Business Intelligence e Big Data Analysis per il Digital Marketing

Home | Blog | Business Intelligence e Big Data Analysis per il Digital Marketing

Nell’era dell’integrazione fra fisico e digitale, dei dati e dell’ottimizzazione di processo, diventa sempre più importante riuscire a prendere decisioni a partire dalla grandissima quantità di dati disponibili.

La vera sfida non si trova nella capacità di raccogliere i dati, quanto in quella di raccogliere i dati giusti e prendere decisioni a partire da questi, velocemente. Per riuscire a raggiungere questo obiettivo è importante che i dati siano facilmente accessibili, facilmente interpretabili e resi disponibili nel modo corretto (e con la giusta visualizzazione) a ogni interlocutore, tenendo conto del fatto che ogni persona avrà bisogno di una prospettiva diversa, in base al suo ruolo, ai suoi obiettivi e alle sue competenze.

In un contesto come questo prende piede in modo sempre più importante la business intelligence diventa un vantaggio competitivo enorme per le aziende che ne fanno uso in ambito di digital marketing. Lo scopo della business intelligence è infatti quello di “fornire le giuste informazioni, alle giuste persone, nel momento giusto” [Gartner – Essential Components and Success Factors of Business Intelligence and Performance Management. Cannes, France: Gartner Symposium IT Expo 2006], ovvero di trasformare i dati grezzi in informazioni azionabili, che siano validi per l’intera organizzazione e che possano essere utilizzati nel rimodulare le attività e i processi.

Cos’è la business intelligence

La definizione business intelligence si riferisce alle tecnologie, applicazioni e pratiche per la raccolta, l’integrazione, l’analisi e la visualizzazione di informazioni rilevanti per il business.

Le tecnologie di business intelligence (BI) forniscono dati attuali, dati storici e dati calcolati in modo predittivo dei dati strutturati interni relativi a prodotti e dipartimenti, al fine di permettere di prendere decisioni strategiche tramite funzioni tipiche della business intelligence i: l’online analytical processing (OLAP), la reportistica visuale, l’analisi predittiva, il data mining e il text mining, il benchmarking e la business performance management (BPM).

Possiamo pensare a 5 tipologie di attività principali per la business intelligence:

  1. Data mining e analisi avanzate;
  2. Analisi visuale e analisi OLAP;
  3. Reporting a livello enterprise;
  4. Costruzione di dashboard e scorecard;
  5. Costruzione di app mobile di monitoraggio, real time analytics e invio di alert.

Big data e business intelligence per il marketing

In un articolo del 2015, un ricercatore della West Texas A&M University, ha proposto un modello di framework di analisi che segue le 5P del marketing e teorizza dati, metodi e applicazioni per ognuna delle componenti del marketing mix [S. Fan et al., Demystifying big data analytics for business intelligence through the lens of marketing mix, Big Data Research (2015), http://dx.doi.org/10.1016/j.bdr.2015.02.006].

Le 5P del marketing e le opportunità della business intelligence.

I dati che possiamo raccogliere tramite gli attuali software di web analytics e digital intelligence hanno un’ampia gamma di applicazioni; la standardizzazione dell’analisi permette al marketing di essere potenzialmente più efficace nelle sue azioni e più preciso nella definizione delle strategie. In particolare, la conoscenza sempre più approfondita del consumatore, permette di attivare una serie di attività in modo schematico, procedurale e granulare.

La capacità di integrare i dati provenienti da più fonti diventa fondamentale per poter dare maggior valore a ogni singolo dato ed estrarre informazioni.

La visione, rappresentata nello schema sottostante dal nostro CTO Claudio Ponziani: l’integrazione dei dati nel data warehouse non tocca solo i dati interni di web analytics e quelli esterni (non strutturati) provenienti dai social network e da altre fonti, ma anche i dati di business interni, tipicamente provenienti da sistemi ERP.

L’integrazione dei dati web con quelli di management e operations.

Questa integrazione profonda dei dati permette di fare valutazioni di impatto generali, rispondere a diverse domande e, in ultima istanza, prendere decisioni.

Applicazioni al digital marketing: alcuni esempi

Le applicazioni della business intelligence al marketing sono veramente molte e il limite è veramente solo l’immaginazione. Un approccio integrato di questo tipo inoltre obbliga a una progressiva rivisitazione dei processi e delle modalità di interazione fra le business unit e le aree: è difficile pensare a basi di dati integrate e a scelte condivise, se non si ha anche una progressiva integrazione in termini di processo e di comunicazione.

Di seguito alcune possibili applicazioni della BI, in ambito marketing, digital marketing, sales e operations (le prime aree che la business intelligence tende ad avvicinare). Analizziamo ogni opzione secondo uno schema fatto di 4 punti:

  • la domanda a cui rispondere;
  • il problema classico di fronte al quale si trovano le aziende;
  • i dati necessari;
  • i requisiti tecnici e organizzativi;
  • cosa può esser fatto utilizzando quei dati e se i requisiti sono soddisfatti.

Valutare il ROI delle campagne e l’incidenza di costo

La domanda - qual è il ritorno sull’investimento di una determinata campagna? Quali sono le campagne che assicurano il maggior ritorno sull’investimento?

Il problema - la domanda, che può sembrare semplice e scontata, è in realtà uno dei principali problemi aperti, perché richiede una fortissima integrazione di dati e una modellazione non sempre semplice. Mentre il calcolo del ROAS è relativamente semplice, il calcolo del ROI apre problemi di diverso tipo: la corretta attribuzione delle vendite ai canali (attribution modeling), il tracciamento omnicanale, la corrette attribuzione dei costi (che nelle strutture di servizi richiama temi tipici delle operations, la misurazione degli effort di progetti e altre tematiche di tracciamento).

I dati necessari - per riuscire a rispondere è necessario avere: dati delle campagne, dati di navigazione sul sito, dati CRM di vendita, dati provenienti dal gestionale (costi diretti e indiretti), dati provenienti dal sistema di gestione progetti e timesheet (per le aziende di servizi in cui il costo del capitale umano è rilevante).

I requisiti - l’analisi dei dati richiede una corretta integrazione fra i vari strumenti (tool di web analytics, ERP, gestionale), la presenza di questi sistemi e il loro corretto utilizzo.

Cosa può esser fatto - i sistemi possono essere integrati con successo fra loro, riprogettando i singoli flussi e portando tutti i dati in un unico data warehouse, dal quale poi sviluppare dashboard di analisi specifiche per ogni funzione, magari con software come Tableau.

Analizzare il cliente

La domanda - chi è il mio cliente? Chi visita il sito?

Il problema - i sistemi commerciali non permettono di personalizzare i segmenti proposti dalle piattaforme e funzionano come “black box”. Il pixel di Facebook per esempio usa degli interessi standard e non spiega in modo chiaro come viene valutato l’interesse di un determinato utente. Dall’altra parte, le DMP (Data Management Platform) commerciali permettono di costruire segmenti solo dietro precise indicazioni di un analista (es. dire che un utente è interessato a un argomento perché ha visitato una determinata pagina, scelta a monte dall’analista).

I dati necessari - i dati di navigazione sul proprio sito, i dati di interazione con strumenti che tracciano le interazioni con il cliente (CRM) ed eventuali altri strumenti che espongono contenuti al cliente (strumenti di email marketing, app).

I requisiti - la piattaforma di raccolta dati deve essere unica e deve tracciare potenzialmente anche dati di visita degli stessi utenti (anonimizzati) su altre piattaforme non proprietarie.

Cosa può esser fatto - esistono soluzioni commerciali, come quelle del nostro partner 3rdPlace (DataLysm, qui la presentazione) che raccolgono dati di navigazione di utenti su un vasto numero di siti e proprietà digitali al fine di determinare gli interessi tramite modelli proprietari, in modo da rimanere comunque compliant con la GDPR. Il vantaggio di piattaforme come DataLysm si ha nella possibilità di personalizzare gli interessi e di applicare le stesse tecnologie o metodologie utilizzate da giganti come Facebook e Google sui propri dati.

Analizzare le campagne

La domanda - quali sono le campagne più performanti? Quali hanno permesso di chiudere più contratti?

Il problema - se per un ecommerce questo tipo di analisi è semplice, diventa più difficile per una struttura che ha più canali di vendita. Una struttura di servizio per esempio può interagire con i clienti tramite una moltitudine di canali (telefono, sito web, live chat, whatsapp, incontri fisici); la tracciabilità degli utenti diventa così problematica ed è difficile riconciliare il dato di navigazione (e quindi il canale da cui proviene un utente) con l’effettiva chiusura del contratto.

I dati necessari - i dati di navigazione sul sito, i dati di spesa delle campagne e i dati del CRM.

I requisiti - deve essere presente un CRM (utilizzato correttamente) e un software di web analytics.

Cosa può esser fatto - il CRM può essere integrato con il software di web analytics, in modo tale da riportare nel software di web analytics anche le azioni offline. In questo modo sarà possibile visualizzare in un unico strumento sia ciò che l’utente fa offline che lo stato di avanzamento della trattativa commerciale nel CRM, oltre agli eventuali meeting e incontri, al pari di altre azioni fatte sul sito.

Eliminare i lavori ripetitivi

Il problema - reportistica, rendicontazione e controllo di crash di sistema (failure detection) sono attività che spesso vengono fatte manualmente e richiedono ore e ore di lavoro, che potrebbero essere utilizzate in altro modo.

Cosa può essere fatto - tramite un software come Tableau è possibile portare in un’unica dashboard tutti i dati che devono essere visualizzati mensilmente e produrre report PDF automatici da inviare di volta in volta alla persona interessata. Aggiungendo un livello di analisi personalizzata - tramite soluzioni che sfruttano l’intelligenza artificiale e che si appoggiano a linguaggi come Python o R e alle loro librerie - è possibile inoltre identificare anomalie velocemente (per esempio ricevere alert quando si ha una variazione importante a un set di metriche monitorate).

Analizzare i processi

Esempio di dashboard elaborata in Zoho Analytics per estrarre i dati dal software di project management e valutare il tempo di elaborazione medio di un’attività.

La domanda - come posso ottimizzare un’attività ripetitiva ma non automatizzabile?

Il problema - in strutture complesse può capitare di avere processi ripetitivi ma non standardizzabili, perché ad altissima componente creativa per esempio. In ByTek Marketing un esempio può essere l’attività di SEO Auditing, durante la quale il SEO Specialist analizza decine di migliaia di parole chiave e definisce l’architettura informativa del sito web e tutti gli interventi - tecnici e strategici - che devono esser messi in atto per ottenere risultati sui motori di ricerca. Tipicamente in queste situazioni possono nascere opportunità e spunti di miglioramento in termini di esecuzione. Inoltre può essere utile capire le criticità di un processo e migliorarlo.

I dati necessari - i dati dei tabulati di ore sui singoli progetti e le singole attività, organizzati in modo tale da poter essere aggregati per tipologia di attività

I requisiti - deve essere presente un sistema di gestione dei progetti con la funzione di  rendicontazione del tempo speso e deve avere delle API per estrarre i dati.

Cosa può esser fatto - tramite un software di BI i dati possono essere estratti e analizzati, identificando i tempi medi di elaborazione di ogni singola attività e visualizzando velocemente quali sono i progetti in cui l’attività è stata gestita in modo particolarmente efficace e dove si poteva fare meglio.

La tua azienda è pronta alla trasformazione?

L’analisi del dato innesca un processo di vera e propria trasformazione, perché obbliga a fare una serie di passaggi necessari ad arrivare a un consapevole utilizzo dei dati, sia online che offline. Avinash Kaushik ne parla nel suo blog in un interessante articolo dal titolo “Digital Attribution's Ladder of Awesomeness: Nine Critical Steps”, sul tema della maturità aziendale in termini di attribution modeling.

Non è possibile parlare di vero tracciamento online-offline, se non è supportato dalle giuste tecnologie.. e l’installazione di queste tecnologie presuppone un’analisi dell’as-is e lo sviluppo di un vero e proprio progetto interno.

Non è possibile parlare di attribution modelling, se prima non sono state definite le strategie in modo chiaro e non si ha la certezza che vengano tracciate le giuste conversioni, senza errori.

Non è possibile parlare di calcolo del ROI a livello di campagna, per un’azienda di servizi, se il CRM non è stato integrato con i software di web analytics: questo una progettazione dei processi di vendita, l’installazione di un CRM e il suo corretto uso.

Non è possibile parlare di analisi predittive e profilazione avanzata degli utenti, se prima non è stata costruita una solida cultura del dato e della sperimentazione in azienda.

Se ti stai misurando con questi temi, con ByTek Marketing e 3rdPlace trovi degli interlocutori che raccolgono queste sfide quotidianamente, lavorando con ogni azienda che abbia voglia di migliorare il suo modo di lavorare confrontandosi con la cruda realtà dei dati, sapendo che questi non hanno senso se non in funzione della strategia, delle persone e delle azioni.

 

 

 


Stai cercando una martech company per approfondire gli argomenti di questo articolo?
Clicca qui per andare alla nostra pagina contatti.

Avatar

Paolo Dello Vicario

Paolo Dello Vicario, classe 1993, si occupa di Digital Marketing e Search Marketing dal 2008, prima come freelance e poi in alcune realtà del settore, con focus su settori estremamente competitivi. Alla fine del 2014 ha fondato ByTek Marketing, società di inbound marketing con approccio ingegneristico, che sviluppa attività di digital marketing e search marketing data driven.

Parlaci del tuo Progetto
Condividi con noi i tuoi obiettivi e la tua idea di business