la propria strategia di pricing, e determinare la sua sensibilità alle promozioni, monitorando la risposta alle campagne promozionali;

Sfruttare i dati per creare campagne promozionali più efficaci

È arrivato il momento di agire: abbiamo visto come già soltanto interpretare ed analizzare i dati che abbiamo a disposizione possa offrire diversi spunti per migliorare le proprie strategie di marketing e di vendita. Ma qual è il modo migliore per mettere a frutto le informazioni ottenute? «Utilizzare soluzioni avanzate di machine learning, come quelle implementate all’interno del modulo Campaign Management della nostra piattaforma, permette di costruire campagne di marketing mirate e personalizzate» sostiene Di Giacomo. «A monte, occorre stabilire dove si intende focalizzare la propria attenzione e definire gli obiettivi da raggiungere, attività strategiche che ovviamente rimangono in capo alle persone in azienda».

Ma quando arriva il momento di tradurre la strategia in azioni concrete, l’AI si rivela un prezioso alleato per migliorare le performance di vendita e offrire al consumatore un’esperienza sempre più customizzata e piacevole. In base a quanto appreso dai dati analizzati, può suggerire prodotti complementari rispetto a quelli già comprati, proporre con il giusto tempismo di riacquistare quelli apprezzati in precedenza, ma anche consigliarne di completamente nuovi, se reputati potenzialmente appetibili.

E, mentre il machine learning lavora e la campagna di marketing prosegue, attraverso la piattaforma è possibile monitorare le sue performance, non solo in fase di chiusura, quando è fondamentale per verificare se gli obiettivi che ci si erano prefissati siano stati raggiunti, ma anche durante lo svolgimento stesso della campagna. «Avere un buon livello di controllo sull’andamento delle proprie attività è sicuramente un grande vantaggio» racconta Flavio Baldes, Customer success manager.

«Pensiamo ad esempio alla gestione del budget: un produttore che è in grado di misurare l’andamento di una campagna in corso, può bloccarla in tempo qualora stia avendo troppo successo e si rischia di andare in perdita, vendendo troppi prodotti ad un prezzo promozionale».

Strumenti al passo coi tempi

Limitarsi a raccogliere i dati non è sufficiente. Occorre dotarsi di strumenti che permettano di elaborarli per ricavarne informazioni e insight da utilizzare concretamente all’interno della propria strategia, monitorando costantemente i risultati ottenuti. Solo così le aziende potranno continuare a reagire agli stimoli esterni, fare test e ottimizzare le proprie attività con la velocità richiesta oggi dal mercato per rimanere competitive.