Ogni marketer è oggi banalmente in grado di leggere gli Analytics dalle diverse piattaforme utilizzate in azienda, dagli insights legati al traffico web ai Key Performance Indicators (KPI) generati dalle campagne pubblicitarie con tool Saas come Google Ads o Facebook Business Manager.

Le diverse metriche sono facilmente accessibili e leggibili, raccolte dai marketing expert all’interno di report spesso costruiti manualmente inserendo i risultati delle diverse piattaforme analizzate. Se il Bounce Rate – ovvero la frequenza con cui gli utenti “rimbalzano” sul mio sito web senza aver fatto una sola interazione – è una metrica importante, da sola non dice nulla.

Il marketing ha ora capito che i cosiddetti KPI vanno incrociati, devono vivere e riprodursi all’interno della Data Visualization, l’esplorazione visuale e interattiva che rappresenta graficamente dati e metriche di qualunque dimensione, che si tratti di small o Big Data. 

L’approccio data-driven è oggi particolarmente in voga all’interno delle aziende più aggiornate: l’analisi isolata delle metriche dalle singole piattaforme non basta evidentemente più. I decisori d’azienda hanno bisogno di prendere direzioni strategiche sulla base di insights realmente capaci di informare e soprattutto prevedere.

Sia in ambito B2B che B2C – con le dovute differenze in termini di strategy – l’approccio basato sull’analisi avanzata dei Big Data offre diverse opportunità, tra cui una più completa comprensione delle abitudini dei propri consumatori target; una più efficace gestione di intere divisioni interne all’azienda; una visione strategica più ampia per spingere i propri prospect all’interno del Marketing Funnel, dall’awareness all’acquisto.

Le aree di intervento dell’approccio data-driven per il marketing e la reputation

Se le aziende ragionano in modalità KPI-driven, tutto il processo di acquisizione di nuovi lead o prospect andrà a basarsi su decisioni informate. Il più grande vantaggio dall’adozione di piattaforme di Data Visualization – per l’appunto pensate e sviluppate per unire dati e metriche da diverse fonti terze – è rappresentato dall’analisi predittiva, ovvero la capacità di prevedere eventi futuri.

Con ciò non si vuole asserire che la cosiddetta DataViz sia paragonabile ad un oracolo: l’intervento umano è ancora molto importante per capire quello che i dati stanno dicendo. E i dati, questo sì, possono dire molte cose, soprattutto se processati grazie ad algoritmi avanzati di sentiment analysis, machine learning o apprendimento profondo.

Cosa pensano davvero gli utenti del mio brand o del prodotto che ho lanciato da poco? È chiaro che qui un focus group non basta più, ci pensano le macchine a scoprirlo, ad esempio utilizzando un tool per l’analisi real-time della Brand Reputation.

Le attività di web listening permettono oggi di scegliere il tipo di keyword da analizzare, così da ottenere in tempo reale alcune metriche che rispondono a domande fondamentali per il marketing ed il brand management. Ad esempio, il Sentiment Rate, che risponde alla domanda: “i clienti apprezzano il mio prodotto o servizio?”. Oppure l’Engagement Rate, che risponde alla domanda: “i clienti interagiscono con la mia azienda, o la stanno ignorando?”.

Esempio di dashboard real-time che permette alle aziende di visualizzare diverse tiplogie di metriche provenienti dall’analisi delle reti di conversazione degli utenti consumatori da fonti social e web. I grafici sono elaborati grazie ad algoritmi di analisi semantica e del sentiment a partire da cluster di parole chiave (nell’esempio sul topic Coronavirus)

Analizzare la Brand Reputation significa saperne di più sui consumatori, ottenere ad esempio dei cluster di parole chiave che ricorrono più frequentemente all’interno delle reti di conversazione online. Grazie agli algoritmi di analisi semantica, i singoli commenti degli utenti vengono trattati in forma anonima per elaborare nuvole di parole che restituiscono a chi monitora un insieme di keyword importanti per capire la strategia da adottare, soprattutto a livello di comunicazione.

Due consigli per un approccio data-driven

In generale, per ottenere un approccio data-driven efficace per la business intelligence bisogna considerare due aspetti principali. Il primo, analizzare le aree chiave per la propria azienda, quelle dove i KPI sono davvero importanti. Solitamente, le aree più importanti per il marketing sono:

  • Web Analytics, ovvero tutto quello che succede su siti e landing page
  • Web e Social Listening, monitoraggio costante delle conversazioni da fonti social e web
  • Campagne di advertising, ovvero i dati di performance dagli investimenti pubblicitari (display advertising, social media advertising…)
  • Customer Journey, tracciamento dei passaggi che il consumatore effettua per compiere determinate azioni (visitare un sito, lasciare i suoi dati, richiedere una demo o assistenza)

Il secondo aspetto da considerare è legato alla necessità di dotarsi di una piattaforma specifica per la Data Visualization, ovvero creare una dashboard personalizzata per analizzare in real-time i propri KPI provenienti da diverse fonti terze. Questo tipo di dashboard permette di aggregare – e soprattutto incrociare – i dati per meglio comprenderli all’interno di mappe, trend, cluster di keyword.

Software house specializzate, come Datalytics, sono esperte nella realizzazione di piattaforme di DataViz adattabili a qualsiasi tipo di schermo o touch point, lavorando a partire dall’aggancio con le fonti indicate dal cliente per la visualizzazione incrociata delle metriche.

Esempio di KPI dashboard che aggrega in un’unica piattaforma diverse metriche da diverse fonti di analisi. Questo tipo di DataViz dashboard può essere costruita in modalità custom per aggregare ed incrociare le metriche più imporanti in base al business, come ad esempio l’andamento dei lead incrociato con le conversioni del sito web di un’azienda

L’adozione di queste dashboard di business intelligence permette alle aziende B2C o B2B di ottenere diversi benefici, in primis risparmiare tempo e denaro attualmente investiti sulla realizzazione di report manuali. Ma sicuramente il maggior beneficio è quello legato alla possibilità di accedere con un clic ad una piattaforma capace di elaborare i dati in maniera automatica ed organizzata, in modo da fornire al Top Management un alleato fondamentale per la crescita del business.

Si ringrazia per la stesura di questo articolo Mauro Vecchio, Marketing Director di Datalytics, una tech company innovativa italiana che sviluppa e distribuisce tecnologie proprietarie per brand e agenzie. Fondata da Davide Feltoni Gurini e Marco Caruso nel 2014, la software house ha uffici a Roma, Milano e Bologna ed è specializzata in applicazioni real-time di Data Visualization per aggregare e incrociare metriche da diverse fonti in uniche piattaforme completamente customizzabili. Grazie all’analisi dei dati, Datalytics ha sviluppato una seconda business unit chiamata Engage, che permette ai brand di attivare campagne di Customer Engagement in modalità data-driven, per offrire ai consumatori esperienze immersive e interattive durante eventi e campagne marketing. Datalytics è nel portfolio startup innovative di Gellify Group, la prima piattaforma di innovazione B2B in grado di connettere le startup software digital alle aziende tradizionali.