Il data-driven marketing è un approccio al marketing che parte dai dati per poi arrivare alla strategia da attuare. Mediante una corretta raccolta e interpretazione dei data analytics, i brand possono prevedere ciò che i loro clienti o quelli potenziali acquisteranno in base ai loro comportamenti d’acquisto e ai loro interessi. In tal modo, riescono a inviare offerte personalizzate, suggerimenti d’acquisto appropriati e campagne customizzate.
I dati raccolti permettono di anticipare le esigenze e i desideri degli acquirenti, consentendo all’azienda di fare marketing one to one.
Segmentare il mercato e profilare gli utenti
Il marketing inizia dalla segmentazione e questa, se molto dettagliata, è difficile da mettere in pratica. La segmentazione del mercato avviene su base:
- geografica, il mercato viene suddiviso per Paesi, regioni, città e località
- demografica, in cui si tiene conto di: età, sesso, occupazione e classe socio-economica
La segmentazione geografica e quella demografica vanno dall’alto verso il basso e sono perlopiù statiche, nel senso che un un consumatore viene incasellato in un unico segmento per tutti i prodotti. Tuttavia, il suo processo decisionale varia in base alla categoria merceologica del prodotto e a quale fase del Funnel Marketing si trova. Pertanto, i marketer preferiscono un approccio dal basso verso l’alto: invece di disaggregare il mercato, raggruppano i consumatori con preferenze e comportamenti simili; ogni consumatore rientra in un segmento.
Per tale approccio si impiegano altre tipologie di segmentazione, come:
- psicografica, grazie alla quale gli acquirenti vengono classificati in base a: valori, interessi e motivazioni personali
- comportamentale, la ripartizione avviene tenendo conto dei comportamenti d’acquisto passati: frequenza, importo, tipologie di prodotti acquistate in determinati periodi dell’anno etc.
Infine, ci sono gli approcci alla segmentazione più in voga oggi, quelli che fanno capo ai dati di prima parte, già in possesso delle aziende. Un e-commerce, ad esempio, avrà una notevole mole di informazioni sui propri utenti, che mescolano tutte le precedenti (geografia, demografia, capacità di spesa, frequenza d’acquisto etc.), che vanno rese omogenee dentro audience raggruppate e coerenti, ad esempio tramite l’approccio RFM.
La rappresentazione di un segmento di consumatori ricavata grazie alle tecniche di cui sopra, è chiamata persona.
Quali tipologie di dati considerare
Segmentare e profilare gli utenti è da sempre fondamentale e grazie ai Big Data è possibile raccogliere nuove tipologie di dati utili per effettuare micro-segmentazioni. I dati provengono, oltre che dal CRM e dalle indagini di mercato, anche dai media, dai social, dai negozi fisici e dall’ IoT (Internet of Things).
Inoltre, si possono classificare in:
- Hard Data, i quali sono molto personali e per questo difficilmente soggetti a cambiamenti
- Soft Data, che tendono a mutare nel tempo. I Soft Data si possono classificare a loro volta in: dati anonimi propri o provenienti da terzi di persone identificabili solo tramite IP e dati conosciuti, anch’essi propri o provenienti da fornitori, di persone riconosciute da nome, email, numero di telefono o altro, perché in passato hanno compilato un form fornendo volontariamente le proprie informazioni personali
Con i Big Data i brand possono scoprire idee per prodotti o servizi nuovi e personalizzati, il prezzo da applicare, le strategie distributive più adatte, la creazione di contenuti e la selezione dei media. Inoltre, sono utili per il marketing push, l’assistenza post-vendita e la customer retention.
Data-driven Marketing: criticità
La difficoltà del data-driven marketing sta nell’integrare tutte le informazioni ricavate con lo scopo di sfruttarle per profilare il singolo consumatore e attuare strategie dinamiche, ovviamente con un occhio di riguardo per la privacy.
C’è la possibilità che i risultati siano fallimentari e le cause possono essere dovute a diversi aspetti, come:
- Concentrarsi troppo sulla scelta degli strumenti e meno sul progetto di marketing: è l’infrastruttura IT che deve seguire la strategia di marketing e non viceversa
- Pensare che i big data possano sostituire ricerche tradizionali come i test sull’usabilità: le due tipologie di dati non devono escludersi a vicenda ma completarsi
- Credere che l’automazione possa sostituire la capacità di osservazione critica dell’essere umano: la supervisione di un marketer con esperienza è imprescindibile
Oltre a ciò, è bene che gli obiettivi siano stabiliti a monte e con chiarezza, affinché l’approccio data-driven generi risultati misurabili. La sfida maggiore sta nell’integrare dati esterni e interni e ricondurli al singolo cliente, il che non è sempre possibile per motivi di privacy.