7 soluzioni per 7 problemi di marketing · 2016-03-11 · la lead generation è un obiettivo di...
TRANSCRIPT
7 SOLUZIONIPER 7PROBLEMIDI MARKETINGLa Data Visualizationalla basedel data-drivenmarketing
7 SOLUZIONIPER 7PROBLEMIDI MARKETING
La Data Visualization alla base del data-driven marketing
INDICE
01.
Gli obiettivi del Marketing Manager di ieri
e di oggi: cambiamenti e prospettive
02.
La Data Visualization per risolvere le 7 sfide
del marketing
03.
Visual Analytics: prendere decisioni
data-driven in real time
05
11
42
4SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Gli obiettivi del MarketingManager di ieri e di oggi:cambiamentie prospettive
La continua nascita di nuove tecnologie,
l’ascesa del mobile, l’Internet of Things, il
cloud e i big data hanno modificato i requisiti
che i CMO (Chief Marketing Officer) e i Project Manager
sono chiamati a soddisfare.
Viviamo in un’era caratterizzata dalla velocità e da
una forte esigenza di sintesi, unita a una profondità di
conoscenza e competenza su temi specifici.
Il CMO in passato era focalizzato principalmente su:
Il CMO oggi si focalizza su:
Il volume delle vendite la costantemisurazione
delle performance
le 4 P del marketing(product, promotion,
price, placement)
la realizzazionedi un valore aziendalecondiviso con il cliente
la comunicazionemonodirezionale
la customer experience
6SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Il CMO, oggi, deve poter accedere a una moltitudine
di informazioni e dati generati dalla sempre maggiore
preponderanza di internet nella vita aziendale:
l’accesso a tale mole di dati deve avvenire con facilità e
rapidità. Diventa altrimenti impossibile comprendere e
interpretare velocemente (sempre più spesso in tempo
reale) i dati a disposizione per poter dialogare con gli
stakeholder di riferimento.
Questa citazione non proviene da un guru del marketing
moderno, ma da Johann Wolfgang Von Goethe.
Se valeva ieri, le sfide imposte dal web rendono questo
pensiero attualissimo e ancora più indispensabile.
Le teorie di marketing che molti manager hanno
appreso nelle business school rappresentano solo
il minimo dizionario delle competenze necessarie
per eccellere nell’era digitale. Per sopravvivere alla
competizione serrata e far prosperare il business, oggi
serve un’intuizione, un passo in più, che può celarsi
nell’interpretazione dell’interconnessa realtà circostante.
Non si può “navigare a vista” in uno scenario così ricco
di informazioni da interpretare. Occorre conoscere ogni
singolo cliente, nella sua interezza e peculiarità. La
Le nuove regole del gioco
“There is nothing so terrible as activity without insight”
71 — Gli obiettivi del Marketing Manager di ieri e di oggi: cambiamenti e prospettive
tecnologia è pronta a raccogliere queste sfide: analisi del
comportamento sui Social Media, web-tracking e digital
analysis sono solo alcune delle attività che aiutano le
aziende ad acquisire e gestire enormi quantità di dati per
definire al meglio clienti, prodotti, concorrenza e mercati.
L’esplorazione e la visualizzazione dei dati, anche sul
singolo cliente e nel rispetto della privacy, funziona non
solo per le campagne pianificate dall’azienda, ma ancora
di più nella relazione real time che si instaura sui canali
social e digital.
Questo cambiamento riscrive le regole del gioco e
richiede una visione unica dell’esperienza del cliente
(customer experience), dei processi operativi e dei
modelli di business.
È chiaro che questo scenario lascia alle spalle del CMO
le ‘vecchie’ certezze del marketing, quelle degli store
fisici, dei carrelli e delle offerte speciali. I CMO si trovano
ad affrontare le nuove sfide dei clienti multicanale,
dell’online retailing, dell’ipercompetizione, dei margini
sempre più ridotti e dei clienti sempre meno “fedeli”.
Sarebbe però un errore abbandonare anzitempo leve di
marketing, come l’in-store, ancora oggi fondamentali.
La percezione e la sensazione degli esperti è che il
digitale abbia contribuito a generare un nuovo filtro (layer
leggero) che si pone al di sopra di queste leve, che porta
alla sfida dell’omni-canalità e del marketing olistico (era
il 2011 quando Brian Solis parlava di holistic business
strategy).
Dalle vendite face-to-face, alla lead generation, fino
al mobile marketing, è chiaro a tutti che oggi non si
può fare marketing e non si può creare alcun brand
8SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
di successo senza il contributo attivo e prezioso del
consumatore.
Emerge, poi, il ruolo degli utenti-clienti nel processo
decisionale d’acquisto: in questo inizio 2015 diverse
ricerche e studi di settore (ripresi anche da Idealo e
TechEconomy) sottolineano come gli utenti si fidino dei
“trust signals” di altri clienti che hanno già provato un
prodotto o servizio. La fiducia non si può più ignorare.
Nulla di nuovo, per la verità: è un concetto presente
nei principali manuali di marketing, ma troppo spesso
dimenticato. Oggi gli utenti non sono solo dei grandi
custodi del passaparola, e quindi del valore. Sono anche
dei veri e propri creatori del contenuto, un contenuto che
influenza pesantemente le strategie di marketing e di
comunicazione: si pensi ad un noto brand produttore di
birra che ha proiettato i volti degli utenti che interagivano
su Facebook direttamente su un grande billboard a
Times Square.
Trasformare i clienti in ambasciatori del brand nelle loro
community di riferimento è una sfida che le aziende non
possono non affrontare. Ma occorre saper leggere nei
BRAND
91 — Gli obiettivi del Marketing Manager di ieri e di oggi: cambiamenti e prospettive
dati, spesso troppi e sparsi in canali diversi.
Il vero valore risiede nella capacità di integrare le
informazioni presenti nell’ecosistema aziendale con
quello che si trova fuori e transita sulle piattaforme
social. Raccogliere i dati, esplorarli e personalizzarne la
visualizzazione ai fini di business.
Con i Big Data e la nascita di strumenti di data
management sempre più intuitivi stiamo assistendo a
un processo di “democratizzazione” della conoscenza
aziendale: prima l’accesso alle informazioni e ai tool
analitici era appannaggio esclusivo del CIO e del top
management. Oggi tutte le funzioni aziendali sono
coinvolte.
Il CMO oggi deve padroneggiare le informazioni che
derivano dall’analisi dei dati e prendere decisioni di
business sulla base di queste. Con tempistiche fino a ieri
impensabili.
Di seguito ci occuperemo di mettere in luce le sfide del
nuovo marketing, le nuove regole del gioco. E scopriremo
come la Data Visualization possa rivelarsi un supporto
per affrontarle.
Prenderemo in esame diversi esempi concreti: dalla
necessità di monitorare i KPI (indicatori chiave di
performance) tradizionali come le vendite, il margine sui
nuovi prodotti, la capacità di spesa dei propri clienti, alla
misurazione di KPI più recenti come le performance delle
campagne online, il social Return On Investment o la
sentiment analysis dei brand/prodotti.
10SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
La Data Visualizationper risolvere le 7 sfide del marketing
Aumentare la digital Lead Generation1
La lead generation è un obiettivo di
marketing perseguito per generare liste
di possibili clienti realmente interessati
(clienti in target) ai prodotti o servizi offerti dall’azienda.
Tipicamente il target selezionato a monte ha una forte
propensione all’acquisto. La profilazione è quindi una
necessità imprescindibile.
Negli anni i CMO hanno spesso utilizzato tecniche di
direct marketing (es. telemarketing, campagne mailing).
Oggi un ruolo preponderante è giocato dalla rete, e
in generale dai contesti digitali, che permettono di
esplorare nuove tecniche di marketing, non solo diretto.
In particolare su web l’aumento di interesse da parte dei
clienti dipende da:
• traffico generato su una piattaforma digitale (es. sito
web, app)
• usabilità della piattaforma stessa, che si traduce
sostanzialmente in un’esperienza di navigazione facile,
sexy e intuitiva, grazie alla quale l’utente può soddisfare
agevolmente il suo bisogno
• buona organizzazione delle informazioni (architettura).
Se la ricerca di un prodotto richiede molto tempo, infatti,
132 — La Data Visualization per risolvere le 7 sfide del marketing
l’utente si scoraggia e la lunga e faticosa esperienza
di navigazione influenzerà negativamente le sue scelte
future.
SAS Visual Analytics permette di visualizzare la digital
Customer Journey dei visitatori e individuare i nodi critici
su cui intervenire. In figura 1, ad esempio, le barrette
rosse evidenziano 3 abbandoni alla prima interazione su
un sito web di e-commerce.
La soluzione permette di visualizzare il numero di click
realizzati dal visitatore, dal momento in cui entra nel sito,
al momento in cui effettua l’acquisto. Lo scopo è stabilire
i motivi che hanno contributo all’aumento del numero
di click e definire così le aree di intervento necessarie
a stimolare l’utente all’acquisto con il minor numero di
passaggi. Meno passaggi rivelano una migliore web
usability e un’ottima architettura del sito internet.
(figura 1: Customer Journey) Lo screenshot evidenzia il percorso di 13 diverse tipologie di visitatori e l’esito dell’acquisto: dall’immagine è evidente che solo 2 di questi hanno ultimato lo shopping online. La schermata indica inoltre le pagine più frequentate dagli utenti (ricerche in-site e visualizzazione dei prodotti).
L’analisi del dato si rivela fondamentale a tale scopo, in particolare l’analisi del percorso dell’utente fatto sul sito web.
14SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Oltre alla visualizzazione del volume di traffico, la
soluzione permette di individuare le pagine di uscita
dei singoli utenti, seguendone i singoli percorsi (come
mostra il SanKey Diagram della figura 2).
In ottica di ottimizzazione delle campagne di marketing,
è possibile quindi individuare i percorsi più frequenti
degli utenti e le pagine d’atterraggio del sito più visitate,
così da attivare eventuali azioni correttive e capire in
tempo reale quali sono gli argomenti più appealing.
Qualunque sito web costruito per vendere prodotti o
servizi genera dati come quelli appena discussi: il CMO
deve decidere se sfruttare questa ricchezza, conoscendo
meglio il comportamento dei propri clienti digitali e
incrementando le conversioni e di conseguenza le
vendite, offrendo la migliore esperienza.
(figura 2: Sankey Diagram of page) Lo screenshot rappresenta nel dettaglio il percorso di navigazione di una singola tipologia di utente (n.8 di 13): dalla pagina di ‘welcome’ fino all’invio dell’ordine d’acqui-sto (quinta interazione). La figura mostra un ottimo percorso, dove l’utente accede all’area e-com-merce in soli tre click.
152 — La Data Visualization per risolvere le 7 sfide del marketing
Migliorare la CustomerExperience2
Philip Kotler, di fatto il maggior esperto di
marketing al mondo, ha definito il CMO come:
Disporre di un servizio clienti soddisfacente è un
elemento chiave per assicurare al proprio brand
un’immagine forte, favorevole e unica nella mente del
consumatore.
Migliorare l’efficienza del proprio servizio clienti,
analizzando e monitorando la customer satisfaction nel
tempo, ed anche in tempo reale, risponde all’obiettivo più
ampio di tenere sotto controllo i costi in linea con un
approccio organizzativo lean.
“la figura aziendale che, assieme alle altre funzioni, deve delineare la strategia aziendale. Uno dei suoi compiti principali è far si che il resto dell’azienda sia focalizzato sui clienti, non sui prodotti”.
172 — La Data Visualization per risolvere le 7 sfide del marketing
Un customer service portato avanti da una linea
telefonica interattiva comporta un risparmio nell’impiego
di personale qualificato e un tracciamento dei dati più
rapido e standardizzato.
Questo tipo di customer service è molto utilizzato nel
settore educational, in particolare dalle Università: per gli
organi universitari è fondamentale indagare i percorsi di
selezione dello studente collegato da rete telefonica allo
sportello servizi e analizzarli in ottica di miglioramento.
Il monitoraggio dei flussi telefonici è possibile grazie alla
mappatura dell’interazione con l’utente, che permette
all’analista di individuare il percorso di trouble ticketing
(vedi esempio nella figura 3) e il punto preciso in cui
l’utente:
abbandona la conversazione
sbaglia percorso
non trova le informazioni che cerca
Con SAS Visual Analytics è possibile visualizzare il
percorso delle chiamate e approfondire l’analisi fino
a ottenere l’esperienza di un singolo utente. Oppure,
partendo dall’individuazione del percorso più lungo in
termini di risoluzione, dall’inizio dell’interazione fino al
contatto con l’operatore, è possibile mettere in evidenza
con pochi click i passaggi chiave che hanno indotto il
cliente ad abbandonare la telefonata.
Un esempio concreto: state monitorando i flussi telefonici?
18SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Con SAS Visual Analytics il decisore dell’area marketing
potrà sapere esattamente dove intervenire, capire
l’origine delle problematiche e proporre un percorso più
idoneo alle necessità degli utenti.
(figura 3: Percorso di Trouble Ticketing) Lo screenshot mostra fino a sette passaggi percorribilidall’utente per risolvere una criticità. In particolare, la visualizzazione presenta due tipi di percorsi che terminano con la risoluzione del problema. Il path in verde scuro si rivela estremamente efficien-te, mentre l’altro, pur essendo risolutivo, coinvolge un maggior numero di interazioni, tra cui anche la sospensione del servizio (in giallo). L’ etichetta ‘‘in lavorazione” si riferisce all’intervento di un opera-tore, passaggio che, in ottica di ottimizzazione del customer service aziendale, costituisce un punto di intervento segnalabile dal CMO.
192 — La Data Visualization per risolvere le 7 sfide del marketing
Tutelare la Web Reputation e il Social Sentiment del prodotto/brand3
Essere a conoscenza di come un brand o un
prodotto vengono percepiti dagli utenti in
rete è diventata una necessità primaria per i
marketing manager, i quali non possono più prescindere
dal monitoraggio di ciò che viene detto e condiviso
online.
In un momento storico in cui gli utenti e i consumatori
(o consumattori) sono sempre più informati e attivi, il
monitoraggio della notorietà di marca (brand awareness)
e della percezione rispetto alla stessa (brand sentiment)
è attività non accessoria. Grazie ad essa, sarà infatti
possibile attivare procedure di crisis e reputation
management con l’obiettivo di intervenire positivamente
sulle metriche descritte.
Con l’avvento della rete, stiamo assistendo ad una
sovraesposizione dei brand al mondo esterno:
l’amplificazione della percezione di un brand, di un
prodotto, di un servizio o di un’azienda intera, se
negativa, può condurre a danni d’immagine che rischiano
di avere ripercussioni di lungo periodo anche sulle
vendite.
Conoscere l’atteggiamento del mercato nei confronti
dei valori che il brand esprime è essenziale per capire le
migliori strategie da seguire durante la pianificazione delle
attività di digital marketing.
212 — La Data Visualization per risolvere le 7 sfide del marketing
Senza questo tipo di analisi, il CMO rischia di non
rendersi conto della presenza di opinioni negative degli
utenti, correlate spesso a disinformazione sui prodotti o
ad attività di pushing commerciale.
La valutazione del sentiment facilita un processo aziendale
chiave, permettendo di:
INDIVIDUARE velocemente gli eventuali problemi
PIANIFICARE azioni correttive e di miglioramento
INTERVENIRE rapidamente e reagire, in caso di minacce
rilevanti
L’analisi del social sentiment e della web reputation sono
operazioni chiave in diversi ambiti e processi strategici,
ad esempio, per il settore bancario.
Queste analisi si rivelano utili per determinare la
curva di percezione dei singoli target o segmenti di
consumatori prospect (es. millennials, imprenditori,
famiglie), comprendendo la percezione di ciascun target,
e intervenire laddove sono presenti contenuti negativi.
Un caso di studio: il Sentiment nel settore Bancario
22SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
(figura 4: Reputation by Content ) Questo screenshot mostra la visualizzazione della Reputation By Content in SAS Visual Analytics. Attraverso lo strumento è possibile vedere il volume di contenuti positivi pubblicati nell’arco di due anni, suddivisi in base al luogo di discussione attraverso l’uso di colori diversi (blu per i blog; verde per i forum; azzurro per i microblog; rosso per le news; giallo per i social network)
(figura 5: Digital Influence by Twitter) Nello screenshot sono messi in evidenza il numero di tweet, share e reply, relativi ad una campagna e il loro volume di distribuzione nei tre indici (positivo, negativo, neutro). Nella parte inferiore della schermata viene visualizzato il sentiment totale della campagna, positivo nella figura 5. Ciò è facilmente comprensibile dalla curva di analisi dei tweet (in verde), la quale ha un rialzo nell’area positiva e diminuisce in quella negativa.
L’analisi dei contenuti digitali comprende anche le attività
legate ai social media: attraverso SAS Visual Analytics è
possibile analizzare i dati provenienti da una campagna
su Twitter e comprendere il sentiment relativo ad ogni
singolo tweet.
232 — La Data Visualization per risolvere le 7 sfide del marketing
Nel caso visualizzato non sono presenti dati negativi:
il CMO potrà così concentrarsi sul monitoraggio dei
contenuti neutri, presenti soprattutto nei dati provenienti
dal CRM, come suggerisce la visualizzazione,
e intervenire nel miglioramento di questi.
La figura 6 mostra la curva generata dall’analisi della
brand reputation:
(figura 6: Brand Reputation) L’immagine riporta nella parte superiore i risultati dell’analisi della Brand Reputation suddivisa per tipologia di contenuto: documenti, CRM e post dei social media. Nella parte inferiore sono visibili le tre curve generate dagli stessi contenuti: i positivi in verde, i neutri in grigio e la media tra i due indicatori in rosso.
24SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Misurare il ritorno sull’investimento nei Social Network in ottica multicanale4
Secondo diverse ricerche pubblicate dal
portale Social Media Examiner e da Social
Media Today, l’impatto dei Social Media sul
business aziendale è molto forte. Sei dati sul mercato
americano:
1 Il 92% dei brand dichiara che i Social Media hanno
portato benefici in termini di esposizione al target
obiettivo e in termini di traffico (fonte: Social Media Examiner)
2 Il 50% delle aziende ha registrato un aumento delle
vendite tramite Social Network, dopo 3 anni di attività
Social (fonte: Social Media Examiner)
3 I consumatori si aspettano che un brand sia attivo in
almeno 3-4 canali Social (fonte: Hubspot)
4 Il 73% dei consumatori si dichiara ben disposto ad
acquistare da un brand che dialoga e risponde con gli
utenti tramite i Social Network (fonte: Hubspot)
5 I consumatori sono annoiati dalla pubblicità. Ma
l’82% di essi si dichiara molto interessato ai contenuti
generati dall’attività di storytelling di un brand (fonte:
Content Marketing Association – CMA)
6 Il 79% dei CMO che usano Twitter dichiarano di aver
raggiunto il doppio dei contatti rispetto a coloro che non
usano Twitter (fonte: InsideView)
26SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Il ritorno sull’investimento (ROI) è un indicatore molto
discusso, a tal punto che, quando si parla di investimenti
relativi all’area marketing delle aziende, è più adeguato
parlare di ROMI (Ritorno sull’Investimento di Marketing),
come proposto da Guy Powell.
Gli obiettivi di una campagna di marketing sui Social
Media non sono quasi mai direttamente collegati al
ritorno economico sull’investimento. Il social media
marketing (SMM), infatti, impatta a livello strategico
sulla brand awareness e su tutto il social business, dalle
attività di caring alla brand protection. Nel momento
in cui entrano in gioco investimenti diretti di social
advertising e il SMM viene così collegato ad attività di
lead generation, queste attività online devono essere
sommate a quelle offline per poter poi calcolare il ROMI
in maniera completa.
Condurre una campagna di marketing in ottica omni-
channel significa considerare gli indicatori (conversioni,
click, visualizzazioni, engagement) provenienti da tutti i
canali attraverso i quali la campagna ha avuto luogo, ad
esempio:
vendite online vendite offline uscite stampa download app
272 — La Data Visualization per risolvere le 7 sfide del marketing
È evidente come la dashboard diventa parte integrante
del processo decisionale, fornendo risposte precise e
facilmente visualizzabili, in grado di supportare azioni
di marketing digitale e suggerire nuove soluzioni per le
strategie future.
Il caso: misurare il Social ROI nel settore telecomunicazioni
Il lancio di un nuovo prodotto nel settore delle
telecomunicazioni può essere d’esempio per
contestualizzare un caso di misurazione del ritorno
sull’investimento di una campagna Social (Facebook e
Twitter) (figura 7)
(figura 7: Campaign Efficiency). In questo screenshot sono visibili i dati provenienti da una campagna di marketing. Obiettivo: aumentare lo scontrino medio dei clienti in un determinato punto vendita. Le diverse campagne realizzate sono visualizzate dal grafico a torta. Il diagramma sottostante mostra invece il valore dello scontrino medio (reso attraverso la grandezza delle sfere) dei cluster di clienti suddivisi per fascia d’età. Sul lato destro sono rappresentati, attraverso un istogramma, il volume e il valore delle vendite, filtrati per sesso degli utenti (contraddistinti dai colori blu, rosso e verde).N.B. - Nella rappresentazione sono presenti 3 sessi, poiché nei dati ricavati dai social media spesso non viene inserito il sesso dell’utente (e quindi è presente un “unknown”)
28SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Determinare laGeo-targetizzazione nellancio di nuovi prodotti5
Il lancio di un nuovo prodotto sul mercato è
un momento chiave per le aziende: si tratta di
un’opportunità di differenziazione e un modo
per acquisire un vantaggio competitivo rispetto alla
concorrenza.
La fase preliminare riveste un ruolo determinate per il
successo dell’operazione: è in questo momento che la
raccolta dati e un’analisi di mercato condotte con gli
strumenti adeguati diventano essenziali per effettuare le
giuste previsioni e le scelte di business corrette.
Spesso è fondamentale individuare la giusta area
geografica in cui lanciare un nuovo prodotto o un servizio
per concentrarvi gli investimenti.
Diventa necessario, quindi conoscere:
• tutte le informazioni dei potenziali clienti appartenenti
ad una determinata zona geografica;
• il loro valore economico medio nel territorio.
30SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Si tratta di dati cruciali per il successo della scelta.
Nell’impostazione di una campagna di marketing per
località è importante identificare puntualmente il bacino
in cui un retailer opera e le abitudini e capacità di spesa
dei clienti, come visualizzato in figura 8.
Si pensi per esempio al settore delle utility: nel caso
in cui il CMO di un’azienda che distribuisce energie
rinnovabili voglia pianificare il lancio di un nuovo
pacchetto di servizi “tutto compreso”, sarà necessario
individuare i principali canali distributivi in cui il lancio
Un esempio concreto:la geo-targettizzazione nel settoredelle energie rinnovabili
(figura 8: Bacini di influenza) Questa visualizzazione mostra come SAS Visual Analytics sia in grado di evidenziare le aree di influenza dei punti vendita di un determinato settore presenti nella regione Lombardia. E’ possibile approfondire l’analisi scendendo fino al dettaglio desiderato (es. comune, area commerciale, ASL, etc…).L’intensità del colore verde identifica la capacità di spesa media dei consumatori presenti sul territorio.
312 — La Data Visualization per risolvere le 7 sfide del marketing
del prodotto possa risultare più profittevole.
Con SAS Visual Analytics è possibile riconoscere, a
seconda della regione, il profitto generato da un prodotto
e visualizzarlo attraverso la distribuzione delle sfere,
corrispondenti ai punti vendita, su due assi cartesiani,
come in figura 9.
(figura 9: Valore Medio Cluster Vita) Sul lato sinistro dell’immagine è evidenziato il valore medio delle regioni italiane, calcolato in base al valore medio dei clienti presenti sul territorio: attraverso l’intensi-tà dei colori (rosso, corrispondente ad un valore medio basso e blu, corrispondente a un valore medio alto) è possibile distinguere le profittabilità delle regioni. Se si seleziona una particolare regione, SAS Visual Analytics elabora un nuovo grafico sul lato destro. Gli assi cartesiani mostrano la quantità di prodotti venduti (x) e il relativo profitto generato dai singoli prodotti (Y). Le sfere colorate indentificano i punti vendita in cui sono presenti quei determinati pro-dotti, la cui grandezza corrisponde al proprio scontrino medio.
È possibile visualizzare anche il valore medio di spesa
dei clienti per regione, come mostrato in figura 10.
Il valore medio di un cliente si calcola rispetto all’incasso
totale e risulta dalla raccolta dati relativi ad un id cliente.
32SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Attraverso la raccolta di tutte queste informazioni il
CMO può decidere con sicurezza in quali aree lanciare
un nuovo prodotto e applicare un’adeguata politica di
pricing.
(figura 10: Valore Medio Clienti) Lo screenshot mostra come SAS Visual Analytics visualizza il valore medio dei clienti presenti in un determinato territorio. Maggiore è la grandezza delle sfere, maggiore è la capacità di spesa dei clienti di una regione rispetto ad un determinato prodotto.
332 — La Data Visualization per risolvere le 7 sfide del marketing
Determinare e aumentare la redditività del singolo cliente6
34SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Il CMO che persegue l’obiettivo di aumentare
la redditività del cliente, oltre ai dati
provenienti dalle analisi di mercato, può
prendere in esame anche i processi decisionali che
inducono il cliente all’acquisto di un prodotto (figura 11).
Il percorso delineato da questo processo è detto albero
decisionale del cliente e permette di individuare i valori
che hanno un maggiore impatto sullo svolgimento del
processo.
(figura 11: Decision Tree of High) Lo screenshot si riferisce all’albero decisionale dei clienti apparte-nenti a un’area geografica visualizzato attraverso SAS Visual Analytics. Dall’immagine è possibile determinare il primo e il secondo fattore in grado di influenzare i processi decisionali dei clienti, rispettivamente il brand e la qualità del prodotto/servizio.
352 — La Data Visualization per risolvere le 7 sfide del marketing
IL prodotto? Il Brand? La novelty?
Attraverso SAS Visual Analytics è possibile effettuare
una scrematura tra clienti alto e basso spendenti di un
determinato territorio. Una volta focalizzata l’analisi
sul target prescelto, vengono visualizzate le frequenze
riferite ai soli clienti che spendono oltre una determinata
cifra, come mostra la figura 12.
(figura 12: Revenue by Facility State) L’immagine identifica la distribuzione della capacità di spesa dei clienti alto spendenti suddivisi per Stato (USA). I box plot mostrano i range di spesa (individuabili at-traverso l’estensione dei baffi di ogni box) e il valore medio di spesa (coincidente con la linea centrale di ogni box in blu).
Nel caso in cui il CMO stia progettando una nuova
campagna, con target clienti alto spendenti, è importante
che sia in grado di identificare cosa incide maggiormente
sulle loro scelte d’acquisto:
36SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
Un caso concreto: i clienti delle agenzie assicurative
Per le reti di agenzie assicurative, in Italia, è importante
avere dati che riguardano i clienti, sia demografici
che di reddito, in modo da riuscire a profilare più
dettagliatamente possibile le varie offerte.
Dopo aver individuato un’area con maggior potenziale
di business, il Chief Marketing Officer di una compagnia
assicurativa può spostare gli sforzi commerciali dove
i clienti sono profilati come alto spendenti e provare ad
incrementare le vendite. E di conseguenza la redditività
dell’agenzia.
Se il CMO fosse interessato, invece, ad aumentare la
redditività attraverso il potenziamento di prodotti di
fascia prezzo bassa, attraverso SAS Visual Analytics
potrà isolare i clienti medio o basso spendenti, con
una frequenza di spesa molto elevata, e individuare le
aree geografiche a cui appartengono. Grazie a queste
informazioni sarà in grado di decidere se, come e dove
implementare le offerte in portafoglio.
Tutte queste informazioni possono essere circoscritte a
un territorio specifico per individuare le aree a più alto
valore.
372 — La Data Visualization per risolvere le 7 sfide del marketing
Conoscere le stagionalità del prodotto7
Il caso: l’andamento delle vendite nell’industria farmaceutica
La stagionalità di un prodotto dipende da
vari fattori tra cui l’input umano (esperienze
e sensazioni) e i dati storici di vendita. La
possibilità di fare delle previsioni accurate e puntuali
sull’andamento futuro delle vendite di un determinato
prodotto rappresenta uno dei principali obiettivi a
cui aspira ogni CMO. Avendo queste informazioni,
potrà accelerare e semplificare i processi decisionali
e supportare le scelte strategiche attraverso solide
considerazioni.
Ottimizzare tale processo è un obiettivo ambizioso, che
può modificare le performance dei prodotti e trasformare
le attività di trade marketing, consentendo, allo stesso
tempo, una riprogettazione e un riallestimento efficienti e
efficaci della Supply Chain.
Riuscire a prevedere i trend della domanda diventa
fondamentale per pianificare l’investimento totale in scorte
e in attività di marketing, come può accadere nell’industria
farmaceutica.
Questo settore è, infatti, soggetto a una fluttuazione
della domanda molto elevata rispetto a determinati
392 — La Data Visualization per risolvere le 7 sfide del marketing
prodotti.
Un indicatore fondamentale che supporta i decisori
aziendali nel monitoraggio della stagionalità di un
prodotto è il trend delle vendite nel lungo, medio o breve
periodo.
Grazie a questo indicatore, il CMO può comprendere
l’andamento delle vendite di ogni store, identificare
la stagionalità dei prodotti e decidere se e quando
aumentare l’investimento su quelli soggetti ad un alto
livello di fluttuazione stagionale.
Con SAS Visual Analytics è possibile stimare le vendite
future di un prodotto sulla base della distribuzione delle
vendite corrispondenti alle variazioni avvenute negli anni
precedenti, come mostrato dalla figura 13:
(figura 13: Forecast of Profit by date by Month) Lo screenshot evidenzia il rapporto tra il prezzo del prodotto e il profitto dei punti vendita in determinati periodi dell’anno. Sul lato sinistro dell’immagine viene riportato il dato storico, mentre sulla parte destra viene evidenziata la previsione di profitti e prezzi per i mesi futuri.
40SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
L’individuazione dello scarto relativo al profitto e al
prezzo di un prodotto facilita per il CMO la decisione
di aumentare o ridurre gli investimenti stagionali e fare
solide previsioni sull’andamento delle vendite future.
412 — La Data Visualization per risolvere le 7 sfide del marketing
Visual Analytics: prendere decisioni data-drivenin real time
Se il metodo di analisi precedentemente
descritto rappresenta la base per lo sviluppo
di progetti di qualità, la disponibilità di una
tecnologia di visualizzazione del dato è il braccio armato
che permette di estrarre tutto il valore che le aziende
già possedevano ma ancora non sapevano di poter
utilizzare. Da qualche anno la mole di informazioni e la
necessità di interpretarle in real time chiama il marketing
management verso una nuova avventura: il racconto e
la comunicazione del dato a vari livelli in azienda. Ecco
quindi che la Data Visualization si rivela un approccio di
qualità che riesce a rispondere all’importante bisogno
del data-driven marketing.
La risorsa scarsa oggi non è solo il budget. Per il
top management è anche e soprattutto il tempo a
disposizione. Uno strumento personalizzabile e auto-
apprendente è vitale per estrarre un dato richiesto
con urgenza o per fornire un’analisi da inserire in
una presentazione da preparare in poche ore. Inoltre
la disponibilità pervasiva dello strumento, con livelli
diversi di accesso e utilizzo, permette di rispondere
ad un mantra oggi non più ignorabile: “a ognuno i
suoi dati”. Una piattaforma di eccellenza deve poter
fornire, attraverso una user experience agile, i dati di
riferimento ad ogni livello, dall’amministratore delegato
433 — Visual Analytics: prendere decisioni data-driven in real time
alla figura operativa, considerando l’IT un alleato per
la personalizzazione e non un filtro per le singole
estrazioni. Il tutto senza la necessità di conoscere il
codice sorgente o di programmazione. Per scoprire
perché la Data Visualization è diventata fondamentale in
ambito aziendale, scarica il nostro e-book “4 motivi per
cui non puoi più fare a meno della Data Visualization”.
Oltre ai benefici che la Data Visualization può portare al
tuo business, troverai utili casi di successo di chi ha già
provato SAS Visual Analytics.
44SAS Visual Analytics — 7 soluzioni per 7 problemi di marketing
www.briansolis.com
www.youtube.com
www.socialmediatoday.com
www.slideshare.net 01
www.slideshare.net 02
www.insideview.com
www.sas.com
www.allanalytics.com
Jessica Bosari,The Developing Role of Social Media in the Modern Business World
Stephanie Chandler,The Hidden Benefits of Social Media Marketing
Belle Beth Cooper,10 Surprising Social Media Statistics
John Elkaim,Say Goodbye to the Age of Generalizations
Hubspot,All the Marketing Statistics You Need
Fonti
453 — Visual Analytics: prendere decisioni data-driven in real time
SAS INSTITUTE VIA DARWIN, 20/22 20143 MILANO 02 831 341 www.sas.com/italy
WORLD HEADQUARTERS CARY, NC 27153 USA +1 919 677 8000
segui SAS Italy su