Soccer team in a huddle

Customer Intelligence Dashboard: il cockpit del cliente

15, Giugno, 2017 di Matteo Quagini

Una conoscenza analitica e approfondita dei bisogni e delle abitudini dei clienti deriva da una altrettanto approfondita analisi delle informazioni che si hanno a disposizione, sia di origine interna che esterna all’azienda. Prendendo in prestito una citazione di W. Edwards Deming è il caso di affermare che: “If you can’t measure it you can’t manage it” ossia per gestire una relazione win-win con la propria clientela diventa importante misurarne la soddisfazione e la loyalty. KPIs (Key Performance Indicators) analizzabili in maniera multidimensionale permettono di avere importanti feedback per migliorare la value proposition verso i nostri clienti, in particolare di quelli strategici. In quest’ottica, la costruzione di customer dashboard personalizzate può essere molto importante sia per analizzare i comportamenti d’acquisto (Business Intelligence) sia per anticipare i bisogni dei clienti con sistemi “intelligenti” di predictive analytics (Business Analytics).

Indicatori e metriche di vario genere e tipo sulla clientela sono presenti in notevoli quantità in ogni azienda**. In logica Tailor Made, diventa sostanziale riuscire a selezionare quelli che, sulla base della propria Business Strategy* e della propria proposta di valore, sono più attinenti alla realtà aziendale che si vuole monitorare. Se, ad esempio, tra i fattori critici di successo (key success factors) di una azienda vi è la fidelizzazione della propria clientela, KPI come il Customer Retention Rate (CRR) e il Customer Lost Rate (CLR) diventano indicatori chiave che andrebbero monitorati con precisione e tempestività. Se anche l’acquisizione di nuovi clienti è considerata strategica, ecco che l’implementazione e il relativo monitoring di un indicatore come il Customer New Rate (CNR) può essere considerato altrettanto valido. Va da sé che, oltre ai KPI menzionati, aver costruito un insieme di indicatori (leading indicators) che monitorino tutto il processo relativo al ciclo attivo, dall’ordine fino all’incasso e all’eventuale servizio post vendita, diventano prodromici di una customer satisfaction (lagging Indicators) adeguata.

Dopo aver costruito dei modelli di controllo (Entity Relationship Model) su misura per ogni azienda, che acquisiscono informazioni anche da sistemi CEC (Customer Engagement & Commerce), diventano abilitatori imprescindibili sistemi di Business Intelligence e/o di Business Analytics. Possibilità di analizzare velocemente e su diversi device (Pc, Smartphone, Tablet*** ecc.) le informazioni in modalità OLAP (Online Analytical Processing) drillando (Drill Down & Up Analysis) a diversi livelli di dettaglio (es. dalla famiglia di prodotto fino al singolo item)  e analizzando (Slice & Dice Analysis) su più dimensioni di analisi (es. Strategic Business Unit, Countries, Region, Aree Nielsen ecc) le informazioni relative alla propria clientela potrà essere utile per chiunque operi in azienda, dai Customer Care fino al CEO, per migliorare la conoscenza sulle abitudini dei clienti, ma anche per migliorare ed adeguare in maniera proattiva e in near real time la proposta di valore indirizzata verso gli stessi. Infine, con le informazioni (Big Data)  provenienti da sistemi, l’IoT (Internet of Things), potremo costruire sistemi di feedback/feedforward (Intelligence of Things) sull’esperienza d’uso che la nostra clientela, ha fatto o farà dei prodotti/servizi acquistati, per fornire loro informazioni utili a sfruttare in maniera più consapevole e soddisfacente quest’ultimi.

 

 

Matteo Quagini
ICMS

www.icms.it

Tags: