Integrare i dati per la marketing automation. Come si costruisce un segmento?

Segmentare il mercato, i clienti, i lead è un esercizio che facciamo quotidianamente. L’obiettivo è sempre lo stesso: individuare un punto di attenzione nelle persone, una leva in più per proporre un contenuto il più possibile vicino alle loro esigenze. Oggi le aziende possono raccogliere moltissime informazioni sugli utenti, in uno scenario molto complicato. Queste informazioni hanno le caratteristiche dei big data: sono moltissime, cambiano velocemente, sono di diverse tipologie. Per questo è bene, prima di implementare un progetto di marketing automation, integrare al meglio i dati per la costruzione di segmenti raffinati.

Integrare i dati per la marketing automation
Per costruire dei segmenti per la marketing automation è necessario approcciare i dati con un certo metodo. Questi sono gli step per iniziare con il piede giusto.
Mappatura.

La prima domanda da porsi è: quali dati, in quali piattaforme? Un progetto di marketing automation non può prescindere da un’analisi preliminare della gestione del patrimonio informativo di un’azienda. E’ fondamentale quindi verificare su quali piattaforme risiedono tutti i dati potenzialmente a disposizione: crm, ecommerce, loyalty card, erp, sistemi di cassa etc. Successivamente è necessario comprendere quali di questi siano funzionali agli obiettivi di business e concentrarsi su cosa è davvero utile, distinguendolo da quello che è “rumore”. Probabilmente siete in possesso di molte informazioni, ma non è detto che tutte concorrano alla creazione di segmenti. Alcune potrebbero essere ininfluenti dal punto di vista dell’analisi del journey (per approfondire questi temi leggi questo post)

Normalizzazione.

Le piattaforme di marketing automation tipicamente gestiscono fonti di dati differenti e si occupano anche della loro normalizzazione: verificano la bontà del dato e lo acquisiscono solo se corretto. In alcuni casi intervengono correggendo i campi seguendo regole prestabilite (per esempio introducono il prefisso della nazione sul campo numero di telefono). In altri restituiscono liste di errori che possono essere verificati. Infine, la tecnologia automatizza il matching di dati riconducendo le informazioni a un unico utente e scartando/segnalando i doppi.

Sincronizzazione.

La sincronizzazione dei dati è un aspetto che tipicamente deve essere customizzabile sull’esigenza dell’azienda e il tempismo è spesso collegato al modello di business. Una sincronizzazione in real time può essere costosa su alti volumi, ma in molti casi è necessaria per restituire agli utenti un’esperienza sempre aggiornata sulle loro preferenze e ingaggiante sul piano della comunicazione. Certamente non può essere un’attività manuale ma, se non può avvenire in tempo reale, deve essere schedulata in base alla strategia.

 

La creazione del segmento a partire dai dati
Come abbiamo detto in questo post i segmenti possono essere di due tipologie. Consideriamo dati statici quelli che si basano su informazioni con un basso livello di aggiornamento, che certamente possono cambiare, ma con un livello di velocità ridotto e non con un’alta incidenza (per esempio il genere, l’età, ma anche la residenza). Sono dinamiche, invece, le informazioni che riguardano il contesto di interazione con il brand per ogni singolo utente: le persone navigano online, cliccano, leggono, entrano nei negozi, acquistano e giudicano i prodotti pubblicamente. Per gestire questa complessità sono necessarie tecnologie in grado di gestire non solo diversi formati di dati, ma anche di saperli analizzare e aggregare in real time.

Le informazioni per creare dei segmenti si suddividono tipicamente in tre tipologie:

SOCIO DEMOGRAFICHE: genere, età, livello di istruzione ecc.

STORICO DI ACQUISTO e RFM: dove si cerca di calcolare il “valore” del cliente, sulla base di quanto e cosa ha acquistato, con quale frequenza, e a che distanza temporale dall’ultima volta.

CONTESTUALI: l’engagement dell’utente in quel preciso momento: pagine viste, per quanto tempo, click, open, condivisioni ecc.

Come si crea quindi un segmento? Utilizzando tutte e tre queste dimensioni. Per esempio:

  • donne che navigano da mobile, alle 9.00 di mattina a Milano
  • utenti inattivi da più di 10 giorni (su tutti i canali) con un potenziale di spesa x
  • clienti abituali, di 35 anni, che hanno già acquistato per un valore pari a x e stanno visualizzando un certo prodotto

Il riconoscimento degli utenti e quindi l’appartenenza a un certo segmento permettono alla marketing automation di offrire contenuti vicini alle esigenze di ciascuno di essi.

I segmenti basati su algoritmi

Come abbiamo detto a più riprese l’intelligenza artificiale è il motore in grado di scatenare la personalizzazione dell’esperienza (ne abbiamo parlato anche qui). Gli algoritmi imparano costantemente dai segmenti e il patrimonio di informazioni sugli stessi può aiutarci a crearne dei nuovi. La marketing automation può mettere in evidenza alcune similarità tra utenti, a cui il marketing non ha pensato: per esempio scoprire che tutte le donne che navigano da mobile alle 9.00 di mattina, acquistano anche un certo tipo di scarpe. Naturalmente si tratta di un semplice esempio, ma è utile a comprendere che esistono dei segmenti di utenti simili tra loro e la profilazione non è un fatto statico. Segmentare è una logica di apprendimento continuo: integrare i dati con la marketing automation è dunque la chiave per migliorare continuamente l’esperienza con il brand.