logica di segmentazione

Le nuove logiche della segmentazione

Questo è il sesto di una serie di articoli che si prefigge l’obiettivo di fornire gli strumenti base e i concetti chiave per orientarsi all’interno del mondo del Digital Marketing, per definire una propria strategia e per realizzare la propria soluzione end-to-end.

Dopo aver costruito il nostro consumer database, aggiornato in tempo reale con i dati di profilo e le interazioni dei nostri clienti, passiamo al terzo step che consiste nella segmentazione dei nostri contatti.

logiche di segmentazione

La necessità di una strategia di segmentazione efficace sta diventando sempre più prioritaria nel mondo del Digital Marketing. In questo periodo storico, caratterizzato da una fortissima evoluzione tecnologica, la mole di dati che potenzialmente abbiamo a disposizione relativamente alle abitudini e agli interessi dei nostri clienti (provenienti da Social Network, Mobile App, Wearable Devices, Soluzioni di Field Marketing, ecc.) è in costante crescita, e per utilizzarla al meglio è necessario sviluppare una propria strategia di segmentazione supportata da strumenti adeguati in relazione al contesto.

Grazie a questa evoluzione possiamo definire strategie di segmentazione della clientela molto più profonde ed efficaci della classica suddivisione per dati anagrafici o di revenue: è possibile valutare con precisione e dinamicamente le potenzialità di ogni singolo cliente, puntando in particolare su 5 aspetti:

  1. Actionability: indica la “azionabilità” del target, ossia la raggiungibilità attraverso vari canali digitali e la sua unicità, tale da meritarsi un trattamento differente e quindi contenuti personalizzati.
  2. Customer Lifetime Value (CLTV): il primo obiettivo di ogni business è quello di generare revenue; è quindi fondamentale saper valutare il CLTV in modo da indirizzare le nostre azioni di marketing sulla clientela che genererà maggior valore, identificando un segmento di clienti sufficientemente grosso da avere impatto sul nostro business e sufficientemente stabile nel tempo in modo da poter essere monitorato.
  3. Engagement Level: il livello di fidelizzazione è una variabile molto importante per determinare il grado di consapevolezza dei nostri clienti riguardo alla nostra offerta. È necessario quindi implementare algoritmi di scoring ad-hoc in grado di valutare costantemente il livello di engagement dei nostri clienti, che può essere utilizzato per definire dei target group sui quali eseguire azoni di marketing specifiche per incentivare l’interazione con il nostro brand e accelerare il processo di fidelizzazione.
  4. Lead Temperature: una strategia di segmentazione che punta a individuare i segmenti di clienti significativi per il nostro business deve tenere conto anche della “hotness” dei nostri contatti, ossia della predisposizione dei nostri clienti a prendere in considerazione l’acquisto di un nostro prodotto, valutandola costantemente nel tempo per determinare il momento migliore nel quale interagire con i nostri clienti. Questo per evitare di definire il segmento perfetto contenente l’acquirente ideale, ma raggiungerlo con le nostre azioni di marketing nel momento sbagliato – vanificando così i nostri sforzi. Per valutare in maniera efficace la Lead Hotness vanno sviluppati algoritmi di scoring statistici e predittivi in grado di valutare la propensione all’acquisto costantemente nel tempo, in base al comportamento dei nostri clienti.
  5. Sentiment: se è vero che “il marketing è una battaglia di percezioni e non di prodotti”, in un contesto in cui le comunità composte dai clienti acquistano sempre più potere attraverso i social network e dove i clienti tendono a privilegiare i consigli dei loro pari al momento di scegliere un brand, è indispensabile valutare costantemente il sentiment verso i nostri brand in modo da poter reagire tempestivamente con azioni correttive in caso di sentiment non positivo.

I modelli di segmentazione derivanti dall’applicazione della nostra strategia a loro volta vanno attuati tramite strumenti in grado di implementarli in tempi sempre più rapidi e in linea con la crescente velocità di evoluzione del mercato, e quindi della nostra Customer Community.

Tramite il Segmentation Tool di SAP Hybris Marketing è possibile implementare complessi modelli di segmentazione che sfruttano la tecnologia in-memory di SAP HANA per segmentare grandi quantità di dati in real-time. Oltre a questo potente strumento, SAP Hybris Marketing mette a disposizione altri due tool per l’implementazione di algoritmi di scoring euristici e predittivi, fondamentali per la determinazione degli attributi sopra citati:

  • Score Builder, che consente la progettazione e l’implementazione di indici di scoring per arricchire il profilo dei nostri clienti, che possono essere usati come input del nostro modello di segmentazione. Gli algoritmi di scoring creati con Score Builder possono essere creati e manutenuti direttamente dagli utenti di business, i Marketer.
  • Predictive Studio, che consente di utilizzare algoritmi di Machine Learning per l’implementazione di Algoritmi Predittivi, come ad esempio la Buying Propensity per predire la propensione di un consumatore all’acquisto di uno specifico tipo di prodotto. Predictive Studio si basa su SAP HANA Predictive Analysis Library (PAL), che contiene una vasta serie di algoritmi statistici e di Machine Learning che possono essere combinati allo scopo di costruire modelli predittivi ad-hoc.

Per ulteriori dettagli sulla soluzione e per vedere un’applicazione reale del tool di segmentazione di SAP Hybris Marketing, non dimenticate di iscrivervi al nostro podcast.

Alessandro Lavazzi,
Techedge