Dall’emergenza alla Fase 2, l’AI per conoscere meglio i clienti

Come migliorare la conoscenza dei clienti e potenziare le strategie di personalizzazione con l’aiuto dell’AI. L’esperienza di Creval con IBM Watson. [...]
concept di ai nel marketing
  1. Home
  2. Data Analytics
  3. Business Analytics
  4. Dall’emergenza alla Fase 2, l’AI per conoscere meglio i clienti

La Fase 2 segna un nuovo inizio nella relazione tra brand e cliente. In questo periodo di profonda incertezza, infatti, le aziende devono riportare l’individuo al centro delle strategie di marketing instaurando un rapporto di maggior fiducia attraverso forme d’ingaggio più personalizzate. Un lavoro non facile, visto che si tratta di un consumatore che va in qualche modo “riscoperto” dai brand perché è cambiato profondamente nel corso delle ultime settimane. Un consumatore che acquista in modo più oculato rispetto a prima, che anche in questa Fase 2 privilegia l’eCommerce agli acquisti nel punto vendita fisico, che si sposta meno e paga più facilmente con gli strumenti digitali anziché in contanti. Abitudini forzate dalla pandemia, certo, ma destinate con tutta probabilità a perdurare nei prossimi mesi, forse anni. Per i marketer dunque si profilano all’orizzonte nuove sfide, legate soprattutto all’iper personalizzazione dell’offerta e alla capacità di saper anticipare i gusti e i bisogni di un consumatore che mai come ora ha bisogno di essere rassicurato e compreso.

Come evolvono le tecnologie di marketing

La comprensione delle nuove abitudini e delle esigenze dei clienti passa attraverso un marketing che, oggi, è sempre più sorretto e guidato dai dati. Un marketing data driven che necessita di tecnologie digitali sempre più smart, intelligenti e connesse. Le strategie omnichannel, il content marketing, il Customer Service devono essere completamente ripensati per rispondere all’esigenza di mettere il cliente e la sua unicità al centro di processi di ingaggio e fidelizzazione più efficaci. L’AI è, forse, tra le tecnologie digitali, quella che sta maggiormente impattando sul lavoro dei CMO e dei marketer. Algoritmi matematici e modelli statistici, bot, elaborazione del linguaggio naturale… le tecnologie in campo sono numerose e diversi gli ambiti della relazione con il cliente in cui sono in grado di garantire benefici concreti. Ecco i principali:

Customer Care

Gli approcci omnichannel moltiplicano la frequenza di contatto con i consumatori e il Customer Service oggi è essenziale per garantire un’esperienza d’acquisto fluida e soprattutto personalizzata. Bot, chatbot, App, interfacce conversazionali, tecnologie di Machine Learning e NLP permettono di fornire risposte sempre più veloci e precise alle richieste dei clienti, facendo leva sulla miglior conoscenza delle loro esigenze e abitudini di navigazione.

Customer Journey e Customer Experience

Grazie all’AI è possibile tracciare il Customer Journey tra i diversi device e touchpoint e mapparne l’evoluzione nel tempo. Questo permette all’azienda di “farsi trovare” dal consumatore sul canale preferito nel momento esatto in cui è più propenso ad acquistare. La mappatura precisa di tutte le interazioni fisiche e digitali permette di comprendere non solo le esigenze del consumatore, ma anche il lessico più efficace per comunicare con lui e le occasioni in cui è in grado di prestare maggiore attenzione al brand.

Segmentazione e audience targeting

Personalizzare significa segmentare in modo più efficace e profilare in modo più granulare rispetto al passato, utilizzando i dati per massimizzare la conversione. L’Artificial Intelligence permette di superare i vecchi sistemi di segmentazione dell’audience basati su regole e smart list: sarà possibile creare percorsi personalizzati per ogni consumatore basandosi sull’analisi delle sue preferenze e comportamenti d’acquisto ma anche accelerare i tempi di messa a terra di una campagna adattandola a cluster di clienti diversi ma affini oppure espandendo le audience attraverso modelli “lookalike”.

Geolocalizzazione e marketing di prossimità

I suggerimenti basati sulla posizione dell’utente evolvono, grazie all’AI, in una vera e propria geolocalizzazione personalizzata, che conosce i percorsi e le preferenze dell’utente e ne anticipa le esigenze e le occasioni d’acquisto o di consumo.

Content Marketing

La raccolta dati in tempo reale permette ai marketer di ricavare informazioni importanti su keyword, trend topic e argomenti di interesse del consumatore, per personalizzare in modo più efficace le strategie di comunicazione.

Trigger Marketing

L’invio automatizzato di messaggi e notifiche che si innesca al verificarsi di specifiche condizioni – comportamenti dell’utente, luoghi, momenti – può oggi essere migliorato con il contributo dell’AI. Utenti diversi che compiono la medesima azione in momenti e luoghi diversi innescano una risposta comunicativa diversa, appositamente studiata per garantire sempre la massima conversione.

Sistemi di recommendation

La capacità per le aziende di identificare in modo preciso un utente, tracciare le abitudini di navigazione e le interazioni con altri utenti o aziende permette di filtrare in modo intelligente le informazioni che lo riguardano e generare liste ordinate di proposte e offerte su misura che tengono conto delle sue preferenze.

Loyalty e Customer Engagement

Oggi il loyalty marketing usa l’engagement e la targetizzazione intelligente per creare occasioni e contenuti unici per ciascun consumatore. Questo permette di massimizzare l’efficacia delle strategie di cross selling e upselling e aumentare il Customer Lifetime Value dei clienti. La combinazione di personalizzazione e interazione in real time induce il cliente a interagire di più con il brand e soprattutto ad acquistare di più.

L’esperienza Creval: Watson AI alla base delle strategie di banca customer centrica

Anticipando i modelli digitali della Fase 2, Credito Valtellinese (Creval) diversi mesi fa ha avviato un progetto incentrato sul modello di banca customer centrica, che massimizza il valore della conoscenza del cliente per creare nuovi modelli di segmentazione. L’obiettivo dell’iniziativa era aumentare il fatturato realizzato su ciascun cliente, potenziando le strategie di upselling e cross selling. Fondamentale, dunque, gettare le basi analitiche per comprendere i comportamenti e le esigenze con un nuovo livello di profondità e granularità, integrando i dati strutturati più facilmente accessibili con i record destrutturati reperibili sia internamente a Creval sia al suo esterno. Con l’aiuto degli IBM Business Services stato creato un framework che permette di valutare i clienti sulla base delle relazioni che intrattengono con la banca, a prescindere dalla tipologia di prodotti finanziari acquistati.

Quella avviata da Creval è una vera e propria rivoluzione “cognitive”. Il gruppo valtellinese ha integrato un nuovo modello di customer analytics in Cloud basate su IBM Cognos Analytics, IBM Watson Discovery e IBM Watson Studio & Modeler, in abbinamento a una soluzione di campaign management multicanale che sfrutta la tecnologia IBM Watson Marketing. Le analytics utilizzano la tecnologia cognitive per identificare e indicizzare i dati destrutturati contenuti nei mainframe della banca, tracciare i comportamenti online e le informazioni sui prodotti finanziari e assicurativi di terze parti – prestiti, carte di credito, mutui e assicurazioni.

La capacità di creare insight e azionare i dati sul cliente in brevissimo tempo, e soprattutto senza doversi rivolgere all’IT, ha reso il reparto marketing di Creval molto più reattivo e propositivo di fronte alle opportunità di un mercato che sta cambiando profondamente e velocemente per effetto delle normative di settore, della concorrenza FinTech e oggi anche del Covid-19. La soluzione utilizza le tecnologie di elaborazione del linguaggio naturale (NLP) per filtrare i dati di testo destrutturati, creare un profilo dettagliato di ciascun consumatore e immagazzinarlo in un repository appositamente progettato con una struttura customer centrica. Il sistema di gestione omnicanale delle campagne di marketing utilizza i profili e gli insight in due modi. Da un lato, supporta le attività di segmentazione analizzando i pattern transazionali per creare modelli più rappresentativi dei comportamenti dei clienti, dall’altro permette di creare campagne di marketing outbound multicanale più efficaci. I risultati più evidenti? Un incremento del 10% del tasso di conversione sulle campagne di marketing outbound e un aumento delle vendite di prodotti finanziari del 2%.

FacebookTwitterLinkedInWhatsApp

Commenta per primo

Lascia un commento

L'indirizzo email non sarà pubblicato.


*