Le aziende, oggi più che mai, possiedono la capacità di produrre e raccogliere dati di ogni genere in quantità molto elevate, ma non la mentalità di interpretare i dati come asset aziendale. 

In troppi casi la crescente mole di dati raccolti e gestiti dalle aziende viene unicamente etichettata come un costo, in termini di risorse e tecnologie, necessari a farne uso. Questo modello rischia però di rendere molte realtà non competitive con un mercato sempre più data-driven.

In questo contesto, nasce la necessità di considerare sempre più i dati non come “prodotto” ma come “asset” aziendale. Così facendo, non saranno più un risultato dell’azione di un business, ma veri e propri driver per il raggiungimento degli obiettivi.

Oggi parliamo di come questo sia possibile mutando visione sul mondo dei dati ed elaborando una Data Strategy allineata ai bisogni aziendali.

Executive summary

• Le aziende hanno un capacità sempre maggiore di raccogliere dati, ma devono affrontare la necessità di saperli gestire ed elaborare, in particolare per l’ambito digitale. Un utilizzo dei dati come asset aziendali permette di migliorare la customer experience, allocare meglio il budget ad iniziative e risparmiare in termini di costi e risorse.
  
• Gli attuali sviluppi del mondo digitale rendono fondamentale agire rapidamente per non perdere il proprio vantaggio competitivo sul mercato. Sono molte le attività che possono essere intraprese (dati di prima parte, data lake, ML), ma tutti devono rispondere ad una chiara strategia per essere realmente efficaci.
  
• Definire una Data Strategy è un processo che coinvolge l’intera azienda, permettendo di individuare ed implementare soluzioni che rendano i dati non un costo ma uno strumento per raggiungere gli obiettivi aziendali. Attuarla significa sviluppare una visione olistica aziendale che sia veramente data-driven.
  
• Per questo processo sono necessarie sia nuove tecnologie che competenze multidisciplinari. Riuscire a mescolare le due in un processo di trasformazione aziendale è la soluzioni per rendere la propria azienda realmente innovativa e con un diffusa cultura dei dati.

Non tutti i dati sono uguali

Un errore comune nell’utilizzo dei dati da parte delle aziende è l’errata attribuzione di valore all’informazione. Questo comportamento può portare a prendere decisioni e creare features che non incontrino la soddisfazione dei clienti finali, non portando così benefici all’azienda.

E’ questo il caso di Netflix e della funzione “La mia lista”, così come ci racconta il libro "Everybody Lies".

Chi utilizza spesso la piattaforma avrà familiarità con questa features, che permette appunto di creare una collezione di titoli di interesse da vedere in seguito. Ad una prima occhiata, questo sembrerebbe un’incredibile fonte di informazioni per ottimizzare l’offerta video.

In realtà, i dati che ci fornisce questa feature, presi singolarmente, offrono una visione falsata dell’uso che gli utenti fanno della piattaforma.

Molti di noi infatti salvano per dopo contenuti impegnativi, magari culturali o documentaristici, convinti che la loro visione ci renderebbe migliori.

Ma alla prova dei fatti, andando a vedere quali contenuti vediamo regolarmente sulla piattaforma, la lista sarà ben diversa. È molto più facile che si tratterà di contenuti di intrattenimento, comici o comunque meno “impegnativi”.

Questo scostamento non sarebbe osservabile solamente osservando i dati della feature “La mia lista”, ma emerge molto più chiaramente quando diversi dati vengono messi in relazione tra essi e pesati secondo l’impatto che generano sull’uso del prodotto.

Questo semplice esempio dimostra una cosa importante: avere dati a disposizione è fondamentale, ma per prendere decisioni davvero efficaci è necessario saper mettere in relazione diversi dati e comprenderne il valore rispetto al raggiungimento degli obiettivi aziendali. In altre parole, non basta avere i dati, occorre avere una strategia che individui come tali dati possono aiutare l’azienda.

Come i dati possono aiutare le aziende

Se è ormai assodato che raccogliere dati è una parte integrante dell’attività aziendale, spesso non è ben chiaro o definito in quali modi i dati raccolti possano realmente aiutare le aziende.

Questo è un filone di indagine piuttosto ampio con caratteristiche uniche da azienda ad azienda. Per questo articolo abbiamo voluto riportare 3 vantaggi che può portare l’uso di dati ad una azienda con focus sugli aspetti digitali.

1. Customer experience

Avere un buon prodotto non è un vantaggio ma una aspettativa comune. Ciò che è diventato un vero tratto distintivo delle aziende di successo è l’esperienza utente che sono in grado di offrire.

Parlare di Customer Experience (CX) significa studiare ed ottimizzare tutte le interazioni che un cliente ha con i propri servizi. Questo si traduce nel comprendere i bisogni dei clienti e poter offrire loro le modalità migliori per usufruirne - attività questa che richiede una elevata mole di dati.

Se usati sapientemente, questi dati possono permettere importanti vantaggi:

• un sito che incontra i gusti e i pattern di utilizzo dei visitatori si traduce in un aumento dei lead e delle conversioni
• offrire un’esperienza di acquisto migliore è fortemente collegata ad un aumento delle vendite
• prodotti digitali che sanno ingaggiare i clienti e rispondano ad una reale necessità portano ad un miglioramento di metriche di engagement e retention

2. Allocazione budget

Sapere dove investire e quanto è una delle attività fondamentali per la crescita di una azienda. In questo senso, saper trovare evidenze nei dati rappresenta uno dei migliori strumenti decisionali.

Un esempio concreto è l’allocazione del budget per le iniziative marketing. Creare un sistema di raccolta ed elaborazione dati che individui i canali più performanti e quelli con più alta potenzialità di crescita è fondamentale. 

Questo non vuol dire solo sapere dove investire di più per ottenere risultati migliori. Saper far leva sui dati significa, a parità di investimento, riuscire ad ottenere migliori risultati nelle proprie iniziative. 

3. Ottimizzazione risorse

Ultimo ma non meno importante, un buon utilizzo dei dati consente di prendere decisioni che ottimizzino l’uso di risorse aziendali.

Se si tratta di prendere decisioni su risorse produttive, avere dati che forniscono un quadro dettagliato delle performance e colleghino direttamente i fattori produttivi ai risultati aziendali significa poter stimare a monte l’impatto di future decisioni. 

Se si considerano i dati non come costo ma come asset, investire nella loro corretta gestione ed elaborazione permette di ottenere vantaggi notevoli in termini di tempi e costi risparmiati.

Agire adesso sui dati è fondamentale

Dopo questo elenco (non esaustivo) di quali vantaggi i dati possono portare in azienda, sarà forse sorta una domanda: “Quando è il momento giusto per agire sui dati?”.

La risposta più giusta è “Ieri”. La seconda migliore risposta è “Adesso”.

Al di là della retorica, l’economia sta cambiando e il digitale sta evolvendo ancora più rapidamente di prima.

Sono molte le tendenze che potremmo elencare per supportare questa tesi, ma ne riportiamo solo tre perché sono tra le più rilevanti per aziende che operano in ambito digitale.

1. Cookie, privacy e dati degli utenti

I cookie di terze parti stanno scomparendo. Questa realtà significa, per moltissimi servizi digitali, un'importante perdita di dati su cui si basano.

Il mondo del digital advertising ad esempio è fortemente legato a questo strumento. Così come tecnologie che permettono di ricavare informazioni demografiche e di comportamento sugli utenti.

Insomma, il mondo digitale sta progredendo verso un mondo dove saranno facilmente reperibili meno dati sui propri utenti, con maggiori attenzioni per il trattamento dei dati e la privacy. 

Le aziende che vogliono continuare a muoversi nel digitale devono agire già da ora, per limitare l’impatto negativo che questi sviluppi possono avere sulla propria capacità di basarsi su dati affidabili.

2. La digitalizzazione come vantaggio competitivo

Il mondo sta diventando sempre più digitalizzato, ad un ritmo e con una complessità molto più elevata di prima. 

E’ stato dimostrato da recenti studi che dall'inizio della pandemia, a inizio 2020, in pochi mesi molte aziende e settori hanno visto un’accelerazione della digitalizzazione delle interazioni coi clienti e dei processi interni di 3 o 4 anni.

In questo contesto, restare indietro nello sviluppo tecnologico significa cedere un vantaggio competitivo di valore strategico sul mercato. Andando avanti, si creerà un divario sempre maggiore tra aziende che investiranno nella propria digitalizzazione ed aziende che diventeranno obsolete e non competitive.

3. Il Customer Journey non è più lineare

Con l’aumento dei canali digitali e una loro sempre più capillare adozione, i punti di contatto tra aziende ed utenti si sono moltiplicati esponenzialmente.

Ad oggi un utente può entrare in contatto con un brand da canali media, piattaforme social, motori di ricerca, oltre a tutte le esperienze ibride cosiddette phygital. Questo porta ad una considerazione: il modello lineare del Customer Journey non è più realistico.

Gli utenti si trovano ormai coinvolti in un messy middle, in cui i contatti con l’azienda non seguono logiche lineari o dirette. Per le aziende questo significa una crescente difficoltà nel tracciare ed analizzare i touchpoint dei clienti con il proprio brand.

Touchpoint sempre più capillari e diversi tra loro generano per l’azienda grandi quantità di dati, che senza gli strumenti e la tecnologia giusti possono risultare ingestibili o poco azionabili.

Soluzioni per un mondo in evoluzione

Come questi tre trend hanno evidenziato, il mondo è in continuo mutamento e il digitale è uno degli ambiti che sta evolvendo maggiormente. 

Le evoluzioni rappresentano sicuramente una sfida per tutte le aziende di ogni settore, ma aprono anche nuove opportunità di sviluppo e crescita. Per potersi muovere in questo contesto liquido, occorre prendere decisioni basate su dati affidabili e rilevanti.

Occorre per questo investire nei dati, ampliando la capacità di raccoglierli, di elaborarli e di renderli azionabili.

Per citare solo alcune azioni possibili:

• Passare a soluzioni di raccolta dati di prima parte
• Mettere in relazione ed integrare dati da diverse fonti
• Implementare soluzioni di immagazzinamento dati avanzate come Data Lake
• Applicare modelli di Machine Learning per generare insight da grandi moli di dati
• Adottare rappresentazioni del dato che siano chiare ed azionabili

Queste sono attività che ogni azienda può intraprendere, ma prese singolarmente il loro effetto è limitato e spesso insufficiente. Per questa ragione, il vero punto da cui partire è la definizione di una strategia dei dati, la vera base di partenza per rendere i dati un asset aziendale.

Data Strategy

Parlare di Data Strategy è fondamentale per capire come i dati possano generare valore concreto per le aziende. Abbiamo parlato più approfonditamente di cosa sia la Data Strategy, ma per farne un’estrema sintesi potremmo dare questa definizione:

Processo basato sulla strategia che risponde ai bisogni aziendali e che permette di trasformare i dati in asset, creando nuove opportunità di crescita e abilitando un management data-driven.

Si tratta quindi di un processo, a livello aziendale, che permette di trasformare i dati da una voce di costo ad una voce di profitto, attuando investimenti in tecnologie e competenze che generino un impatto concreto e quantificabile sull’intera azienda.

I benefici ed elementi chiave della Data Strategy

Elaborare una strategia dei dati che risponda ai bisogni aziendali porta diversi benefici a chi la intraprende:

• Permette di identificare e tenere sotto controllo i KPI chiave del business, offrendo così una visione d’insieme sempre aggiornata dei processi chiave
• Permette di ottenere dati affidabili, facili da leggere e azionabili, rendendo più semplice prendere decisioni basate su dati e stimarne gli impatti a priori
• Introdurre ed essere promotori di una crescita data-driven in azienda, promuovendo un ambiente di lavoro focalizzato su innovazione e continuous improvement

Per ottenere questi benefici occorre spesso smontare preconcetti sull’utilizzo dei dati in azienda. Troppo spesso, le aziende sviluppano iniziative digitali senza pensare a come queste contribuiscono a raggiungere gli obiettivi di business.

Per assicurarsi che gli obiettivi di business incontrino i reali bisogni degli utenti, occorre che le aziende si concentrino su un elemento fondamentale: la loro North Star Metric.

North Star Metric

Una metrica North Star è la misura più predittiva del successo a lungo termine di un'azienda. Si tratta non di una metrica unica, ma ogni azienda deve individuare e tracciare la propria metrica, in base alle proprie necessità di business.

Scegliere la propria North Star Metric è un argomento complesso, nel quale può essere utile osservare esempi di altre aziende. Qui abbiamo riportato un elenco di North Star Metric di alcune aziende

Fonte: Choosing Your North Star Metric

Per qualificarsi come "North Star", una metrica deve: 

• Portare a ricavi
• Riflettere il valore del cliente 
• Misurare i progressi

Se una metrica raggiunge questi tre punti, e ogni reparto contribuisce a migliorarlo, l'azienda crescerà in modo sostenibile.

Product Input Metrics

Una North Star Metric è suddivisa in metriche più piccole e molte di queste sono di responsabilità di team specifici e sono actionable, in modo che le persone all’interno dell’azienda possono vedere la connessione tra quello che fanno quotidianamente e la NSM. 

Ci sono due livelli di metriche:

• Level 1: contribuiscono direttamente alla metrica di messa a fuoco o fungono da controllo per assicurarsi che l’azienda stia crescendo in una direzione sana.
• Level 2: più specifiche, pilotano e guidano le L1 e la NSM

Output: Driver Tree

Una volta definito in cosa consiste la Data Strategy e forniti alcuni esempi di metriche da considerare, può essere interessante portare un esempio di output di questo processo. 

Uno dei risultati più concreto ed immediato di questo processo è sicuramente il Driver Tree.

Un Driver Tree è una mappa di come diverse metriche in un'organizzazione si adattano insieme. Il suo obiettivo è quello di supportare la crescita e focalizzare i team su come potrebbero contribuire al successo del business.

I benefici che questo output porta ad ogni azienda sono molteplici:

1. Migliora la comprensione

Consente di semplificare e riprodurre alcune delle complessità del business per aiutare tutti a capire come elementi e team si incastrano insieme.

2. Favorisce l’allineamento

Permette di avere un punto di partenza comune nelle discussioni aziendali, che colleghi le diverse funzioni e mostri le relazioni tra attività diverse.

3. Dà focus

Aiuta a scoprire e sfruttare potenziali aree opportunità e agisce come una guida per la strategia del business.

Un punto di valore del Driver Tree è la capacità di rivolgersi ed adattarsi a diversi stakeholders ed ambiti, quali: Marketing; E-commerce; Product; Business.

Per capire in che modo diverse metriche tra loro collegate forniscano un quadro chiaro dello stato di un business, è utile riportare un modello di Driver Tree

Fonte: Mixpanel

Conclusione

I dati a disposizione sono ogni giorno in aumento, ma le modalità con cui raccoglierli ed elaborarli sono in continua evoluzione.

Le aziende che desiderano mantenere un vantaggio competitivo sul mercato si troveranno sempre più di fronte alla necessità di saper usare i dati in maniera avanzata. Occorre che i dati non siano visti come un costo, ma sempre più come un asset.

Perché questo accada, occorre dotarsi non solo di tecnologie e competenze specifiche, ma bisogna intraprendere un processo, che coinvolga l’intera azienda, in cui definire ed intraprendere una strategia dei dati allineata ai bisogni aziendali.

Compiere questa trasformazione rapidamente è sempre più un elemento di distinzione fra aziende in ogni settore, e offre diversi benefici ed opportunità a chi saprà cogliere.

In Digital Pills ci occupiamo di sviluppare ed implementare soluzioni innovative per la gestione dei dati per aziende partner. Se la tua azienda vuole raggiungere i propri obiettivi facendosi guidare dai dati, contattaci per parlare di cosa possiamo costruire assieme.

Noi tutti come utenti abbiamo aspettative sempre più alte in termini di qualità dei prodotti, di features disponibili e di facilità d’uso. Ma come fanno aziende e creatori di prodotti digitali ad essere sicuri di stare fornendo la migliore esperienza possibile ai propri utenti?

Una risposta sicuramente valida è guardare ai dati:

• Quanto revenue ha generato il mio prodotto in un determinato periodo?
• Quanti utenti si sono iscritti?
• Quale contenuto è più visto?

Tutte domande importanti in ottica business, ma che non riflettono pienamente se un prodotto digitale ha successo oppure no. Non permettono insomma di capire se il proprio prodotto genera valore per gli utenti che lo usano.

Rispondere a questa domande e a tutte quelle che sottintende è l’obiettivo della Product Analytics. Si tratta di una branca del mondo analitico che ha l'obiettivo di analizzare come i clienti interagiscono con prodotti e servizi, identificando opportunità che portino benefici all’intero business. Per fare questo occorre fare uso di alcuni framework e tool specifici.

In questo articolo parleremo di cosa significhi fare Product Analytics e dei benefici che può portare alle aziende. Infine, introdurremo Mixpanel, un tool specifico per la Product Analytics leader del mercato e di cui Digital Pills é primo e unico partner in Italia.

Cosa significa fare Product Analytics?

Il mondo degli Analytics è molto vasto e racchiude al suo interno diverse categorie in cui si declina. La Product Analytics è sicuramente una delle più importanti e di valore per chiunque crei o sviluppi prodotti digitali in cui gli utenti possano interagire.

Per capire meglio in che modo questa branca si distingua dalle altre, è utile partire da due definizioni, diverse ma non in contrasto tra di loro.

Definizione per tutti

"La Product Analytics è il processo usato per comprendere come i clienti interagiscono con prodotti o servizi digitali. Si tratta di un framework per mettere i clienti al centro del business, analizzandone i dati comportamentali, identificando opportunità di alto valore e creando per essi esperienze d’impatto."

-- Amplitude - Guide to Product Analytics

Questa prima definizione di Amplitude ci permette di capire che la Product Analytics si poggia su 3 pilastri fondamentali: clienti, prodotti, business. 

Si chiarisce inoltre che la Product Analytics è un framework, ovvero un processo essenziale per mettere in relazione questi tre pilastri, ricavandone informazioni utili per generare benefici all’intera azienda.

Nella seconda frase è inoltre possibile capire quali sono gli input e gli output di questo framework: raccoglie dati comportamentali dei clienti, dai quali emergano opportunità di miglioramento che aiutino a creare esperienze migliori per i clienti stessi. 

Per riassumere, la Product Analytics è un approccio analitico che pone al centro dell’analisi il cliente e le sue interazioni con il prodotto, al fine di migliorare continuamente la sua esperienza con esso e spingerlo a usarlo di più, portando benefici all'azienda stessa.

Definizione per addetti ai lavori

"Product Analytics consiste nel non preoccuparsi della raccolta dati e usare i dati per generare intuizioni uniche riguardo utenti, uso del prodotto e business."

-- Matthew Brandt, CXL Institute

Questa seconda definizione è più tecnica, ma è molto utile perché, se approfondita, aiuta a comprendere quali sono i fattori di maggiore interesse nell’intraprendere un’analisi di prodotto.

Analizziamo insieme i punti evidenziati:

• Per non doversi preoccupare della raccolta dati, è fondamentale avere dati affidabili, chiari e condivisi a livello aziendale. Questo primo step preliminare presenta già diverse sfide operative, in quanto presuppone un lavoro su più livelli che allinei tutti gli stakeholders di prodotto.

• Parlare di utenti e metterli al centro nasce dalla considerazione che ignorarli è un rischio che nessuna azienda può correre, ma al contempo trattare tutti allo stesso modo o all’opposto spendere troppi sforzi in analisi approfondite sono due estremi deleteri per il business.

• Analizzare l’uso del prodotto è un’attività non semplice ma di grande importanza. Anche se quel prodotto è stato creato con determinati pattern in mente, quasi sempre alla prova dei fatti si scopre che vengono compiute azioni e raggiunti obiettivi in modi imprevisti o non contemplati. Comprendere meglio i diversi percorsi, progettati e non, che portano gli utenti a raggiungere gli obiettivi è fondamentale per capire in che modo agire.

• Infine parliamo di business perché la Product Analytics è fortemente collegata alle performance aziendali. La ragione è semplice: se il business si basa sull’uso di un prodotto da parte del cliente, ogni modifica di prodotto fatta avrà inevitabilmente un impatto sul business.

Adottare correttamente un framework di Product Analytics permette di analizzare questi cambiamenti e capire quali impatti portano, fino ad elaborare nuovi cambiamenti che migliorino le performance di business.

Product vs “Classic” Analytics

Una volta capito meglio come sia possibile definire la Product Analytics, è utile capire in che modo si distingue dalla “Classic” Analytics, ovvero quella non incentrata sul prodotto (esempio pratico: raccolta dati per un sito web ecommerce).

Come si vede bene dalla tabella, le differenze sono molto marcate e non lasciano molto spazio a rischi di confusione in termini di attività che comportano.

Un punto molto importante da approfondire è sicuramente sulle metriche che i due processi misurano.

Nella Classic Analytics, le metriche prese in più alta considerazione sono spesso quelle più legate al business (revenue, costi advertising, ..). Questo si spiega poiché il focus della analitica classica è transazionale, ovvero portare l’utente alla conversione, definita a priori e legata agli obiettivi di business.

Quando parliamo di Product Analytics invece le cose cambiano. Spostando il focus dalla conversione all’utente e le sue interazioni, utilizzare come unico riferimento metriche che derivano dalle azioni degli utenti (transazioni, conversioni, …) sarebbe deleterio per il corretto sviluppo del prodotto.

L’obiettivo della Product Analytics deve essere quella di allineare lo sviluppo di nuove features, e di conseguenza l’aumento dell'affezione dell’utente verso il prodotto, al raggiungimento degli obiettivi di business. 

North Star Metric

Questo punto di incontro tra quelli che sono i valori degli utenti e quelli che sono i valori del business è definito canonicamente come North Star Metric (NSM), e rappresenta il problema degli utenti che il prodotto cerca di risolvere. 

La NSM rappresenta in questo senso quella singola metrica su cui i Product Owners devono concentrarsi a migliorare per assicurare il raggiungimento degli obiettivi di business.

Questa metrica si distingue da ogni altra metrica della Classic Analytics, spesso comuni a diversi business e definibili facilmente a priori, in quanto rappresenta una vera e propria sintesi della strategia aziendale di crescita, una guida di lungo periodo che deve guidare l’intera azienda.

Qui di seguito riportiamo alcune North Star Metrics di alcune startup, così come riportate da a16z.

I vantaggi della Product Analytics

Per capire i vantaggi che può portare la Product Analytics, è necessario capire le tipologie di business per cui è adatta e quale obiettivo è importante porsi.

A chi si rivolge?

La Product Analytics non ha vincoli in termini di industry o fase di sviluppo di un’azienda. Si tratti infatti di un insieme di strumenti utili sia per la crescita che per il mantenimento delle performance raggiunte.

L’unica vera discriminante da considerare è se sia presente uno o più prodotti digitali e che tale prodotto sia al centro dell’intersezione tra utenti e azienda. Per chiarire questo punto è utile fare alcuni esempi:

• Un'azienda che produce prodotti fisici e li vende tramite un ecommerce.

Pur essendo classificabile come un’azienda di prodotto, non trarrà grandi benefici dall’applicare la Product Analytics. Questo perché i suoi interessi strategici si limitano ad un rapporto transazionale con il cliente.

• Un’azienda che produce prodotti fisici dotati di interfacce digitali (ovvero che comunicano o sono accessibile grazie ad interfacce digitali) e li vende tramite ecommerce.

Non trarrà benefici dall’applicare la Product Analytics limitatamente alla porzione di vendita. Ma potrebbe avere importanti vantaggi nell’analizzare le interazioni tra utente e prodotto tramite canali digitali.

• Un’azienda che crea un’app, che si tratti di un prodotto a se stante o in congiunzione con altri.

Avrebbe considerevoli vantaggi dall’applicare un framework di Product Analytics alle interazioni degli utenti con il proprio prodotto. Questo permetterebbe di migliorare l'esperienza utenti e di conseguenza le potenzialità di monetizzazione.

In generale è quindi utile applicare la Product Analytics ogni qual volta avvengano interazioni dirette su canali digitali tra cliente e prodotto.

Quale obiettivo porsi?

Per dare una definizione generale di obiettivo da porsi nella Product Analytics, sarebbe:

Ottimizzare l’intero Customer Journey all’interno del prodotto (e non solo), collegando ogni step del Customer Lifecycle ad un Data Point, permettendo così di migliorare l’esperienza utente, aumentare la fedeltà sul prodotto (retention), e collegare metriche digitali a metriche del business.

Si traduce nel poter mappare ogni punto di contatto tra cliente e prodotto, analizzando lo stato del cliente tramite l’invio di dati strategicamente definiti. Questi permetteranno di apportare modifiche al prodotto al fine di aumentare l'affezione del cliente verso il prodotto e di conseguenza aumentare i benefici per l’azienda.

Questo obiettivo andrà poi approfondito in base al contesto dell’azienda o prodotto, declinandolo in base alla North Star Metric più adatta al proprio business.

Il modo migliore per raggiungere i propri obiettivi e ottenere i massimi vantaggi da questo processo è dotarsi delle giuste competenze e strumenti. 

Per questo processo noi consigliamo Mixpanel, tool verticale sulla Product Analytics tra i migliori al mondo e di cui siamo Partner certificati.

Mixpanel: lo strumento giusto per la Product Analytics

L’obiettivo di Mixpanel è aiutare le aziende a costruire prodotti migliori (Build Better Products) fornendo un potente software di self-service product analytics per aiutare a convertire, coinvolgere e mantenere attivi i propri utenti.

A differenza di altri prodotti per la self-service analytics, Mixpanel nasce specificamente per rispondere al bisogno di analizzare le interazioni degli utenti con prodotti digitali e ricavarne insight ed opportunità per la crescita.

Il Data Model di Mixpanel

Mixpanel, a differenza di servizi per la marketing analytics, utilizza un data model che si basa su due elementi fondamentali:

• Eventi: qualsiasi azione significativa che un utente esegue
• Profili: una raccolta di informazioni su un singolo utente

Questi due elementi al loro interno contengono Proprietà che forniscono maggiori dettagli sulle interazioni a cui sono associati. Si distinguono in:

• Proprietà Evento: coppie chiave-valore allegate a un evento che forniscono dettagli sull'azione che è stata eseguita
• Proprietà Profilo: coppie chiave-valore allegate a un profilo che forniscono dettagli sullo stato più recente di un utente

Le Proprietà Evento e Proprietà Profilo coesistono, ma hanno comportamenti e scopi diversi.

• Le Proprietà Evento  sono informazioni statiche registrate al momento dell’evento
• Le Proprietà Profilo sono informazioni dinamiche sullo stato attuale dell’utente

Anche se vi sono limiti sul numero di proprietà che eventi e profili possono avere (massimo 255), non vi sono limiti al numero di properties che siano utilizzabili a livello di progetto.

Questa struttura, simile per molti versi a quella di GA4 (che è appunto basato su eventi), permette però una ricchezza di informazioni molto più elevata, che si traduce nella possibilità di svolgere analisi più dettagliate e potenzialmente valide sul prodotto.

Strategia ed implementazione 

Mixpanel è uno strumento che offre grandissime possibilità di analisi una volta che è stato correttamente installato, ma proprio perché si tratta di uno strumento molto potente richiede competenza e pianificazione per essere implementato correttamente.

Dal punto di vista tecnico, Mixpanel offre integrazioni con diverse librerie sia client-side che server-side che ne rendono possibile l’implementazione.

Il processo di implementazione standard segue una scaletta simile:

Planning

Il momento in cui il PM assieme a contributors dai team di prodotto e team a contatto con il pubblico individuano gli obiettivi e definiscono la roadmap di implementazione.

In questa fase avere nel team le competenze e conoscenze giuste è fondamentale, in quanto richiede un lavoro di volto ad identificare i business objectives, capire quali KPIs vi siano collegati ed individuare quali metriche ed azioni significative sia importante tracciare per avere una chiara panoramica. 

Il tutto confluirà poi in una pianificazione delle attività di sviluppo, nella quale ogni inaccuratezza potrà comportare ritardi, errori o disallineamenti tra teams.

La strategia con cui attuare questa pianificazione è personale e variabile da progetto a progetto, ma è indicativamente sempre utile includere queste attività:

• Identificare gli obiettivi di business

• Definire i KPIs collegati a tali obiettivi di business

• Individuare una lista di azioni degli utenti che impattano i KPIs

• Tradurre le azioni degli utenti in Eventi e Proprietà associate

Sviluppo

In questa fase il PM collaborerà con il team di sviluppo per implementare e testare la soluzione pianificata in precedenza. 

Una volta svolta con successo la fase di implementazione, sarà possibile accedere alle capacità di analisi avanzate offerte da Mixpanel.

Le potenzialità di analisi

Mixpanel offre soluzioni di analisi ad alto livello e di dettaglio, con un'interfaccia intuitiva e facilmente modificabile.

Le possibilità di analisi sono molteplici e la loro validità è fortemente legata alla tipologia di prodotto e alla tipologia di quesito.

Alcune delle analisi possibili includono:

• Numero di utenti attivi

• Analisi del funnel completamente customizzabile

• Analisi della Retention degli utenti per segmenti

• Analisi per coorti

Grazie alle capacità dello strumento e alle nostre competenze, sarà possibile sempre più conoscere i propri utenti e offrire loro esperienze uniche, generando valore per essi e per il proprio business.

Ogni azienda che operi sull’attuale mercato è costantemente alla ricerca di nuove opportunità, cercando di utilizzare a pieno tutte le risorse che ha a disposizione.

Che si tratti di investimenti in nuovi tools, piani di sviluppo del personale, ottimizzazione della produzione o modelli di organizzazione del lavoro, esistono molte strade attraverso cui raggiungere un vantaggio competitivo.

Tra le diverse strade ne esiste una spesso sottovalutata ma ad altissimo impatto: sviluppare una strategia dei dati.

Spesso i dati aziendali vengono interpretati come risultati a posteriori di attività, limitandosi ad un ruolo di reportistica. Questo limita fortemente la capacità di utilizzare i dati in modo strategico, ovvero usarli come leva per cogliere nuove opportunità.

I dati non sono unicamente indicatori dei risultati di decisioni, ma possono essere veri e propri fattori di crescita e sviluppo, andando a supportare ed arricchire la stessa strategia aziendale.

Questa modalità di gestione data-driven parte da una considerazione fondamentale: i dati sono un asset dell’azienda. E come altri asset possono contribuire al raggiungimento di obiettivi.

Per questa ragione, così come è importante trovare i modi migliori per valorizzare ogni funzione aziendale, allo stesso modo occorre definire un piano che permetta di far leva sul valore che i dati possono portare.

Quello che occorre è insomma una Data Strategy.

Ma di cosa si tratta esattamente? E quali passi è necessario fare per definirne una?

In questo articolo raccontiamo meglio come il processo che porta alla creazione ed esecuzione di una Data Strategy sia un’occasione per ogni azienda non solo di crescere ma di aprire nuove opportunità per il proprio sviluppo.

Cos'è e a cosa serve una Data Strategy?

Mentre per altri aspetti sono ben consolidati terminologie e processi, parlando di Data Strategy può essere utile chiaramente cosa significhi.

Seguendo la definizione accademica del MIT Center for Information Systems Research Data Board, per Data Strategy si intende:

“Un concetto centrale e integrato che articola come i dati permetteranno e ispireranno la strategia aziendale".

Se questa definizione crea più confusione che altro, ci siamo permessi di darne una più concreta:

Processo basato sulla strategia che risponde ai bisogni aziendali e che permette di trasformare i dati in asset, creando nuove opportunità di crescita e abilitando un management data-driven.

Questa definizione più pratica introduce alcuni elementi essenziali per capire quali sono gli obiettivi che ogni azienda dovrebbe porsi nel decidere di definizione di una Data Strategy.

In primis, si tratta di un processo, non una singola attività, proprio perché è prolungato nel tempo e richiede il coinvolgimento attivo delle parti.

Altro aspetto importante è l’essere basata sulla strategia aziendale per rispondere ai bisogni aziendali. Qui è importante riuscire a distinguere tra le aziende che sono data-informed e le aziende che sono invece data-driven.

Guardare una dashboard con i risultati di una strategia e confrontarli con le attese è usare i dati in maniera informativa. Visualizzare ed analizzare i dati raccolti per elaborare una strategia che permetta di raggiungere obiettivi è far leva sui dati in maniera strategica.

Nel primo caso il dato permetterà soltanto di avere maggiori informazioni sull’efficacia o meno di iniziative, mentre nel secondo sarà possibile definire iniziative che possano rispondere concretamente a degli obiettivi proprio perché basate sui dati.

Quali vantaggi offre una Data Strategy

Riuscire a definire ed attuare una corretta Data Strategy offre diversi vantaggi ad un’azienda.

1. Usare i dati per raggiungere gli obiettivi di business

La Data Strategy ha l’obiettivo di rendere i dati uno strumento utile al raggiungimento degli obiettivi di business, allineando il loro utilizzo ai bisogni reali dell’azienda.

2. Scoprire opportunità di crescita basate sui dati

Una corretta strutturazione e gestione dei dati aziendali permette ad analisti, management e funzioni cross-team di fare leva sui dati per individuare opportunità di crescita, sia a livello di singolo dipartimento che a livello di intera azienda.

3. Rafforzare la collaborazione tra funzioni aziendali

Costruire una architettura dei dati solida e condivisa, permette a dipartimenti e funzioni differenti di comunicare e definire obiettivi a partire da una base comune di comprensione, i dati stessi.

Tutto questo si dimostra utile per diversi tipi di iniziative aziendali:

• Per i team marketing per analizzare ed ottimizzare rapidamente le iniziative
• Per i team e-commerce o prodotto, per migliorare le performance digitali
• Per il management, per ottenere una visione d’insieme dell’azienda a colpo d’occhio

Per quantificare meglio quanto la Data Strategy possa impattare a livello concreto, proviamo a pensare in termini di rischi per l’azienda e costi-opportunità del lavoro di analisti.

Secondo diverse ricerche intersettoriali, in media oltre il 70% dei dipendenti accedono o possono accedere a dati a cui non dovrebbero. Quello che potrebbe sembrare semplicemente frutto di un errore di sistema espone invece l’azienda a rischio di perdite dati (i cosiddetti data leaks se volontari o data breach se forzati).

Anche senza questo tipo di eventi criminosi, accessi non regolamentati da parte di utenti non competenti o informati possono produrre un’errata interpretazione dei dati, i cui effetti sono possono essere molto impattanti, o addirittura una distorsione o corruzione dei dati stessi, eventi che hanno un impatto spesso enorme per aziende che si basano sui dati per prendere decisioni. Per farsi un idea, chiedetevi cosa succederebbe se per sbaglio un dipendente cancellasse lo storico del vostro CRM.

Volendo invece vederla non in termini di sicurezza ma in termini di efficienza, occorre capire quanto una strategia dei dati possa contribuire a rendere più gestibili e azionabili i dati. 

Si stima che fino all’80% del tempo degli analisti sia speso a scoprire e preparare dati (fonte: HBR), mentre la restante parte è effettivamente spesa per analizzarli e presentarli. Questo significa che la maggior parte del tempo e delle risorse dedicate all’uso dei dati sono spese soltanto per gestirli, non per renderli utilizzarli concretamente.

Adottare una buona strategia dei dati significa avvantaggiare le aziende in due modi:

• Riducendo i costi per la gestione e l’uso dei dati
• Aumentarne l’usabilità e individuare nuove opportunità che offrono

Per ottenere questi benefici è necessario coinvolgere l’intera azienda nel processo della redazione ed implementazione della Data Strategy. 

Come implementare una Data Strategy in azienda

Creare una strategia dei dati su misura per le esigenze aziendali è un processo impegnativo che richiede la partecipazione di diverse funzioni aziendali e un tempo prolungato, ma i cui vantaggi ricadono sull’intera azienda.

Il modo migliore di partire in questa attività è porsi alcune domande chiave, le cui risposte plasmeranno la strategia dei dati che andrà ad essere implementata.

Domande per la Data Strategy

L’elenco delle domande da porsi nel processo è ovviamente molto lungo, ma per orientarsi è molto utile tenere presente almeno queste 5 domande:

1. Chi è responsabile di assicurare che i dati siano accurati, completi e aggiornati?

Attribuire la ownership dei dati è fondamentale: se da un lato risolve alla radice la questione accountability, a livello più concreto permette di stabilire un'unica fonte di verità (single source of truth, o SSOT), ovvero un riferimento a livello aziendale che assicura la correttezza dei dati utilizzati, prevenendo i rischi di corruzione o errata interpretazione dei dati.

2. Possiedi le competenze per rispondere ai bisogni di dati?

Realizzare ed implementare una Data Strategy richiede competenze tecniche specifiche ed estese su diversi ambiti, sia specifici del settore in cui l’azienda opera che di altri ambiti che toccano la sfera dei dati (es. IT, legale).

Tutte queste competenze non devono essere necessariamente presenti internamente all’azienda, ma possono (e in alcuni casi dovrebbero) essere reperiti da enti esterni come agenzie, studi legali o società di consulenza.

Fare affidamento su professionisti competenti sulla gestione dati è fondamentale per evitare che scelte errate di implementazione tecnica o strategica portino a gravi lacune ed inefficienze nell’utilizzo dei dati strutturati alla fine.

3. Come implementare il piano? Quali sono le attività chiave che devono avvenire?

Una strategia dei dati per essere completata richiede diverse attività, spesso non sequenziali ed parzialmente indipendenti tra di loro, aumentando notevolmente la complessità nella gestione.

Per prevenire errori o ritardi, è fondamentale avere ben chiari gli obiettivi da raggiungere e gli step necessari, individuare le attività chiave e assegnare ad esse la giusta priorità.

4. Chi è responsabili per raggiungere ogni azione?

Coordinare tutte le attività e far cooperare le diverse funzioni necessarie per implementare una Data Strategy richiede una gestione chiara dei ruoli e delle responsabilità.

Per tali figure la migliore soluzione è puntare su professionisti con esperienza nella gestione delle diverse attività, così da assicurarsi il migliore dei risultati. 

5. Quali cambiamenti deve fare il tuo business? Che aspetti deve affrontare?

Ogni Data Strategy ben implementata porta inevitabilmente un cambiamento all’intero business, aprendo nuove opportunità e mostrando vulnerabilità. Per questa ragione, così come seguendo il processo l’approccio ai dati dell’azienda inevitabilmente muterà, allo stesso modo questo momento può agire da catalizzatore per abilitare più ampie e profonde trasformazioni aziendali.

Queste domande non vanno poste tutte assieme in una singola volta, né richiedono fin da subito risposte definitive. Così come il processo di rendere l'azienda realmente data-driven passa da cicli di miglioramento continui, allo stesso modo con il proseguimento del processo di implementazione e sperimentazione insito nella Data Strategy le domande troveranno risposte solide e provate.

Quali sono gli step della Data Strategy in azienda

Ogni processo di definizione di una strategia dei dati è inevitabilmente condizionato dal contesto in cui avviene. Diverse tipologie di business avranno bisogni, rischi e opportunità diverse dall’uso corretto dei propri dati, e le modalità specifiche con cui potranno essere valorizzati varieranno sostanzialmente. 

Basti pensare quanto possono essere simili ad alto livello ma differenti nel dettaglio i requisiti di una strategia dei dati per una banca commerciale o per un retailer della GDO.

Se però vogliamo definire alcuni step chiave nella definizione di una Data Strategy aziendale, allora è possibile individuare 4 fasi:

1. Individuare team Data Management & Data Governance

La primissima attività da svolgere è una chiara definizione dei team (che possono comprendere anche un solo individuo) che si occuperanno di supervisionare, creare ed implementare la strategia.

Solitamente per questi ruoli è consigliato avere una pluralità di figure, per garantire che siano ugualmente presenti competenze e visioni in merito all’utilizzo dei dati. 

La definizione di questi teams ha la funzione in primis di identificare un nucleo di partenza che avrà a tratti il ruolo di coordinatore, a tratti di esecutore, e altre volte di facilitatore, tutto con lo scopo di agire da apripista per l’intera azienda nel processo di trasformazione data-driven.

2. Identificare dati e sorgenti

Questo secondo step può sembrare scontato ad una prima lettura, ma nasconde diverse complessità operative nell’esecuzione pratica.

Individuare quali siano effettivamente i dati necessari da includere all’interno del perimetro di azione della strategia rappresenta una scelta non operativa ma strategica per l’intera azienda. L’inclusione o esclusione di determinati dati determinerà inevitabilmente diverse sfide alla loro gestione, aprendo o precludendo determinate scelte in favore di altre.

Per assicurarsi di fare la scelta potenzialmente corretta, questa fase richiede una intensa e approfondita comunicazione con i diversi stakeholder aziendali, intesi come le funzioni e competenze che andranno ad utilizzare effettivamente i dati per i propri bisogni specifici. Il ruolo del team centrale sarà quello di raccogliere i diversi requisiti, clusterizzare, prioritizzare ed infine associare i diversi requisiti ai corrispettivi dati.

Questa fase spesso è una fase ricca di sorprese, in cui emergono bisogno coincidenti inespressi o differenze latenti ma fondamentali nelle modalità le diverse parti di un’azienda usano i dati per raggiungere i propri obiettivi.

3. Definire obiettivi e roadmap per raccolta e uso dei dati

Applicare una strategia dei dati non è un processo veloce né semplice, e i risultati non sono subito evidenti o tangibili. Per questa ragione è fondamentale essere intelligenti nella definizione di obiettivi.

Nella pratica questo vuol dire impostare obiettivi per la propria Data Strategy che siano:

• Specifici
• Misurabili
• Differenti tra breve e lungo periodo
• Allineati a quelli aziendali

Questi criteri permettono in primis di settare le aspettative corrette per l’intero processo, guidare gli esecutori nella loro attuazione e più ad ampio respiro motivare l’intera struttura aziendale a proseguire lungo la direzione tracciata.

Una volta individuati obiettivi che rispettino questi criteri, è necessario raccoglierli e sistemarli in una roadmap complessiva di progetto, così da calare nel concreto le attività e le tempistiche necessari per raggiungerli, oltre che per facilitare la gestione complessiva dell’intera attività.

4. Pianificare lo storage dati ed implementare la strategia

Quest’ultimo step precedente all’implementazione è essenziale per la riuscita dell’intera attività, e diverse scelte in merito al modello da seguire comporteranno differenti risultati nel corso dell’implementazione e uso del sistema stesso.

Uno dei maggiori punti di differenziazione tra le diverse soluzione per la gestione dei dati è la modalità scelta per il loro storage. Questo criterio impatterà inevitabilmente aspetti quali costi, competenze richieste, scalabilità dei processi e sicurezza, tra gli altri.

Le soluzioni disponibili sono molteplici e molto flessibili in base alle proprie esigenze: per aziende di grandi dimensioni, se vi sono requisiti di sicurezza particolari, potrebbe avere senso una soluzione custom con la costruzione di un’infrastruttura privata; per aziende più piccole invece si può ottenere maggior valore dal proprio investimento facendo leva su soluzioni cloud su misura delle proprie esigenze.

Una volta individuata quale sarà la modalità di storage dei dati, inizieranno le attività di implementazione per rendere operativa la soluzione progettata.

Il servizio di Data Strategy by Digital Pills

Per dare meglio un’idea di come si sviluppi un processo di definizione ed implementazione di una strategia dei dati, vogliamo raccontare come lavoriamo qui in Digital Pills con i nostri partner.

Nella nostra visione aziendale, l’obiettivo di questa attività è introdurre e far attecchire una cultura aziendale data-driven, in cui è possibile garantire dati affidabili che permettano di analizzare ed agire sui KPI chiave per il business.

Il servizio si articola su 4 attività sinergiche fra loro:

Individuare le priorità strategiche dell’organizzazione

Basandoci su interviste strutturate ai key stakeholders aziendali, arriviamo ad una sintesi delle priorità strategiche dell’organizzazione, raccogliendo ed organizzando gli input di diverse funzioni e ruoli in un quadro d’insieme.

L’obiettivo è allineare gli obiettivi di business con la strategia di uso dei dati, garantendo il massimo impatto sull’intera struttura aziendale.

Sintetizzare le domande chiave del business

In un’azienda le diverse funzioni che convivono hanno richieste e applicazioni differenti per i dati disponibili, spesso in apparente disarmonia con altre funzioni.

Per questa ragione, è nostro compito individuare e sintetizzare assieme ai nostri partner quali siano le domande delle diverse aree aziendali alle quali i dati possono dare una risposta azionabile e misurabile.

Il punto di questa attività è capire come i dati possano concretamente aiutare la crescita aziendale.

Comprendere il grado di maturità nell’uso dei dati

Ogni azienda è unica e per questo presenta diverse sfide tecniche ed organizzative nell’implementare una strategia dei dati.

Assicurare soluzioni su misura per rispondere alle necessità e capacità dei membri di ogni team ci aiuta a rendere i dati un asset accessibile e utilizzabile correttamente da tutti gli interessati.

Il nostro scopo è offrire ad ogni nostro partner il modo migliore per ricavare valore dai suoi dati, coerentemente con i requisiti e le capacità a sua disposizione.

Pianificare in maniera condivisa e per obiettivi

In ogni progetto, il nostro approccio pone come fondamentali la stretta collaborazione con i partner, seguendo una pianificazione per obiettivi misurabili e concreti.

Operiamo seguendo un approccio Agile, lavorando per obiettivi condivisi e misurabili su sprint settimanali, facendo in modo di raggiungere sfidanti obiettivi di lungo periodo tramite quick-wins pianificate e concrete.

Questo modello ci permette di produrre risultati tangibili rapidamente, offrendo ai partner le soluzioni di cui hanno bisogno e attivando un loop di miglioramento continuo dei risultati.

Conclusione

La Data Strategy è un processo che trasforma i dati aziendali in un asset su cui far leva per crescere.

Per fare ciò, richiede capacità e competenze di diverso tipo, tutte volte a facilitare la gestione, mantenimento e sviluppo delle basi dati per le funzioni aziendali.

Intraprendere questo processo significa affrontare non soltanto un progetto tecnicamente sfidante, ma indirizzare l’intera azienda verso uno sviluppo data-driven, in cui i dati non siano più soltanto un costo ma un vero e proprio driver che impatti le decisioni.

Ogni strategia dei dati che voglia avere successo non può esimersi dal rispondere chiaramente ai bisogni interni ed essere allineata alla strategia aziendale complessiva.

Seppure si tratti di un percorso laborioso da intraprendere i suoi vantaggi sono indubbi e diffusi: rendere i dati uno strumento utile per raggiungere gli obiettivi di business, scoprire nuove opportunità di crescita data-driven, e migliorare la comunicazione ed efficienza delle diverse funzioni aziendali.

Investire in una strategia dei dati significa investire nella crescita di ogni azienda, dando solide basi da cui svilupparsi per un futuro sempre più dinamico e ricco di opportunità.

Quando si parla di Digital Transformation molti pensano si tratti di investire nelle ultimissime tecnologie d’avanguardia, come un sistema informatico nuovo di zecca, un servizio cloud, o un software di gestione costosissimo. Insomma, accaparrarsi le tecnologie di ultima generazione con la promessa di trasformare l’azienda e renderla pronta per il futuro.

La verità dei fatti però è ben diversa.

Parlare di Digital Transformation significa parlare di strategia.

Vuol dire iniziare un processo di trasformazione dell’intera struttura aziendale, ragionare su orizzonti temporali medio-lunghi e coinvolgere diverse funzioni.

Sentirsi scoraggiati di fronte a questa prospettiva è comune, in quanto sembra un grande impegno, sia in termini di tempi e costi, a fronte di vantaggi apparentemente poco chiari. Considerazioni che portano inevitabilmente a frenare l’entusiasmo verso queste iniziative.

Ma è davvero una questione di “o tutto o niente” quando parliamo di Digital Transformation? 

Ovviamente no. È importante ribadire che questo processo di trasformazione ha diversi gradi di sviluppo, e il come viene applicato deve sempre essere commisurato ed allineato agli obiettivi aziendali.

Sono molte le convinzioni erronee che bloccano sul nascere questo tipo di iniziative nelle aziende di tutto il mondo, facendole posticipare ad un futuro non definito.

A guardare i dati, pare che questo futuro sia arrivato.

Sembra infatti che interi settori abbiano preso alla lettera il consiglio di Churchill: “Mai sprecare una buona crisi!”.

Per effetto del Covid-19, moltissime aziende hanno dovuto cambiare dinamiche lavorative, processi produttivi o interi modelli di business. E molto di tutte queste trasformazioni sono qui per restare e prosperare.

Difficilmente lo smart working, l’ecommerce o i meeting da remoto verranno abbandonati in toto per tornare a come si faceva prima. E non sono le uniche cose che sono cambiate.

In questo momento ogni azienda, dalla multinazionale al piccolo negozio, si trova a dover affrontare queste e nuove sfide tecnologiche. La domanda che sorge spontanea è: come muoversi al meglio per non “restare indietro” sull’innovazione ma anzi goderne tutti i benefici?

In questo articolo vogliamo illustrare come fare della trasformazione digitale un’occasione di crescita per le aziende. Partiremo dal capirne le modalità e applicazioni per diverse aziende, sfateremo qualche preconcetto sul tema, e vedremo come ora sia il momento giusto per farlo, basandoci sui dati reali del mercato italiano.

Cosa vuol dire Digital Transformation?

Per sviluppare una strategia che permetta di ottenere il massimo valore da qualsiasi investimento in nuove tecnologie, occorre avere ben chiaro il contesto in cui esse andranno ad operare e il reale vantaggio che possono offrire.

Il rischio di non fare questo tipo di considerazioni è molto elevato: si tratta non solo di fare un investimento (spesso ingente) che non porta risultati, ma al contempo di impattare negativamente altre attività critiche.

Basti pensare a quanti danni potrebbe fare la scelta di un sistema di gestione pagamenti non in linea con le proprie necessità. Non solo il costo di adozione è solitamente elevato, ma tutte le funzioni aziendali che ne dipendono si ritroverebbero impattate da questa scelta. Per non parlare degli eventuali costi di errori d’uso o disallineamenti con altre tecnologie già in uso.

Per analizzare il contesto in cui si opera e identificare la maturità aziendale in ambito tecnologico, il modo più affidabile è valutare la capacità di utilizzare i dati all’interno dell’azienda. 

Seguendo questo criterio, secondo Mohan Subramaniam, professore associato alla Carroll School of Management del Boston College, si possono definire 4 gradi di maturità aziendale:

1. Efficienza Operativa

Si tratta della capacità dell’azienda di utilizzare tecnologie e sistemi di raccolta dati avanzati all’interno delle sue operations. Queste condizioni rendono possibile utilizzare i dati prodotti per il miglioramento costante dei processi stessi.

In aziende di prodotto questo potrebbe tradursi in sistemi di produzione integrati con sensori avanzati, in grado di fornire feedback istantanei e mirati in caso di difetti o malfunzionamenti, riducendo col tempo sensibilmente i tempi e costi.

Per quanto riguarda invece l’ambito digital, questa fase si potrebbe tradurre invece nell’impiego di soluzioni di raccolta ed elaborazione dati più solide e strutturate, in grado di fornire indicazioni azionabili per il miglioramento delle performance su canali digital.  Un esempio: l’utilizzo sul proprio sito web di una soluzione di tracciamento avanzata come il Server-Side tracking, in grado di fornire dati affidabili e mirati sulle performance del proprio sito.

2. Efficienza Operativa Avanzata

In questo grado di maturità, l’azienda è in grado non solo di raccogliere ed elaborare dati interni (provenienti cioè direttamente da asset proprietari), ma è in grado di utilizzare ed integrare i dati generati dall’interazione dei clienti con i propri prodotti.

Diventa quindi possibile ottimizzare prodotti/servizi non soltanto sulla base di osservazioni interne, ma di ricevere feedback, diretti o processati, da parte dei clienti. 

Questo apre un ventaglio di nuovi potenziali sviluppi per aziende che abbiano accesso a dati dagli utenti. Il passo dal grado precedente è molto più importante di quanto possa sembrare. In questa fase è infatti richiesta la capacità operativa non solo di raccogliere ed organizzare i dati da diverse fonti, ma anche la capacità di saperli leggere e tradurre in insight azionabili per migliorare i propri prodotti.

Prendendo i due esempi di prima, per un'azienda di prodotto si traduce nella capacità di monitorare l’uso dei prodotti da parte dei clienti, individuando pattern di comportamento che possano indicare margini di miglioramento, come nuove funzioni o modifiche.

In ambito digital, questo grado di maturità può coincidere con la capacità di un’azienda di ricostruire nella sua interezza le interazioni e i dati prodotti dai propri clienti tramite canali digitali e non. Nella pratica, questo può tradursi nella creazione di una data pipeline che colleghi diverse fonti dati, permettendo di ricostruire un profilo cliente completo, in grado di evidenziare opportunità di miglioramento dei prodotti o del servizio offerto.

3. Servizi basati sui dati della catena del valore

Questo terzo livello rappresenta la capacità di un’azienda di creare servizi e conseguentemente nuove linee di business a partire dai dati che riceve dall’uso dei suoi prodotti e servizi.

Si tratta di un grado in cui l’uso dei dati non diventa più fonte di ottimizzazione, ma una vera e propria soluzione per generare revenue.

Nel caso di aziende di produzione, può voler dire essere in grado di offrire un servizio aggiuntivo ai clienti basato interamente sui dati raccolti e processati. Un esempio sono le aziende aeronautiche che offrono servizi di ottimizzazione dei consumi per i propri velivoli, proponendo un modello di revenue basato sui risultati: più risparmio garantiscono, maggiori sono i loro guadagni sul servizio.

Nel digitale si applicano le stesse logiche, ovvero la capacità di saper creare nuove linee di business che facciano leva sulla mole di dati raccolta. Questo può tradursi in diversi modi a seconda delle tipologie di dati disponibili, la capacità di elaborarli e le caratteristiche del proprio business.

4. Servizi basati su dati di piattaforme digitali

Questo grado non è necessariamente ottenibile da tutte le aziende, in quanto consiste nella capacità di creare servizi a partire dai propri dati di prodotto e tradurli in soluzioni digitali.

Per fare un esempio, aziende di prodotti di consumo che raccolgono dati sulle interazioni degli utenti possono utilizzare quei dati per creare servizi digitali che rispondano a necessità degli utenti non attinenti al loro ambito di produzione. Ad esempio aziende di elettrodomestici che raccolgono informazioni approfondite sui consumi e comportamenti dei loro clienti potrebbero fornire come servizio dati ed analisi di consumo a società di servizi interessati. 

Nell’ambito digitale questo grado è simile a come Google Maps offre consigli di trasporto proponendo soluzioni esterne come car sharing o micro-mobility.

A quale grado occorre arrivare?

La risposta migliore è: dipende.

Non tutte le aziende e le tipologie di business infatti devono o possono raggiungere tutti questi gradi di trasformazione digitale, ma è importante che siano consapevoli di quali siano le possibilità che comporta attuare una trasformazione digitale.

La strategia migliore, che porti benefici concreti alla propria azienda, dipende da molteplici variabili come settore, budget, grado raggiunto, asset disponibili, competenze, ecc.

In questi casi, l’importante è capire il proprio punto di partenza per poter da lì costruire una strategia aziendale sostenibile che porti innovazione, senza farsi fermare in partenza da preconcetti.

Per aiutare in questo, ne abbiamo riportato alcuni individuati da George Westerman, ricercatore principale per l'apprendimento della forza lavoro nel World Education Lab del MIT. 

5 preconcetti sfatati dal COVID

1. Per i clienti è importante il “tocco umano”

Durante il periodo di lockdown gli acquisti per molte tipologie di prodotti non sono calati e i brand che hanno investito nella progettazione di una esperienza digitale ben strutturata hanno visto le proprie vendite addirittura aumentare. 

In molti casi, l’adozione di soluzioni per la personalizzazione degli acquisti che facessero leva sui dati di comportamenti degli utenti hanno permesso di offrire un’esperienza d’acquisto anche superiore, in termini di soddisfazione, rispetto al contatto diretto.

2. La regolamentazione blocca la trasformazione digitale

Spesso gli enti regolatori sono oggetto di critiche dal mondo industriale, in quanto una eccessiva regolamentazione sarebbe deleteria per la diffusione dell’innovazione.

E tuttavia in questo periodo di pandemia molte industrie hanno visto importanti aperture all’implementazione di soluzioni digitali avanzate. Un esempio è il caso dell'industria medica, nella quale molti operatori come medici e farmacisti hanno attivato servizi di telemedicina per sopperire all’impossibilità di svolgere visite di persona.

3. Meglio essere un “rapido follower”

Non sono in molti a voler essere i primi a sperimentare una nuova soluzione, adottare l’ultima tecnologia disponibile, testare un nuovo modello. In molti casi, maggiore è la solidità della posizione nel mercato, maggiore è l’avversione al rischio del management di un’impresa.

Questo fenomeno porta inevitabilmente ad una arretratezza cronica nell’innovazione, con conseguenti perdite di opportunità, se non addirittura perdita di competitività sui mercati e successiva chiusura.

Nella situazione di emergenza, aziende che non sono state in grado o non hanno voluto essere reattive e tempestive nel trasformare i loro processi hanno subito gravi perdite, se non veri e propri fallimenti.

4. Il reparto IT non può stare costantemente al passo

In molte aziende il reparto che si occupa della gestione informatica è sommerso dalle attività, molto spesso legate al mantenere operativi i sistemi presenti e ove possibile apportare modifiche o aggiornamenti prioritari.

Questo si traduce in una mole di lavoro molto elevata, di cui innovare e testare nuove soluzioni rappresenta una porzione troppo minuscola. Va poi ammesso che la velocità con cui le competenze e soluzioni diventano obsolete è in continuo aumento, rendendo ancora più gravoso recuperare terreno su questi fronti.

Questo specifico momento storico ha però visto un generale risveglio delle organizzazioni tech in tutte le industrie. 

Interventi strutturali spesso rimandati per maggiori urgenze, aumenti di budget bloccati da tempo ed un calo di attività routinarie ha aperto nuove opportunità per esplorare nuove soluzioni e fare innovazione. Questo ha permesso a molte aziende di far procedere le operations, mantenere (se non aumentare) le revenue e in alcuni casi apportare cambiamenti da tempo attesi in azienda.

5. La gente non pagherà prezzo pieno per qualcosa solo digitale

L’ultimo preconcetto di cui parliamo si basa sulla percezione della propria clientela, spesso vista come ancora legata a dinamiche e prodotti “tangibili”, in cui la componente digitale non è preponderante.

La situazione sta però velocemente cambiando e servizi e prodotti comunemente comprati tramite canali fisici sempre più spesso passano per nuovi canali digitali: basta osservare l’esplosione di servizi di delivery e vendita online.

I prodotti e servizi stessi stanno diventando sempre meno “fisici” e sempre più digitali, dai libri in formato ebook ai software venduti su abbonamento piuttosto che in copia unica.

I consumatori sono sempre più abituati a consumare ed acquistare prodotti e servizi digitali, e ogni azienda che non si adeguerà verrà irrimediabilmente danneggiata sul suo rapporto con la clientela.

Per capire come il COVID abbia reso questa verità ancora più vera, occorre capire gli effetti che ha portato sulle industrie e sui consumatori.

Spingere sull’acceleratore: COVID e digital transformation

Questi anni di pandemia hanno avuto un effetto dirompente sulla velocità e la profondità del cambiamento intrapreso da moltissime aziende di ogni settore.

Secondo la “McKinsey Global Survey of executives” elaborata tra il 7 e 31 Luglio 2020, parliamo di un’accelerazione della digitalizzazione delle interazioni coi clienti e dei processi interni di 3 o 4 anni.

Se guardiamo ai prodotti la situazione è ancora più chiara: la porzione di prodotti digitali nel loro portfolio ha accelerato di 7 anni.

Oltre a questi dati, gli investimenti in iniziative digitali sono aumentati più di ogni altra voce di spesa, e molti manager si sono detti positivi che si tratti di una tendenza che proseguirà in futuro, più che di un momentaneo balzo.

Questo ci dice due cose molto importanti:

• Le industrie che hanno saputo muoversi rapidamente hanno avuto grandi vantaggi dalla trasformazione digitale
• La digitalizzazione diventa non una questione di efficienza, ma un vero e proprio vantaggio competitivo di valore strategico sul mercato.

Andiamo a vedere più nel dettaglio perché questi cambiamenti sono avvenuti ora e non prima e quali ci si aspetta proseguiranno in futuro.

Perché ora e cosa proseguirà

La domanda spontanea da porsi, alla luce della velocità con cui è stato possibile apportare cambiamenti anche significativi, è:

“Perché non è stato fatto prima?”

Secondo la survey, più della metà degli intervistati ha detto che semplicemente non erano una priorità del business.

Indagando più a fondo su quali fossero le barriere a questa trasformazione, troviamo alcune interessanti riflessioni:

• Molto citano il fallimento nella prioritizzazione
• Circa 1/3 degli intervistati in ambito B2B indica paura della resistenza dei clienti al cambiamento, contro invece il 24% degli intervistati in ambito B2C
• Infine, le cause maggiori individuate sono di tipo organizzativo e tecnologico: cambiamenti troppo impegnativi nei processi adottati, infrastrutture IT insufficienti, frammentazione delle funzioni aziendali.

Nonostante questi dubbi, molto è stato fatto sul fronte della trasformazione digitale in azienda, ma resta lecito chiedersi cosa rimarrà in futuro. 

Sempre secondo la survey di McKinsey, in realtà molti aspetti saranno presenti anche terminata completamente la situazione pandemica, e la realtà dei fatti attuali lo sta dimostrando.

Tra i maggiori effetti che probabilmente rimarranno troviamo:

• Cambiamento delle necessità e aspettative dei consumatori
• Incremento di adozione del cloud
• Maggiore spesa per la gestione dei dati
• Aumento della richiesta per servizi e acquisti online

Gli ingredienti per il successo

Osservare aspettative ed opinioni su futuri progressi è certamente importante per avere il polso di dove si muova il mercato, ma occorre forse capire quali sono state le cause che hanno permesso a certe aziende di avere successo, non solo sopravvivendo alla crisi ma in molti casi aumentando il proprio fatturato.

Osservando la situazione degli intervistati, le aziende di successo hanno due importanti elementi distintivi: sono stati i primi nelle loro industrie a sperimentare con nuove tecnologie, e investono più dei loro competitors in sviluppo digitale.

Se volessimo dare una lista di capacità che sono risultate essenziali per affrontare con successo la sfida di una trasformazione digitale rapida, potremmo invece individuale in:

• Uso avanzato di tecnologie digitali pre crisi
• Primi a sperimentare e arrivare sul mercato
• Accessibilità di talenti in tecniche digitali e analitiche
• Capacità di gestione di rischi e opportunità legati ai dati e alla cybersecurity

Dallo studio emerge come diversi settori ed aziende che hanno investito nella digital transformation prima e durante la crisi ne abbiano tratti vantaggi concreti, e che siano intenzionati sempre più ad allineare gli obiettivi aziendali ad una strategia digitale ampia e proattiva.

Se questi risultati riflettono un trend a livello internazionale, recenti studi hanno dimostrato come il mercato italiano abbia ancora più da guadagnare da questo tipo di trasformazione. Per dimostrarlo, basta osservare l’ecommerce e la sua recente crescita vertiginosa.

Caso pratico di digital transformation: l’esplosione dell’ecommerce in Italia

Come molte ricerche e statistiche hanno dimostrato negli anni, l’Italia è spesso stata fanalino di coda in Europa e nel mondo per lo sviluppo digitale, sia lato consumatori che lato aziende.

Ma questa tendenza sistemica, come molte altre situazioni immobili del mercato italiano, hanno subito forti scossoni nel corso della pandemia. Se da un lato abbiamo avuto effetti negativi che ancora ora si trascinano, sono anche emersi processi di cambiamento ed innovazione virtuosi, che hanno portato il nostro Paese a registrare numeri di rilievo.

Nel 2020, in cui la pandemia ha impattato drammaticamente ogni attività, le attività attinenti all’ambito e-commerce hanno registrato un +3% sulle vendite totali. Visto in prospettiva dell’intero mercato, si tratta già di un risultato rimarchevole, ma non eccezionale.

Ha invece colpito positivamente quanto emerge dai dati sul settore dell’Osservatorio eCommerce b2C Netcomm – School of Management Politecnico di Milano. 

Questo 2021 si appresta infatti a chiudere con un valore dell’ecommerce paria 39 miliardi di Euro, poco in termini assoluti rispetto al resto dell’Europa (in Francia e Germania vale rispettivamente 112 e 93,6 miliardi), ma che rappresenta una crescita del +19% sull’anno precedente. 

Osservando il rapporto Netcomm, emerge come vi siano grandi differenze tra nazioni, tra le quali l’Italia appare indietro rispetto alla trasformazione digitale portata avanti da altri paesi. Per contesto, a livello globale (3,5 miliardi di consumatori) la spesa media a testa risulta di 703 dollari l’anno, rispetto ad 619 dollari di un consumatore medio italiano (-12%).

Quali opportunità offre l’e-commerce alle aziende italiane?

Ad ora, l’e-commerce e l’adozione di nuove tecnologie innovative rappresenta un’importante opportunità per le PMI italiane su diversi fronti.

A livello di mercato, il nostro Paese sta vivendo e continuando lungo una trasformazione delle modalità con cui acquistiamo e consumiamo prodotti e servizi. L’aumento dell’uso del digitale come canale d’acquisto, il ruolo sempre più rilevante del mobile nelle nostre interazioni di tutti i giorni, un contesto di regolamentazioni in rapida evoluzione; sono nuove sfide che si presentano alle imprese sul mercato.

Accedere al mercato digitale per molte PMI significa non solo raggiungere direttamente il consumatore finale, ma anche aprirsi a nuovi mercati esteri, ricchi di opportunità per realtà specializzate ed in forte crescita.

Ma cosa blocca al momento tutto questo?

In molti casi giocano a sfavore la mancanza di competenze mature interne, la difficoltà di gestione del processo di cambiamento aziendale portato dalla digitalizzazione, e un generale disallineamento tra obiettivi aziendali e strategia digitale.

Tutte queste condizioni rendono la trasformazione digitale un processo difficile da affrontare, ma i cui benefici sono oggi più che mai importanti.

Conclusione sulla digital transformation

In conclusione, la Digital Transformation è oggi più che mai un processo chiave da portare avanti per le aziende che intendano crescere in futuro.

Abbiamo approfondito di come non si tratti solamente di acquisire le ultime innovazioni e cercare di integrarle all’interno dei propri processi, ma di una trasformazione che coinvolge ogni funzione aziendale e che deve essere declinata in maniera unica e coerente con le proprie necessità.

Molte aziende di diverse industrie hanno saputo intraprendere e stanno continuando con successo questa trasformazione in tempi record, rafforzati dai risultati ottenuti e facilitati da un cambio di prospettiva che sta avvenendo tra consumatori e aziende.

Per le aziende che intendono intraprendere processi di Digital Transformation, emergono alcuni punti chiave da considerare:

1. Partire dalle metriche chiave e dai bisogni dell’azienda
   La Digital Transformation non è qualcosa di uguale per tutti. Per avere successo deve essere basata sugli obiettivi aziendali, essere analizzabile secondo metriche oggettive ed affidabili, e rispondere ai bisogni chiari.

Intraprendere un vero processo di trasformazione digitale in un’azienda significa attuare un cambiamento radicale i cui effetti si estendono potenzialmente a tutte le funzioni aziendali. Questo può essere un rischio ma anche un’importante opportunità: le aziende che riescono a rendere il processo un'occasione di crescita e diffusione della cultura dell’innovazione ne trarranno vantaggi in termini di efficienza e collaborazione.

Le aziende che compiono con successo questa trasformazione lo fanno affidandosi ad attori, interni od esterni, dalle competenze solide e in grado di costruire e mantenere le infrastrutture necessarie per raccogliere tutti i benefici. Sempre di più il vero vantaggio competitivo delle aziende sarà la capacità di accedere e sviluppare  competenze digitali avanzate, in grado di tenere il passo con il mercato.

Abbracciare la Digital Transformation significa saperla applicare ad ogni aspetto della propria azienda. Le nuove tecnologie possono efficientare i processi, migliorare gli strumenti utilizzati, abilitare le persone a raggiungere nuovi e sfidanti obiettivi, ma anche far nascere e crescere nuovi modelli di business.

Le realtà che saranno in grado di intraprendere questo percorso e adottarne la mentalità si porranno come leader delle rispettive industrie, aumentando la loro capacità di adattamento davanti a sfide future e aprendo a nuove opportunità di crescita.

Nel corso dell’ultimo anno ti sarà capitato di sentir parlare di Messy Middle in relazione ai processi decisionali e di vendita che coinvolgono i consumatori, ma in cosa consiste di preciso questa teoria?

Il Messy Middle è un nuovo modello sviluppato dai ricercatori di Google Alistair Rennie and Jonny Protheroe per spiegare il caotico percorso che il consumatore compie tra il momento in cui realizza di aver bisogno di un prodotto o di un servizio e il momento in cui finalizza l’acquisto.

Per dirlo con le parole della ricercatrice Rachel Powell, il Messy Middle è “tutto ciò che il consumatore pensa, vede, fa, cerca e viene influenzato da tra il momento del trigger e l’acquisto”

In questo articolo troverai:

• Perché è importante conoscere il Messy Middle
• La descrizione del processo decisionale
• I bias coinvolti 
• Come navigare il Messy Middle

Perché è importante conoscere il Messy Middle

La ricerca condotta dal team di Market Insights interno a Google ha evidenziato come al giorno d’oggi i processi di acquisto non seguano più un andamento lineare. È quindi giunto il momento, secondo i ricercatori, di abbandonare il concetto di funnel e abbracciare un nuovo modello che tiene conto della forte influenza del mondo virtuale sui nostri acquisti, anche se questi avvengono offline.

È pertanto cruciale per tutti coloro che vendono i propri prodotti online o offline capire quali sono le fasi attraversate da un consumatore prima dell’acquisto e individuare le giuste azioni da compiere per aiutarlo a uscire da questa intricata fase intermedia e compiere una scelta.

Ti presentiamo ora alcuni dati interessanti per inquadrare la situazione:

• Gli acquisti online rappresentano oltre il 20% delle vendite al dettaglio, e sono in costante crescita in seguito alla pandemia da Covid-19 (2020, Digital Commerce 360)
• Il 53% dei consumatori dichiara di effettuare ricerche online prima di acquistare per prendere la migliore decisione possibile (Think with Google)
• L’aggettivo più frequentemente associato alla ricerca di un prodotto o servizio non è più “cheap”, ma è “best”: i consumatori non si rivolgono ai motori di ricerca per trovare la soluzione più economica, ma per trovare la migliore. Capire come il concetto di migliore sia declinato per ciascun possibile acquirente rappresenta per i venditori un punto di forza in grado di attirare clienti e incrementare le vendite.

Il processo decisionale

Vediamo ora come la ricerca di Google ha scelto di rappresentare il percorso compiuto dai consumatori.

Fonte: Think with Google

Una delle principali innovazioni portate dal modello Messy Middle è l’assenza di uno “Zero Moment Of Truth”: i consumatori sono costantemente (e spesso inconsapevolmente) esposti a un'enorme offerta di prodotti e brand. Questa pressoché infinita disponibilità genera un trigger, ossia l’impulso di comprare un bene o un prodotto che l’acquirente reputa necessario. Il trigger condurrà in seguito all’acquisto attraverso un intricato processo che andremo ora ad analizzare.

Una volta realizzato il suo nuovo bisogno, il consumatore inizia una fase di raccolta di informazioni detta esplorazione (nel grafico sopra indicata come Exploration). Si tratta di un momento di tipo espansivo, che porterà alla scoperta di nuovi brand e prodotti e alla raccolta di informazioni su di essi.

Una volta raccolte le informazioni inizia una seconda fase di tipo riduttivo, detta valutazione (nel grafico sopra indicata come Evaluation), in cui il consumatore restringe la propria scelta eliminando alcuni candidati.

È però molto probabile che durante questa fase emergano nuove informazioni o nuovi brand che portano l’acquirente a cominciare una seconda fase di esplorazione, a cui seguirà poi una nuova fase di valutazione. Questo loop è destinato a ripetersi finché il consumatore non entra in possesso delle informazioni necessarie a prendere una decisione.

Quando finalmente l’utente giunge all’acquisto vivrà delle esperienze legate al processo di acquisto, di consegna e di fruizione del bene. È cruciale che queste fasi siano tutte positive, così da assicurarsi la soddisfazione e la fidelizzazione del cliente.

Data la grande mole di informazioni disponibili online, l’alternarsi di esplorazione e valutazione sembrerebbe destinato a ripetersi all’infinito: ci sarà sempre un nuovo prodotto o una nuova recensione in grado di far cambiare idea a che si appresta ad acquistare. È qui che entrano in gioco bias e shortcut cognitivi che vengono utilizzati dai consumatori per uscire dal Messy Middle. Questo tipo di ragionamenti è molto comune e utilizzato a livello inconscio per prendere decisioni in maniera veloce ed efficace, senza ponderare tutte le possibili opzioni ogni volta che ci si trova di fronte a una scelta.

I bias

Presentiamo in seguito i bias che influenzano maggiormente la parte emozionale e impulsiva del cervello umano e che, di conseguenza, possono condurre il consumatore fuori dal Messy Middle

Queste “scorciatoie” mentali vengono applicate sia online che nella vita reale, indipendentemente dallo stato d’animo e dal mindset della persona.

Euristiche di categoria

In un mondo caotico e veloce le persone si affidano a regole generali per compiere le proprie scelte; una breve descrizione delle caratteristiche chiave del bene è pertanto in grado di semplificare il processo decisionale.

Prova sociale

I consumatori tendono a fidarsi di chi ha acquistato prima di loro, e tengono in elevata considerazioni recensioni e raccomandazioni dei loro pari

Bias di Autorità

L’approvazione di un esperto o di una figura autorevole (o percepita come tale) è in grado di influenzare fortemente le decisioni dei consumatori.

Bias di scarsità

Per un innato istinto umano di sopravvivenza, un prodotto con disponibilità limitata apparirà più appetibile e indurrà il consumatore ad acquistare in fretta per paura di non riuscire più a trovarne.

Potere dell’immediatezza

Un bene risulta più interessante se è possibile averlo a disposizione in tempi brevi.

Potere della gratuità

Un omaggio, anche se non correlato strettamente al prodotto o servizio acquistato, è in grado di influenzare fortemente le scelte del consumatore.

Come navigare il Messy Middle

Il più importante concetto da ricordare per fare ciò è che non bisogna forzare i consumatori ad uscire dal loop, ma fornire loro le informazioni e le rassicurazioni necessarie affinché compiano questo passo autonomamente.

Vediamo ora alcuni consigli per avere successo nel caotico mondo del Messy Middle.

• Essere presenti nella mente del consumatore durante la fase di esplorazione: un cliente non può considerare di comprare un prodotto che non conosce. La ricerca condotta da Google ha evidenziato quanto la sola presenza di un brand possa influire sulle decisioni: un terzo degli intervistati ha cambiato la propria scelta in termini di marchio preferito quando è stata presentata un’alternativa.
• Applicare intelligentemente e responsabilmente le teorie di scienze comportamentali per rendere interessante la propria proposta. Ad esempio, evidenziare le recensioni positive ricevute o inserire un omaggio sono soluzioni semplici ed economiche per finalizzare consumatori indecisi.
• Ridurre il più possibile lo spazio tra trigger e acquisto così da limitare la possibilità che il cliente consideri alternative offerte dalla concorrenza.
• Condurre test e sperimentare continuamente in termini di piattaforme, media e audience per capire cosa funziona e dove innovare.
• Lavorare in team flessibili e cross funzionali per evitare isolamento tra le funzioni e perdita di informazioni.

Conclusione

Per concludere, possiamo pensare al Messy Middle come a un complesso spazio tra trigger e acquisto in cui è possibile sia guadagnare che perdere clienti, anche in base alla propria capacità di individuare ciò di cui il consumatore ha bisogno in quel momento. Per approfondire l’argomento e capire come l’analisi di dati e il monitoraggio delle proprie piattaforme possono aiutare le aziende a navigare il Messy Middle, ti consigliamo il nostro webinar a tema; Stefano, partner e fondatore di Digital Pills, spiegherà nei dettagli come è strutturato questo modello e quali sono le implicazioni e gli effetti sulle attività delle imprese. 

Qui invece puoi trovare l’articolo pubblicato da Google, con all’interno il report completo contenente  i risultati della ricerca.