Sempre più aziende del mondo FMCG (Fast Moving Consumer Goods), ossia che producono e commercializzano beni di largo consumo, stanno esplorando soluzioni per prevedere in modo accurato la domanda.
Diventare più accurate nelle loro previsioni significa, per queste società, assumere una posizione più proattiva verso il proprio mercato di riferimento, ossia riuscire a comprendere le esigenze dei consumatori ancor prima che si manifestino.
Adottare soluzioni di machine learning e strumenti basati su Intelligenza Artificiale è una soluzione oggi alla portata di tutte le imprese, trasversalmente per industry, per iniziare un percorso di analisi, gestione e attivazione del dato efficace.
Infatti, secondo un recente studio di McKinsey, la precisione dei sistemi predittivi sulla domanda di mercato si attesta al 60% se fatta tramite ricerche manuali, mentre sale addirittura al 90% in caso di utilizzo di sistemi di AI e ML.
Sfide del mondo della produzione di Fast Moving Consumer Goods
Quali sono le principali sfide che devono affrontare gli operatori del settore? Siamo in un’epoca di grandi stravolgimenti del quotidiano, il che significa che i consumatori stanno modificando anche in modo piuttosto radicale i propri acquisti e pattern di consumo.
- Il Consumatore è sempre più fluido e imprevedibile
Il consumatore moderno è sempre più demanding, alla ricerca di un’esperienza d’acquisto unica e priva di punti di frizione. Non solo: gli intenti di acquisto sono estemporanei e multi-device, così come minore è la fidelizzazione alla marca.
Per questo è fondamentale assecondare e anticipare i suoi bisogni.
- Aumenta la mole di dati da raccogliere, leggere e comprendere
La quantità di dati a disposizione, proveniente da entry point del tutto differenti, rende laboriosa e frammentata la loro raccolta, elaborazione e segmentazione, limitando una visione strategica e data-driven.
- La competition aumenta
Il mercato globale e digitalizzato ha frammentato sempre più la domanda, con player sia grandi che piccoli in azione per soddisfare nicchie precise e lavorando su esperienze omnicanale.
- Le tecnologie utilizzate sono sempre più complesse
Le richieste dei consumatori e le normative obbligano produttori, e-shop e retailers a dotarsi di soluzioni tecnologiche da inglobare all’interno dei propri stack aziendali.
Opportunità basate sui dati per i beni di consumo
A queste criticità corrispondono molte possibili attivazioni positive:
- Le soluzioni martech e l’uso dell’AI permettono di creare percorsi di acquisto su misura, migliorando la relazione con l’utente digitale, in ottica di loyalty e di experience.
- Tecnologia e IA permettono anche una raccolta sempre più puntuale dei dati, incrociando e conciliando informazioni online e offline, dati provenienti da piattaforme diverse. Non solo, è possibile anche analizzare e segmentare questi dati, per trovare cluster coerenti, creando custom audience da colpire con messaggi ad hoc.
- Un nuovo trend, soprattutto delle nuove generazioni, figlio dalla grande abbondanza disponibilità di alternative è di guardare più alla qualità e al prodotto in sé, che non al marchio. Se questo è un problema da affrontare dal punto di vista dei love-brand che non hanno più certezza della fedeltà dei propri clienti, dall’altro lato fornisce grandi spazi di miglioramento a followers e marchi emergenti. Questo perché i consumatori sono a proprio agio con l’acquisto online e mentalmente aperti a provare nuovi prodotti, servizi o brand.
- Ora come non mai è più semplice raggiungere un pubblico globale impostando strategie e test sui singoli mercati modellando di conseguenza la propria offerta e allargando il proprio volume di affari.
Esempio di attivazione di una strategia basati sull’AI
Un occhio attento sui trend permette di avere sempre pieno controllo sul brand. Infatti, le ricerche online sono la cartina tornasole di attività legate alla brand awareness, in particolare se parliamo di azioni social con ambassador ed influencer, così come possono diventare fondamentali in ottica di rifornimento di store fisici e logistica.
Grazie al nostro tool proprietario Trend AI è possibile misurare l’impatto di specifiche azioni, sia volute sia non programmate.
Ecco alcuni use case reali di come applicare le potenzialità del rilevamento dei trend e dell’espansione dei dati di ricerca, in settori differenti:
- nel mondo wine, un famoso marchio di spumante ha realizzato una campagna con alcuni influencer e, tramite Trend AI, ha potuto mappare la reale bontà dell’azione, rilevando picchi notevoli di ricerche branded;
- in ambito device per lo sport, un celebre brand che produce smartwatch per le performance sportive ha identificato dei trend di ricerca geolocalizzati sulle diverse tipologie di dispositivo in base all’attività fisica (running, trekking, bicicletta etc.). A seguito di questa analisi, gli store sul territorio sono stati riforniti con il prodotto più adatto in base alle ricerche;
- una delle più note marche di creme dimagranti ha voluto comprendere quale fosse la reale stagionalità del periodo estivo, facendo una scoperta molto lontana dal “bias” interno al team: gli utenti iniziano a preoccuparsi per la prova costume già a fine febbraio e non a maggio, come sostenuto da rilevazioni precedenti. Questo fa sì che le campagne di promozione dei prodotti possano essere programmate con il giusto anticipo e sfruttando tutta la durata della finestra d’interesse.
