Analytics in Customer Experience, cosa sono e come funzionano

Come in molti altri ambiti, gli Analytics hanno applicazione anche nella Customer Experience. Negli ultimi decenni la digitalizzazione, infatti, ha aumentato esponenzialmente la mole di informazioni a disposizione delle aziende. Ne sono un esempio i dati condivisivi mediante Social Network.

Parlando di Analytics, in questo scenario, trovano naturale collocazione i Big Data. L’analisi di questi dati permette di gestire con efficacia processi decisionali di elevata complessità. L’insieme di strumenti avanzati che utilizzano metodologie di analisi evolute per svolgere tale compito prendono, appunto, il nome di Analytics. Questi strumenti, poi, sono di importanza inestimabile per le aziende che vogliono offrire una Customer Experience omnicanale di valore.

In questo articolo dedicato agli Analytics per la Customer Experience, capiremo dunque:

• cosa sono i Marketing Analytics, i Sales Analytics e i Customer Analytics.
• come i dati raccolti e analizzati possono supportare le aziende per le attività di Marketing & comunicazione, vendita e assistenza.

Per farlo, poi, chiederemo aiuto alla Ricerca dell’Osservatorio Omnichannel Customer Experience del Politecnico di Milano

Analytics e Customer Experience, una definizione

Prima di definire accuratamente le tipologie di Analytics per la Customer Experience, apriamo una parentesi sull’importanza dei Big Data. I Big Data sono enormi set di dati con strutture e origini differenti, che consentono di costruire un patrimonio informativo sui diversi clienti.

Mediante gli Analytics e l’analisi avanzata di questi dati è possibile abilitare una dettagliata conoscenza del singolo, consentendo alle aziende di instaurare un rapporto realmente personale e personalizzato con i propri clienti. I Big Data costituiscono, quindi, una fonte di valore inestimabile per le aziende che vogliono conoscere e capire i propri clienti. Tuttavia, è indispensabile anche saper analizzare questa grande mole di dati.

Gli Analytics si occupano proprio di questo, supportando le aziende nell’estrazione di insight di valore. Possono infatti mostrare una fotografia dell’attuale situazione, descrivendo quello che sta succedendo, ma non solo. Possono anche rispondere a domande relative a cosa potrebbe accadere nel futuro, proporre e implementare soluzioni in autonomia. Nella Customer Experience gli Analytics possono essere divisi in tre categorie:

1. Marketing Analytics;
2. Sales Analytics;
3. Customer Analytics.

Vediamo, nei prossimi paragrafi, cosa sono queste diverse tipologie di Analytics e come possono essere sfruttati nelle Customer Experience.

Analytics per il Marketing data-driven, cosa sono e come si usano

I dati e gli Analytics sono alla base del Marketing data-driven.

Questo è un processo con cui si definisce, si sviluppa e si automatizza una forma di comunicazione personalizzata nei confronti dell’audience (cliente e/o prospect) dell’azienda.

I Marketing Analytics, attraverso la raccolta e l’analisi dei dati, possono veicolare contenuti ad-hoc su specifici canali gestiti in maniera integrata in ottica omnicanale. In questo processo sono state identificate dall’Osservatorio quattro aree di applicazione degli Analytics:

1. Conoscenza del cliente e/o prospect: in questa area attraverso gli Analytics vengono raccolte le analisi fatte sulla propria audience. Tutto ciò viene fatto per comprendere nel dettaglio le caratteristiche dei diversi clienti e/o prospect e progettare servizi e/o prodotti su misura.
2. Mappatura Customer Journey: in questa seconda area di applicazione degli Analytics in ambito di Marketing e Comunicazione data-driven i dati vengono utilizzati per monitorare la relazione tra il singolo cliente e l’aziendaall’interno del Customer Journey. In questo modo è possibile, per esempio, anticipare situazioni di rischio di abbandono del cliente.
3. Personalizzazione dei contenuti: attraverso gli Analytics i dati raccolti permettono la creazione di contenuti e comunicazioni personalizzate (es. landing page, DEM, notifiche push, ecc.). Questo avviene sulla base di caratteristiche e interessi del singolo e della fase del Customer Journey in cui egli si trova.
4. Ottimizzazione campagne di Marketing: in quest’ultima area di applicazione degli Analytics si raggruppa analisi e algoritmi. Questi vengono utilizzati per ottimizzare l’efficienza e l’efficacia delle campagne di marketing e del budget a esse allocato (ad esempio a seconda del canale).

Analytics per le vendite, cosa sono e come funzionano i Sales Analytics

Gli Analytics, però, non trovano solo applicazione nel Marketing, come detto in precedenza. Nella vendita omnichannel, caratterizzata da un’esperienza di acquisto personalizzata, questi strumenti di analisi dei dati trovano largo spazio. Questo grazie ai diversi servizi a valore aggiunto integrati sui canali dell’azienda. In questo contesto, entrano in gioco i Sales Analytics.

Questa tipologia di Analytics per la Customer Experience ha un obiettivo ben specifico: identificare, modellare e prevedere le tendenze e i risultati delle vendite.

Attraverso la ricerca dell’Osservatorio Omnichannel Customer Experience, analizziamo questa tipologia di strumenti per l’analisi dei dati. Essa è suddivisa in quattro aree di applicazione. Vediamo, di seguito, cosa sono queste aree:

• Up & cross selling: in questa prima area di applicazione degli Analytic, gli algoritmi sono in grado di proporre al cliente, sulla base del profilo e delle interazioni passate con l’azienda, prodotti complementari o upgrade.
• Next best action/offer: questa seconda area di applicazione degli Analytic, invece, consiste in un modello decisionale volto a migliorare le conversioni di vendita e l’esperienza di acquisto – ad esempio attraverso raccomandazioni di prodotti – a seconda dell’audience.
• Product personalization: in questa terza area applicativa degli Analytic, vengono utilizzati algoritmi capaci di personalizzare uno specifico prodotto dell’azienda in base al potenziale cliente. Tutto ciò configurandolo, ad esempio, sulla base degli interessi del singolo.
• Price/offer personalization: in questo ultimo caso di applicazione degli Analytic, i modelli possono variare in autonomia il prezzo di un prodotto, a seconda del cliente/cluster di clienti di riferimento.

Analytics per il Customer Care, cosa sono e come si usano

La terza tipologia di Analytics riguarda l’assistenza, che sta via via acquistando un ruolo sempre più importante nella relazione con il cliente. È dunque fondamentale adottare anche nella Customer Care un approccio basato sui dati, al fine di offrire al singolo utente un’assistenza personalizzata e ottimale. Questi strumenti di analisi dei dati, appunto, possono supportare le aziende. Il supporto al Customer Care che questi strumenti offrono alle aziende avviene tramite due diverse modalità:

1. Service Journey: riguardale analisi e gli algoritmi tramite Analytics. Questi sono volti a ottimizzare il Journey di assistenza del singolo cliente, individuandone ad esempio lo stato d’animo dell’interlocutore e ottimizzando lo smistamento delle richieste in entrata.
2. Contact Center optimization: questa categoria, invece, sfrutta gli Analytic per raggruppare analisi e algoritmi mirati a ottimizzare l’esperienza offerta dal Contact Center. Un esempio è l’utilizzo attraverso progettualità per analizzare le conversazioni con il Contact Center e supportare l’operatore nella relazione con il cliente (ad esempio per il tone of voice da utilizzare).

Vuoi conoscere tutte le opportunità dell'Ominchannel Customer Experience?