Guardare le informazioni aziendali come asset strategici, creare partnership con i nostri clienti e i nostri fornitori per generare fatturato, tagliare i costi o acquisire un vantaggio di business: benvenuti nel mondo della data monetization.

In un mondo ideale il reparto business e quello analytics lavorano insieme con efficienza, trovando così quelle sinergie che portano aziende classiche ad avere business model innovativi con al centro dati e informazioni.

Tuttavia, la realtà è ben diversa. Moltissime grandi aziende ancora non si sono accorte di poter completamente ridisegnare la propria strategia di business (o almeno in parte) grazie all’uso strategico delle informazioni.

Secondo Gartner, 3 progetti di analytics su 4 falliscono proprio perché non si riesce a trovare un chiara strategia di monetizzazione.

Non si tratta di un problema tecnologico, non c’entrano nulla i data scientist: il problema è la leadership e la definizione del business model.

In questo approfondimento vedremo strategie e 4 case study di successo di come sia possibile generare ROI misurabile e strategico con le informazioni celate dietro alla propria azienda.

  1. Caratteristiche delle informazioni
  2. Strategie per monetizzare i propri dati
  3. Data monetization – case study 1: l’Acquario della Georgia e l’uso dei dati per aumentare i clienti
  4. Data monetization – case study 2: Abe’s Market e il modello in cui “tutti vincono”
  5. Data monetization – case study 3: Michelin e i dati dei veicoli
  6. Data monetization – case study 4: Tru Optik e il valore delle informazioni
  7. Pensieri finali sulla monetizzazione dei dati

Iscriviti all’unico canale Youtube sul futuro del business con dati e intelligenza artificiale:

Caratteristiche delle informazioni

Con un po’ razionalità e conoscenza del settore, diventa palese il motivo di questa arretratezza dal punto di vista strategico del mondo dati.

Il tutto nasce dall’arrivo impetuoso del digitale e della sua forza nel cambiare le nostre vite e tutto ciò che ne consegue, dai business model alla comunicazione, dalla finanza alle implicazioni legali.

In particolare, ciò che chiamiamo “dati” o “informazioni digitali” presentano caratteristiche uniche e del tutto inedite. La singolarità di questo elemento lascia spaesati business leader, burocrati e i principali attori.

A differenza di qualsiasi altro asset, le informazioni digitali sono:

1. Riutilizzabili

Quando mangi una pizza, una volta terminata, non puoi mangiarla di nuovo. Il bene è così definito “consumato“. D’altra parte, le informazioni le puoi riutilizzare quando vuoi.

Ad esempio: puoi leggere un libro due volte, rivenderlo o prestarlo a un amico. In altre parole: il contenuto non degrada con l’utilizzo.

2. Liquide

I soldi sono il bene più liquido in assoluto: puoi riceverlo in cambio di una consulenza e puoi scambiarlo in cambio di una pizza, di una vacanza al mare o di ciò che più desideri.

Le informazioni non sono al livello del denaro, ma possono essere usate e riutilizzate in modi completamente diversi ogni volta.

Lo stesso dataset può essere venduto, regalato, barattato in cambio di prodotti o servizi, utilizzato per addestrare un algoritmo e di nuovo venduto con un nuovo business model.

3. Invisibili

Potrà sembrare assurdo ma le informazioni non sono legalmente considerate un asset. In nessuna metodologia di bilancio finanziario esiste una categoria in cui inserire le informazioni.

Nonostante siano la causa del successo delle 5 aziende più grandi del mondo (GAFAM, ho parlato di alcune di loro nel mio approfondimento sulla data dominance) non si è costretti né a dichiarare il possesso di informazioni, né tantomeno il loro reale valore.

Ma mi spingerò oltre: se una società riceve informazioni in cambio della fornitura di un bene o servizio, probabilmente il valore della transazione a fini contabili e fiscali potrebbe essere registrato come zero o del tutto inesistente. In poche parole: il baratto di informazioni (per altre informazioni o per l'acquisto di beni) non è tassato.

4. Duplicabili

Di pari passo alla capacità di essere riutilizzabili, le informazioni sono anche perfettamente duplicabili in praticamente infinite copie, a costo zero e assolutamente indistinguibili dalle originali.

5. Monetizzabili

Per non dimenticare il topic di questo approfondimento (data monetization), le informazioni sono estremamente preziose se utilizzate in modo strategico, per i giusti soggetti e nella giusta situazione.

Nel prossimo paragrafo vedremo tutti (o quasi) i possibili modi in cui è possibile trarre valore dai dati e infine, come promesso, 4 case study di come alcune aziende hanno creato valore di business con le informazioni.

caratteristiche delle informazioni

Strategie per monetizzare i propri dati

In realtà i modi per generare valore di business con le informazioni aziendali sono praticamente infiniti, e in continua evoluzione con l’espandersi dell’azienda e del proprio network di contatti.

A sostegno di quanto ho appena detto, le poche aziende già mature dal punto di vista della data monatization hanno inserito nella propria organizzazione un data product manager, che riferisce direttamente al CDO, con il compito di sviluppare nuove partneship e strategie di monetizzazione delle informazioni aziendali.

Nonostante quando detto all’inizio possiamo suddividere le tecniche di data monetization in 9 categorie:

1. Aumentare l’acquisizione/fidelizzazione dei clienti

Accedere alle informazioni di vendita e in particolare ai dati sui nostri clienti può portare a grossi vantaggi, dall’ottimizzazione delle campagne di advertising alla diminuzione del tasso di abbandono del nostro servizio.

2. Creazione di un flusso di entrate supplementare

Ad esempio, un retailer con accesso diretto al mercato può mettere a disposizione i propri dati sotto forma di SaaS ai propri vendor.

In questo modo, il commerciante può calibrare al meglio domanda e offerta ottenendo informazioni importanti sulla customer satisfaction (come vedremo nel case study numero 2).

3. Aprire una nuova linea di business

Sappiamo tutti quando è importante avere accesso a informazioni di mercato specie al lancio di un prodotto o servizio. I feedback dei clienti (o la conoscenza di mercato) sono preziosi tanto quanto il loro denaro.

4. Entrare in nuovi mercati

Allo stesso modo se ci troviamo, per esempio, nella fase di internazionalizzazione di un nostro prodotto o servizio, le informazioni di mercato o anche solo di cultura e demografia della popolazione sono uno strumento a dir poco prezioso che ci permette di risparmiare grosse quantità di denaro.

Consiglio di leggere il case study sullo sbarco di Waze in Sud America, e di come il suo CEO sia riuscito a mettere le mani sulle informazioni geografiche del paese senza sborsare un centesimo (puoi trovarlo nell’articolo sui big data, scorrendo fino al terzo case study).

5. Migliorare il posizionamento strategico

Specie in mercati sovraffollati e profittevoli il posizionamento strategico può senza subbio fare la differenza tra una business strategy di successo e un completo fallimento.

Capire bisogni, paure e desideri dei clienti sono la base per architettare al meglio il posizionamento di mercato e superare una concorrenza spietata e più strutturata di te.

Il tutto sta nell’accedere (e nell’analizzare) informazioni che possono portare a conoscenze e intuizioni chiave per la propria organizzazione.

6. Barattare dati in cambio di beni e servizi

Nel primo paragrafo parlavamo proprio delle caratteristiche delle informazioni che, come avrai già intuito, calzano a pennello con la possibilità di barattarle in cambio di beni o servizi.

Abbiamo detto che le informazioni sono duplicabili e riutilizzabili (possiamo barattarle quante volte vogliamo senza perderle), liquide (possiamo barattarle in quanti modi vogliamo senza limitazioni o quasi), invisibili (non sono tassaste se scambiate in cambio di merce) e infine monetizzabili (preziose a livello economico).

7. Barattare dati per termini e condizioni favorevoli e relazioni migliori

Non dobbiamo limitare le nostre possibilità (e il nostro genio creativo) a un baratto di beni o servizi.

Tutto ciò che può avere un valore strategico può essere considerato commercializzabile in cambio di un dataset; da una negoziazione più vantaggiosa allo scambio con informazioni che possono essere di nostro interesse.

8. Compensare i costi di gestione e analisi delle informazioni

Per ora abbiamo analizzato le informazioni esclusivamente come asset, ma non dobbiamo mai dimenticarci che allo stesso tempo le informazioni sono anche un costo (liability).

Archiviare informazioni ha un costo, i professionisti che gestiscono le informazioni hanno un costo e i modelli predittivi hanno un costo di mantenimento e aggiornamento.

Ridurre la quantità di dati da gestire senza perdere valore di business è una best practice da tenere in considerazione per generare ROI e chiarezza negli obiettivi da raggiungere.

9. Riduzione dei costi di manutenzione, operazioni e rischi

Questa è forse la categoria a cui tutti pensano prima ancora di considerare le precedenti 8, e forse è il motivo per cui in tanti non capiscono in che modo definire una strategia di data monetization.

I dataset sono informazioni del passato (e a volte del presente) che possono rilevare pattern molto interessanti su come gestiamo i nostri processi di business, e ottime informazioni su come migliorarli.

Predire lo stato di default di un macchinario, individuare le frodi senza dover analizzare a mano ogni singola transazione, segmentare i clienti o delineare i threshold di emissione di un mutuo.

Data monetization – case study 1: l’Acquario della Georgia e l’uso dei dati per aumentare i clienti

Georgia Aquarium data monetization

L’Acquario della Georgia (USA) è entrato in funzione nel 2005, e durante il suo primo anno di attività ha registrato oltre 3.5 milioni di visitatori. Con oltre 120.000 animali in più di 30 milioni di litri d’acqua, era il più grande acquario del mondo.

La struttura era un vero e proprio successo. Carey Rountree, il vicepresidente del settore marketing, ha commentato scherzosamente dicendo “non avevamo bisogno di fare marketing, avevamo così tanti visitatori che se avessimo chiuso le porte sarebbero entrati dalle finestre“.

Tuttavia, nel giro di un paio di anni, le visite sono diminuite vertiginosamente, arrivando a circa 2 milioni di clienti all’anno.

Per cercare di aumentare l’affluenza di nuove persone, l’acquario ha istituito parchi a tema e nuove esibizioni, ma i risultati non erano incoraggianti.

Sotto consiglio di Mark Becker, statistico e presidente della Georgia State University, i dirigenti dell’acquario hanno invitato il professore di marketing V. Kumar per tentare di capire come risolvere il problema.

Kumar, analizzando la customer satisfaction, le spese e i profitti, era giunto a una conclusione: la domanda non sarebbe più dovuta essere “come possiamo portare più clienti?“, bensì “come possiamo portare i giusti clienti e fare in modo che tornino?“.

Come prima cosa, Kumar e il suo team hanno analizzato i codici postali dei visitatori e i dati di coloro che hanno acquistato i pass stagionali.

In questo modo, il team ha potuto creare i profili demografici degli abbonati che avevano i più alti tassi di spesa, e che quindi fornivano i ricavi maggiori.

Scoperto ciò, usando i codici postali, il team ha individuato le zone in cui c’era maggiore concentrazione di potenziali clienti, e hanno predetto quale tipo di campagna di marketing li avrebbe raggiunti nel modo più efficace.

Inizialmente il budget per il marketing poteva contare su 2 milioni di dollari. Per potere mettere in atto la propria strategia, l’acquario aumentò il budget di 700.000 dollari.

Alla fine dell’operazione, i risultati furono estremamente incoraggianti: l’organizzazione registrò un incremento dei visitatori del 10%, un aumento dei ricavi del 12%, e il numero di pass stagionali aumentò del 10%, ben oltre le proiezioni originali.

In finale, quanti furono i guadagni effettivi dell’Acquario della Georgia?

8 milioni di dollari, originati principalmente dall’analisi dei dati dei propri visitatori.

Data monetization – case study 2: Abe’s Market e il modello in cui “tutti vincono”

healty food

Abe’s Market è un marketplace online che si occupa di healthy food (cibo salutare) e altri prodotti.

Un paio di anni fa, il suo CRO, Kimberley Grayson, ha esplorato l’opportunità di fornire ai suoi propri fornitori preziose informazioni riguardo ai compratori.

Il suo team ha sviluppato un meccanismo per ricevere feedback dai consumatori in cambio di sconti.

Questi dati e altre informazioni utili sono state poi rese disponibili ai fornitori sotto la forma di scorecard (una sorta di biglietto segnapunti per ciascun cliente).

I sondaggi e i dati fornivano risposte a domande come “Chi ha comprato i prodotti? Quando sono stati consumati? Quando ne verranno comprati altri?“, insieme ad altre informazioni demografiche e psicologiche.

Queste informazioni avrebbero aiutato i fornitori a sviluppare prodotti migliori e a ottimizzare i livelli di inventario.

La cosa interessante è che per avere accesso a questi dati, i supplier non hanno pagato soldi, ma si sono limitati a offrire in cambio prodotti gratuiti e sconti maggiori.

La CRO, tuttavia, non aveva voglia di fermarsi qui. Data la grande crescita del mercato dell’healty food, i dati ricavati sarebbero stati molto utili anche per i grandi produttori di snacks (Kraft, Mondelez e Nabisco per citarne alcuni).

Riassumendo, l’analisi di dati ha permesso la creazione un modello in cui “tutti vincono“.

In questo caso: Abe’s Market ha vinto popolando il suo e-commerce di recensioni; i clienti hanno vinto ricevendo prodotti migliori e a prezzi scontati; e i fornitori hanno vinto sviluppando prodotti migliori e incrementando le vendite.

Tutto ciò, grazie allo stesso flusso di informazioni.

Data monetization – case study 3: Michelin e i dati dei veicoli

Michelin data monetization case study

Michelin è una delle più rinomate aziende francesi il cui core-business è la produzione di pneumatici.

Nel 2012, l’azienda ha stabilito di voler sviluppare e commercializzare soluzioni data-driven per la gestione professionale delle flotte di veicoli.

L’obiettivo era di migliorare l’efficienza delle flotte, la produttività e a ridurre l’impatto ambientale.

Per realizzare questi servizi innovativi e data-driven, Michelin ha creato una unità di business dedicata che ha preso il nome di Michelin solutions.

Ad oggi, l’unità conta oltre 900 impiegati in Europa, e le loro qualifiche spaziano da data scientist, ingegneri, esperti legali e operatori di marketing.

Da dove prendeva i dati l’azienda? Da una serie di sensori posizionati negli pneumatici e nei veicoli. Questi dati riguardavano fattori come la pressione e la temperatura dell’aria nelle gomme, il chilometraggio, la posizione geografica del veicolo e altro ancora.

Le informazioni venivano poi condivise tramite servizi a pagamento o API con i produttori di automobili, gli operatori delle flotte e altre aziende.

Nel 2017, Michelin solution ha lanciato quattro servizi digitali per migliorare le performance dei propri clienti:

Con il tempo, anche le compagnie di assicurazioni per le auto si sono dimostrate interessate ai dati raccolti da Michelin. Prendiamo come esempio Driving Data Intelligence, ovvero una start-up proveniente dall’incubatore della multinazionale francese.

La start-up ha iniziato a usare i dati dei sensori nei veicoli per analizzare il comportamento degli autisti e le loro abitudini di guida.

Sulla base di queste informazioni, le assicurazioni sono state in grado di modificare le proprie tariffe in base a ogni cliente.

In Michelin, i dati vengono monetizzati sia come parte dei servizi forniti tramite Michelin solutions, che tramite l’utilizzo delle API che rende disponibili ai suoi clienti.

Data monetization – case study 4: Tru Optik e il valore delle informazioni

TruOptik data monetization case study

La storia di Tru Optik inizia nel 2013, grazie all’esponenziale crescita del mondo del video streaming e alle opportunità di mercato che il nuovo settore offriva.

L’azienda in questione si occupa di sviluppare soluzioni per sfruttare al meglio il mondo dello streaming.

All’inizio del loro percorso, i due nascenti imprenditori di Tru Optik, tali Andrew Swanton e Alex Geis, hanno sviluppato un sistema in grado di catturare la grande quantità di big data proveniente da BitTorrent.

I dati riguardavano il traffico di milioni di video, musiche, software, giochi e ogni altro tipo di contenuto.

Le informazioni che avevano ottenuto erano immensamente più preziose della tecnologia da loro sviluppata.

Oggi, Tru Optik colleziona e monetizza dati geo-localizzabili di oltre 500 milioni di persone e attraverso 150 paesi.

I dati provengono da piattaforme come YouTube, Instagram, Facebook, Twitter, Last.fm, IMDB, Spotify e SoundCloud, e vengono resi disponibili tramite le API di Tru Optik o varie dashboard.

Queste informazioni aiutano i clienti dell’azienda (case di produzione, case discografiche, agenzie pubblicitarie, ecc.) a identificare, nel mercato dell’intrattenimento, la domanda non monetizzata e non soddisfatta.

Gli imprenditori di Tru Optik hanno puntualizzato che il loro sistema era in grado di predire le valutazioni televisive di Nielsen una settimana prima che queste venissero pubblicate.

Pensieri finali sulla monetizzazione dei dati

Una vera e propria arte, la data monetization, con la possibilità di creare nuove fonti di fatturato là dove nessuno pensava fosse possibile e, in alcuni casi, di cambiare completamente la strategia aziendale perché le informazioni valgono molto di più del business stesso (come in True Optik).

Grazie a Infonomics: How to Monetize, Manage, and Measure Information as an Asset for Competitive Advantage per avermi ispirato a scrivere l’approfondimento e da cui ho preso i case study 1 e 4.

Ancora non hai iniziato a monetizzare i dati della tua azienda? Prenota una consulenza AI con me.