Real Time Analytics e Artificial Intelligence Marketing

Real Time Analytics e Artificial Intelligence Marketing

Qual è oggi il modo migliore per le aziende di differenziarsi in un mercato sempre più affollato? Offrire ai clienti un’esperienza omnicanale e in real-time su tutti i touch point, un’esperienza basata su una strategia aziendale solida e connessa, guidata dai dati e dagli analytics. I brand capaci di sfruttare al massimo gli analytics (gestendo l’intero ciclo di vita degli analytics, dai dati alla scoperta dei fenomeni fino all’implementazione negli ambienti produttivi) otterranno risultati significativi in termini di preferenza per il brand.

I brand che riescono a creare una customer experience efficace e in real-time sono quelli che, attraverso gli analytics e gli insight sul cliente, gestiscono con successo tre competenze specifiche:

• Piattaforme dati unificate per una visione completa sui clienti: questa capacità consente di integrare dati offline e online dei clienti per estrarre informazioni precise e disegnare una customer experience unica e personalizzata.
• Proactive Analytics (attraverso tecniche di Machine Learning e Artificial Intelligence): queste funzionalità di collezione e analisi dati contengono informazioni sui clienti, sulle attività di marketing e su tutto ciò che ha un impatto diretto sul cliente, come ad esempio, le attività di contatto o di supporto.
• Interazioni contestualizzate: questa funzionalità si basa sulle informazioni in tempo reale sul cliente per capire il punto esatto del suo journey, sia digitale (recensioni online), sia fisico (punto vendita), e guidarlo nei passi successivi secondo le sue aspettative e gli obiettivi dell’azienda.

Mettere in atto tali competenze significa anche disporre di una piattaforma tecnologica robusta e agile.

E ciò dovrebbe succedere in 3 aree fondamentali:

• Quantità e varietà dei dati: sia gli analytics che l’AI si basano su un enorme volume di dati. L’infrastruttura dati deve essere in grado di gestire un’enorme quantità di dati differenti e provenienti da fonti diverse.
• Dati, analytics e strategia AI: senza una strategia definita in modo chiaro che colleghi ciascuno di questi aspetti fondamentali, l’infrastruttura dati non potrà mai garantire una customer experience di altissimo livello.
• Un’unica infrastruttura per dati e analytics: solo quando i dati e gli analytics agiscono in armonia, è possibile diffondere la cultura degli analytics e dell’AI all’interno dell’azienda.

Tutto questo richiederà una serie di tecnologie completamente ottimizzate e integrate, dall’hardware allo storage, fino al software e alle applicazioni.

Il tutto progettato per consentire ad analytics e AI di lavorare agevolmente in qualsiasi ambiente, “at the edge”, su cloud e on-premise.

Attraverso gli analytics, i brand possono comprendere la prospettiva dei clienti e, di conseguenza, ridefinire la customer experience in tempo reale.

I risultati: maggiore preferenza per il brand, aumento dei ricavi e ottimizzazione dei costi, oltre a un vantaggio competitivo evidente.

La chiave per comprendere i clienti e garantire la miglior customer experience

Oggi i clienti hanno aspettative elevate.

Si aspettano che le aziende li soddisfino ovunque si trovino e al momento giusto.

I clienti vogliono solo esperienze tempestive, mirate e personalizzate in base alle loro esigenze. Per soddisfare queste richieste, e anticipare i micro momenti del consumatore di oggi, le aziende devono essere in grado di differenziare il proprio brand attraverso gli analytics in real-time.

L’aspettativa del consumatore di oggi è che tutto esiste nel “momento”, e che le sue interazioni saranno personalizzate. Gli analytics in real-time sono fondamentali per consentire alle aziende di offrire questo tipo di esperienza.

Reagire al momento giusto: questo l’obiettivo principale di una progettualità di Real Time Analytics. Il classico esempio riguarda le attività di Proximity Marketing, ovvero attività personalizzate di promozione rivolte ai clienti che si trovano in prossimità di un negozio fisico, per spingere loro ad entrarvi e realizzare un acquisto.

Un progetto di Real Time Analytics ha bisogno di un’infrastruttura tecnologia molto performante, sia nella fase di raccolta dei dati (ingestion), sia nella fase di interrogazione dei dati (data querying), sia nell’ultimo step di visualizzazione delle informazioni (data visualization).

Le principali finalità che spingono le aziende ad avviare progetti in questa direzione si possono suddividere in tre macro-categorie:

1. Monitoraggio e Alerting

Progettualità di monitoraggio dei dati disponibili in tempo reale, che possono comprendere anche attività di alerting automatizzati al verificarsi di determinati eventi, più o meno complessi.

Alcuni esempi provengono dal mondo industriale, quali progetti di identificazione delle anomalie nel processo produttivo, o dal mondo bancario, volti alla ricerca di frodi o di eventi correlati (eventi che dall’analisi dei dati storici si sono rivelati predittivi di una frode).

2. Automated Decision Making

Progettualità che, a partire dal monitoraggio dei dati in real-time, automatizzano determinate azioni al verificarsi di uno specifico evento.

Rientrano in quest’ambito i sistemi di raccomandazione (“Potrebbe piacerti anche…?”) o la selezione automatica di gruppi target (clustering) per suddividere gli utenti in base a comportamenti e azioni tracciate ad hoc durante la navigazione del sito.

3. Nuovi prodotti e servizi

Grazie alla capacità di analizzare i dati in tempo reale è possibile infine mettere sul mercato nuovi prodotti o servizi o di sfruttare al meglio le potenzialità di prodotti già esistenti.

Si pensi alle smart tv, sulle quali possono essere implementati sistemi di advertising personalizzati basati sui comportamenti degli spettatori, o alla crescente diffusione dei wearable device, che in alcuni casi forniscono suggerimenti all’utilizzatore su quali prodotti assumere per reintegrare le energie dopo un allenamento intenso o come migliorare qualità del sonno.

Le aziende che hanno implementato questa strategia, sviluppando competenze specifiche hanno ottenuto risultati concreti.

Aziende leader in ambito digital hanno dedicato anni ad affinare algoritmi in grado di offrire raccomandazioni sui prodotti rilevanti aumentando la probabilità di upselling e cross-selling in maniera efficace su ogni singolo punto di contatto.

Hanno saputo gestire efficacemente approcci dinamici che permettono loro di aggiornare i prezzi di migliaia di prodotti in base alla domanda e al comportamento d’acquisto dei consumatori, ai prezzi dei competitor e altri fattori di mercato.

Hanno inoltre sviluppato funzionalità di Real Time Analytics per creare esperienze personalizzate su larga scala.

E il loro investimento è stato ampiamente ripagato: oggi queste aziende rappresentano lo standard e il simbolo di una customer experience efficace.

Le applicazioni degli Analytics in Real Time sono numerose e attraversano in modo trasversale tutte le funzioni e i processi aziendali.

A partire da miglioramenti tecnologici, le aziende dovranno quindi evolvere anche a livello di competenze e nei propri modelli organizzativi per riuscire a trarre vantaggio competitivo dalle analisi dei dati. Analisi non solo sempre più accurate e frutto di modelli evoluti, ma anche sempre più efficaci, a volte ancor più efficaci del cervello umano.

Il futuro: Artificial Intellingence Marketing

Provando a raccogliere tutte le osservazioni fatte fino ad ora e immaginando una direzione verso cui le soluzioni per il marketing si stanno evolvendo, quali sono gli elementi innovativi che si possono riconoscere nelle soluzioni di marketing disponibili?

• La gestione efficace di una mole rilevante di dati (Big Data), per la classificazione dei contatti raccolti da diversi punti di accesso: siti web, email, e-commerce, social, CRM, punti vendita, ecc.
  La capacità delle soluzioni di creare in maniera automatica delle classificazioni, insiemi di caratteristiche o interessi tra i vari contatti, per aggregare le potenziali lead in gruppi target.
• La possibilità di definire delle regole automatiche, per la selezione dei contenuti, per l’invio delle campagne, per la comunicazione continua verso il contatto, garantendo una coerenza comunicativa su tutti i dispositivi disponibili.
• La raccolta costante dai punti di contatto di nuove potenziali lead, sia che si tratti di interazioni con le iniziative di marketing, sia della navigazione sui siti web che delle interazioni con i social o visite al negozio fisico.
• Gli strumenti di analisi come base per la revisione continua delle classificazioni dei contatti e delle regole che definiscono contenuti, campagne e comunicazioni, per ricominciare con un nuovo ciclo di comunicazioni.

Quello che si compone è uno scenario in cui la maggior parte delle attività relative alle iniziative di marketing potrebbe essere demandata a strumenti automatici, basati su logiche di AI o di strumenti di statistica predittiva.

In particolare, immaginando un processo in cui le seguenti attività di marketing sono automatiche:

• La definizione dei gruppi target.
• La composizione di una campagna di marketing.
• La scelta del contenuto da comunicare.
• Il momento e la struttura dell’iniziativa di marketing.
• La revisione delle regole applicate precedentemente sulla base dei risultati di ogni iniziativa.

Si realizza, quindi, una sorta di ciclo continuo in cui l’intervento manuale si focalizza sulla gestione delle eccezioni e sul monitoraggio dei risultati e delle eventuali revisioni delle iniziative di marketing.

Si immagina una sorta di “macchina del marketing intelligente”, l’AI Marketing, che genera iniziative, invia contenuti, seleziona i contatti da intercettare e fornisce i risultati, senza sosta.

Il ruolo della struttura marketing diverrebbe, quindi, quello di immaginare nuove iniziative, proporre nuovi contenuti, monitorare tutto il processo della campagna gestendo le eccezionalità non previste (introduzione di nuovi prodotti, accesso a nuovi mercati, proposte di nuovi brand). Oltre che, ovviamente, perfezionando costantemente la stessa macchina del marketing.

“Automatismo” diventa la parola chiave.

Provare ad immaginare, sin da oggi, punti all’interno del ciclo delle iniziative di marketing che possono essere almeno parzialmente automatizzati, partendo sicuramente dalla raccolta delle informazioni sui contatti, i loro comportamenti, le selezioni sul web, ecc. ma cominciando a definire delle regole automatiche, ad esempio nella definizione dei gruppi target, o nella composizione di campagne automatiche che accelerino le risposte delle iniziative sul mercato preparandosi alle sfide tecnologiche del domani.