Come estrarre insight dai big data: metodologia e strategia

Trasforma i big data in decisioni di business: linee guida e best practice per generare insight da dati e conversazioni online e sui social

big data background vector illustration. Data streams. Infographic

Una strategia di misurazione realmente olistica inizia con un modello integrato in cui tutte le metriche sull'esperienza del cliente, customer journey e punti di contatto confluiscono in una visione comune.

Non bisogna limitare l’analisi alla customer satisfaction complessiva e sui punti di contatto meramente transazionali, al contrario bisogna mettere in campo un processo organizzativo di misurazione in grado di concatenare e strutturare più punti: soddisfazione complessiva, driver (prezzo, prodotto, brand image, servizi, promozioni, etc.), customer journey (processo decisionale e di approdo ai touchpoint), esperienza dei diversi touchpoint, KPIs relativi al servizio (ad esempio i tempi di risposta). In secondo luogo, è fondamentale integrare il framework di misurazione con i feedback dei clienti provenienti da più canali: online e non. Inoltre, questi spunti vanno arricchiti tramite dati operazionali condivisi dai dipendenti in prima linea.

Si tratta di un processo complesso ma necessario per sfruttare appieno il potenziale delle conversazioni online e sui social. In aggiunta, ti permetterà di modellare la customer experience in modo da portare risultati concreti e tangibili per il business. Alcuni interventi non sono rimandabili, se si vuole mettere in moto questo procedimento virtuoso.

1.Definire le sfide di business

Troppo spesso ci si lancia nel vortice dell’operatività senza una visione di accompagnamento a più ampio respiro. Non serve a nulla scegliere o organizzare complesse architetture informatiche se non si pianifica a monte come i dati possono portare valore. Mancare questo punto falserà i momenti di raccolta e pulizia del dato, analisi e scoperta, definizione di casistiche e modelli.

Ricorda che per essere realistici, i tuoi obiettivi devono essere misurabili (“esistono metriche specifiche valutare l'avvicinamento e il raggiungimento all'obiettivo?”), specifici ("l'obiettivo selezionato è chiaramente differenziato e distinguibile dagli altri risultati attesi?"), rilevanti ("è chiaro l'impatto concreto per il business?"), raggiungibili ("disponiamo di know how, risorse e budget?"), calendarizzabili ("siamo in grado di pianificare quando sarà raggiunto e delle tappe intermedie di verifica?").

2. Raccolta e pulizia del dato

Le soluzioni di social listening e monitoring ti permettono di raccogliere la totalità delle informazioni relative a un brand o tema di analisi tramite le query di ricerca. Queste funzionalità si basano sugli operatori booleani, in quanto sono dei veri e propri filtri utili per raccogliere i dati più pertinenti. I più diffusi ed utilizzati sono i seguenti:

AND, la menzione per essere raccolta deve presentare entrambi i termini di ricerca
OR, la menzione viene raccolta se uno dei due termini è presente
NOT, esclusione della raccolta se è presente la parola o espressione indicata.

Tuttavia, siamo ancora di fronte a una collezione di dati non strutturati a cui dare forma. Per questa ragione, bisogna scremare l’informazione in entrata tramite i tag di classificazione. Si tratta di liste per raggruppare conversazioni e menzioni caratterizzate da un tema comune. Nel dettaglio, andremo a indagare i punti chiave precede riportati e che fanno riferimento a

- driver, valutazioni sul peso delle conversazioni degli utenti in merito a prezzo, prodotto, brand image, servizi, promozioni, etc.
- customer journey, andremo ad indagare cosa e chi influisce sul processo decisionale, su quali canali avvengono i maggiori scambi relativi alla valutazione delle alternative e da dove proviene l’approdo ai touchpoint. Se vuoi approfondire il tema dell’analisi del customer journey, ti rimando al mio precedente articolo
- esperienza dei diversi touchpoint, i feedback degli utenti sulla loro esperienza in negozio, con l’e-commerce, il team customer care, etc.

nig-data_01.jpg

Inoltre, esistono ulteriori best practice per affinare la collezione:
- creazione di black list per escludere i canali che portano rumore
- realizzazione di regole automatizzate per l’assegnazione dei tag e delle polarità del sentiment, sulla base di parole chiave ed espressioni ricorrenti che accomunano le menzioni
- definizione di nuovi campi di esclusione o correlazione tramite gli operatori booleani NOT e AND.

3. Valorizzazione delle informazioni

Come primo intervento, bisogna identificare le eventuali correlazioni per applicare modelli statistici predittivi e per individuare le macro categorie più rilevanti. A seguire andremo a segmentare le casistiche sulla base di interventi standard e attivazioni che richiedono un intervento particolare, come criticità o servizi supplementari per gli high spender. Infine, è arrivato il momento di gestire le casistiche individuate tramite la definizione di linee guida, procedure di reindirizzamento (touchpoint, team, responsabili), marketing automation, etc.

I dipendenti della prima linea devono essere coinvolti in ogni fase del processo di sviluppo, dalla costituzione delle casistiche per decidere i dati operativi da cui attingere, alla strutturazione dei modelli di lavoro e capacità aggiuntive che potrebbero essere necessarie.

In aggiunta, bisogna imparare dai migliori. Ovvero, le tue attività devono essere accompagnate da analisi di benchmark per intercettare le best practice più efficaci messe in campo dai tuoi competitor. Per consultare un esempio pratico di benchmark online e sui social, ti rimando al report di ricerca che ho realizzato per Digimind sulla performance dei Top Fashion Retailer.

big-data_02.jpg

4. Come scegliere il tool più adatto

Non possiamo dare continuità a questi presupposti senza il supporto di un software professionale di ascolto, monitoraggio e analisi. Ovviamente, non esiste una piattaforma perfetta in grado di rispondere a tutto. Tuttavia, ogni strumento ha funzionalità e punti di forza che possono incontrare al meglio le esigenze relative al tuo progetto. Di conseguenza, la pianificazione di strategie e obiettivi deve essere il faro per selezionare il tool che possiede le caratteristiche tecniche più rilevanti per te. Ecco gli aspetti principali da prendere in considerazione:

GESTIONE DEI DATI
Parliamo di tutte le funzionalità relative a capacità di crawling, lingue disponibili, tipologia di fonti (personalizzabili o standard) e aree geografiche coperte, storico e esportabilità dei dati, integrazione con API e sistemi di CRM (fondamentale per integrare metriche e informazioni che vengono dall’offline e dai team operativi), sistemi di alert

ANALISI E DATA VISUALIZATION
Metriche e KPIs, grafici disponibili, classificazione del sentiment (automatico, manuale, machine learning), funzionalità comparative e di drill-down, analisi predittiva e statistica, filtri (canali, archi temporali, etc.) e classificazioni delle informazioni, moduli dedicati di analisi per trend, contenuti, temi e influencer

GESTIONE E INTERFACCIA
Usabilità ed ergonomia, tipologia di dashboard (standard o personalizzabili), formati disponibili per condividere l’informazione (newsletter, template per i report, etc.), regole automatiche, possibilità di salvare e classificare dati e menzioni, funzioni per assegnare compiti a membri del team, engagement e pubblicazione.

È arrivata l’ora di far leva al meglio sulle enormi opportunità che si affacciano. Ad ogni modo, i brand devono dotarsi di know-how interno e precisi processi organizzativi per non accumulare un ritardo competitivo che nel lungo periodo può risultare decisivo.

Autore: Federico Oliveri
Digital Marketing Manager Italia - Digimind
Website Digimind
Twitter Federico Oliveri
LinkedIn Federico Oliveri

Vota l'articolo:
4.00 su 5.00 basato su 19 voti.  

© Foto Getty Images - Tutti i diritti riservati

  • shares
  • +1
  • Mail

I VIDEO DEL CANALE NEWS DI BLOGO