Big Data: i sei consigli indispensabili di Jessica Hawthorne-Castro per farli rendere al meglio

Il CEO dell’agenzia pubblicitaria Hawthorne Direct offre alcuni suggerimenti per il marketing, per i Big Data  e per professionisti dell’IT che devono sostenere iniziative di marketing.

Amazon è il leader nel mercato nell’utilizzo dei big data, sia in termini di raffinate suggestioni che offre ai consumatori che internamente, come azienda elabora milioni di transazioni e spedizioni. Amazon esamina tutte queste informazioni per ottimizzare l’esperienza del cliente e di affinare i propri processi. Un altro esempio può essere trovato in American Express, che utilizza l’analisi predittiva per identificare i clienti più fedeli e offrire loro incentivi per la conservazione dei dati.

Queste aziende hanno qualcosa in comune: la capacità di gestire enormi insiemi di dati ed estrarre da questi sia delle previsioni che delle intuizioni attuabili. Questa è la parte difficile per i marketer che si sforzano di trovare il modo migliore per immergersi nei dati per poter generare le giuste intuizioni per influenzare le decisioni di marketing.

Sfruttare le analisi dei big data per migliorare il ROI (return on investment – ritorno sugli investimenti), non è così complicato come potrebbe sembrare a prima vista. I marketer che vogliano migliorare le vendite multicanale e l’esperienza del cliente dovrebbero adottare un approccio deliberato verso l’analisi dei big data. Ogni campagna dovrebbe essere realizzata sulla base dei dati front-end, mentre le sue prestazioni dovrebbero essere valutate sulla base del back-end al fine di perfezionare le future campagne e massimizzare il ROI.

Ecco la lista dei sei consigli strategici per la creazione di un ROI positivo attraverso i big data guidati da campagne di miglioramento e una messaggistica mirata:

1. Indice dei contenuti

   Usate dati  e big data puliti

I computer operano a partire da vincoli logici. All’interno dal contesto dei big data, gli output e le intuizioni risultanti possono essere utili tanto quanto i dati alla base. Se i dati inseriti nel motore di analisi non sono ben organizzati o non sono essenziali, allora anche il miglior scienziato dati non sarà in grado di estrarre valore da essi.
Le aziende dovrebbero lavorare con i dati che sono stati accuratamente puliti prima che entrino nel magazzino di dati. Le imprese dovrebbero generare e memorizzare quanti più dati possibile riguardo ogni aspetto del business che possa influenzare una campagna. La chiave sarà quindi quella di costruire in modo proattivo i dati, senza mai pensare che sia facile aggiungere i dati dopo il lancio di una campagna.

2. Introducete la pixel tracking analytics

   Chi si occupa di marketing dovrebbe sfruttare il sito web della propria azienda, non solo come strumento di marketing e centro per le vendite, ma come veicolo di generazione di dati. L’IT ed il marketing possono lavorare insieme per introdurre il monitoraggio dei pixel, il cui il tracciamento potrebbe venir localizzato su vari siti web utilizzati dalla società, sia che si tratti di mobile, di micro-siti, o di altre posizioni. Le informazioni sui social media possono essere monitorate e analizzate utilizzando il media pixel tracking, in modo da poter capire quanto stiano rendendo, ad esempio, gli annunci di Facebook. Tale monitoraggio fornisce anche i dati sul dispositivo di un utente e in questo modo chi fa marketing sarà in grado di capire meglio se le vendite siano provenienti da consumatori di telefonia mobile o web e controllarne l’andamento nel tempo.

Lo scopo di questa raccolta è quello di avere i dati sufficientemente ricchi da consentire la costruzione di categorie comportamentali per i consumatori. Con la creazione di identità, suddivise per i vari segmenti, si possono trovare correlazioni tra determinati comportamenti e le conseguenti decisioni di acquisto. Inoltre, il contenuto e le varie opzioni possono essere presentate a questi clienti in modo mirato, migliorandone l’esperienza e fornendo contenuti pertinenti. Le imprese utilizzano browser di ricerca e di monitoraggio degli storici per regolare cosa offrire e che cosa ricevere.

3. Usate modelli statistici

Chi sviluppa le campagne di marketing televisive dovrebbe approfittare dei miglioramenti nella raccolta dei dati, per permettere di regolare ogni campagna sulla base dei possibili risultati effettivi. Le metriche riguardo le emittenti, la dimensione della messa in onda, le informazioni demografiche, le attività di secondo schermo e i punti di ponderazione di Nielsen possono essere uniti e combinati per creare modelli statistici. Raccogliere dati puliti e granulari da ogni analisi è fondamentale. Molto di questo lavoro dovrà avvenire a seguito di una campagna, utilizzando l’analisi di regressione, analisi dei cluster e quella di regressione logistica, tra le varie tecniche impiegate.

4. Date un target ai dati demografici

   I big data sono essenziali per il targeting perché forniscono ai mercati delle indicazioni precise in riferimento allo stile di vita dei consumatori, ai dispositivi che utilizzano, alle loro abitudini di ricerca e ad altre metriche comportamentali. Grazie a queste informazioni, i marketer possono sfruttare di più il ROI proveniente dai loro media digitali e scegliere così i posizionamenti televisivi. I big data rendono il marketing più efficace e le campagne più intelligenti, consentendo di studiare un programma di messaggistica granulare che possa differire notevolmente da un canale all’altro.

5. Usate modelli misti di media

Analizzare le vendite e i dati responsivi è la parte centrale della modellazione dei mixed-media. Questa analisi aiuta il marketing a pesare correttamente ogni canale, per estirpare le prestazioni negative e indirizzare il budget più elevato in canali che offrano risultati in positivo.
Identificare i migliori canali diventerà un’operazione che si raffinerà sempre più con il tempo, mentre gli stessi dati miglioreranno, allo stesso modo avverrà con la capacità dei marketer di analizzare in modo proattivo i dati e correlare le informazioni ad i risultati futuri. Con l’ambiente altamente frammentato dei media digitali di oggi, l’eseguire la modellazione può essere inestimabile in quanto offrirà al marketing un focus maggiore per scegliere i canali giusti, quelli capaci di distribuire risultati reali e misurabili.

6. Valutate le risposte da parte del retail.

   L’analitica dei big data si basa ampiamente sulla ricerca di correlazioni. L’azione A si deve tradurre in un aumento dell’azione B. I marketer possono misurare le risposte di vendita al dettaglio attraverso vari canali per scoprire tali correlazioni. Forse, in alcuni casi, gli spot televisivi per un determinato prodotto spingono verso una risposta globale di marchio in termini di aumenti di visite verso sito mobile. I big data possono scoprire le abitudini di acquisto dei diversi segmenti di clientela, contribuendo al lavoro dei marketer per sviluppare il costo per acquisizione di altre metriche correlate che saranno dirette al ROI. Capire quali azioni stiano effettuando i consumatori attraverso l’analisi dei big data, potrà influire direttamente sulle vendite e guidare la domanda dei consumatori.