Quali sono le best practice nell'uso della customer intelligence?

Tecnologia: Voice of Customer Platform  Customer Intelligence     Topic: Voce del cliente  Dati & Analytics  

Secondo l'associazione TDWI (Transforming Data With Intelligence) sono sette le best practice a cui ci si può riferire per ottenere informazioni facilmente utilizzabili in azioni di business utilizzando la customer intelligence. Vediamole in dettaglio.

1. Migliore gestione e accesso ai dati per ottenere informazioni intelligenti. Quando si hanno moltissimi dati rilevanti e di qualità che provengono da molti sistemi, il sogno è quello di poterne ottenere un’unica vista integrata e completa. La realtà, al contrario, è spesso un caotico miscuglio di fonti multiple e disconnesse tra loro, che rende difficile la comprensione di ciò che deve essere fatto. Vi sono due modi per trattare i dati. Il metodo tradizionale è quello di utilizzare un data warehouse dove convogliare tutti i dati che vengono ripuliti e trasformati nel processo di immissione, e successivamente trovare le relazioni tra i dati provenienti da diverse fonti. Un processo lento e piuttosto rigido. La nuova modalità è basata su un data lake in cui si trovano tutti i dati allo stato grezzo che sono disponibili per gli utenti che scelgono di analizzarli nel modo più utile per raggiungere obiettivi specifici, come il miglioramento dell'esperienza, la razionalizzazione delle operation o l'introduzione di innovazioni per offrire maggiore valore ai clienti.
2. Data governance solida che crei fiducia nei clienti. Spesso la governance dei dati è delegata all’IT, ma una maggiore collaborazione e coinvolgimento del top management e dei manager che presiedono alle diverse aree che raccolgono e gestiscono i dati permette di stabilire delle regole di governance adatte all’organizzazione, e nello stesso tempo capaci di garantire la sicurezza e la protezione di tutti i dati raccolti. Quando si parla di clienti occorre essere molto bravi a bilanciare le esigenze di privacy con le aspettative di personalizzazione, e comprendere ogni volta come utilizzare tutte le informazioni che si sono raccolte, nel rispetto delle norme e in virtù di un atteggiamento etico e responsabile nei confronti delle informazioni personali.
3. Utilizzare l’analisi visiva per trasformare i dati in azioni. Per estrarre valore dai dati, questi devono poter essere interpretati in modo semplice e intuitivo anche da persone senza specifiche competenze di analisi. I professionisti del marketing dovrebbero poter comprendere i modelli di comportamento e applicarli alle campagne marketing. L’assistenza clienti, grazie alle interfacce semplici, può monitorare il grado di soddisfazione dei clienti. I report statici che normalmente vengono utilizzati non sono adatti per un uso rapido e immediato; al contrario, le dashboard dall'interfaccia intuitiva rendono possibile anche l'analisi self-service. L'uso di colori, dimensioni, forme e icone rende più semplice la lettura delle informazioni e la loro fruizione. Queste nuove opportunità naturalmente chiedono lo sviluppo di nuove competenze che mettano in grado le singole persone di ottenere visualizzazioni efficaci.
4. Aumentare il potere analitico per scoprire nuove informazioni dai customer data. Utilizzando gli advanced analytics che includono data mining, machine learning, analisi predittiva e analisi testuale si possono ottenere insights in tempo reale e scoprire modelli di acquisto, cluster di prodotti che vengono percepiti come affini, segmenti di clienti. Tutte informazioni che permettono di migliorare la personalizzazione e individuare nuove tendenze. L’utilizzo degli advanced analytics richiede il supporto di data scientist e di tecnologie adeguate, ma con l’in-memory computing e il cloud computing è possibile far accedere le funzioni aziendali a queste informazioni e automatizzare l’analisi predittiva.
5. Utilizzare l’analisi dei dati per personalizzare le interazioni. Quando si ha a disposizione un’ampia varietà di prodotti e una grande quantità di clienti è difficile mantenere un’elevata conoscenza del cliente e un rapporto personale tipico delle piccole produzioni o dei negozianti. Con la customer intelligence è possibile recuperare parte dell’intimità con il cliente personalizzando le interazioni grazie alla gestione, integrazione e analisi dei dati rilevanti che restituiscono una vista completa del singolo cliente o di segmenti coerenti. Integrare i dati è essenziale per ottenere una fotografia completa, perché ogni fonte offre una parte dell’immagine intera. I dati delle vendite, per esempio, dicono cosa un cliente ha comprato ma non quello che avrebbe potuto acquistare ulteriormente, né se quel cliente è soddisfatto di ciò che ha acquistato. I dati comportamentali possono completare queste informazioni per arrivare a una migliore comprensione dei percorsi di acquisto e della relazione tra comportamento dei clienti, marketing e attività di acquisto.
6. Orchestrare e ottimizzare il contatto con il cliente e l'efficienza operativa. Il miglioramento dell'efficienza operativa è uno degli obiettivi principali alla base della maggior parte delle implementazioni di piattaforme di analisi, comprese le funzioni di marketing, vendite e altre funzioni incentrate sul cliente. La necessità è quella di allineare decisioni e azioni con gli obiettivi di aumento della fedeltà, riduzione dell'attrito e miglioramento della soddisfazione dei clienti. Dashboard e scorecard possono fornire agli utenti indicatori chiave di prestazione facilmente comprensibili, e la possibilità di approfondire i dati alla base delle metriche. 
7. Ottenere informazioni utili per migliorare l'esperienza omnicanale. Il modo migliore per capire se la customer intelligence sta portando vantaggi all’azienda è comprendere se aiuta a creare interazioni con i clienti di maggiore qualità, più durature e più redditizie. I dati raccolti dalle piattaforme omnicanale permettono di monitorare e misurare le interazioni con i clienti per comprendere la loro soddisfazione e le loro opinioni. Queste informazioni permettono di capire quali sono le azioni più adatte a fidelizzare i clienti, e di determinare quali offerte hanno maggiori probabilità di successo per ciascun cliente. I dati integrati danno maggiori informazioni anche per decidere quali azioni intraprendere per migliorare l’esperienza complessiva dei clienti. L’analisi predittiva che la customer intelligence può fare utilizzando i dati che provengono da survey, chiamate al call center, post sui social media e recensioni è utile anche per individuare i clienti che sono in procinto di abbandonare l'azienda e determinare le azioni da intraprendere in diversi momenti della relazione. Un livello superiore, ancora non raggiunto nella realtà, riguarda la possibilità di personalizzare le esperienze in tempo reale mentre un operatore sta interagendo con il cliente.

Tecnologia: Voice of Customer Platform  Customer Intelligence     Topic: Voce del cliente  Dati & Analytics  

VOCI CORRELATE