Benvenuti al terzo appuntamento della series dedicata alla CDP. Il tema che affrontiamo in questo articolo è quello del Data Enrichment che riteniamo importante perchè:
- è prima di tutto una delle caratteristiche fondamentali affinché una piattaforma sia definita una CDP;
- qualsiasi dato perde valore se non utilizzato, non aggiornato, o peggio abbandonato;
- scoprire informazioni nuove sui clienti, non visibili a prima vista ma frutto di elaborazioni, aumenta la conoscenza e migliora le relazioni.
Data Enrichment
Esistono diverse definizioni di cosa significhi esattamente Data Enrichment. L’elemento che hanno in comune, e che a noi piace sposare, è l’attenzione alla qualità del dato.
La fase di raccolta e integrazione di tutti i dati per la creazione di un profilo unificato, risulta di fondamentale importanza. Ma altrettanta occorre darne al suo costante arricchimento. Il profilo di ogni cliente deve essere unico e dinamico per mantenere livelli di qualità massimi.
L’arricchimento si può muovere lungo due direttrici:
- l’aggiornamento: occorre catturare qualsiasi nuova informazione arrivi sui canali di contatto con il cliente e deve essere integrata nel profilo affinchè siano sempre disponibili i dati più recenti;
- l’elaborazione: occorre dotarsi di strumenti che permettano di accedere a una nuova intelligenza in grado di elaborare tutti i dati dei clienti per conoscerli ancora meglio, prevederne il potenziale e anticiparne il comportamento.
L’aggiornamento
Ogni giorno i consumatori compiono numerose azioni. Ovunque si trovino e qualsiasi cosa facciano, lasciano delle impronte: la pagine web che visitano, le app che aprono, i negozi in cui acquistano, gli acquisti che fanno… Un’enorme quantità di dati che si traduce in informazioni preziose su di loro e sui loro comportamenti. Informazioni che non puoi lasciarti sfuggire e che devi cogliere al volo per creare quel famoso dialogo personalizzato con il consumatore, quell’attenzione che tutti desiderano dai brand nei propri journey. Attenzione che dovrebbe iniziare ancora prima che il bisogno di un prodotto o di un servizio, nasca.
Serve quindi dotarsi di strumenti che siano sempre pronti e attenti su tutti i canali di contatto con i clienti, e che raccolgano in tempo reale ogni nuovo dato venga generato. Occorre superare il temuto ostacolo dell’obsolescenza e tenere il più possibile i dati puliti e aggiornati.
L’elaborazione
Trasformare dati grezzi in informazioni tangibili. Non è più sufficiente collezionarli e usarli così come sono raccolti. Bisogna entrarci dentro, metterli in relazione fra loro, scoprire se possono raccontare qualcosa di nuovo sui tuoi clienti. Grazie all’applicazione di algoritmi e modelli predittivi basati sui dati che possiedi, ottieni informazioni altrimenti non immediatamente disponibili. Puoi creare in modo automatico cluster che vanno ad arricchire il profilo di ogni contatto, indicando le potenzialità attuali e predirne quelle future. O addirittura, puoi provare ad andare oltre e individuare audience look alike per indirizzare target simili – ma questo sarà oggetto di altro approfondimento.
Email Intelligence & Customer Engagement
Email Engagement Cluster. Per monitorare il successo delle tue campagne email e identificare l’interesse dei tuoi contatti a seguirti su questo canale. Puoi ottenere un’immagine precisa del comportamento del target a seguito delle tue comunicazioni e arrivare al dato puntuale relativo a ogni singolo cliente. Puoi decidere di mettere in pratica attività volte a migliorare le prestazioni delle tue spedizioni e aiutare i tuoi clienti a muoversi nella direzione che più desideri.
Attribution Model. Per misurare l’impatto delle comunicazioni sul comportamento di acquisto dei clienti, abbiamo due strade. Una prima che definiamo di attribuzione diretta, e vale per lo più per il mondo dell’e-commerce. Ti aiuta a capire quali acquisti derivano dai link presenti all’interno dei messaggi inviati, grazie al loro tracciamento (a questo proposito, esistono anche delle linee guida da seguire per costruire email di successo). Una seconda che, grazie a un modello più sofisticato – di attribuzione indiretta – ma di altrettando di facile applicazione, consente di conoscere, in una finestra di tempo definita, se qualcuno ha avuto occasione ad esempio, di aprire l’email, chiuderla e procedere in un secondo momento all’acquisto, sul tuo sito o nel tuo negozio. Accedi così a ulteriori informazioni sul singolo cliente e indicazioni preziose per mettere in moto strategie di marketing personalizzate su ognuno di loro e costruire journey automatizzati per affiancarli. Con l’obiettivo di aumentare la fiducia verso il tuo brand e incrementare il tuo business.
Customer Purchase Insights
Recency Frequency Monetary (RFM). Per arrivare a misurare il valore attuale del cliente partendo dagli acquisti online e offline. Puoi riconoscere pattern comportamentali di acquisto prendendo in esame:
- recency: quando è stato fatto l’ultimo acquisto;
- frequency: quanto spesso il cliente acquista;
- monetary: quanto il tuo cliente ha speso fino ad oggi.
In questo modo indentifichi ad esempio, i clienti a rischio abbandono, anche noti come a rischio churn, su cui attivare strategie di retention. Oppure i clienti che potrebbero comprare di più e muoverti quindi con attività di upsell. O ancora capire quali sono quelli più fedeli, i famosi Top Customer, e avere cura di loro.
Self-Organizing Map (SOM). Per individuare in maniera automatica e autonoma cluster unici definiti sulla base di informazioni di natura differente, e non limitate solo ai comportamenti di acquisto ma anche, per esempio a dati anagrafici o a mix di prodotti comprati. Grazie a reti neurali è possibile tradurre in personas i cluster individuati. Puoi scoprire che alcuni tuoi clienti presentano caratteristiche comuni molto ben definite e partire da qui per pianificare e monitorare un’efficace strategia di marketing.
Predictive Customer Foresights
Customer Lifetime Value (CLV). Per prevedere il comportamento di acquisto futuro dei tuoi clienti e la probabilità di abbandono, basandoti sui dati di transato online e offline. Puoi arrivare ad anticipare quali saranno i tuoi profitti, scoprire quanti clienti lo saranno ancora fra 6 mesi, quale sarà il loro livello di spesa il prossimo anno, se i tuoi attuali top spender resteranno tali anche in futuro, e molto altro. Tutto questo ti permette di intercettare cambi di stato di ognuno di loro e differenziare così i piani di contatto, prevedendo percorsi personalizzati per recuperarli.
Quindi appare evidente come sia una vera sfida arricchire i dati facendo elaborazioni. Ed è ancora più chiaro che il risultato delle varie elaborazioni dipende dalla qualità dei dati di partenza, ossia da quanto raccolto, collezionato e aggiornato. Se le informazioni utilizzate sono errate, incomplete od obsolescenti, ogni sforzo di conoscere meglio il proprio cliente per anticipare e prevedere, diviene inutile.
I benefici dell’arricchimento del profilo
Arricchimento quindi significa soprattutto aggiunta all’insegna della qualità. Alcuni tra i benefici immediatamente raggiungibili sono, non necessariamente in ordine di importanza:
- profili sempre aggiornati;
- disponibilità di dati elaborati e non visibili a prima vista;
- maggiore personalizzazione della relazione con i clienti;
- migliore segmentazione e creazione di audience efficaci;
- journey automatizzati, mirati e multicanale;
- migliore customer experience complessiva;
- scoperta di nuove possibili aree di business;
- identificazione di possibili problemi di abbandono su cui intervenire.
In altre parole, Data Enrichment significa trasformare i propri dati in valore vero e farne una leva strategica, nel rispetto della normativa in ambito GDPR.
E adesso?
Contattaci e scopri l’impegno che Contactlab mette per fornire gli strumenti e gli esperti migliori per conoscere e scoprire i tuoi contatti e permetterti di elevare i tuoi sforzi da Customer Engagement a Engagement Intelligence, compiendo azioni marketing – e non solo – mirate, personalizzate e più consapevoli.
__________________
Scopri la serie dedicata alla CDP della Marketing Cloud!
 |
 |
 |
 |
 |
 |
|||||
| LIVE | LIVE | LIVE | LIVE | LIVE |
LIVE |
Continua a leggere
Proviamo ad esempio a metterci nei panni di un’azienda che ha l’esigenza di costruire dei 
A questo proposito noi di Contactlab abbiamo sempre avuto come obiettivo quello di far vivere ai nostri clienti, la migliore esperienza di interazione possibile nell’uso della Marketing Cloud.
1. DATA COLLECTION & PROFILE UNIFICATION ossia raccogliere i dati distribuiti sui diversi canali di contatto e integrarli in profili unici, aggiornati in tempo reale e facilmente accessibili.
2. DATA ENRICHMENT ossia arricchire i profili con nuove informazioni frutto dell’elaborazione di azioni e abitudini, per prevedere comportamenti futuri o propensioni, grazie ad algoritmi e tecniche di Machine Learning.
3. ADVANCED SEGMENTATION ossia interrogare velocemente e senza competenze tecniche, tutti i dati per identificare target dinamici e creare segmenti, anche su base comportamentale e di previsioni future.
4. ACTIVATION ossia rendere i dati sempre disponibili a tutti i sistemi aziendali che lo richiedano, per ottimizzare il customer journey dei clienti e far vivere esperienze indimenticabili.
