Data-driven Marketing e pianificazione strategica per l’E-commerce

 In Attribution, Big Data, Customer Lifetime Value, Machine Learning, Marketing Mix Modeling, Predictive Analytics, Programmatic Advertising

Data-driven Marketing e pianificazione strategica per l’E-commerceImmaginiamo il caso di un’azienda Enterprise che lavora in ambito Fashion attraverso la vendita di prodotti outlet multi-Brand.

L’azienda ha alcuni punti vendita fisici, ma il focus principale è sull’E-commerce. Il modello di Business prevede una percentuale per ogni vendita, assicurata dalle aziende titolari dei Brand.

L’azienda si occupa anche del Marketing, del supporto e della gestione e logistica degli ordini, ma sono attive diverse collaborazione con le seconde parti produttrici, con cui vengono realizzate campagne e iniziative di co-marketing.

Nonostante il modello di Business sia focalizzato sull’online, la strategia dell’azienda è sempre stata quella di investire anche in attività di Marketing offline, con una serie di attività di vendita sul territorio (corner e temporary store), concentrati soprattutto nei periodi dei saldi. L’attività online è gestita in collaborazione con le seconde parti titolari dei Brand.

Le esigenze di Business

A parte le peculiarità di Business, le esigenze sono molto comuni, non solo per aziende della grande distribuzione e del Retail, ma anche per quelle con rete di dealer o agenzie sul territorio, per esempio nel Finance & Banking.

In sintesi, le esigenze più comuni sono:

  • Riconoscere in maniera univoca i clienti e i Prospect su tutti i touchpoint.
  • Ottimizzare la gestione del ricontatto, inviando comunicazioni coerenti e personalizzate in funzione del funnel di conversione (primo contatto, ordine ricevuto…).
  • Ottimizzare le attività ad alta stagionalità.
  • Ottenere un’analisi oggettiva del valore delle attività di Marketing, indipendentemente dal fatto che siano gestite direttamente oppure attraverso le seconde parti.
  • Effettuare forecast precisi sull’anno successivo, per allocare budget e risorse.

Queste esigenze risultano al momento di difficile soluzione, perché:

  • L’azienda ha accesso solo ai dati delle proprie attività di Marketing, mentre può vedere tutti gli ordini, anche quelli generati dalle seconde parti.
  • Il CRM non gestisce le informazioni doppie di anagrafica, perché spesso si tratta di sovrapposizione di campi secondari.
  • Le attività di CRM prevedono invio di email, ma spesso senza riuscire a gestire la sovrapposizione tra le liste.
  • Le giacenze a magazzino non sono collegate alle attività di Marketing, quindi spesso la richiesta dei Prospect, soprattutto nei periodi di maggiore attività, rimangono inevase.

Nonostante la Customer Base sia generalmente soddisfatta del servizio, la mancanza di feedback tempestivo sulle giacenze e possibili errori nella spedizione degli ordini provocano l’insoddisfazione di numerosi clienti proprio nel periodo dei saldi, nel momento più critico per il Business.

Non sempre inoltre è possibile accogliere le richieste di nuovi Prospect, in particolare durante gli ultimi giorni di saldi, in cui è più difficile monitorare le ultime giacenze a magazzino, bloccando le prospettive di crescita della Customer Base.

Una soluzione di Data-driven Marketing

L’azienda decide di investire in una nuova soluzione integrata per il Marketing, attivando anche nuovi servizi per il ricontatto.

Il primo passo è l’adozione di una tecnologia di Cross-Channel Campaign Management (CCCM). La tecnologia viene integrata con il CRM esistente, in modo da importare le anagrafiche (comprensive delle informazioni di contatto) e da renderle azionabili su diversi canali. Viene inoltre predisposto un flusso specifico per le anagrafiche provenienti dalle seconde parti, che vengono importate quotidianamente in batch.

Grazie al matching algoritmico dell’identità della Customer Base, l’azienda riesce ad abbattere la duplicazione dei record tipica del CRM, cominciando a muoversi nella costruzione di un unico Customer Individual Profile, ricco delle preferenze passate del cliente. In questo modo diventa agevole creare segmenti evoluti dei clienti in base a numerosi fattori, a partire dal genere, fino alla propensione di spesa e al tipo di prodotti preferiti.

Viene ingaggiato un vendor specializzato nel telemarketing e vengono predisposti i workflow cross-channel, quindi sono disegnate le regole di Business legate alle azioni di follow-up sulla Customer Base:

  • Primo contatto– email personalizzata con la possibilità di inserire wish list.
  • Recupero carrello – piano di email personalizzate in caso di mancata chiusura dell’acquisto online.
  • Conferma ordine– email personalizzata con i dettagli dell’ordine acquisito.
  • Follow-up dopo la spedizione– email di ringraziamento per la scelta di servizio e link a questionario di valutazione della soddisfazione.

Nel caso il cliente non sia contattabile per email, le stesse attività vengono effettuate via telemarketing.

Come secondo step, si decide di lavorare in maniera più strutturata su tutti i dati di Marketing online disponibili dalle seconde parti. Viene attivato un progetto con una Data Management Platform (DMP), in cui, previo accordo con i Brand produttori, vengono importati i dati provenienti dagli strumenti di Digital Analytics e Media di tutte le seconde parti, dai rispettivi CRM e da ulteriori fonti per attività specifiche. I dati vengono arricchiti dall’importazione del nuovo database di Cross-Channel Management, che permette di mettere in relazione questi dati di seconde parti con quelli di prime parti.

Tutti questi dati sono anonimizzati, ma è possibile il matching tramite una specifica attività di analisi del dato (ID Matching) e con l’ausilio di strumenti di profile matching, basati su login. In questo modo è possibile adottare un punto di vista univoco su tutti gli utenti di Marketing, anche in caso di anonimizzazione.

Sulla DMP sono poi impostate le analisi dei segmenti, che permettono anche di valutare quali sono le informazioni non riconciliabili e decidere così se è il caso di affidarsi all’acquisto di dati di terze parti, direttamente in piattaforma, per colmare il gap.

Infine, dalla DMP viene impostata come prima destinazione dei segmenti così creati la stessa tecnologia di Cross-Channel Campaign Management, per migliorare la precisione dei segmenti già esistenti e semplificarne la creazione di rilevanti, oltre ad arricchire il database dei clienti con informazioni provenienti da seconde e terze parti. Attraverso la ricostruzione di un unico profilo di Marketing, vengono elaborate strategie di contatto più evolute, sfruttando l’app Mobile (per gli utenti che l’hanno installata), i Social Network e attività di personalizzazione del sito E-commerce e delle campagne online.

Ma non è tutto. Si diceva all’inizio che l’azienda ha a disposizione anche molti dati generati dalle attività di vendita e geolocalizzati nel territorio rispetto agli store (punti vendita, corner o temporary) di provenienza. Per utilizzare questi dati, che in parte sono non strutturati, si disegna uno specifico Customer Data Hub su cloud.

Questa attività di riorganizzazione delle informazioni permette di incrociare tutte le fonti dati (quelle di Marketing, provenienti da DMP e CCCM, e quelli relativi agli ordini, anche dagli store), mettendoli a fattore comune e, grazie ad analisi avanzate Big Data, inviare i risultati in real-time ai sistemi di gestione della logistica, in modo da predisporre il magazzino anche per gli ordini arrivati durante gli ultimi giorni dei saldi.

Inoltre, grazie ad algoritmi Machine Learning, è possibile prevedere in maniera accurata e rapida i volumi di ordini da aspettarsi per i periodi successivi, consentendo all’azienda di strutturarsi per quanto riguarda budget di Marketing e risorse da allocare.

Per riassumere, un progetto di Data-driven Marketing come questo consente di:

  • Realizzare una Customer View coerente, considerando tutti i canali, online e offline.
  • Migliorare la soddisfazione della Customer Base.
  • Aumentare le Revenue, grazie all’ingaggio di nuovi clienti con la personalizzazione del ricontatto e alla possibilità di soddisfare più ordini con la gestione real-time del magazzino.
  • Diminuire i costi di ricontatto grazie a un unico workflow.
  • Allocare le risorse correttamente in funzione della stagionalità e risparmiare sull’utilizzo dei sistemi grazie al cloud e alle tecnologie a volume in SaaS.
  • Valutare in maniera oggettiva quali sono i segmenti a più alta redditività su cui conviene investire maggiormente per le attività di Marketing.
  • Stabilire forecast affidabili sul volume di vendite dell’anno successivo.

Perché questo caso

Molti degli spunti emersi in questo esempio meriterebbero un’accurata riflessione. Le tecnologie ci sono, crediamo che per molti progetti siano mature per portare risultati tangibili.

Quello che serve oggi è una nuova consapevolezza di questa maturità, per non sprecare risorse in progetti che spesso si fermano molto al di sotto delle loro potenzialità.

È il caso per esempio delle DMP, che oggi trovano applicazioni in maniera quasi esclusiva nell’Online Advertising per semplici progetti di targeting della Display, ma che potrebbero essere utilizzate come motore di progetti di personalizzazione su tutti i canali, staccandosi dalla sola parte Media. O delle stesse tecnologie di Cross-Channel Campaign Management, percepite a volte come semplice aggiornamento delle piattaforme di Email Marketing. Oppure, ancora, dell’applicazione di algoritmi Machine Learning e di analisi avanzate Big Data, su cui il focus è ancora sulla sola parte architetturale.

Ma soprattutto si tratta di un esempio di come il Data-driven Marketing possa effettivamente avere impatto sul Business solo se inserito in una strategia coerente, che, partendo dai dati, sia in grado di abilitare l’azionabilità dei risultati sulla pianificazione di tutte le attività, Direct e Media, di Acquisition e di Retention, pre e post vendita.

Big Data per l'Online Advertising