Roberto Carnazza - Come cambieranno le abitudini dei consumatori dopo la crisi sanitaria? I dati possono aiutare le aziende a intercettare i mutamenti in tempo reale e a muoversi di conseguenza - Rinascita Digitale | DAY #22
Negli ultimi anni le imprese italiane hanno sottostimato il valore dei dati nella scelta delle strategie di business, puntando spesso su target definiti in base ai comportamenti “standard” degli utenti online. Come cambieranno quindi le abitudini degli italiani online? Come possono i dati aiutare ad adeguarsi a questo cambiamento e migliorare le strategie di vendita post-coronavirus?
Similaire à Roberto Carnazza - Come cambieranno le abitudini dei consumatori dopo la crisi sanitaria? I dati possono aiutare le aziende a intercettare i mutamenti in tempo reale e a muoversi di conseguenza - Rinascita Digitale | DAY #22
Business Model ai tempi del Covid-19: come e quando fare "pivot"Lorenzo D'Amelio
Similaire à Roberto Carnazza - Come cambieranno le abitudini dei consumatori dopo la crisi sanitaria? I dati possono aiutare le aziende a intercettare i mutamenti in tempo reale e a muoversi di conseguenza - Rinascita Digitale | DAY #22 (20)
Mariano Spalletti - 10 consigli per superare una crisi e trasformarla in un’o...
Roberto Carnazza - Come cambieranno le abitudini dei consumatori dopo la crisi sanitaria? I dati possono aiutare le aziende a intercettare i mutamenti in tempo reale e a muoversi di conseguenza - Rinascita Digitale | DAY #22
1. P. 1
Come cambieranno le abitudini dei consumatori dopo la crisi sanitaria?
I dati possono aiutare le aziende a intercettare i mutamenti in tempo
reale e a muoversi di conseguenza.
@2020 WEBORAMA
2. WEBORAMA
• Weborama è una società francese fondata nel 1998. Il
suo DNA è composto al 100% da dati. Ha un'impronta
globale (Stati Uniti, Europa, Russia ...).
• Weborama è il leader mondiale nella profilazione
semantica. Comprendiamo i contenuti e il contesto del
Web e li correliamo con gli utenti in tempo reale mentre
navigano online.
• Usiamo la Semantica, l'elaborazione del linguaggio
naturale e l'intelligenza artificiale per trovare e fornire un
valore unico. Questo valore include potenti spunti su
marchi, tematiche e interazioni con i consumatori.
Consente inoltre la creazione di audience personalizzate
per il targeting
3. COME FUNZIONA
CIASCUN CRITERIO COMPORTAMENTALE E’ « QUANTIFICATO » CON UN PUNTEGGIO CHE VA DA 0 A 20
WEBORAMA È IN GRADO DI COMPRENDERE CHI SONO I VOSTRI CONSUMATORI, QUALI SONO LE LORO MOTIVAZIONI, QUALI SONO I LORO BISOGNI,
QUALI SONO I LORO CENTRI DI INTERESSE E METTERE IN CORRELAZIONE TUTTI QUESTI INSIGHT CON IL VOSTRO MARCHIO E I VOSTRI PRODOTTI
Web page crawling
Semantic
engineering
Quality filter
Machine learning
Data science algos
PROFILI WEBORAMAPERSONE CHE
NAVIGANO IL WEB
PERSONE CATEGORIZZATE
SECONDO LE LORO
ABITUDINI DI NAVIGAZIONE
(CLUSTERISATON)
4. COME FUNZIONA
- +
LE AZIENDE HANNO ACCESSO AI PROPRI DATI...
AGGIUNGIAMO DATI QUALITATIVI DI TERZA PARTE
PER SFRUTTARE I TUOI DATI DI PRIMA PARTE E
COMPLETARE LA VISIONE OLISTICA DEI
CONSUMATORI;
ULTERIORI INFORMAZIONI SUI PROSPECT E CLIENTI, RACCOLTE DAL MONDO ESTERNO
6. OBIETTIVI E METODOLOGIA
OBIETTIVI
- IDENTIFICARE LE ESIGENZE DEI CONSUMATORI E LE LORO INTENSITÀ, PER ESSERE IN GRADO DI SPINGERE L'OFFERTA GIUSTA
AL MOMENTO GIUSTO E ATTENDERSI IL GIUSTO RITORNO SULL’INVESTIMENTO
METODOLOGIA
1. IDENTIFICARE I PRINCIPALI TIPI DI PRODOTTO PROPOSTI
2. DEFINIRE LE METRICHE PER PREVEDERE, PER OGNI CONSUMATORE:
1. LA VICINANZA AL BRAND
2. L’INTENSITA’ DEL LORO BISOGNO DI ACQUISTARE DEI PRODOTTI
3. SEGMENTARE IL MERCATO IN BASE A TALI METRICHE
7. LA DEFINIZIONE DI « PROPENSITY SCORE »
«Nell'analisi statistica dei dati osservativi, la corrispondenza del punteggio di
propensione è una tecnica di corrispondenza statistica che tenta di stimare l'effetto
di un trattamento, una politica o un altro intervento tenendo conto delle covariate
che prevedono di ricevere il trattamento» – Fonte: Wikipedia
In base a una serie di caratteristiche comuni a un campione di consumatori (es.
interessi, collocazione geografica, età, ecc.) che ha effettuato una determinata
azione (ad esempio un acquisto), con il propensity score andiamo a definire quanto
è probabile che un altro consumatore non appartenente al campione compia la
stessa azione; il propensity score in sostanza valuta quanto questo consumatore è
«simile» a quelli appartenenti al campione.
TRADOTTO IN PAROLE POVERE, PER NOI, NEL BUSINESS:
8. LA COSTRUZIONE DEL MODELLO DI PROPENSITY
Caratteristiche comuni:
• Dati di terza parte (comportamentali, interesse ecc.)
• Dati Deterministici (es. età, genere)
• Dati di prima parte (consumi, fedeltà ecc.)
Azione:
• Acquisto
• Registrazione
• Visita
• Abbonamento
9. L’ESEMPIO DI UN’ASSICURAZIONE « XYZ »
VISITE
TUTTE LE PAGINE
HOME
ASSICURAZIONE
CASA
MOTOR
ASSICURAZIONE
AUTO
HEALTH
ASSICURAZIONE
SANITARIA
VARIABILI RISPETTO ALLE QUALI ABBIAMO CALCOLATO I DIVERSI PROPENSITY SCORE
10. LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
4 / 3M
5 / 6M 6 / 3M
7 / 3M
https://wamfactory.bime.io/dashboard/XYZ_ES_AEW3
MOTOR HEALTH
HOME
1 / 17M
1 : DISTANTI DA XYZ & NESSUN BISOGNO
11. LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
4 / 3M
7 / 3M
https://wamfactory.bime.io/dashboard/XYZ_ES_AEW3
MOTOR HEALTH
HOME
3 / 17M
1 / 17M
2 / 14M
1 : DISTANTI DA XYZ & NESSUN BISOGNO
2 : NEUTRI VERSO XYZ & NESSUN BISOGNO
12. LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
4 / 3M
7 / 3M
https://wamfactory.bime.io/dashboard/XYZ_ES_AEW3
MOTOR HEALTH
HOME
3 / 17M
1 / 17M
2 / 14M
3 / 17M
1 : DISTANTI DA XYZ & NESSUN BISOGNO
2 : NEUTRI VERSO XYZ & NESSUN BISOGNO
3 : PROPENSI VERSO XYZ & NESSUN BISOGNO
13. LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
MOTOR HEALTH
HOME
4 / 3M
https://wamfactory.bime.io/dashboard/XYZ_ES_AEW3
3 / 17M
1 / 17M
2 / 14M
3 / 17M
8 / 11M
1 : DISTANTI DA XYZ & NESSUN BISOGNO
2 : NEUTRI VERSO XYZ & NESSUN BISOGNO
3 : PROPENSI VERSO XYZ & NESSUN BISOGNO
8 : PROPENSI VERSO XYZ & BISOGNI EMERGENTI
14. 3 / 17M
LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
MOTOR HEALTH
HOME
1 / 17M
2 / 14M
3 / 17M
8 / 11M
4 / 3M
5 / 6M 6 / 3M
7 / 3M
https://wamfactory.bime.io/dashboard/XYZ_ES_AEW3
1 : DISTANTI DA XYZ & NESSUN BISOGNO
2 : NEUTRI VERSO XYZ & NESSUN BISOGNO
3 : PROPENSI VERSO XYZ & NESSUN BISOGNO
8 : PROPENSI VERSO XYZ & BISOGNI EMERGENTI
5+6+7 : XYZ INTENDERS + BISOGNO SPECIFICO
15. 3 / 17M
LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
MOTOR HEALTH
HOME
1 / 17M
2 / 14M
3 / 17M
8 / 11M
4 / 3M
5 / 6M 6 / 3M
7 / 3M
https://wamfactory.bime.io/dashboard/XYZ_ES_AEW3
1 : DISTANTI DA XYZ & NESSUN BISOGNO
2 : NEUTRI VERSO XYZ & NESSUN BISOGNO
3 : PROPENSI VERSO XYZ & NESSUN BISOGNO
8 : PROPENSI VERSO XYZ & BISOGNI EMERGENTI
5+6+7 : XYZ INTENDERS + BISOGNO SPECIFICO
4: XYZ INTENDERS + BISOGNO CROSS
16. LA SEGMENTAZIONE DELLA POPOLAZIONE IN BASE AI P.S.
DECINE DI MILIONI DI COOKIE E ALTRI IDENTIFICATIVI
DIGITALI, DISPONIBILI PER CAMPAGNE DI
COMUNICAZIONE ONLINE, CON UNA CONOSCENZA
PRECISA DEI LORO BISOGNI PRESENTI E FUTURI DEI
PRODOTTI DI XYZ
17. RISULTATI ESEMPLIFICATIVI ED ESEMPLARI
+55% ROI vs CAMPAGNE MEDIA CLASSICHE
X2 INDICE DI QUALITA’ DEL TRAFFICO SULLE
PAGINE PRODOTTO
18. DURANTE E DOPO LA CRISI
MONITORARE I TREND IN TEMPO REALE
Per avere il polso immediato di come stanno
cambiando (SE stanno cambiando) le abitudini, ovvero
i profili dei consumatori assieme alla loro propensione
al consume.
RICALCOLARE GLI SCORE DI PROPENSITY
Per essere sicuri di essere in contatto con i giusti
prospect, lavorare su cross-sell e upsell, nonché limitare
il più possible il churn rate.