L'acquisizione di nuovi clienti è senza dubbio una componente essenziale per la crescita di qualsiasi e-commerce. Tuttavia, troppo spesso ci concentriamo esclusivamente su questo aspetto, trascurando una fonte di valore altrettanto significativa e spesso sottovalutata: i nostri clienti esistenti. Con una concorrenza sempre più agguerrita e costi di acquisizione in costante aumento, la fidelizzazione e il coinvolgimento dei clienti rappresentano una risorsa preziosa, spesso trascurata.

Le strategie di engagement e riattivazione dei clienti esistenti rivestono un ruolo cruciale nella crescita sostenibile di un'azienda. La chiave per il successo di un e-commerce non è solo attirare nuovi visitatori, ma anche mantenere una base di clienti fedeli: hanno già dimostrato un interesse nei nostri prodotti o servizi e, quindi, presentano un potenziale enorme in termini di aumento delle vendite e della redditività.

Per un cliente e-commerce con modalità di vendita a subscription mensile abbiamo analizzato i dati transazionali dell’ultimo anno, costruendo un data model che consentisse di categorizzare gli utenti nelle diverse tipologie di segmenti. Abbiamo poi realizzato una dashboard per permettere la visualizzazione di questi cluster e dei movimenti degli utenti attraverso le diverse categorie per monitorare la customer retention.

Fase 1. Identificazione della NSM

La "North Star Metric" (NSM) è una metrica chiave utilizzato nell'ambito del business e del product management per valutare il successo di un'azienda o di un prodotto. La sua caratteristica distintiva è che rappresenta l'obiettivo principale dell'azienda o del prodotto, che va al di là delle metriche di superficie o delle prestazioni a breve termine.

La North Star Metric è spesso una metrica strategica che riflette il valore fondamentale che un'azienda offre ai suoi clienti o utenti. Questo indicatore deve essere scelto con cura perché è fortemente correlato alla crescita e alla sostenibilità a lungo termine del business. La sua importanza sta nel fatto che fornisce una guida chiara per l'azienda e per i vari team, consentendo loro di concentrare le risorse e gli sforzi su ciò che è veramente significativo.

Considerando il modello di business del nostro cliente, che vende prodotti a subscription mensile, in questa prima fase di data strategy abbiamo identificato attraverso un workshop partecipativo la NSM: gli Utenti Attivi, ovvero utenti che hanno effettuato almeno 1 acquisto nell’ultimo mese e che hanno acquistato anche nel mese precedente.

Fase 2: Raccolta e integrazione dei dati

Una volta definita la North Star Metric abbiamo effettuato una mappatura delle fonti dati che permettevano di avere queste metriche: abbiamo quindi considerato i dati transazionali (dal database acquisti) e dati comportamentali (dalle piattaforme di analytics, in questo caso erano Google Analytics 4 e Piwik PRO).

Abbiamo poi sviluppato dei connettori ETL che permettessero di effettuare giornalmente uno scarico di questi dati per integrarli fra di loro in un data warehouse su infrastruttura AWS.

Fase 3: Identificazione dei cluster e costruzione della dashboard in Power BI

Abbiamo quindi identificato i seguenti cluster:

• Utenti Attivi: utenti che hanno effettuato almeno 1 acquisto nell’ultimo mese e che hanno acquistato anche nel mese precedente
• Nuovi Utenti: utenti che hanno effettuato il primo acquisto nell’ultimo mese
• Utenti Riattivati: utenti il cui ultimo acquisto risale all’ultimo mese ma che non acquistavano da più di un mese e da meno di due 
• Utenti Resuscitati: utenti il cui ultimo acquisto è nell’ultimo mese ma che non acquistavano da più di due mesi
• Rischio 1: utenti il cui ultimo acquisto risale a più di un mese ma meno di due
• Rischio 2: utenti il cui ultimo acquisto risale a più di due mesi ma meno di tre
• Rischio 3: utenti il cui ultimo acquisto risale a più di tre mesi fa

Per ultimo abbiamo progettato una dashboard in Power BI per permettere la visualizzazione dei cluster e dei movimenti tra cluster.

Fase 4: Attivazione

Grazie a questo progetto i team di marketing, prodotto e business sono ora in grado di avere a portata di mano l’andamento dell’e-commerce, ad avere insight per attivare nuove strategie digitali e soprattutto per misurarne le performance.

Ad oggi il cliente ha deciso di lavorare su questi filoni:

• Fidelizzazione dei nuovi utenti: ha implementato una serie di attività volte a portare i nuovi utenti a utenti attivi, lavorando su un onboarding in seguito al primo acquisto per incentivare il secondo acquisto il mese successivo (ricordiamo che il cliente vende box a subscription mensile).
• Mantenimento degli utenti attivi con una serie di attività come: creazione di un programma di fedeltà e un maggiore coinvolgimento in anticipazioni e anteprime dei nuovi prodotti.
• Riattivazione dei clienti a rischio 1 e rischio 2 per recuperarli attraverso alcune promozioni speciali.

Se vuoi ricevere i prossimi articoli via mail iscriviti alla newsletter: arriva il giovedì (a volte ogni settimana, a volte ogni due, dipende da quante cose abbiamo da raccontare). Se vuoi leggere altre analisi qui trovi un esempio di RFM analysis sul database di un e-commerce, qui puoi trovare un'altra analisi fatta sui comportamenti di acquisto degli utenti e qui invece trovi 5 best practice per ottimizzare la customer experience.

​​Comprendere la propria base di utenti è fondamentale per anticipare le tendenze del mercato e offrire esperienze personalizzate che soddisfino le esigenze e i desideri dei clienti. 

In questo contesto, la segmentazione degli utenti emerge come uno strumento cruciale per il successo della strategia digitale (ma non solo). In particolare le aziende che acquisiscono una comprensione dei comportamenti d'acquisto dei propri clienti e che sono in grado di segmentare gli utenti sulla base dei dati riescono a ottimizzare le performance delle iniziative di marketing, offrendo alla propria customer base esperienze migliori.

Un aspetto centrale di questa comprensione è la distinzione tra due aspetti fondamentali che influenzano le decisioni d'acquisto: il brand e il prezzo.

Per alcune categorie di consumatori, la fedeltà al brand è il principale motore d'acquisto. Questi clienti cercano specifici marchi e attribuiscono un alto valore all'affidabilità e alla reputazione del produttore.  Per altri, invece, il costo e le offerte sono il fattore predominante. Questi clienti sono orientati al budget e sono spesso alla ricerca di opportunità di risparmio.

In questo articolo raccontiamo un’analisi del comportamento di acquisto e della ricerca dei prodotti dei clienti dell’ecommerce, con l’obiettivo di comprendere come fosse composta la base utenti e se fossero necessarie particolari segmentazioni nella promozione. L'analisi è stata effettuata in preparazione al Black Friday, ma si tratta di un'attività che porta valore strategico al di là della stagionalità di specifici eventi.

Prima di andare nel dettaglio, se vuoi ricevere articoli come questo direttamente nella tua casella email puoi iscriverti alla nostra newsletter, arriva il giovedì mattina.

Fase 1 - Analisi del comportamento

Abbiamo analizzato i dati con il fine di segmentare gli utenti in 4 categorie, sulla base dell’importo medio speso per paio di scarpe e della fama dei brand acquistati.

Abbiamo calcolato la fama del brand sulla base di quanto un brand veniva cercato, considerando la ricerca interna sul sito (numero di ricerche), l’interazione con i filtri nelle pagine di listing (numero di click sui filtri) e le ricerche organiche contenenti un brand (numero di click sui risultati di ricerca).

Per quanto riguarda il price point abbiamo assegnato un punteggio sulla base del prezzo medio di vendita per categoria prodotto, normalizzandoli per renderli confrontabili.

Per le analisi abbiamo considerato le vendite online per circa 6 mesi, i dati di Google Search Console (per le ricerche organiche) e Google Analytics 4 (per la ricerca interna e l’interazione con i filtri).

Fase 2 - Creazione dei segmenti

Con l'analisi dei dati a disposizione abbiamo i 4 segmenti di utenti che potete osservare di seguito

Price funzionali: utenti attratti dal basso costo e principalmente dalla funzionalità del prodotto

Price seeker: utenti che cercano l’affare, attratti dai prodotti di brand conosciuti ma restii a comprarli ad un prezzo elevato

Brand follower: utenti che seguono la moda e la sua stagionalità, basano gli acquisti sul brande e il prezzo per loro non rappresenta un limite per l’acquisto

Brand seeker: utenti attratti un particolare brand di nicchia, anche per loro il prezzo del prodotto non risulta essere una barriera per l’acquisto

Fase 3 - Benefici e azioni

Conoscenza approfondita degli utenti

Queste analisi hanno permesso al cliente di conoscere a fondo gli utenti, il loro comportamento di acquisto, le preferenze in termini di prodotti. Di conseguenza è possibile lavorare meglio sulla fidelizzazione, sull’ottimizzazione della comunicazione, sulla riduzione dei tassi di abbandono del carrello e sulla retention. Vale la pena ricordarlo: si tratta di una conoscenza utile a prescindere da eventi come Black Friday o Prime Day.

Segmentazione delle iniziative

Basandosi sulle preferenze degli utenti, è stato possibile per il nostro cliente progettare campagne mirate che si allineano alle preferenze di ciascun segmento, personalizzando la comunicazione email, l’esperienza su sito e le promozioni. In questo modo ha deciso di indirizzare risorse specifiche verso gruppi di utenti che sono più inclini a rispondere positivamente, aumentando il ROI.

Puntare su Price Seeker e Price Funzionali

In ottica di Black Friday i segmenti su cui il nostro cliente ha deciso di puntare maggiormente sono stati i Price Seeker e i Price Funzionali, che per le loro caratteristiche e per i loro comportamenti di acquisto sono sicuramente più propensi ad acquistare in momento di sconti. 

Ti è piaciuto questo articolo? Trovi altri casi studio come questo nel report in preparazione al Black Friday. Se invece vuoi approfondire il tema della segmentazione, qui trovi un progetto di Keyword Clustering che potrebbe interessarti, in alternativa puoi leggere qui il racconto di una RFM Analysis.

Se invece vuoi fare una chiacchiera per approfondire puoi scriverci compilando questo form.

Molte aziende che operano nel settore del retail stanno affrontando sfide sempre più complesse per rimanere competitive e soddisfare le esigenze dei consumatori. Un nostro cliente, specializzato in rivendita di abbigliamento sportivo sia online che offline, ha riconosciuto l'importanza cruciale della raccolta e analisi dei dati per la crescita omnicanale. 

In questo breve contenuto racconteremo uno dei progetti a cui abbiamo lavorato in quest’ottica: un’attività di keyword clustering volta a comprendere al meglio quali fossero le keyword che portavano traffico organico al sito, in modo da comprendere cosa funzionava e soprattutto quali fossero invece le aree che richiedevano intervento.

In merito a questo tema esigenze principali del cliente erano due:

1. Valutare le performance del sito web: il cliente desiderava avere una visione chiara e dettagliata delle performance del suo sito web. In particolare, una delle sfide più importanti era l'identificazione delle query di ricerca che portavano i visitatori al suo sito web.
   
2. Ottimizzare la strategia SEO: una volta identificate le query di ricerca, il cliente intendeva utilizzare queste informazioni per migliorare il posizionamento del sito nei motori di ricerca, aumentare la visibilità online e ottenere insight volti a supportare il canale offline. 

Per soddisfare queste esigenze, abbiamo condotto un'analisi delle keyword utilizzate dagli utenti che hanno raggiunto il sito web.

In questo caso studio condivideremo l'approccio gli output di questa analisi di clustering delle keyword, evidenziando come questi dati possano contribuire a migliorare le performance non solo del sito web ma in generale di tutte le strategie di promozione sia online che offline.

Prima di procedere: se vuoi ricevere ogni settimana i nuovi articoli, casi studio e aggiornamenti sul mondo dei dati puoi iscriverti alla nostra newsletter.

Che cosa abbiamo fatto

Abbiamo prima di tutto effettuato una prima analisi sulla distribuzione delle keyword e dei click per tipologia di keyword, in modo da avere una visione di alto livello di come le varie keyword contribuiscono nel portare traffico organico al sito.

Abbiamo in seguito utilizzato i dati di Google Search Console per eseguire il clustering sulle parole chiave che hanno portato traffico al sito web nel periodo analizzato.

Identificazione dei cluster

Per la clusterizzazione abbiamo provveduto ad una differenziazione tra segmenti di keyword di brand (ovvero keyword che contenevano il nome del brand del nostro cliente) e segmenti di keyword senza brand.

L’algoritmo di clusterizzazione ha identificato 7 cluster differenti.

Cluster 0 - query branded e offline-oriented. Si tratta di traffico che sta cercando informazioni sui negozi offline del cliente e che può essere sfruttato in ottica omnichannel.

Cluster 1 - query branded e legate a prodotti (zaini, softshell…). Traffico fidelizzato e che conosce il brand, molto probabile che converta.

Cluster 2 - query legate a brand specifici di abbigliamento sportivo che non includono il brand del cliente. Si tratta quindi di persone che hanno in mente un prodotto specifico ma non stanno cercando il rivenditore. Potenziale di espansione e miglioramento grande, ma molta competizione.

Cluster 3 - query legate ai prodotti per donna, sia collegate a brand specifici che a categorie di prodotto (pantaloni donna, antipioggia donna primavera 2023).

Cluster 4 - query collegate a “piumini”. Probabilmente influenzata dal periodo invernale, da ripetere nel corso dell’anno per vedere quanto può pesare sull’economia annuale del sito. Nei mesi invernali circa il 10% delle parole chiave totali e dei click.

Cluster 5 - query collegate in generale al mondo “abbigliamento sportivo”, si evidenziano molte query quasi di content marketing tipo “taglie pantaloni alpinismo” su cui il sito sembra ben posizionato ma che sono difficilmente convertibili. 

Cluster 6 - query collegate a “cappelli”. Valgono stesse considerazioni della 4, con la differenza che sono il 5% del totale delle query e il 2% dei click circa.

Prima di procedere due note sulla metodologia di identificazione dei cluster

Il processo

Si tratta di un processo eseguito da Digital Pills con algoritmi proprietari senza supporto di software SAAS o strumenti terzi (es. Chat GPT). Ricordiamo infatti che è fondamentale non condividere dati potenzialmente riservati con piattaforme che hanno politiche di condivisione dei dati stessi con terzi o per il training di modelli. 

Le fasi del dell’attività sono state le seguenti

1. Download dei dati di Google Search Console (keyword e numero di click che hanno portato sul sito)
2. Pulizia dei dati (es. rimozione delle stop words, conversione a lower case etc.)Implementazione dell’algoritmo per l’identificazione del numero ottimale di cluster
3. Run del K-means che ha restituito i 7 cluster di appartenenza delle keyword
4. Caratterizzazione dei cluster (distribuzione e composizione dei cluster tramite grafici e wordcloud)

La soluzione: una dashboard per prendere decisioni

Una volta ottenuti i cluster abbiamo poi creato una dashboard che ha permesso al cliente di visualizzare in real time l’andamento delle performance del sito sui vari cluster di keyword.

Per ogni cluster di keyword, come si può vedere dal grafico sotto, abbiamo analizzato il numero di click che hanno portato al sito:

Per andare più nel dettaglio poi, abbiamo costruito uno scatterplot, detto anche grafico a dispersione.

Nel grafico che segue si possono osservare due variabili di un set di dati distribuite in uno spazio cartesiano: vediamo i Click sull’asse delle X e il Click Through Rate sull’asse delle Y.

Ogni punto rappresenta una keyword, mentre a colore diverso corrisponde un diverso cluster.  Le linee tratteggiate invece rappresentano le due medie: una parte l’average CTR e l’average di click.

Questo tipo di grafico permette di fare analisi granulari, permettendo di identificare quali sono i cluster di keyword su cui concentrarsi per migliorare le performance del sito.

Vediamo un esempio. 

Nell’immagine che segue si trova il dettaglio del cluster 0, che è quello di query branded e offline-oriented, con per esempio parole chiave come NOME BRAND + CITTÀ e altre parole.

Se ci concentriamo ad esempio sul quadrante in basso a sinistra (quello in sono disposte keyword con click e CTR al di sotto della media), vediamo che è per la maggior parte composto da keyword contenenti il nome del brand seguito dal nome della città e dalla parola ‘orari’ o ‘foto’.

Da questa prima analisi emerge un bisogno degli utenti specifico: ottenere informazioni in merito a orari e foto del negozio offline in una specifica città.

In questo caso è probabile che le performance del sito siano sotto la media poiché Google mostra già i risultati della ricerca all’interno della SERP senza che sia necessario cliccare sui link dei risultati di ricerca.

Una granularità di questo tipo permette quindi di intraprendere azioni specifiche, come in questo caso adottare delle strategie volte ad indicizzare contenuti, come ad esempio gli orari di apertura, anche su canali diversi dal sito web (come per esempio i social).

Conclusioni

In queste poche righe abbiamo esplorato l'importanza di un'analisi delle keyword come punto di partenza per ottimizzare una strategia SEO.

L'identificazione dei cluster di keyword può rappresentare una preziosa fonte di quick win, consentendo di migliorare la visibilità del sito web sui motori di ricerca e attrarre un pubblico più ampio e interessato. Inoltre una visualizzazione così granulare come quella della scatterplot permette di fare interventi specifici e molto mirati per cluster di keyword, rendendo l’ottimizzazione delle performance del sito molto più mirata.

Sottolineiamo anche che questo tipo di analisi risulta anche utile nell’ottica di una strategia omnicanale: alcuni cluster sono correlati alle esperienze offline dei clienti e comprendere le loro esigenze è fondamentale per lo sviluppo di contenuti online agevolino la loro conversione offline.

Se ti interessa la clusterizzazione degli utenti qui puoi trovare un articolo che parla di RFM e clustering analysis per l'ottimizzazione del budget e del lifetime value. Potresti anche trovare utile la nostra guida per prepararsi al Black Friday, che offre spunti utili sulle analisi da fare per affrontarlo al meglio!

Vuoi ricevere i prossimi articoli via mail appena li pubblichiamo? Iscriviti alla nostra newsletter.

Capita spesso che non si sappia, fino in fondo, chi sono gli utenti del proprio e-commerce, della propria community o della propria app.

Questo non per lacune di qualche tipo ma perché, semplicemente, a volte non si hanno i dati, oppure non si hanno i mezzi per analizzarli.

È successo per esempio ad un nostro cliente, che è arrivato da noi con l’esigenza di capire chi fossero gli utenti attuali e comprendere le loro esigenze al fine di aumentare il fatturato generato dai canali digitali e supportare la vendita all’interno dei negozi fisici.

L’obiettivo del progetto era lavorare sulle seguenti metriche: l’aumento del ROI delle iniziative marketing, la riduzione dei costi media e del tasso di abbandono e l’aumento del lifetime value.

Per supportare il nostro cliente in questo processo siamo partiti da un’analisi RFM, con l’obiettivo di segmentare gli utenti del database in base al valore che avevano o che potevano assumere e separare gli utenti attivi o potenzialmente attivabili da quelli persi definitivamente.

Abbiamo considerato i parametri tipici della RFM Analysis:
- Recency: numero di giorni dall’ultimo acquisto
- Frequency: numero di acquisti durante il ciclo di vita dell’utente
- Monetary Value: totale del valore economico degli acquisti dell’utente

Siamo a quel punto arrivati alla definizione dei cluster di utenti, andando a caratterizzare ogni cluster, con un focus specifico su quello dei Champions, che rappresentavano il 22.6% degli utenti.

✅ Riduzione tasso di abbandono e aumento lifetime value: è stato ottimizzato l’e-commerce in funzione del reale utilizzo che ne fanno gli utenti. Sono state ad esempio create le descrizioni delle categorie e inseriti dei chiarimenti a proposito delle differenze tra le varie categorie, facilitando la ricerca per gli utenti.

✅ Aumento ROI e diminuzione costi media: le analisi hanno portato ad un riallineamento tra aspettative audience e base utenti effettiva e ad una comprensione profonda del need degli utenti per agire sulle campagne media, sui contenuti marketing, sull’ottimizzazione SEO e sulle campagne PR.

✅ Supporto decisioni strategiche, perché gli insight estratti dalle analisi sono stati valorizzati non a livello di prodotto digitale, ma soprattutto a livello di business. Sono stati infatti utilizzati per un’ottimizzazione e un allineamento della comunicazione tra shop online e offline, proposte commerciali, offerta e campagne di advertising.

Vuoi avere più informazioni sul questo progetto? Scrivici a hello@digitalpills.it

Se invece vuoi leggere altro, ti consigliamo questo articolo sempre dedicato al mondo retail oppure puoi scaricare il nostro report Dati e Retail: sfide e opportunità per il 2024.

Questo articolo è a cura di Euteco Loyalty Partner, specializzata nella raccolta della Voice of Customer, partner di Digital Pills.

Parleremo del Sistema VoC Strategy, di Experience Gap (il gap tra ciò che pensa l’azienda e ciò che effettivamente pensa il suo mercato), del Metodo Net Promoter e dell’indice NPS, riconosciuto a livello internazionale, degli altri KPI (Key Performance Index) che vengono utilizzati nella VoC Strategy e dell’importanza del processo ‘Ascolta, Analizza, Agisci’.

Il principale obiettivo di business dell’introduzione di una Voice of Customer Strategy in un’azienda è ridurre il tasso di abbandono dei clienti e acquisirne di nuovi tramite il passaparola positivo.

Quando un’azienda affronta l’inserimento della VoC Strategy, ci sono passi di estrema importanza perché il tutto diventi sistema e porti valore al business. Ogni step del metodo risulta essere determinante, dalla comunicazione ai contenuti, ai KPI scelti, fino al Close the Loop, ovvero la messa in atto di tutte le azioni di miglioramento che scaturiscono dalle indicazioni dei clienti.

Grazie ad una corretta impostazione di VoC Strategy si raccolgono “dati azionabili” che consentono di intervenire subito sulle criticità emerse; questo porta benefici ai clienti e soprattutto all’azienda che recupera clienti insoddisfatti e indirizza azioni di miglioramento.
Per gestire al meglio i dati raccolti, alcune Aziende alleggeriscono le funzioni interne di tutte le azioni operative della raccolta e analisi della Voce dei loro Clienti, delegandole a servizi in outsourcing: in questo modo si possono dedicare alle attività di miglioramento che scaturiscono dalle informazioni ottenute.

Chi beneficia in azienda della VoC Strategy?
- il Management perché ha una visione di che cosa pensa il mercato, criticità ed eccellenze; 
- la funzione Commerciale perché riesce a non perdere quote di mercato, ma ad aumentare il parco clienti; 
- il Marketing perchè emergono proposte di comunicazione mirata; 
- il Front Office che può intervenire in tempi brevi.

È meglio mantenere un cliente acquisito o acquisirne uno nuovo? Che domanda

È essenziale fare entrambe le cose. La crescita passa attraverso innovazione di prodotto e di servizio, acquisizione di nuovi clienti e mantenimento di quelli acquisiti. Facile, no?

Però Rob Yanker, Partner McKinsey, annunciò anni fa che acquisire un nuovo cliente può costare da 5 a 10 volte il mantenerne uno. E così, anche grazie alle possibilità tecnologiche, si sono sviluppati metodi e strumenti per fidelizzare i clienti attivando piani di ascolto strutturati per indirizzare azioni di miglioramento in base alle loro indicazioni. La Voice Of Customer è una disciplina.

Ascolta, analizza e agisci

Tutto inizia con l’ascolto.

Possiamo ascoltare la voce indiretta, cioè quando i clienti parlano della nostra azienda.

Ma la Voice Of Customer è ascoltare con un metodo strutturato e continuativo la voce diretta, cioè quello che hanno da dire i clienti quando parlano alla nostra azienda.

L’obiettivo è colmare l’Experience Gap, ovvero vedere i processi non con la visione interna, ma per come li percepiscono i clienti, che fanno la loro strada, non la nostra.

Non migliori ciò che non misuri

Oltre al metodo servono le giuste metriche, perché non si può migliorare ciò che non si misura. Ma attenzione all’errore che abbiamo visto in alcune aziende.
I KPI devono essere scelti e valutati in base ai differenti punti di contatto. Ogni KPI ha le sue specificità.

Vediamo i principali:

NPS (Net Promoter Score) misura la fedeltà.

Il metodo NPS identifica Promotori, Passivi e Detrattori. L’obiettivo è non avere Detrattori e far diventare i Passivi dei Promotori, così il passaparola diventa vincente.
È calcolato in una scala 0-10 e l'indice NPS (Net Promoter Score) è la % dei Promotori meno la % dei Detrattori.
Il suo utilizzo ottimale è per misurare la relazione overall tra azienda e mercato e opera indagini periodiche per clienti con caratteristiche omogenee (i nuovi, i dormienti, i più redditizi) e a valle di momenti di relazione chiave.

CSAT – CSI (Customer Satisfaction Index) misura la soddisfazione.

Le indagini di Customer Satisfaction aumentano l’ingaggio del cliente su argomenti che lo interessano.
È calcolato solitamente con una scala 1-5 e il KPI è la media dei voti oppure la % dei voti 4 e 5 sul totale.
Il suo utilizzo è ottimale dopo una interazione su un canale di contatto, come ad esempio la richiesta di assistenza

CES (Customer Effort Score) misura lo sforzo

CES mette a fuoco il livello di difficoltà che il cliente incontra per risolvere un problema.
È calcolato con una scala 1-7 e la media identifica il KPI.
Il suo utilizzo è ottimale per identificare gli ostacoli che il cliente incontra con le procedure e i supporti.

Definire il set di metriche per la giusta impostazione del sistema VOC è fondamentale, per avere dati azionabili.

Il sistema VoC Strategy

Quando un’azienda affronta l’inserimento della VoC Strategy, cioè raccolta e gestione della voce dei clienti, ha di fronte a sé un percorso definito perché il tutto diventi sistema e porti valore al business.

Dal coinvolgimento del Top Management e delle varie Business Unit, alla cultura aziendale, all’applicazione del metodo, alla scelta della piattaforma da utilizzare. Per ottenere un valido ritorno di business servono cultura, metodo e tecnologia. È importante non solo inserire la VOC Strategy, ma anche a renderla sistema.

Giuste domande, giuste persone, giusto tempo: le best practice più utilizzate

Impostare il Sistema VoC Strategy vuole dire analizzare la Customer Journey per impostare le domande che ci diano le informazioni utili, analizzare i dati a disposizione sui clienti, accedendo a tutti i silos aziendali e definire la giusta Roadmap.

Rilevazione relazionale: la fotografia di un definito Customer Set, impostata in modo periodico, utile per verificare successivamente gli andamenti. Ad esempio su può fare su tutti i clienti che abbiamo acquisito l’anno precedente, o su tutti i clienti aqcuisiti, oppure nel BtoB sui Partner commerciali. Dalle voci destrutturate, ovvero le voce libere in particolare nel Metodo Net Promoter, emergono gli insight di miglioramento.

Rilevazione transazionale: la rilevazione a valle di uno specifico evento, per capire eventuali difficoltà che il cliente ha percepito nella relazione che ha avuto con l’azienda. Può essere sia sul ticketing dell’assistenza, oppure a chiusura di un processo digitale come ad esempio a valle di un acquisto on line.

L’importante è agire, non misurare

Fare il ‘Close the Loop’, ‘rendere azionabili i risultati’, ‘attivare i piani di miglioramento’: comunque lo chiamiamo, questa è l'attività più importante da fare per ottenere risultati dai programmi di raccolta della voce dei clienti. Chiudere il cerchio dei feedback con azioni concrete deve diventare una parte fondamentale delle attività. È un passaggio essenziale del sistema di VoC strategy, senza il quale si ottiene solo un indice, ma si fallisce nel miglioramento della relazione e della fedeltà dei Clienti.  

Un buon processo di Close the Loop va oltre le organizzazioni interne, è cross funzionale e deve essere veloce.

Euteco Loyalty Partner

Dal 2011, il nostro mestiere è la VoC Strategy: raccogliamo la Voce diretta degli stakeholder e la trasformiamo in dati azionabili utili al business.

Completiamo gli O-DATA dell’Azienda (Operational Data) con gli X-DATA (Experience Data), cioè la Voce dei Clienti. Collaboriamo con le migliori piattaforme di Experience Management.

Abbiamo risorse certificate sul Metodo Net Promoter e Indice NPS (Net Promoter Score), uno dei metodi di analisi della Customer/Employee Experience più diffuso a livello internazionale.

Alla base dei nostri lavori c’è Tecnologia, Metodo e Cultura Aziendale. Per fornire risultati migliori, integriamo la nostra esperienza con un vivace ecosistema di Partner.

Se vuoi sentire come puoi lavorare con Digital Pills e Euteco Loyalty Partner compila questo form: