Siamo di fronte a una nuova era del marketing dove strumenti e contesto si fondono. Le nuove strategie si basano su un approccio analitico alla customer base. Gli investimenti sono in forte aumento. Non si tratta solo di una priorità strategica, ma di una leva indispensabile per restare sul mercato. E l’AI gioca un ruolo sempre più importante

Negli ultimi anni, c’è stato un forte incremento del numero di consumatori che utilizzano Internet in una o più fasi del processo di acquisto: secondo il report dello scorso ottobre “I pilastri dell’omnichannel Customer Experience Management” degli Osservatori del Politecnico di Milano, solo nel nostro Paese sono ormai oltre 35,5 milioni, cioè il 67% della popolazione italiana over 14. In questi anni, sta profondamente cambiando il processo di acquisto dei consumatori italiani. Un primo importante cambiamento riguarda l’utilizzo sempre più integrato di canali fisici e digitali. Da un lato è cresciuto considerevolmente il segmento degli eShopper (circa 23,1 milioni di consumatori, secondo lo stesso report, con un incremento di 2,5 milioni rispetto all’anno precedente), ossia coloro che utilizzano Internet non solo nella ricerca di informazioni, ma in tutte le fasi del customer journey. Dall’altro, però, si registra la progressiva convergenza del ruolo degli spazi di comunicazione e di vendita: si sta sempre più riducendo la distanza tra lo “showrooming”, la ricerca di informazioni in punto vendita e il successivo acquisto online, e l’infocommerce, la ricerca di informazioni online e il successivo acquisto in un punto vendita.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

ESHOPPING, QUANTI CAMBIAMENTI

Gli eShopper hanno ormai percorsi di acquisto che vedono un impiego sinergico, integrato e ibrido di touchpoint online e offline. Un secondo importante cambiamento riguarda la modalità di relazione tra il consumatore e il brand: oggi, si ricercano interazioni con il brand in grado di soddisfare non solo gli aspetti razionali ma anche quelli emotivi e istintivi, vivendo esperienze integrate nei vari punti di contatto, dal punto vendita al sito web istituzionale, dall’e-commerce al social network e al contact center, non tralasciando la visione di pubblicità. Sempre più difficile soddisfare i clienti, che hanno in mano diversi strumenti: dispositivi, canali, informazioni, una varietà di scelta sempre più ampia. Se non sono soddisfatti, possono cambiare marca quando vogliono e possono scrivere sui social media, raccontando quello che non è andato in un prodotto o nel servizio di vendita, o in altri dettagli del rapporto. Le imprese devono quindi capire esigenze e desideri dei propri clienti, cambiando e crescendo insieme a loro, o addirittura prima di loro, grazie a una comunicazione continua che diventa indispensabile porre in atto. Insomma, oggi si può dire che l’era del marketing di massa è finita: le nuove strategie di marketing si basano su un approccio analitico alla customer base e segnano un passaggio definitivo dal prodotto al cliente.

IL CUSTOMER JOURNEY

Prima della massiccia diffusione degli acquisti online, attraverso campagne pubblicitarie sui mezzi di comunicazione di massa, i consumatori ricevevano lo stimolo all’acquisto, successivamente in negozio si poteva fare un primo confronto tra messaggio ricevuto e prodotto, e dopo l’acquisto si poteva provare la distanza tra pubblicità e realtà. Questo percorso lineare non esiste più: il web, i social media, i dispositivi mobili forniscono una miriade di stimoli, e hanno reso il processo decisionale più lungo e anche più complesso, perché il consumatore prima di entrare nel negozio – fisico o virtuale – spesso consulta la rete per valutare i feedback di chi ha acquistato prima di lui. Per offrire contenuti e servizi personalizzati, cuciti sulle reali esigenze di ciascun cliente, le aziende studiano i comportamenti degli utenti sui molteplici touchpoint, per avere una completa padronanza dei dati e si devono dotare di piattaforme flessibili e scalabili che tengano conto sia dei processi di acquisto delle persone sia delle abitudini dei consumatori. La conoscenza del cliente è la base necessaria da cui partire per costruire customer journey personalizzati: la fiducia nel brand e la relazione duratura con ciascun cliente si creano con la capacità di dare risposte e valore ai bisogni dei clienti stessi. Si punta, quindi, sulla personalizzazione, l’interazione continua, la velocità e la semplicità di accesso. La conoscenza approfondita del customer journey è l’elemento differenziante: per poter creare una customer experience convincente, progettata appositamente per ogni specifico customer journey, è fondamentale seguire il consumatore in tutto il suo ciclo di esperienza, sui canali online e offline, interagire contestualmente, e monitorare costantemente il suo grado di soddisfazione prima, durante e dopo l’acquisto.

Leggi anche:  Codice ESG, la sfida dell’IT sostenibile

Un cambiamento che è legato a doppio filo con l’evoluzione tecnologica come ci spiega Giancarlo Vercellino, associate research director di IDC Italia. «Stiamo assistendo a un cambiamento tecnologico che comprende nuovi strumenti di analisi più facili da usare e nuove fonti di dati sui clienti e il loro contesto, insieme all’introduzione e allo sviluppo di strumenti di intelligenza artificiale (AI) e di machine learning (ML) che hanno dimostrato di essere un punto critico nel poter generare valore dai dati sui clienti. Attualmente, i brand possono iniziare a capire di più sui loro clienti, invece di essere limitati a un singolo punto di coinvolgimento o a una storia limitata dei rapporti con ciascun cliente». Secondo il già citato report degli Osservatori del Politecnico di Milano, i principali obiettivi che guidano l’articolazione di una strategia di customer experience omnichannel per le aziende italiane sono ancora principalmente di breve periodo e legati al miglioramento della customer acquisition o all’incremento delle vendite, oltre che al miglioramento dell’engagement. Un terzo delle aziende intervistate personalizzano già i contenuti in funzione dello specifico utente, il 23% del campione sta attualmente lavorando per favorire queste logiche di personalizzazione, mentre il restante 44% ha dichiarato di non farlo. Secondo uno studio di Coleman Parkes Research, molte aziende non hanno ancora adottato processi o tecnologie che consentano di definire profili affidabili dei clienti, e questo nonostante alla base del successo di un’azione di marketing o di una campagna ci debba essere la corretta identificazione del target di riferimento, e un’analisi sulla propensione dei consumatori nel target ad aderire alla proposta di marketing. Il 30% degli intervistati ha riconosciuto di non essere in grado di definire profili esatti dei clienti, altrettanti hanno dichiarato di perdere clienti a causa di interazioni non pertinenti, il 41% sostiene che un’analisi più approfondita dei dati sui clienti consentirebbe di migliorare la customer experience più di ogni altro mezzo.

INVESTIMENTI IN AUMENTO

Tutti questi numeri dovrebbero variare nei prossimi anni, secondo il trend di mercato che ci descrive Vercellino di IDC Italia. Le aziende end-user stanno investendo in customer intelligence e strumenti di analisi. Nel report Worldwide Customer Experience Software Forecast, 2018-2022, dell’agosto scorso, IDC ha stimato che, a livello globale nel 2017, le aziende hanno speso circa 18 miliardi di dollari in strumenti di customer intelligence per capire meglio il cliente. Nel 2019, IDC stima che, a livello globale, le aziende spenderanno 21,6 miliardi di dollari e che questo importo aumenterà fino a superare i 28 miliardi di dollari nel 2022. «Questi numeri fanno comprendere le proporzioni di questo fenomeno e quanto la customer experience sia diventata una priorità strategica per la maggior parte delle aziende in diversi settori, dal retail al manifatturiero, dal finanziario alle telco, senza dimenticare il comparto energetico e la sanità» – commenta Vercellino. «Di fatto, come evidenziato da una recente ricerca IDC, circa il 52% delle aziende europee identifica la customer experience come massima priorità di business insieme al tema dell’innovazione, e anche il 48% delle organizzazioni italiane riconosce l’importanza di questi due ambiti per poter competere nel breve e nel lungo periodo». La customer experience non è solo una priorità strategica, ma è ormai indispensabile per restare sul mercato – come conferma anche il rapporto dello scorso anno di Forrester, secondo cui le aziende che investono in questo campo crescono del 14% in più rispetto a quelle che trascurano la customer experience.

IL FUTURO DELLA CXM

Il futuro della componente di intelligence del customer experience management (CXM) richiederà quattro caratteristiche principali: la tecnologia appropriata, la capacità di accedere e organizzare i dati da tutta l’organizzazione, la possibilità di sfruttare dati di terze parti, e lo shift culturale per sfruttare il valore dell’intelligence. Per quanto riguarda la tecnologia, Vercellino di IDC Italia spiega che l’intelligenza all’interno del CXM è molto più della semplice BI o degli analytics applicati ai dati dei clienti. Ed è anche più che un’aggiunta di funzionalità di machine learning o di artificial intelligence. «Richiede un set unico di strumenti che in alcuni casi stanno per diventare maturi, in altri casi sono in fase di sviluppo». Gli strumenti analitici potenziati con le funzionalità AI verranno utilizzati per comprendere meglio nella sua totalità il cliente nella sua relazione con il brand, il cliente separato dal marchio e i driver – sia reali sia psicologici – che avviano e mantengono la relazione tra il cliente e il marchio. «Gli sviluppi futuri – continua Vercellino – consentiranno la possibilità di fornire una visione del cliente a seconda dello scopo, del ruolo o anche del consenso del cliente». Sul secondo punto – la capacità di accedere e organizzare i dati da parte di tutta l’organizzazione – le tecnologie menzionate in precedenza stanno diventando incredibili pezzi di design applicativo e di capacità analitiche, ma il carburante per queste tecnologie sono i dati relativi al cliente: dati che possono essere interni all’azienda o acquisiti da fonti esterne, strutturati o destrutturati, quindi memorizzati in formato nativo, non gestibili su database tradizionali, individuali, riconducibili cioè a un singolo utente, o aggregati, quindi provenienti da un’analisi su un gruppo di consumatori, storici o in tempo reale, sempre comunque utilissimi perché alla base di qualunque sistema.

Leggi anche:  Econometria e machine learning, confronto tra teoria ed efficacia empirica

«Spesso, questi dati sono distribuiti in diversi sistemi all’interno di un’organizzazione: nell’ERP, o in un sistema CRM utilizzato dalle vendite, altri dati potrebbero risiedere in un database utilizzato dall’assistenza clienti e solo parzialmente collegati al sistema CRM» – spiega Vercellino. «Ulteriori dati sul cliente si potrebbero trovare in un sistema di fidelizzazione del cliente completamente separato. E troppo spesso nessuno di questi sistemi parla l’uno con l’altro. Un vero sistema di intelligence è in grado di accedere e utilizzare i dati sul cliente da tutta l’organizzazione, con scarsa considerazione dei singoli sistemi in cui è tenuto». In molti casi, esistono silos separati sul cliente nei reparti marketing e nel customer service, e queste divisioni vanno eliminate. Oltre ai tanti dati interni da gestire, è necessaria per IDC la capacità di integrare dati provenienti da fonti di terze parti. Infatti, i dati necessari per fornire la visualizzazione più completa di un cliente spesso non sono tutti all’interno di un’organizzazione, ma alcuni dati che possono essere importanti sono archiviati da altre organizzazioni, venditori o partner. Sarà importante, in futuro, essere in grado, con le dovute autorizzazioni, di incorporare nella visione più completa del cliente questi dati esterni senza realmente aver bisogno di inserirli nella propria organizzazione. Importante sarà anche lo shift culturale per poter sfruttare appieno il valore dell’intelligence. Non solo. «Determinare il valore dell’intelligence – afferma Vercellino – richiede un cambiamento nella cultura aziendale. Alcuni potenziali cambiamenti culturali riguardano la comprensione che i dati dei clienti non appartengono a un singolo reparto o a una singola funzione, ma hanno valore nell’intera organizzazione. Serve essere disposti a guardare a un quadro più ampio del cliente nel contesto di ciò che è più adatto per lui, ed essere disposti a utilizzare e integrare le informazioni e le conoscenze che l’intelligence fornisce».

I DATI ALLA BASE DI TUTTO

Entrare in relazione con i propri clienti significa essere in grado di acquisire e gestire in modo efficace i dati raccolti durante le interazioni, pulirli e normalizzarli perché siano di alta qualità e possano garantire risultati apprezzabili, sulla base dei quali poter instaurare con i propri clienti un rapporto più “intimo”. Ma quali dati devono essere raccolti? Attualmente, le imprese italiane sono ancora principalmente focalizzate sulla raccolta di dati come l’anagrafica cliente, lo storico dei prodotti e dei servizi acquistati offline. Seguono gli analytics sui canali proprietari, cioè sito, app, social network e newsletter, lo storico degli acquisti online, le interazioni con il customer care, i dati originati dall’advertising online e altre tipologie di dati. Secondo un report di Forbes Insights per Quantcast, la maggior parte dei marketers dichiara che i dati generati direttamente da un brand sono più proficui dei dati acquistati dai rivenditori di dati: l’80% afferma che i propri dati sono efficaci per raggiungere i risultati delle campagne e il ROI, a fronte del 50% che pensa che i dati acquistati siano efficaci.

Le aziende più mature usano soprattutto i propri dati per rivolgersi efficacemente al proprio target, le altre usano in prevalenza dati di terze parti, che sono meno significativi per il targeting. È interessante notare che tutti i brand, a prescindere dal tipo di business, utilizzano dati di prima parte, aspetto che sottolinea come qualsiasi azienda possa diventare digitalmente esperta ed efficace. Per raccogliere i dati, una base di partenza importante è la creazione di un CRM unico, in grado di integrare sull’anagrafica dei clienti tutti i dati, anche relativi a più prodotti, brand e canali. Tra gli intervistati dagli Osservatori del Politecnico di Milano, il 69% ha dichiarato di averne uno. Questo, però, non è sufficiente per integrare tutti i dati di un cliente, considerando le molteplici interazioni con i diversi touchpoint. Gli strumenti in grado di fornire una vista unica di ogni cliente e di segmentare gli utenti sono il CRM dinamico, la customer data platform e il customer data hub. Nella stessa ricerca, il 23% delle aziende intervistate ha risposto di utilizzare una piattaforma di questo tipo, e il 24% ha intenzione di implementarla quest’anno. Il 21% delle aziende si è dotato di un data lake, un sistema che permette l’archiviazione di una mole di dati consistente, di natura e fonte diversa, nel loro formato nativo, senza alcuna struttura: i big data, sui quali poi vengono compiute le analisi.

LAVORARE SUI DATI

Per comprendere quando, con quali contenuti e attraverso quali canali comunicare con il cliente è fondamentale l’estrazione di insights dai dati raccolti, che può avvenire con diversi strumenti. Si possono utilizzare software di BI, che consentono di analizzare i dati, anche in database di grandi dimensioni, basandosi su query specifiche, facendo comprendere i fenomeni, sia quelli accaduti sia quelli in corso e permettendo di identificare schemi di comportamento. Gli analytics invece, grazie a funzionalità predittive, consentono una miglior profilazione degli utenti e sono in grado di predire i loro comportamenti. Sempre secondo gli Osservatori del Politecnico di Milano, il 25% degli intervistati utilizza già strumenti di analytics evoluti, il 13% è anche in grado di analizzare i dati in real time. Analisi più complesse, sulla base delle quali si possono automatizzare azioni di marketing, sono rese possibili da soluzioni di machine learning e AI: queste tecnologie comprendono funzionalità per l’analisi avanzata dei dati, l’autoapprendimento, la comprensione del linguaggio naturale, il riconoscimento di voce, immagini, video, la correlazione di eventi.

Leggi anche:  Intelligenza artificiale, le promesse da mantenere

Inoltre, questi strumenti permettono di migliorare dinamicamente e continuamente la proposta agli utenti, rispondendo con straordinaria efficacia a ogni richiesta. Una delle applicazioni di machine learning – già molto diffusa – va sotto il nome di marketing automation, in grado di automatizzare comunicazioni personalizzate, inviate in base all’accadimento di determinati eventi, e di aiutare i marketers in tutte le interazioni con gli utenti, facilitando l’acquisizione e la gestione dei prospect e aumentando la probabilità che si trasformino in clienti effettivi dell’azienda. Un’altra applicazione molto diffusa è il content management: i sistemi sono in grado di realizzare contenuti personalizzati e di presentarli in maniera dinamica sui diversi canali utilizzabili, nel momento giusto, cioè quando sono più alte le probabilità di catturare l’attenzione del consumatore e di convincerlo nell’acquisto. Sul machine learning si basano anche i software di virtual assistant e chatbot, utilizzati come primo livello di contatto nell’assistenza al cliente dalle aziende più avanzate: sulla base di conversazioni in linguaggio naturale scritto o parlato sono in grado di compiere le azioni richieste. Tecniche avanzate di machine learning e AI sono alla base dei sistemi di recommendation, che mostrano in alcuni punti del customer journey raccomandazioni personalizzate per gli acquisti, in base alle preferenze che gli utenti hanno condiviso. Il machine learning consente anche di rendere più precise le operazioni di profilazione del proprio target, perché rende possibili analisi su grandi moli di dati, unite a tecniche di apprendimento persistente. Diffuse sono anche le funzionalità di ricerca vocale, tecnologia simile a quella usata da Siri, Cortana o Google Now, che un domani potrebbero servire per guidare gli utenti negli acquisti. Non ultimo, il machine learning consente di mostrare annunci pubblicitari e comunicazioni in modo più accurato rispetto agli interessi dei consumatori.

QUANTO CONTA L’AI?

L’intelligenza artificiale gioca un ruolo importante per molti marketers, ma rimane una tecnologia emergente ancora non sfruttata dalla maggior parte delle imprese. Secondo la ricerca di Forbes Insights, il 67% degli intervistati afferma di riscontrare dei benefici in questa tecnologia, e il 60% considera l’AI importante o determinante per le proprie attività di mercato. In dettaglio, i marketers credono che l’AI sarà estremamente utile nel fornire delle misurazioni più precise (72%), una conoscenza in tempo reale delle esigenze di clienti e prospect (55%), una segmentazione comportamentale più profonda (53%) e dei messaggi capaci di favorire l’engagement (52%). Inoltre, l’AI intensificherà il rapporto con clienti e prospect, perché esonererà gli esperti marketing da alcune mansioni quotidiane, e questo permetterà loro di concentrarsi maggiormente sulla strategia. Le aziende più mature nel gestire queste tematiche si distinguono dalle altre per la misura in cui danno importanza al fattore AI nell’attuazione delle loro strategie di marketing: sempre secondo lo studio di Forbes Insight, il 25% delle aziende più mature afferma che l’AI è essenziale per la realizzazione delle proprie strategie di marketing, contro il 2% delle aziende ritardatarie.