In questo approfondimento vedremo 5 modi per generare ROI con i big data e 3 case study di aziende che hanno dimostrano di aver creato valore di business con questa tecnologia

Sin dalla sua nascita nel 1991, il World Wide Web ha consentito la crescita esponenziale dei dati digitali caratterizzati da volume, velocità e varietà: i così chiamati “big data”.

I dati permettono ogni giorno alla aziende più pionieristiche di generare incredibile valore di business.

Questo “valore” permette loro di distanziarsi, per efficienza e fatturato, dai competitor che non hanno ancora compreso le potenzialità della data analytics.

Purtroppo al giorno d’oggi si parla parecchio di big data analytics, AI e machine learning, ma raramente si finisce a parlare di qualcosa di concreto, come il valore di business o il ROI della tecnologia.

Personalmente, ho costruito il mio profilo professionale proprio sul concetto di praticità e valore della tecnologia, evitando quindi sogni, teorie e applicazioni senza reali potenzialità di business.

  1. Aumentare il fatturato
  2. Case Study: come Narellan Pools ha aumentato le vendite con i big data
  3. Diminuire i costi operativi
  4. Monetizzare i big data per generare ROI
  5. Case Study: come Data Meaning ha incrementato del 30% i ricavi di un retailer monetizzandone i dati
  6. Migliorare il decision making
  7. Trasformare i propri prodotti
  8. Case Study: lo spazzolino intelligente di Colgate e l’analisi dei dati
  9. Pensieri finali su big data e ROI

1. Aumentare il fatturato

Ci sono tanti modi in cui i big data vengono utilizzati per aumentare le revenue, specialmente nei settori come marketing e vendite dove è più facile calcolare il ritorno sull’investimento.

I big data sono ottimi strumenti per capire più in profondità il target dei clienti a cui ci rivolgiamo.

Da dove si prendono i dati? Ad oggi ci sono decine di fonti di dati gratuiti, per non parlare delle risorse interne all’azienda e dei suoi partner.

Con l’analisi dei dati è possibile, tra le tante cose:

Case Study: come Narellan Pools ha aumentato le vendite con i big data

ROI big data: narrellan pools

In questo case study vedremo come un’azienda australiana sia riuscita a incrementare le proprie vendite grazie ai big data.

La compagnia in questione è Narellan Pools, un brand che si occupa di costruire e sviluppare piscine.

Dal 2007 al 2013, a seguito di un aumento dei prezzi delle case in Australia, la compagnia ha registrato una decrescita nei ricavi del 25%.

Il crollo delle vendite, unito allo spostamento dei cittadini verso appartamenti più economici (che di certo non hanno bisogno di piscine), ha costretto Narellan Pools a cercare una soluzione innovativa ed efficace per aumentare i ricavi.

Finora la strategia di marketing dell’azienda è stata la seguente: costruire brand awareness usando canali tradizionali come televisione, volantini e paid search nei motori di ricerca.

Per cambiare la propria strategia, l’azienda si è affidata nel 2013 ad Affinity, una compagnia che offre servizi per realizzare un piano di marketing prettamente digitale.

L’obiettivo era semplice: aumentare le vendite usando un budget di poco più di 300.000 euro per media (495.000 dollari australiani).

Affinity unì sette terabyte di dati (oltre 100 milioni di righe): le informazioni comprendevano dati proprietari di Narellan (traffico nel sito, durata delle visite, spese di advertising ecc. ecc.) e dati provenienti da terze parti (fiducia del consumatore, inflazione, tassi di interesse, temperature…)

Dopo svariate analisi di questi big data, la compagnia è riuscita a ricavare preziose informazioni riguardo ai loro clienti e ai tassi di conversione (da “interesse” ad “acquisto”).

In particolare, vennero evidenziati due interessanti punti: le vendite aumentavano nei mesi più caldi, e in alcuni giorni i tassi di conversione dei clienti registravano enormi picchi dell’800% oltre la media.

Il motivo di queste prestazioni oltre la media, apparentemente inspiegabili, venne reso noto grazie alla big data analytics.

In particolare, i picchi si verificavano quando la temperatura di una zona si dimostrava più alta della media per più di due giorni.

Il risultato di questo aumento delle temperature portava a un aumento dei tassi di conversione per quattro giorni.

Insomma: è piuttosto scontato immaginare che le vendite aumentino durante i mesi più caldi; ma è meno scontato che un prolungato aumento delle temperature possa portare a enormi picchi di questo tipo.

Narellan Pools ha quindi iniziato una campagna di marketing online che comprendeva paid search, banner e video ads.

Le inserzioni venivano mostrate solo in determinati giorni e zone, decisi con una semplice analisi: se le temperature del giorno odierno e immediatamente precedente superavano la media dei 30 giorni scorsi, allora la campagna di marketing veniva avviata per quattro giorni.

Questo sistema era completamente automatizzato, e non richiedeva quindi alcun tipo di intervento umano.

I risultati sono stati impressionanti: nel 2015 le vendite sono aumentate del 23% in paragone al 2014.

In aggiunta, solo il 70% del budget iniziale è stato speso, evidenziato l’elevata efficienza economica di questa tecnologia.

Per quanto riguarda il ROI dei big data, invece, Narellan Pools ha registrato un ritorno di 54 dollari per ogni dollaro speso nel marketing.

Questo case study evidenzia ancora una volta quanto un’intelligente comprensione dei dati possa portare a risultati sorprendenti.

2. Diminuire i costi operativi

Prendiamo come esempio i settori logistici e manifatturieri, dove i costi operativi sono la vera barriera per la redditività.

In questi casi, i big data possono essere potenti strumenti per generare valore di business.

Un’azienda agricola potrebbe ad esempio inserire sensori nelle proprie macchine agricole per capire quanto a lungo tenerle operative o quando è il momento giusto per fare manutenzione.

Oppure un’azienda logistica, come UPS, potrebbe tenere traccia del traffico, condizioni metereologiche, condizione delle strade e tanti altri fattori per calcolare in tempo reale il percorso ideale per ogni mezzo.

Tutto questo, moltiplicato per grandi dimensioni, si traduce in milioni di euro risparmiati ogni anno.

In realtà, l’azienda di trasporto UPS fa già quanto detto con il sistema “ORION“: ne parlo in questo articolo sui big data nel relativo case study.

3. Monetizzare i big data per generare ROI

Alcune aziende come e-commerce e retailer si trovano in una posizione strategica estremamente interessante per mettere a ROI i propri big data.

Le aziende con accesso diretto al cliente (come quelle citate sopra) hanno l’opportunità di avere accesso alle informazioni di vendita e alla profilazione dei clienti che risulterebbero estremamente importanti per aumentare il fatturato dei propri fornitori (vedi punto 1).

I distributori, molto spesso, nemmeno si accorgono di essere seduti sopra ad una miniera d’oro di informazioni che potrebbero trasformare in una nuova fonte di reddito milionaria.

Case Study: come Data Meaning ha incrementato del 30% i ricavi di un retailer monetizzandone i dati

retail data monetization

In questo case study vedremo come un retailer di beni di largo consumo (come cibo, bevande o abiti) sia stato in grado di beneficiare dei propri dati creando una piattaforma di advertising di successo.

I retailer possono avere accesso a una grande quantità di dati, ma la domanda da porsi è: come si può beneficiare di questi dati?

Bisogna innanzitutto capire che conservare enormi quantità di dati non basta; quello che conta davvero è trovare un modo per monetizzarli o per ricavarne utili informazioni.

Per fare ciò, quello che bisogna mettere in atto è un vero cambiamento aziendale che metta “il culto del dato” al centro dell’attenzione.

In questo case study parleremo di Data Meaning, una compagnia che si occupa di aiutare le aziende a usare al meglio i dati.

Data Meaning ha notato che il proprio cliente (un retailer di beni di largo consumo) stava collezionando dati da molte diverse fonti, ma non stava facendo praticamente nulla per beneficiarne.

Questo vuol dire che il retailer stava perdendo utili informazioni, insights e grandi opportunità di guadagno.

Data Meaning ha analizzato i dati dell’azienda e ha sviluppato una strategia attorno a queste informazioni, trovando un modo per monetizzarle.

La soluzione è stata trovata in un portale in cui i fornitori possono registrarsi e accedere a risorse di data analytics di alto livello, e in cui possono avviare campagne di advertising sull’e-commerce del retailer.

Grazie a queste utili informazioni, i fornitori avevano quindi la possibilità di realizzare campagne di advertising segmentante e altamente targettizzate nella piattaforma del retailer.

In altre parole, ai visitatori dell’e-commerce venivano mostrate le inserzioni dei prodotti più in linea con il loro profilo, e che avrebbero acquistato con maggiore probabilità.

Questa soluzione si è dimostrata così efficace al punto in cui il retailer ha potuto addebitare un CPM (“cost per mille“) più alto rispetto a piattaforme più rinomate come Google o Facebook.

Grazie all’analisi dei big data, insomma, il retailer ha potuto creare una strategia molto proficua e vantaggiosa per tutti.

In altre parole, è stato creato un modello di business in cui tutti “sono felici”: i fornitori registrano maggiori guadagni, i clienti trovano più facilmente i prodotti che li soddisfano, e il retailer monetizza dai propri spazi pubblicitari (di un modello del genere ne parlo anche nell’articolo sulla data monetization, nel case study di Abe’s Market).

In finale, quali sono stati i risultati pratici della big data analytics? Il retailer ha registrato un grande impatto sul loro business e un aumento del 30% nei ricavi dell’advertising.

In aggiunta, la piattaforma ha reso facile la comparazione tra spesa di marketing e ricavo, garantendo così un semplice e chiaro calcolo del ROI dei big data nel marketing.

4. Migliorare il decision making

Dobbiamo imparare a fidarci dei dati e della statistica per prendere decisioni di business più oculate, precise e meno soggette a bias personali.

Un retailer, cercando di capire dove aprire un nuovo negozio, potrebbe ricorrere alla data analytics per capire quali siano le variabili che meglio determinano il successo dello store, e cercare la nuova sede di conseguenza.

Un produttore di snack e merendine, magari in partnership con un e-commerce (come nel punto 3), potrebbe accedere a informazioni molto interessanti su chi siano i loro clienti più fedeli, quali siano le loro preferenze, l’elasticità della domanda e che cosa acquistano insieme ai loro prodotti per creare un bundle vincente.

5. Trasformare i propri prodotti

Non sono soltanto i processi a essere al centro del cambiamento digitale.

I big data hanno permesso anche la trasformazione di prodotti e servizi, creando nuovi business model o migliorando quelli esistenti.

Ad esempio, abbiamo orologi che monitorano il nostro battito cardiaco durante la giornata e diagnosticano eventuali problemi cardiaci (magari consigliandoci al momento giusto le pillole che fanno al caso nostro).

Oppure, abbiamo anche automobili che tengono sotto controllo ogni dato di guida, così che le assicurazioni possano capire la nostra propensione al rischio e la probabilità di incidenti.

Ci sono centinaia di aziende tradizionali che hanno saputo trasformare prodotti e servizi con dati e intelligenza artificiale per differenziarsi dai competitor, creare nuovi fonti di reddito e avvicinarsi ai propri clienti.

Case Study: lo spazzolino intelligente di Colgate e l’analisi dei dati

ROI big data: colgate

Colgate, la nota multinazionale per l’igiene orale, ha sviluppato uno spazzolino elettrico che fa uso dell’intelligenza artificiale e della data analytics.

Il nome di questo prodotto è Colgate E1 Connect Toothbrush, e permette all’azienda di esaminare e analizzare il modo in cui le persone si lavano i denti.

L’algoritmo esamina i dati dello spazzolino e impara le abitudini di pulizia del fruitore; un’applicazione per smartphone, analizzando questi dati, mostra informazioni come il tempo di lavaggio e le aree dentali più “spazzolate”.

Grazie a questa analisi il sistema può anche fornire consigli su come lavare al meglio i denti e come migliorare la propria igiene orale.

Lo scopo di questo spazzolino-intelligente è di lanciare un nuovo prodotto sul mercato, aumentare le vendite, e incentivare l’uso dell’app per generare dati.

Nella fase di marketing, Colgate ha voluto ribadire più e più volte quanto le capacità AI del prodotto fossero utili per migliorare l’igiene orale dei propri clienti.

Il prodotto ha superato le aspettative e ha ricevuto grande consenso dai fruitori, ed è certamente un saldo esempio di quanto l’AI possa migliorare la vita di ciascuno di noi in virtualmente ogni settore.

Prodotti migliori e più elaborati comportano una maggiore soddisfazione dei clienti e, di conseguenza, maggiori vendite.

Pensieri finali su big data e ROI

I big data possono aprire a immense possibilità di guadagno e opportunità di business.

Tutto quello che bisogna fare è agire il prima possibile, e darsi da fare per ottenere un grande vantaggio competitivo sulle aziende che ancora non hanno compreso le potenzialità di questa tecnologia.

Come abbiamo visto in questo articolo, esistono molte diverse possibilità per generare ROI dai propri dati: bisogna solo mettere in modo la propria volontà e creatività.

Tuttavia, come ho ribadito nel mio articolo su come portare l’intelligenza artificiale in azienda, usufruire di questa tecnologia richiede grandi cambiamenti strutturali e visione a lungo termine.

Per alzare le vele nel vasto mare dell’AI potrebbe essere necessario richiedere l’assistenza di un consulente esperto e competente, in grado di avere visione e di scorgere nuove innovative opportunità di guadagno (clicca sul link per contattarmi)

Per approfondire le potenzialità dell’intelligenza artificiale, puoi dare un’occhiata ai numerosi articoli sul mio sito: ho parlato, tra le tante cose, anche di startup per l’intelligenza artificiale, dell’uso dell’AI della finanza e delle potenzialità del sentiment analysis.