Gli strumenti di analisi
Il ritorno d'investimento digitale viene solitamente misurato, dalle aziende, con indicatori macroscopici di derivazione classica: vendite, lead-generation, brand awareness, riduzione dei costi, introito pubblicitario.
Questo approccio, pur valido, con la frammentazione dell'esperienza odierna dei consumatori, e il loro interagire in maniera continua, ma anche discontinua, con una grande varietà di canali aziendali, può risultare limitato sia dal punto di vista dell'orizzonte temporale (breve termine) sia dal punto di vista della fotografia, che esso scatta al business digitale.
Se usassimo una metafora, questo approccio scatta un primo piano, mentre ai giorni nostri sarebbe preferibile utilizzare un grandangolo.
I momenti di interazione con i propri clienti, e con questi le fonti dati a disposizione del business, sono ormai innumerevoli con la possibilità di misurarli puntualmente, arricchendo il patrimonio dati aziendale, che, in certe condizioni e grazie a specifiche tecnologie su larga scala, può appunto essere chiamato big data.
Le catene di negozi hanno oggi la possibilità di misurare i propri registatori di cassa (POS Measurement Protocol), raccogliendone i dati di vendita insieme a quelli provenienti dall'e-commerce, coadiuvati dai dati raccolti in-store (totem digitali, bluetooth beacons, etc.) - questa base dati aumentata consente di scattare con quel grandangolo, che abbiamo menzionato sopra.
L'IOT (Internet Of Things) permette oggi di rendere "data-enabled" oggetti tra i più variegati, con applicazioni che vanno dalla telemedicina alla domotica, dal fashion all'ambiente.
Per questi business, si passa velocemente dal "data-enabled" al "data-driven" caratteristico di una strategia tout-court, che non può più fare a meno di dati puliti, univoci e parlanti.
Ciò che questi dati digitali consentono, e in particolar modo i big data, è la particolarizzazione degli indicatori utili alla misurazione del ritorno di investimento. Lo sviluppo di modelli predittivi rendono poi questo ritorno continuativo nel tempo, perché diventa un alleato strutturale del proprio business digitale.
Le moderne tecniche di machine-learning, e deep learning consentono sia di anticipare il rapporto, che i propri clienti intrattengono nei diversi momenti di contatto, con una precisione sempre maggiore, sia di aumentare l'efficienza della stessa tecnologia che ne sta alla base.