Colosso della distribuzione all’ingrosso nato in Germania nel 1964, Metro è oggi presente nel mondo in 28 paesi, con oltre 2.300 punti vendita per circa 11 milioni di metri quadrati di superfice coperta. Conta circa 235.000 dipendenti e nel 2003 ha fatturato 51,5 miliardi di euro. In Italia l’azienda ha aperto il suo primo punto di vendita nel 1972, a Cinisello Balsamo. Oggi i magazzini Metro sono 37, sparsi su tutto il territorio nazionale, e hanno superato il milione di clienti.
Tipologia particolare, quella dei clienti Metro. Si tratta infatti di soggetti che dispongono di partita Iva e ai quali viene assegnata una tessera che consente l’accesso al punto vendita e la possibilità di fare acquisti. Si tratta quindi di un’utenza molto ben definita in termini anagrafici, con precise categorie di appartenenza. Queste persone però non effettuano acquisti solo limitatamente alla propria attività lavorativa, ma si rivolgono a Metro anche per compere personali e di famiglia. Se quindi il target è preciso, il comportamento di acquisto è molto diversificato. La quantità di informazioni di cui Metro dispone sulla sua clientela è dunque molto elevata, ma oggettivamente difficile da utilizzare.
Patrizio Buda
direttore sistemi e organizzazione Metro Italia
“Il nostro è un cliente che conosciamo bene, ma a un certo punto ci siamo resi conto che la nostra architettura informativa non ci consentiva più di gestire in modo efficace tutte le informazioni disponibili. Da un lato la quantità di dati era ormai troppo rilevante perché il nostro sistema fosse in grado di gestirle; dall’altro, l’esigenza di conoscere meglio i nostri clienti si faceva sempre più spinta, anche perché la distribuzione tradizionale, pur non rappresentando un competitor diretto, incomincia a farsi sentire anche sul nostro mercato”, spiega Patrizio Buda, direttore sistemi e organizzazione di Metro Italia.
Azienda d’avanguardia nell’implementazione di nuove tecnologie, spesso scelta dai fornitori It per progetti pilota, nel 1997 Metro avvia un grande progetto di ridefinizione del proprio sistema informativo, con la costruzione di un data warehouse, in tecnologia Oracle, sul quale verranno poi realizzati diversi datamart, inizialmente dedicati alla sola area commerciale, che consentono la categorizzazione di articoli, fornitori, magazzini e così via.
Dai dati al profilo del cliente
Nel 2000 prende il via l’impegnativo progetto di definire un datamart clienti allo scopo di conoscerne con precisione il comportamento di acquisto. “Il nostro obiettivo – precisa Buda – era quello di estrarre informazioni dai dati disponibili al fine di avere una migliore conoscenza globale del cliente e, successivamente, attraverso operazioni di marketing operativo, cercare di indirizzare i comportamenti dei clienti stessi andando ad agire su cross e up selling”.
La piattaforma tecnologica sulla quale poggia il progetto Metro è a due livelli. Il primo, che potremmo definire di costruzione della conoscenza, poggia sul citato data warehouse e su strumenti di analisi e reporting (in tecnologia Microstrategy) che consentono alle varie funzioni aziendali di accedere a dati relativi ad anni ed anni di attività analizzandoli in base a differenti livelli di aggregazione. Il secondo livello, che è indirizzato all’approfondimento della conoscenza, poggia invece su avanzati strumenti di data mining.
Scopo di questo secondo aspetto del progetto era di creare una segmentazione della clientela dinamica, basata sui comportamenti di acquisto, al posto della classica divisione statica basata sull’incrocio dei dati anagrafici.
“Per sviluppare questa seconda fase – spiega Alberto Pozzi, responsabile del progetto – avevamo bisogno di uno strumento di analisi molto sofisticato ed è stato quindi scelto Enterprise Miner di Sas. L’utilizzo di questa soluzione di data mining ci ha consentito di evidenziare come acquirenti che per noi appartenevano alla stessa tipologia di clienti (negozianti, avvocati, commercialisti e così via) facessero in realtà parte di gruppi comportamentali differenti. Abbiamo potuto quindi sviluppare aggregazioni alternative a quelle tradizionali”. Infatti, Sas Enterprise Miner sfrutta algoritmi di analisi in grado di prevedere il comportamento del cliente rispetto a un dato target di interesse. È così possibile definire la propensione del cliente ad aderire a una determinata promozione o ad acquistare un prodotto, valutandone la fedeltà e profittabilità o, al contrario, il rischio di abbandono.
Comunicazione mirata e promozioni efficaci
Obiettivo finale della segmentazione per comportamento d’acquisto omogeneo abilitata dalla soluzione Sas era quello di sviluppare campagne promozionali mirate e di ottimizzare l’invio del catalogo Metropost alla mailing list dei clienti Metro.La spedizione di questo catalogo rappresenta un investimento molto impegnativo per l’azienda, ma il suo invio indiscriminato risultava troppo dispersivo. Tramite il sistema di data mining si sono potute valutare le propensioni all’acquisto e all’adesione alle promozioni commerciali dei clienti, in modo da provvedere ad inviare il catalogo in modo mirato. “Questa ottimizzazione delle spedizioni – aggiunge Buda – ci ha permesso di realizzare immediamente un risparmio molto significativo, intorno al 10-15%. Questo ha consentito di avere un rapido ritorno dell’intero investimento sull’implementazione del data mart clienti”.
Conoscere nel dettaglio il comportamento di acquisto dei clienti ha permesso inoltre di abilitare alcuni processi molto importanti. Uno di questi è stata la possibilità, per il marketing e la direzione acquisti e vendite di effettuare azioni ad hoc, rivedendo la tecnica di comunicazione precedente che era più massiva e quindi meno efficace. In termini di risultati economici, Metro ha potuto rapidamente verificare un significativo aumento dell’incidenza delle vendite promozionali per effetto appunto delle azioni mirate sulle esigenze dei singoli gruppi comportamentali.
Metro Italia rappresenta una delle sedi tecnologicamente più avanzate, assieme alla casa madre tedesca, dell’intera galassia Metro. “Oggi questi strumenti d’analisi – conclude Buda – sono diventati di uso comune per il nostro marketing. Grazie ad essi abbiamo posto nuove basi affinché si possa operare realizzando maggiori risultati di business”.
