“Misura ciò che è misurabile… e rendi misurabile ciò che non lo è” diceva Galileo. Da quasi 500 anni, sappiamo che i dati sono fondamentali per misurare, validare e, in tempi (molto) più recenti di comunicazione digitale, anche per comunicare in maniera personalizzata.
Negli ultimi 20 anni, però, abbiamo assistito a una grande sensibilizzazione in merito alla privacy digitale, da parte di tutti gli attori coinvolti.
Oggi le aziende italiane reputano di importanza cruciale le tematiche di privacy, sicurezza e dati di prima parte. Secondo un nostro studio, oltre il 60% dei brand ha avviato conversazioni di approfondimento sul tema con partner e fornitori. 1
Due azioni preliminari per ottenere il meglio dai dati
Nonostante ciò, le aziende corrono il rischio di intraprendere percorsi di innovazione tecnologica e organizzativa senza uno studio approfondito del proprio livello di maturità e delle proprie esigenze.
Per raccogliere dati e usarli al meglio, infatti, serve compiere innanzitutto due azioni:
1. Fai un assessment preliminare
Conoscersi deve essere il punto di partenza per le aziende. Infatti, in una fase iniziale, serve un assessment puntuale delle proprie capacità in termini di privacy digitale, dati e misurazione, a livello di risorse, tecnologia e organizzazione.
Comprendere lo stato attuale è utile per sviluppare una visione chiara e definire la strategia per raggiungerla, salvaguardando risorse.
2. Sii agile e permettiti di sbagliare
Le aziende oggi possono testare strumenti e soluzioni innovative, anche con il rischio di sbagliare strategia perché questo ha un costo molto basso.
Il secondo passo è rappresentato dalla creazione di modelli organizzativi flessibili, che permettano di rispondere con agilità ai cambiamenti provenienti dall’esterno e dall’interno dell’organizzazione, dalle normative alle esigenze del marketing.
La tecnologia oggi favorisce l’agilità e la sperimentazione, perché permette rischi minori in termini di costi. Sono lontani i tempi in cui serviva un grande team di persone per gestire la raccolta, l’estrazione e l’analisi dei dati, e la privacy digitale.
Le aziende oggi possono testare strumenti e soluzioni innovative, anche con il rischio di sbagliare strategia, perché questo ha un costo molto basso, sia in termini economici che di investimento di tempo.
Usare i dati per fare previsioni e aumentare le conversioni
Un’azienda dotata di un’infrastruttura tecnologica per la raccolta, l’analisi e l’attivazione dei dati con il consenso delle persone, può usare le informazioni ottenute per fare previsioni utili ad aumentare le conversioni.
Abbiamo recentemente lavorato con una banca digitale che aveva l’obiettivo di individuare con precisione il cluster di clienti più propensi all’apertura di un mutuo tra i milioni di correntisti che hanno. Questo per aumentare il tasso di conversione in filiale.
Insieme alla banca abbiamo sviluppato una strategia integrata, raccogliendo in un’unica piattaforma Google Cloud tutte le informazioni a disposizione: i dati di prima parte, quelli di interazione con il sito web, come il tempo speso sulle pagine relative ai mutui, e con l’area privata online.
Queste informazioni sono state elaborate con la piattaforma di sviluppo Vertex AI lavorando in una architettura integrata che permette di avere dati e strumenti facilmente accessibili.
Grazie a più di 150 variabili per ogni correntista e a modelli costruiti ad hoc, interni a Vertex AI, abbiamo assegnato un indice ai milioni di persone del CRM.
Il modello predittivo basato sull’AI ha individuato i clienti più propensi al mutuo, suddividendo l’audience in decili in base alla probabilità di conversione stimata.
La banca, allo stesso modo, ha analizzato i dati a disposizione, senza l’uso del modello, e identificato un gruppo di clienti più favorevoli.
I due cluster di clienti sono stati messi a confronto con un rigoroso A/B test durato diversi mesi. L’esperimento ha dimostrato che il tasso di conversione in filiale del cluster individuato con il modello predittivo è stato del 50% più alto rispetto a quello del modello statico.
Gli utenti sono stati classificati in 10 gruppi in funzione della loro probabilità di conversione, dalla più alta alla più bassa.
Il modello di intelligenza artificiale ha previsto con precisione la probabilità di conversione per ogni gruppo di utenti, con risultati fino a 3 volte e mezzo superiori rispetto al valore di controllo.
Dopo il test, si è reso evidente che la distribuzione della probabilità effettuata con l’AI ha rispecchiato con precisione la distribuzione reale, dimostrando l’affidabilità del modello.
Usare i dati per personalizzare lo storytelling e aumentare le vendite
L’analisi dei dati di prima parte dà ai brand anche la possibilità di creare comunicazioni customizzate su diversi segmenti di pubblico.
Un esempio di questo approccio è dato dalla strategia che abbiamo sviluppato insieme a un brand di telecomunicazioni, che aveva l’esigenza di comunicare il servizio fibra a nuovi clienti in maniera non standardizzata.
Per creare comunicazioni puntuali ci siamo avvalsi dei dati di prima parte, che ci hanno permesso di conoscere approfonditamente l’audience.
Abbiamo dapprima individuato due macro segmenti, sulla base della fidelizzazione e dei prodotti in possesso: gli abbonati da oltre 36 mesi e le persone che, al contrario, cambiano spesso contratti fibra. Questi segmenti sono stati arricchiti da dati proprietari del brand, raccolti con il consenso delle persone, come gli interessi e le informazioni socio demografiche.
I dati sono stati raccolti ed elaborati su Google Cloud Platform in una data clean room sicura e protetta.
Abbiamo poi suddiviso i pubblici in cluster più ristretti, ad esempio le famiglie, i gamer, le giovani professioniste. In questa fase è stata fondamentale la sinergia tra data scientist e ricercatori per comprendere le personas e descriverle rispetto alle finalità di comunicazione del brand.
Gli strumenti interni a BigQueryML hanno velocizzato il processo che è stato iterativo alla ricerca della miglior suddivisione possibile, in un dialogo costante tra data scientist, ricercatori, e media planner.
Questo lavoro ha permesso di creare uno storytelling ad hoc per ogni gruppo di persone. Le creatività personalizzate, costruite sulla base delle informazioni e dei dati raccolti e analizzati per ogni segmento, hanno avuto risultati migliori di quelle standardizzate, sia in termini di metriche media, con un incremento di circa il 15% della percentuale di clic e di visualizzazione , che di business, dal tempo speso in pagina fino a contratti firmati superiori al 20%.
Key learning per i team di marketing
Gli esempi riportati testimoniano come usare un numero elevato di dati di prima parte e metterli a fattor comune consente ai brand di avere dei benefici in termini di performance media e di business.
Dimostrano che è possibile costruire architetture di dati lavorando in maniera agile, grazie alle soluzioni cloud. Questo dà alle organizzazioni la possibilità di incentivare i test e favorire l’innovazione.
Infine, raccontano come la condivisione dei dati sia possibile e sicura. E anzi permetta di sviluppare strategie di marketing efficaci.
