Negli ultimi vent’anni c’è stata una fortissima evoluzione del modo di comunicare delle aziende e, soprattutto, di interagire con i propri utenti. Brand e aziende (non solo con un modello B2C ma anche quelle con una filiera di business B2B) si sono rese conto che l’interazione con i propri interlocutori (oppure l’assenza di interazione, che è essa stessa un messaggio importante), le modalità con le quali avviene l’interazione e il contenuto che la denota, rappresentano un patrimonio di informazioni di estremo valore, forse ancora più importante delle tradizionali comunicazioni “push” (pubblicità, newsletter, DEM, ecc.). Una consapevolezza che ha preso sempre più forma grazie a due importanti fattori chiave:
– l’evoluzione del Digital Marketing, e la conseguente “ossessione” alla Customer Experience;
– la disponibilità di Big Data intesa non solo come grande quantità di dati ma anche come patrimonio di dati non strutturati dal quale ricavare conoscenza utile (al Marketing, al business e all’utente stesso, sempre in ottica Customer Experience).
Due fattori così importanti dall’attirare nel Marketing una figura professionale nuova, forse più conosciuta per la sua vicinanza alle “stanze” economico-finanziarie che non per il suo valore in contesti che forse, per tradizione culturale, si associano più comunemente ad attitudini e competenze “umanistiche”, soprattutto se si pensa alla componente del Marketing che si occupa di Comunicazione. Stiamo parlando del Data Scientist e per capire cosa può fare oggi una figura professionale come questa nell’ambito del Marketing abbiamo chiesto aiuto a Giulio De Gaetano, Head of Data Science in Diennea.
Data Scientist tra mito e realtà: cosa significa lavorare “sui dati”
«Noi utilizziamo i dati per aiutare le aziende a migliorare il proprio modo di comunicare», esordisce senza mezzi termini Giulio. «Ciò non significa solo capire, attraverso l’analisi dei dati, che tipo di comunicazione inviare e in quale momento ma anche (e soprattutto!) verificare come le persone reagiscono o meno alla comunicazione stessa: l’obiettivo è riuscire a comprendere esigenze e desideri degli utenti per mandare loro solo ciò che davvero può interessargli o essergli utile».
Definire dei target di utenti in base ad una profilazione che vada oltre la semplice anagrafica, abbracciando dati comportamentali, informazioni di navigazione e, specialmente, assegnando un indice di strategicità ad ogni campo, significa capire cosa piace alle persone e cosa può interessare loro, anche in ottica predittiva. Un patrimonio che per un’azienda può fare la differenza sul successo o meno di un’operazione di business o di Marketing.
Per arrivare a capire cosa può volere un utente, bisogna capire su quali dati lavorare e come organizzarli. Una competenza che non si improvvisa, «anche perché l’analisi del dato da sola non basta a definire una strategia», si affretta a commentare Giulio. «In Diennea, per esempio, nel medesimo team convive chi si occupa dell’analisi dei dati e chi modella strategie di marketing multicanale, il tutto coadiuvato dal project manager che ha il polso dell’operatività che può essere calata sul Cliente, dato che ne conosce gli asset tecnologici e la strategia di comunicazione».
«Se si desidera, per esempio, costruire una strategia che prevede anche l’utilizzo del canale SMS, sapere che nel CRM è presente ed è ben valorizzato il campo “cellulare” con il numero di un utente è basilare, ma serve a poco se non so come l’utente utilizza il proprio cellulare», spiega Giulio. «Che senso ha inviare un SMS, fosse anche con uno sconto o una “promozione imperdibile”, ad una persona che d’abitudine non interagisce con gli SMS? Ad ogni modo, non è neanche buona practice escludere a priori utenti che non utilizzano di norma gli SMS, ma è necessario sperimentare, analizzare e di conseguenza aggiustare il tiro, capendo magari la necessità da parte di alcuni utenti ad essere prima raggiunti tramite altri canali per acquisire fiducia riguardo al brand.
In altre parole, è la personalizzazione (del target, del canale, del contenuto) a fare la differenza in una strategia. E la personalizzazione è il risultato di una accurata analisi dei dati.
Il valore di un Data Scientist nel Marketing
Ciò che appare subito chiaro dalla testimonianza di Giulio è che nel Digital Marketing la strategia senza dati non produce risultati, ma al contempo i dati senza strategia sono una miniera non utilizzata..
Il valore va dunque “costruito” attraverso un sapiente mix di competenze, ed è proprio qui che il Data Scientist può esprimere al massimo il suo potenziale. «In questo contesto Diennea può dare come valore – puntualizza Giulio – proprio perché vantiamo diverse competenze che possiamo racchiudere all’interno di tre layer: un layer di costruzione di strategie multicanale e customer experience, un layer di produzione tramite cui erogare direttamente attività (project management, sviluppi, integrazioni, design, copywriting, … ), un layer tecnologico per abilitare gli asset tecnologici utili alla comunicazione. La nostra visione del mondo Data Science è il fil rouge che connette questi tre layer, dove il puro approccio analitico è affiancato ad una sensibilità progettuale e ad un occhio già orientato alla strategia».
E se questo è il valore di un Data Scientist in un contesto di Marketing, appare subito chiaro che dalla prospettiva macro di gestione progettuale a dare ulteriore valore ad un progetto è l’approccio consulenziale, che, in un perfetto vortice dinamico, assume tanto più valore quanto più avvalorato dai dati e abilitato da un mix di competenze che, con la corretta “interpretazione” del dato, declina strategie ed azioni attraverso tecnologie e processi.
Dal dato al servizio consulenziale: il caso Parmalat
«Un buon progetto parte sempre dalla consapevolezza del dato, cioè dalla comprensione del fatto che i dati (nel nostro caso quelli degli utenti/clienti) possono restituire informazioni preziosissime che possono generare valore sia per le azioni e le strategie di Marketing ma anche per le scelte di business», spiega Giulio.
Un caso di successo, in quest’ottica, è dato da Parmalat, nome che non ha certo bisogno di presentazioni. «Parmalat ha un CRM decisamente ricco, ma di fatto non “conosce” tutte le sfumature dei propri consumatori finali, e questo lo ha portato a non riuscire a stabilire una relazione digital efficace con loro.
L’esigenza primaria è quindi diventata quella di capire chi fossero, cosa dicessero, di cosa avessero bisogno le persone interessate e vicine all’azienda per arrivare a guadagnarsi un ingaggio da parte loro in termini di loyalty e conversion».
In questo caso il punto di partenza è stata l’approfondita analisi dei dati, provenienti da più fonti, per costruire prima i cluster, poi delle journey map “personalizzate” attraverso le quali veicolare azioni e messaggi con canali differenti. Non solo, per stimolare la strategia data-driven, Diennea ha fornito a Parmalat delle dashboard altamente personalizzate in modo da offrire al team Parmalat delle viste real-time su KPI di importanza strategica, come, per esempio, il valore dell’intero database, costruito associando un valore economico ad una determinata azione.
«Ciò che ha generato valore per Parmalat è dunque la strategia, una strategia data-driven che ha un obiettivo molto chiaro – conoscere i consumatori e valorizzarli con programmi di Loyalty – seguendo un approccio operativo per step, per poter costruire l’intero progetto passo dopo passo, misurando l’andamento di una journey mentre si inizia a costruire la successiva, mantenendo sempre un occhio vigile sull’osservazione dei KPI impostati», conclude Giulio.
Quello di Parmalat è un concreto esempio di Customer Lifetime Value che parte dal dato e si alimenta e struttura grazie alla sua analisi. Per sentire da vicino cosa ha realizzato Parmalat e come ha raggiunto gli obiettivi che si era posta, potete seguire il workshop “Incrementare il Customer Lifetime Value partendo dall’analisi strategica del dato: il caso Parmalat” in programma il prossimo 29 maggio all’interno del Netcomm Forum
