.jpg)
Se ci fosse un modo per risparmiare tutto il lungo lavoro di decision making riguardante targeting, passaggi di brief e dinamiche legate alla creatività, siamo certi che non te lo lasceresti sfuggire. La buona notizia è che esiste già: si chiama Data Science per il marketing, e al di là di lasciare a macchine e algoritmi tutte le più noiose fasi di avvio di un progetto, è in grado di garantire fino al 350% di incremento del ROI rispetto a un approccio tradizionale. Un colpo al cerchio e uno alla botte insomma, cosa volere di più?
Un’operazione di Data Science per il marketing si articola in 5 momenti:
1. definizione degli obiettivi
2. identificazione delle fonti
3. analisi di dati e output
4. realizzazione delle campagne e delle decisioni di marketing
5. ottimizzazione finale.
Gli obiettivi commerciali
Si parte sempre dagli obiettivi commerciali e di marketing del cliente. La domanda da cui tutto scaturisce è: “Cosa possiamo predire nella nostra analisi che porti valore al business?”. Per esempio, in un progetto fatto di recente per Courmayeur Mont Blanc, abbiamo segmentato il mercato del turismo americano in diversi gruppi per capire le differenze tra i vari consumatori e parlare a ognuno nel modo più giusto.
Analisi e scelta delle fonti
Il secondo step consiste nell’identificare le fonti e il tipo di dati scelti. Qui la grande differenza rispetto alla statistica classica consiste nella natura dei dati che si vanno a ricercare: non solo socio-demo ma anche motivazionali, comportamentali e psicometrici.
Clusterizzazione dei dati
Una volta raccolti, i dati vengono analizzati da un team di data scientist per creare dei modelli predittivi che rispondano alla domanda iniziale. Il team data passa quindi il risultato dell’analisi al team di marketing e al cliente tramite una data dashboard di facile lettura.
Decision making e campagne di marketing
Si arriva così al cuore di tutto il processo. Gli insight delle analisi vengono utilizzate dal team creativo per prendere decisioni di marketing e sviluppare campagne pubblicitarie ad alto valore aggiunto. Per tornare alla collaborazione con Courmayeur Mont Blanc, in quel caso abbiamo scoperto che i businessman abbienti degli stati centro-occidentali americani, uno dei target elettivi di Courmayeur, rispondevano in maniera drasticamente superiore a messaggi a tema tradizioni locali e relax piuttosto che ad altri incentrati su trekking o escursionismo (fino a quel momento fortemente utilizzati per raggiungerli e ingaggiarli). Un insight fondamentale, che è servito per creare un video e una campagna con un ROI ben 4 volte superiore rispetto alle precedenti e alla media di mercato.
Ottimizzazione del modello
Il lavoro della Data Science non termina con la campagna. I risultati di essa generati dagli insight rilevati in fase di analisi vengono infatti ripresi dal team data, che li utilizza per ottimizzare ulteriormente le predizioni in maniera continuativa e generare un impatto sempre maggiore nelle prossime campagne.
Comprendere i comportamenti dei clienti oggi non è più sufficiente: i brand devono riuscire a intercettare anche le loro emozioni, proprio come fanno Apple, Google, Amazon e Facebook. Ma per tenere il passo di questi giganti, i dati da soli non bastano. Bisogna interpretarli in chiave creativa per riuscire a tradurli in una strategia vincente. È la Data-powered creativity, un metodo che abbiamo sviluppato per offrire alle aziende la possibilità di capire da subito come la data science può funzionare per loro.
