The stream of the Arkage

Circa 10 anni fa, nel cuore della Silicon Valley, accadeva un evento che avrebbe cambiato per sempre le nostre vite. D.J. Patil e Jeff Hammerbacher, lead data analyst rispettivamente a Facebook e LinkedIn, coniavano il termine ‘Data Scientist’. Per data scientist i due manager intendevano quelle figure professionali che utilizzano algoritmi avanzati per analizzare grandi quantità di dati (big data) allo scopo di creare predizioni affidabili della realtà. Da quel momento la data science si è diffusa a macchia d’olio nelle aziende ed è oggi alla base di molti servizi indispensabili per la nostra vita quotidiana.

Vi siete mai chiesti come fa Google Maps a predire il vostro tempo di arrivo a destinazione? O come fa Netflix a consigliarvi ogni sera il film giusto - pescando da un catalogo di più di 10.000 contenuti? Questo tipo di prodotti è reso possibile da processi di data science in grado di prevedere a tutti gli effetti il futuro (traffico stradale nel caso di Google, preferenze di intrattenimento nel caso di Netflix) e di utilizzare la predizione per offrire al consumatore un’esperienza di alto valore.

La data science finalmente al servizio del marketing

La buona notizia è che non solo la data science è sempre più accessibile alle aziende al di fuori dell’olimpo della Silicon Valley, ma che negli ultimi anni queste tecnologie sono state applicate con elevati ritorni economici a una sfida che riguarda tutte le aziende: quella del marketing e della comunicazione.

T-Mobile UK ad esempio, per una campagna di acquisizione clienti, ha collaborato con una società di data science per predire su quali gruppi di consumatori investire maggiormente in media e quali messaggi creativi inviare ai singoli segmenti. Il risultato? 350% di incremento del ROI rispetto all’approccio marketing tradizionale della compagnia.

Un po come l’internet nei primi anni 2000 la data science si sta democratizzando e sta cambiando per sempre il mondo del marketing. Le compagnie che riconoscono quest’opportunità e iniziano a esplorare e a investire in questa tecnologia saranno i leader del nuovo scenario competitivo.

Orientare la creatività con il Predictive Analytics

Il primo modo con il quale la data science per il marketing (o Predictive Analytics for Marketing) porta valore alle aziende è fornendo una predizione quantitativa affidabile del successo delle possibili creatività pubblicitarie e del pubblico target.

Nello schema tradizionale i brand commissionavano a un team di creativi il compito di identificare un target di mercato (donna 45+ interessata a cosmesi?) e di sviluppare una creatività persuasiva (compra la nostra crema per un’idratazione superiore tutto il giorno?). Al lavoro creativo dell’agenzia contribuiva una parte di ricerche di mercato - spesso ridotta a una serie di evidenze statistiche generalizzate e difficilmente azionabili.

La proposta finale veniva poi definita con il management in base all’esperienza e all’intuizione del team. Budget media ingenti venivano investiti “al buio” con un rischio elevato e con risultati verificabili solo a posteriori. Campagne che in riunione sembravano di successo assicurato registravano risultati poco convincenti una volta lanciate nel mondo reale.

Oggi i brand possono valutare quali scelte di targeting e quali creatività produrranno il ROI maggiore prima ancora di imbarcarsi in onerosi investimenti pubblicitari. Ad esempio, la ONG Marie Curie UK lavora con la società di data science Wood For Trees per segmentare il pubblico dei potenziali donatori e predire come distribuire l’investimento pubblicitario tra i diversi gruppi in base alle potenzialità di ritorno in donazioni. Marie Curie riesce inoltre a identificare le motivazioni profonde dei segmenti di consumatori scelti e a inviare creatività personalizzate che aumentano drasticamente i ricavi dalle donazioni (100 milioni di sterline raccolti nel 2018).

Il machine learning e la personalizzazione

L’approccio della data science consente non solo di prendere decisioni creative validate preventivamente, ma di offrire ai consumatori un’esperienza altamente personalizzata che valorizza il rapporto con il brand. Utilizzando algoritmi di machine learning i brand possono identificare i bisogni, le motivazioni e i problemi dei singoli gruppi di consumatori potenziali.

Questo consente di inviare creatività personalizzate (sulle principali piattaforme digitali) che risuonano intimamente con il consumatore, dando vita a una user experience superiore e a un’impennata delle conversion rate.

Come la rivoluzione di internet quella della data science è una dinamica win-win. I brand vincono aumentando i ritorni pubblicitari grazie alle istruzioni degli algoritmi, i consumatori vincono ricevendo solo messaggi utili e rilevanti che valorizzano il prezioso tempo dedicato alla fruizione pubblicitaria.

Come sfruttare la data science senza enormi investimenti

 Molti marketer sono incuriositi dalle promesse della data science ma spaventati dai costi che un’operazione del genere potrebbe avere. In realtà si può lavorare con i dati anche in modalità agile, secondo un modello iterativo che permette di partire con piccoli investimenti.

Questo è possibile facendo lavorare allo stesso tavolo creativi e data scientist intorno a iniziative semplici, verticali e verificabili, in un processo di miglioramento continuo:

1. effettua una prima ipotesi strategica (creative + data)

2. analizza il pubblico con la data science (creative + data + machine learning)

3. metti alla prova i risultati con una prima campagna test (creative + data + media

4. utilizza gli insight emersi per lanciare la campagna principale (creative + data + media)

Questo metodo, sviluppato da Arkage in collaborazione con W-Mind, unisce in modo produttivo creatività e analisi, e offre ai brand la possibilità di capire da subito se la data science può funzionare per loro.