Il valore dei dati
Forti della consapevolezza del valore del dato, affrontiamo le sfide che aziende ed istituzioni ci propongono, selezionando accuratamente quali dati raccogliere e, soprattutto, disegnando il loro utilizzo.
Raccogliamo ed elaboriamo serie di dati per sviluppare modelli che offrano risposte adeguate al bisogno del consumatore. Includiamo i dati comportamentali come una delle prime fonti, l’innesco, per il contatto, dimostrando così, un’effettiva attenzione al valore del dato, del quale è sempre il consumatore a concedere l’uso.
Nelle valutazioni di progetto, condivise con le aziende, presentiamo la modalità più adatta di raccolta degli analytics, come occasione di engagement con i propri clienti, ed il legame con il ritorno sull’investimento. A tale scopo, selezioniamo attentamente i casi d’uso, attiviamo delle fasi di sperimentazione e relativa comprensione dei fenomeni a più alto impatto.
In molti casi mettiamo in campo strumenti di advanced analytics, che ci permettono di analizzare i fenomeni, che hanno condotto al risultato attuale (diagnostic analytics).
Quanto piuttosto la predictive analytics, che ci consente di anticipare i fenomeni attraverso modelli previsionali, basati su tecniche di machine learrning e regressioni. Ed anche la prescriptive analytics con cui possiamo suggerire pro attivamente quali decisioni il brand dovrà adottare in materia.
La comprensione delle occasioni, delle modalità e delle principali ragioni che guidano il consumatore ad interagire con il Brand, diventa una fonte continua di momenti di engagement, valorizzati da un reciproco scambio di informazioni.
Il dato comportamentale rappresenta la memoria a breve termine dell’interazione con il consumatore, di certo fondamentale per la strutturazione dell’occasione di contatto, ma chiaramente incompleta. In maniera complementare, è il dato di CRM la fonte, che ci permette di ampliare il profilo del consumatore, permettendo al Brand di interagire sulla base di una storia relazionale, superando l’occasionalità che, spesso, è causa di distacco con il consumatore.
Quando estendiamo lo spettro del dominio dati, messo a disposizione dall’advanced analytics con dati transazionali ed operazionali, le capacità di applicazione incrementano notevolmente. Il diagnostic analytics permette, ad esempio, di comprendere i fattori determinanti nel processo di acquisizione dei clienti ed il predictive analytics di anticipare la comprensione dei costi correlati a tale processo. Il prescriptive analytics può, ad esempio, essere impiegato nell’identificazione dei fattori chiave nel fenomeno di churn, fino ad automatizzarne l’azione verso il consumatore, con interventi di customer care proattivi.