di Sergio Caserta
(l’articolo è apparso sul numero di gennaio-febbraio 2013 di CMI Customer Management Insights)
Attualmente i Big Data sono un argomento di alto interesse. La cosa, di per sé, non sarebbe molto significativa: nel mondo dell’Ict regolarmente appaiono mode per cui tutto sembra dover passare in secondo piano, ma spesso si tratta di fenomeni che si rilevano effimeri e che possono essere classificati più di tipo mediatico, che reale.
Questa volta l’interesse sui Big Data sembra essere qualcosa di veramente diverso e non una moda effimera, perché un’azienda, oggi, è inondata di informazioni, da fonti interne ed esterne, in formati strutturati e non.
Col crescere delle tecnologie applicate a singoli momenti della nostra vita (uso di call center, di Social Media, di smartphone, di carte di pagamento, ecc.) le aziende hanno sempre più informazioni digitali da analizzare, e da utilizzare in modo accorto.
Analisti di settore hanno calcolato che le informazioni raccolte globalmente raddoppiano ogni anno, considerando anche i Paesi emergenti.
Sorge allora il problema di come utilizzare questa enorme quantità di informazioni per fidelizzare i clienti, acquisirne di nuovi e sviluppare gli affari con tutti i clienti a portafoglio, vecchi e nuovi, marginali e importanti. L’ipotesi di non utilizzarli non viene presa in considerazione: è infatti un’enorme nuova opportunità. Però le idee avanzate sono abbastanza tradizionali e ovvie.
Nel caso di un e-commerce, i Big Data consentono di rispondere a domande importanti quali:
• Perché i visitatori arrivano al sito (per una ricerca, per un acquisto, per completare una transazione, per ottenere supporto tecnico, per saperne di più circa l’azienda prima di interagire attraverso un altro punto di contatto, ecc.)?
• Cosa influenza le visite al sito (una referenza esterna, un’interazione con un Social Media, un fallimento del call center, un annuncio pubblicitario, una notizia sul giornale, precedenti affinità, ecc.)? Come questo traffico si converte nell’acquisizione di nuovi clienti?
• Cosa i visitatori cercano, nel sito web? In che modo le esigenze differiscono per fascia di popolazione o per altra segmentazione utile per l’attività (primi visitatori contro i visitatori abituali, utenti che svolgono ricerche approfondite rispetto a quelli più superficiali, ecc.)?
• Cosa si aspettano i visitatori dal sito web? Uomini e donne hanno le stesse aspettative? E i vecchi, e i giovani? Le persone che sono arrivate a seguito di un annuncio di Google hanno le stesse aspettative di quelle che sono arrivate a causa di uno spot televisivo?
• Quali canali di contatto i visitatori preferiscono? Ci sono modi per influenzare la preferenza in modo da far loro usare canali meno costosi e più redditizi?
• Come i clienti percepiscono l’azienda rispetto alla concorrenza? E i non ancora clienti?
• Come cambiano i profili e le aspettative dei clienti in risposta ai cambiamenti del mercato e dell’economia? E cosa, se fosse necessario, sarebbe opportuno modificare?
In altre parole:
• effettuare analisi per applicazioni strategiche per il core business su quanto disponibile per predire, ottimizzare, ecc., applicando il nuovo paradigma dei Big Data riguardo alla possibilità di gestire tecnicamente (velocità di elaborazione degli stessi) un volume e una varietà di dati impensabili un tempo
• usare tecniche statistiche (analisi multivariata, fattoriale, cluster) e altre proprie della statistica più moderna
• creare una knowledge base non solo per gli operatori del call center, per dare risposte corrette ai clienti, ma per i manager dell’azienda, a vari livelli, per far prendere loro decisioni accorte.
Le idee ottimali di impiego dei Big Data provengono dal marketing, dalle vendite, dalla fidelizzazione e client retention, dalla gestione del credito, dalla misurazione della soddisfazione del cliente e della Customer Experience, dalle metodologie di miglioramento dei processi.
Il lancio di un progetto Big Data con diffusione dei risultati passa per fasi quali: ascoltare, misurare, analizzare, impegnare i clienti e opinion maker, predire, rendere coerenti e ottimizzare i processi, integrare ed estendere (a settori dell’azienda non coinvolti all’inizio e all’analisi di dati ritenuti prioritari, che spesso sono quelli strutturati; nei contact center occorrerebbe partire invece dai dati non strutturati quali telefonate ed e-mail…).
McKinsey Global Institute ha condotto uno studio disponibile online; analogamente, Ibm ha redatto un volume di presentazione della tematica dei Big Data. Da una loro lettura emerge che i Big Data sono uno strumento sofisticato e non una soluzione, e soprattutto che servono risorse molto qualificate, per trarre da essi profitto. In ogni caso, i Big Data non garantiscono alle aziende di trasformarsi in leader di mercato, ma saranno certamente utilizzati al meglio dalle realtà che già sono leader nel loro settore.
Cosa considerare per assicurare un ROI
In passato ci sono stati grandi, costosi e ambiziosi progetti di data warehousing, data mining, Crm analitico che non hanno portato ai risultati attesi, o che hanno avuto un ROI troppo basso rispetto a quello stimato.
È importante, per le aziende e i fornitori, capire che il ritorno di un’implementazione di un progetto Big Data può essere fortemente decrescente con l’aumentare del volume dei dati raccolti, se non si sa fare un salto di qualità alla profondità dei modelli impiegabili per analizzare e finalizzare le informazioni disponibili.
Crediamo allora che i fornitori leader del settore debbano andare dalle aziende proponendo approcci per fasi, ciascuna con un ROI certo ed evidente, dimostrando con proof of concept i reali benefici, sia tangibili che difficilmente quantificabili, di ogni passo verso la nuova vision, assistendo le aziende nell’implementazione delle opportunità emerse, che devono essere fondate su modelli nuovi di utilizzo di grandi moli di dati afferenti a tipi diversi tra loro (strutturati e non). Il tutto tenendo presente che l’It aziendale manca ormai di personale in grado di assorbire sforzi impegnativi.
COMMENTI