Nei precedenti articoli della serie customer intelligence abbiamo visto come sfruttare la varietà dei dati presenti in azienda per acquisire una comprensione approfondita del comportamento dei clienti, delle zone d’ombra dell’esperienza, dei touchpoint che funzionano e di quelli che occorre perfezionare e altri svariati aspetti strategici. Conoscere le fonti, avere a disposizione le giuste tecnologie per analizzare i dati e scegliere la tipologia di analisi che fa al caso nostro sono passaggi indispensabili. Ma tutti questi passaggi si fondano un presupposto che non può mancare: la qualità dei dati. Dati errati non possono che portare a decisioni errate.
La sfida consiste nell’ottenere dati pertinenti, tempestivi e nello stesso tempo utilizzabili, comprensibili e facilmente accessibili. Questo significa che i dati devono essere organizzati in modo coerente, con etichette e descrizioni chiare, e resi disponibili in formati accessibili.
L’obiettivo è avere a disposizione customer insights da utilizzare per prendere decisioni sulle azioni da intraprendere per incrementare la soddisfazione del cliente e la qualità dell’esperienza. Customer insights non ovvi, facilmente azionabili e che generano nuovi comportamenti producono cambiamenti a vantaggio di azienda e cliente.
Tre fasi per la gestione efficace dei dati
La prima fase è la convalida dei dati durante la quale verificare la loro qualità, integrità, correttezza e sicurezza prima di immetterli nei sistemi aziendali. È un processo effettuato tramite l’applicazione di routine di controllo e regole di validazione, che possono essere automatizzate oppure essere basate su una logica di validazione stabilita dai professionisti aziendali.
La seconda fase riguarda la gestione centralizzata dei dati. Le aziende che costruiscono una fonte di verità unica e centralizzata, accessibile a tutte le persone dell’azienda in modo agevole e senza ostacoli riescono ad ottenere il massimo valore dai dati. Un traguardo che si raggiunge tramite la data integration, ovvero l’integrazione dei dati provenienti da diverse fonti per creare una vista completa e priva di duplicazioni su ogni cliente dell’azienda.
Infine, la terza riguarda la formazione e la cultura del dato in azienda. Le aziende sviluppano una cultura del dato investendo nella formazione e nella collaborazione interna, per condividere e utilizzare gli insights in modo diffuso e seamless, e si assicurano che tutte le persone in azienda sappiano utilizzare le informazioni nel rispetto degli standard di sicurezza e privacy vigenti.
La qualità dei dati
Come si diceva in apertura, dati di cattiva qualità portano a decisioni errate. Gli esempi possono essere presi da diversi settori. In campo finanziario, informazioni approssimative o imprecise possono avere conseguenze disastrose per gli investimenti o per il calcolo del rischio di un cliente. Nella vendita al dettaglio, dati di bassa qualità possono portare a una gestione errata delle forniture e delle campagne pubblicitarie, che si possono tradurre in una riduzione delle vendite. Nell’industria del turismo, dati errati possono causare esperienze negative per i clienti, una diminuzione della soddisfazione e una gestione sbagliata del budget pubblicitario.
Le caratteristiche principali che indicano la qualità dei dati che abbiamo a disposizione sono: l’accessibilità, l’accuratezza, la comparabilità, la completezza, la coerenza, l’affidabilità, la flessibilità, la plausibilità, la pertinenza, la tempestività o latenza, l’unicità e la validità. Per essere certi di analizzare dataset con queste caratteristiche si segue un processo specifico che parte dalla creazione di standard e politiche aziendali riguardanti la qualità dei dati e la definizione di linee guida coerenti con gli obiettivi e i requisiti dell’organizzazione. È quindi necessario un sistema di monitoraggio costante della qualità dei dati per identificare e correggere gli errori, pulire i dati ridondanti, eliminare le anomalie. Inoltre, occorre creare un sistema di regole che garantiscano la sicurezza dei dati proteggendoli da accessi non autorizzati, manipolazioni o furti e sistema di governance dei dati che ne verifichi la provenienza, la proprietà e la gestione dei dati.
Una visione unica
Quando le informazioni sui clienti vengono diffuse e utilizzate in tutta l’azienda, diventano uno strumento potente che può portare a clienti più felici, crescita più rapida e maggiori entrate. Trovare i modi giusti per generare e condividere i dati è spesso la sfida più grande per renderli parte integrante dei processi decisionali. Se si hanno moltissimi dati rilevanti e di qualità che provengono da molti sistemi, l’aspirazione è quella di poterne ottenere un’unica vista integrata e completa. La realtà, al contrario, è spesso un caotico miscuglio di fonti multiple e disconnesse tra loro, che rende difficile la comprensione di ciò che deve essere fatto.
Nella pratica vi sono due modi per trattare i dati. Il metodo tradizionale utilizza data warehouse dove convogliare tutti i dati che vengono ripuliti e trasformati nel processo di immissione, e successivamente vengono trovate le relazioni tra i dati provenienti da diverse fonti. Una diversa modalità è basata su data lake in cui si trovano tutti i dati allo stato grezzo a disposizione di tutti gli utenti che scelgono di analizzarli nel modo più utile per raggiungere i propri obiettivi specifici.
Attingere a un’unica vista del cliente è un presupposto per realizzare le strategie customer centric e raggiungere risultati di miglioramento dell’esperienza, razionalizzazione delle operation o introduzione di innovazioni. Ma per estrarre valore dai dati, questi devono poter essere interpretati in modo semplice e intuitivo anche da persone senza specifiche competenze di analisi.
L’uso di colori, dimensioni, forme e icone rende più semplice la lettura delle informazioni e la loro fruizione. I report statici che normalmente vengono utilizzati non sono adatti per un uso rapido e immediato; al contrario, le dashboard dall’interfaccia intuitiva rendono possibile anche l’analisi self-service. Con questi strumenti l’ufficio marketing può comprendere i modelli di comportamento e applicarli alle campagne marketing. Oppure l’assistenza clienti può facilmente monitorare il grado di soddisfazione dei clienti.
Cultura del dato
Molte aziende hanno difficoltà ad adottare un approccio basato sui dati. Tentano di sfruttare i dati per prendere decisioni migliori, ma nella migliore delle ipotesi ottengono risultati irregolari. Adottare un approccio data-driven richiede di affrontare ostacoli connessi alla cultura aziendale, alle abitudini radicate e ai processi interni difficili da modificare. A seconda della resistenza opposta, si dovrà valutare il tipo di percorso da adottare per fare in modo che la sensibilità verso la necessità di basare le decisioni sui dati si diffonda in azienda.
Le nuove opportunità che abbiamo visto in questa serie di articoli richiedono lo sviluppo di nuove competenze che mettano in grado le singole persone di ottenere insights di valore dall’analisi dei dati. L’approccio data-driven prevede che si allarghi l’accesso ai dati per permettere a più persone di prendere decisioni basate sui dati in modo rapido. Le ricerche dicono che le aziende che hanno coinvolto più persone nel processo decisionale sono anche quelle che hanno una diffusione maggiore di alfabetizzazione dei dati rispetto a quelle che restringono il cerchio.
Quattro caratteristiche dei customer insights
Tutto il lavoro di raccolta, analisi e diffusione dei dati ha come obiettivo quello di trasformare le informazioni in insights. Secondo Paul Laughlin, un esperto di analisi dei dati e customer insight, sono quattro le caratteristiche che non possono mancare nei customer insight:
- Non ovvietà: i customer insight non possono essere generati da una singola fonte, ma devono derivare dalla combinazione e integrazione di diverse fonti di dati e informazioni.
- Azionabilità: i customer insight devono essere verificabili e testabili nella pratica, non possono essere meri concetti teorici.
- Capacità di orientare i comportamenti: i customer insight devono andare oltre l’illustrazione dei comportamenti storici e ricorrenti dei clienti, devono anche mettere in luce le tendenze latenti per anticipare e favorire la loro manifestazione completa.
- Mutuo beneficio: i cambiamenti promossi attraverso l’utilizzo dei customer insight devono essere vantaggiosi sia per l’azienda che per i clienti, per essere sostenibili.
Più accurati e costantemente aggiornati sono gli insight aziendali sui clienti, più efficaci saranno le azioni di segmentazione della customer base, l’individuazione delle preferenze individuali, la realizzazione e l’invio di messaggi personalizzati per consolidare le relazioni e massimizzare le vendite.
COMMENTI