Personalizzazione della customer experience, per migliori conversioni e relazioni con il cliente

Entro l’anno corrente, un quarto degli investimenti totali in digitalizzazione su tutti i mercati avrà come obiettivo il miglioramento dell’esperienza utente. È una cifra consistente che, nel mercato del Retail è in quota ancora maggiore: in questo settore, più di altri, assume un’importanza determinante la raccolta dei dati e la loro elaborazione ai fini di un miglioramento e di una maggiore personalizzazione dell’esperienza digitale, per costruire una relazione e un customer journey realmente one-to-one.

La ricerca “The State of Retail Innovation 2019” realizzata da Forrester, pone infatti al primo posto negli investimenti dei retailer la Shopper Personalization, una considerazione che può sembrare ovvia ma che ora assume caratteristiche di fattibilità grazie a una disponibilità di strumenti e tecnologie mai raggiunta finora. Grazie a questa tipologia di soluzioni applicative ideate appositamente per la trasformazione dei dati raccolti in informazioni abilitanti al business, infatti, una data driven company oggi può modellare e modificare in tempo reale la propria offerta e i propri servizi in base ai desideri del singolo consumatore.

25 anni fa Amazon, grazie ad un algoritmo del MIT di Boston, riusciva ad individuare i libri correlati alla scelta di un titolo da parte dell’utente. Eravamo probabilmente di fronte alla prima automazione della storia finalizzata all’up-selling e al cross-selling. Oggi presentare prodotti correlati in un sito di eCommerce è una commodity e a questa semplice funzionalità nel tempo se ne sono aggiunte altre con lo stesso obiettivo: anticipare i desiderata del consumatore, generare up-selling e brand fidelity.

L’algoritmo del MIT non poteva, per evidenti limiti tecnici, fornire una lista di prodotti unica per ogni consumatore ma semplicemente una lista dipendente dalla specifica scelta, per cluster, che poteva essere la stessa per molti utenti. Oggi, invece, la personalizzazione massima dell’esperienza utente si prefigge di confezionare una lista unica di azioni e suggerimenti per ogni utente, ma non solo: l’obiettivo è di personalizzare l’esperienza – il rapporto con il brand -, non solo la singola scelta d’acquisto.  La base di partenza di questi algoritmi è sempre il dato che genera il consumatore al momento in cui entra in contatto con uno qualsiasi dei touch point aziendali, indistintamente off line e online, ma non solo. Oggi, queste soluzioni applicative, infatti, permettono di ricavare ulteriori dati da fonti di informazione diverse dai touch point aziendali.

Ciò significa realizzare un “alter ego condivisibile” di ogni singolo utente che racconti molto di più di quanto si possa sapere da un consumatore - perfetto sconosciuto - che entra in un negozio, effettua un singolo acquisto e va via. Le nuove strategie, infatti, mirano a raccogliere informazioni sul comportamento prima-durante-dopo il contatto. E a ogni gruppo di queste informazioni corrisponde una serie di potenziali azioni da effettuare, anche in real time, nel pieno rispetto del raggiungimento degli obiettivi di business e dell’ottimizzazione della produzione.

La Data Intelligence moderna va oltre la generica raccolta di Big Data, ma si concentra piuttosto su tipologie più specifiche, come per esempio gli Alternative Data. Si tratta delle informazioni recuperabili dallo scanning di touch point aperti (blog, marketplace come Amazon, social network, forum ecc.) che permettono di profilare ancora meglio i cluster dei consumatori. Grazie agli Alternative Data è possibile, per esempio, capire se una specifica linea d’offerta intercetta realmente i desideri del target oppure porre maggiore attenzione a offerte trascurate e che si stanno dimostrando trending in un certo momento. Gli algoritmi di scanning di queste fonti di informazione, inoltre, sono in grado di porre maggior attenzione ai cosiddetti Weak Signals, ovvero nuove tendenze in crescita che si manifesteranno a breve. E’ questo il livello di sofisticazione possibile con gli algoritmi di AI disponibili oggi, richiesto soprattutto dalla necessità di implementare fin da subito un processo di filtering a monte che aiuti a selezionare ed elaborare solo i dati realmente utili.

Se, inoltre, la privacy può, giustamente, rappresentare un vincolo, c’è da chiarire che l’analisi dei dati dei consumatori a questo livello, in primo luogo punta su informazioni fornite liberamente dai consumatori e lasciate libere di circolare sul Web. In secondo luogo, c’è da ridimensionare l’importanza dei dati sensibili a favore di dati di profilazione “anonimizzabili” che hanno lo scopo di concorrere alla creazione di cluster sempre più ristretti di consumatori non necessariamente identificabili. E, in questo modo, rendere il retailer totalmente GDPR compliant.

Quali sono le esperienze personalizzate che vogliono vivere i clienti?

In generale i clienti chiedono di:

• Risparmiare denaro Gli acquirenti sono ancora motivati dal miglior prezzo e desiderano sempre più offerte su misura per le loro esigenze e su articoli che gli interessano realmente.
• Immediatezza e semplificazione – La personalizzazione rende più “agile” e intuitiva l’esperienza di acquisto, facilitando il percorso del cliente e del retailer.
• Servizio migliore la personalizzazione consente di fornire un servizio migliore, attraverso contenuti e offerte mirate e comunicazioni personalizzate in base alle azioni dei clienti, anche in fase di after sales.

Una strategia volta al raggiungimento della massima personalizzazione dell’esperienza utente deve prevedere alcuni interventi specifici, tra cui:

• Unificazione dei flussi in real time dei dati relativi ai clienti
• Proposizione dinamica dei contenuti nei diversi touch point
• Attivazione di tool finalizzati all’upselling e cross-selling (product recommendation)
• Generazione automatica di messaggi di contatto (email, sms, notifiche push, ecc.) correlati alla singola azione dell’utente
• Individuazione delle criticità (es. abbandoni nella navigazione) e monitoraggio in tempo reale dei touchpoint digitali, a partire dalle piattaforme ecommerce
• Integrazione delle informazioni provenienti da piattaforme terze (social networks, marketplace,…)

Alla base delle soluzioni mirate a personalizzare l’esperienza utente risiedono oggi algoritmi di Artificial Intelligence, in particolare di machine learning, e soluzioni per la creazione e analisi dei contenuti.

Si tratta di tool che sfruttano principalmente il cloud e non impattano sull’infrastruttura IT preesistente e sulle prestazioni dei servizi che offrono i touch point, off e online.

Gli algoritmi di personalizzazione si applicano allo specifico contesto in cui i singoli utenti interagiscono costruendo messaggi, contenuti, offerte e altre tipologie di interazione personalizzate tramite i canali digitali a supporto di: marketing, customer experience e ecommerce. Queste interazioni personalizzate possono aumentare la conversione, l'efficacia del marketing e la soddisfazione del cliente, migliorando così i risultati di business.

Quindi, le Customer Engagement Platform e le soluzioni di Marketing Automation, consentono di inviare contenuti mirati per il singolo utente, anche in real-time, rispetto a un evento scatenante: contenuti mirati e personalizzati rispetto al contesto, al momento giusto e sul canale giusto.

Inoltre, le Digital Experience Platform (e i Content Management System) permettono una gestione dei contenuti di storytelling e di distribuzione dei contenuti personalizzati omnicanale, costituendo un vero e proprio elemento differenziante nella relazione tra brand e consumatore.

Infine, le piattaforme di Unified Commerce consentono di proporre offerte mirate per ogni cliente, sulla base della loro esperienza di navigazione, di interazione con il brand e di acquisto, sempre in relazione ai propri comportamenti rispetto all’audience del brand. 

In ultima analisi, da evidenziare come nell’esperienza in store le logiche di personalizzazione cambino il ruolo dello shopper assistant. Infatti, il punto vendita fisico ha l’opportunità di tornare a essere il centro dell’esperienza digitale, l’addetto che vi opera all’interno, così come l’operatore di call center o di backoffice può trasformare in azioni di business gli input derivanti dai comportamenti dei clienti. In particolare, i sistemi di clienteling, permettono all’addetto alle vendite di avere una visione unica del cliente, sia delle azioni e acquisto online che nella rete retail, permettendogli di diventare parte attiva e presente nel processo dinamico di personalizzazione dell’offerta verso il singolo consumatore.

Lutech, oltre a guidare progetti che implementano le migliori soluzioni per la personalizzazione della customer experience, segue i Clienti basandosi su una componente consulenziale e di servizio che si sviluppa su due direzioni principali: l’integrazione dei tool con l’architettura applicativa del cliente e il fine tuning necessario a risolvere le singole esigenze del cliente secondo una scala di priorità concordata. Un partner per percorsi end-to-end, in grado d comprendere fin da subito quali dati raccogliere, quali scartare, e come analizzarli per raggiungere gli obiettivi di business.