Con la diffusione del coronavirus e molti negozi chiusi in seguito al lockdown, sempre più consumatori si sono approcciati agli acquisti online e molti brand hanno utilizzato l’ecommerce per dare continuità alla propria attività. Con la riapertura dei negozi, le persone stanno tornano allo shopping fisico, ma probabilmente continueranno a comprare anche online. Quindi, come possono gli esperti di marketing far parlare mondo offline e mondo online?
Acquisire un approccio data-driven e utilizzare i first-party data possono aiutare i brand a stare al passo con i bisogni dei consumatori e dare loro la migliore esperienza d’acquisto possibile, anche durante momenti di incertezza come quello che stiamo vivendo.
L’Oréal Italia, come molte aziende, affrontava la difficoltà dell’avere una forte frammentazione di dati e scollegamento tra mondo offline e online. Per superare questa difficoltà, in 15 mesi abbiamo sviluppato un piano di attività integrato (“Joint Technical Plan”) verso l’adozione e lo sviluppo di nuove tecnologie di misurazione e attivazione, con l’obiettivo ultimo di valorizzare al massimo l’impatto dei nostri investimenti marketing. In questo percorso è emersa una forte necessità di adeguare anche le competenze organizzative, avvalendosi di skill tecniche specialistiche, per supportare la trasformazione digitale.
Cosa fare prima di partire? Abbattere i silos
Se l’obiettivo è quello di collegare due mondi spesso disgiunti come l’online e l’offline in modo tale da avere una visione a 360° sul comportamento del consumatore, è necessario anche collegare le funzioni interne all’azienda. Per un progetto del genere, infatti, è necessario coinvolgere data analyst, data scientist, data engineer, media manager, ecommerce manager, CRM manager, digital e brand manager.
La vera sfida organizzativa sta nell’eliminare i silos aziendali e fare in modo che tutta l’azienda sia allineata sulle azioni da compiere e gli obiettivi da raggiungere.
La data-revolution è partita dall’assunzione di un data-first mindset che ci ha portato anche ad accogliere nel team delle figure più specialistiche, come data analyst ed engineer. Ora abbiamo un team tecnico a cui fare riferimento per tutte le nostre necessità tecnologiche. Abbiamo anche attivato collaborazioni con tech partner, come Google, per ottenere supporto nell’utilizzo degli strumenti.
La vera sfida organizzativa sta nell’eliminare i silos aziendali.
Mappare le fonti di dati
I percorsi dei clienti possono essere complessi: quando gli utenti cercano informazioni su un prodotto utilizzano diversi dispositivi e si spostano continuamente tra online e offline. Durante il loro percorso lasciano delle tracce che possono essere raccolte, naturalmente nel rispetto della privacy, e che forniscono informazioni importantissime sulle loro preferenze.
La prima sfida, quindi, sta nell’identificare quali sono le fonti di dati proprietari che si hanno a disposizione.
Per L’Oréal sono state mappate tutte le piattaforme esistenti tramite le quali si raccoglievano dati utili per determinare il comportamento dei consumatori, come dati di vendita online e offline, CRM, informazioni sulla loyalty, analytics del sito.
Come riunire i dati e “farli parlare”
Una volta identificate tutte le fonti di dati, è necessario creare un’infrastruttura tecnologica avanzata che permetta di raccogliere e “far parlare tra loro” i dati di queste diverse fonti. L’utilità sta nel renderli poi azionabili non solo a livello di insight, ma anche in fase di attivazione. Come possiamo usare i dati per migliorare le nostre campagne, ottimizzare il budget e, di conseguenza, impattare positivamente i risultati di vendita?
È stato quindi sviluppato ciò viene definito un Data Lake: tutte le informazioni sono state aggregate grazie allo sviluppo di un ID unico, una sorta di carta di identità di ogni consumatore che riassume tutte le interazioni avute con i diversi brand, sia online che in store. Ora possiamo avere una visione unica del consumatore, rispetto alle sue interazioni col brand, siano esse online o offline.
Come possiamo usare i dati per migliorare le nostre campagne, ottimizzare il budget e, di conseguenza, impattare positivamente i risultati di vendita?
Utilizzare i dati per personalizzare i messaggi
Abbiamo mappato tutte le fonti di dati, le abbiamo raccolte e analizzate. E ora?
La carta d’identità del consumatore ci permette di parlare davvero con la nostra clientela e instaurare con loro una relazione 1 a 1. La tecnologia ci permette di modificare dinamicamente non solo le creatività delle campagne, ma anche gli stessi contenuti del sito mostrando a segmenti di clientela diversi messaggi, prodotti e CTA diverse.
Questo è stato possibile applicando un approccio a performance anche per il Brand Advertising, attraverso la creazione di un modello di Engagement Score che prende in considerazioni micro-conversioni che possono avvenire sia online che offline.
Abbiamo individuato 15 azioni online, come le visite al sito, l’iscrizione alla newsletter e la visualizzazione di un video, 6 azioni legate al CRM e acquisti online e offline e gli abbiamo associato un punteggio in modo tale da poter differenziare gli utenti rispetto al loro livello di ingaggio.
Mostrare il contenuto più efficace al consumatore aumenta la probabilità che il suo percorso si concluda con un acquisto. Ciò si traduce in una importante ottimizzazione del budget e quindi in una più consapevole allocazione delle risorse e degli investimenti.
Mostrare il contenuto più efficace al consumatore aumenta la probabilità che il suo percorso si concluda con un acquisto.
Grazie all’Engagement Score Model e all’ottimizzazione della bid strategy, dopo 4 settimane di campagna abbiamo ottenuto una riduzione del CPA del 16% sulle campagne generiche e del 17% sulle campagne di brand.
L’Engagement Score Model introduce uno nuovo approccio alla Search per il brand advertising, basato su ciò che interessa davvero ai consumatori. L’Oréal è ora in grado di investire meglio sugli utenti che sono più coinvolti. Questo è importante perché i KPI dei media e del marketing finalmente si allineano.
Questo nuovo approccio può aiutare le aziende a:
avere una conoscenza più approfondita del consumatore, grazie alla possibilità di attingere a dati di più fonti disponibili in un unico posto,
- raggiungere una maggiore collaborazione tra i team, grazie alla disponibilità di maggiori insight (ad esempio, l’Engagement Score Model che consente di ottimizzare il budget media ha permesso una collaborazione tra team marketing, media e CRM),
- rendere i dati azionabili, essendo organizzati e accessibili a tutti e non distribuiti tra team diversi.
