GDO e analytics: cosa è cambiato con la spesa online

Per un data analyst, l’ambito GDO rappresenta una sorta di paradiso in cui applicare pesantemente e con efficacia le tecniche di data science. La potenziale disponibilità di una quantità rilevante di dati tra loro diversi, unita all’altrettanto vasta possibilità di combinarli tra loro, può portare a supportare attività promozionali mirate, con risultati misurabili

Pubblicato il 27 Ott 2020

Alberto Visentin

Analytics Pre-Sales and Data Visualization Solution Leader - Var Group Mediamente Consulting

Data Governance Act (DGA)

Uno dei pochi settori a reggere e anzi a crescere il proprio business in questo difficile periodo storico è quello della Grande Distribuzione Organizzata (GDO). Interessante, in particolare, il diverso “rapporto” instauratosi tra cliente consumatore e supermercato, visto in passato essenzialmente nella sola veste di canale fisico, dove recarsi con frequenze e in giorni per lo più stabiliti, e ora considerato anche nel suo canale online, complici timori e ripercussioni legate alla pandemia. Del resto, è ragionevole pensare che anche “dopo” questo triste periodo storico l’online rimarrà un canale importante anche per la GDO, soprattutto se il settore stesso riuscirà a sfruttarlo ed evolverlo adeguatamente. Vediamo il rapporto fra GDO e Analytics.

Il GDO online, uguale a nessun altro

A fronte di questo cambiamento, i vari retailer GDO hanno organizzato il sito di e-commerce più o meno come un retailer qualunque. Sia dal punto di vista dal layout che da quello delle tecniche a supporto di cross-selling che up-selling. Dimenticando forse alcuni particolari che caratterizzano proprio il GDO:

– Il supermercato non è un retail comune, un negozio come tutti gli altri. La “user experience” di un cliente all’interno di un supermercato è un qualcosa di comune in tutti noi, non fa parte di un’élite o di un gruppo di appassionati di una specifica merceologia. Ci si muove da sempre, tutti noi, tra corsie e scaffali di prodotti tra loro diversi, alla ricerca di offerte o conquistati da quel particolare prodotto che non era nella lista. Nel canale fisico tecniche di cross-selling, più che forse di up-selling, vengono già supportate grazie all’esperienza e innovazione del team dei punti vendita;

– A parte alcuni casi, per lo più relativi a specifici brand in grandi città, il cliente dell’offline non si rende conto della reale spesa di quanto messo nel carrello se non al momento del passaggio in cassa. Ne va che nove volte su dieci l’importo sia superiore a quanto preventivato, proprio per le tecniche ormai consolidate di cross e up-selling del canale offline. E questo, dal lato del venditore, è ovviamente positivo. Nell’online invece ogni selezione di prodotto aggiorna immediatamente l’importo nel carrello virtuale, rendendo visibile la spesa e quindi il cliente più attento a rispettare quanto messo a budget. La partita si gioca su un altro campo e con altre regole, quindi le tecniche di promozione devono essere messe a terra in modo diverso rispetto al canale fisico;

– Infine, e questo è un punto forte rispetto all’offline, nel canale online il cliente deve precedentemente e necessariamente – si spera – registrarsi. Ovvero, rendersi visibile al retailer GDO. Il momento del sign on, la preparazione del form per la registrazione, i meccanismi di data quality per avere a disposizione un set di dati realistico e quindi utilizzabile a supporto dell’advanced analytics nella GDO diventa fondamentale. D’altra parte, e per questo diventa ancor più importante raccogliere in fase di registrazione i dati “collaterali” così tanto sottovalutati (composizione famiglia, hobby, ecc.), visto che le caratteristiche specifiche della persona che crea il carrello della spesa online – probabilmente la stessa, sempre – possono essere ancor più “fuorvianti” rispetto al canale fisico.

GDO e Analytics

Se questo è lo scenario, le tecniche di analisi dati e advanced analytics possono giocare un ruolo chiave cercando dapprima di “studiare il cliente” per poi attuare la migliore strategia promozionale.

Chiaramente, e qui la situazione è simile ad altri settori, il perimetro può riguardare l’analisi incrociata di entrambi i canali così come focalizzarsi sul solo e-commerce.

Alcuni aspetti da approfondire in questo senso possono essere i seguenti:

– Analisi e rappresentazione descrittiva dei dati: in un contesto multichannel, l’analisi descrittiva delle vendite deve essere adeguatamente impostata e sviluppata per evidenziare i comportamenti a seconda del canale. Un “dashboard” che dia una visione immediata es. delle categorie maggiormente acquistate a seconda del canale, con evidenza delle differenze tra relativi AVT (Average Ticket), AVP (Average Price), UPT (Unit per Ticket) ecc. può già dare una grossa mano nel capire l’”as is”, anche a monte rispetto all’analisi CRM del cliente registrato;

– “Clustering”: Si tratta di sfruttare la miniera di informazioni che la registrazione del cliente può portare con sé, sia per l’online separatamente che in una logica multichannel. Per “sfruttare” bisogna prima di tutto essere sicuri che i dati del cliente abbiano un livello di “correttezza” accettabile (ovvero, data quality) e che perciò ci possano dare un quadro completo delle esigenze e caratteristiche del cliente stesso. Una volta smarcato questo aspetto, per niente semplice e scontato, le informazioni personali possono essere unite ai comportamenti d’acquisto e, successivamente, sottoposte a tecniche di clustering assieme alle medesime informazioni della customer base a disposizione in modo da identificare correttamente i “gruppi” di clienti. Questo consente di differenziare le promozioni a seconda dell’appartenenza di “quel” cliente registrato a “quel” particolare cluster. Un prezioso “surplus” potrebbe essere l’inclusione di quegli open data sociodemografici che consentono di definire ancor meglio i cluster medesimi. Ma prima di tutto è necessario unire in modo coerente la customer base online e offline presente nei sistemi, anche qui con tecniche di bonifica (“data cleansing”) e togliendo così i duplicati e più in generale i dati non necessari.

– Associazioni tra prodotti e layout: Tecnica classica e valida ovunque, qui l’utilizzo di regole associative trova una sede naturale. La particolarità del GDO in tal senso sta forse nelle modalità di applicazione di queste regole, ovvero a come proporne i risultati al cliente. Lo sforzo, cioè, dovrebbe essere quello di andare oltre la classica visualizzazione a elenco o griglia di tutti i classici siti e-commerce per riproporre invece, per quanto graficamente possibile, l’esperienza tra corsie, scaffali e cartelli di sconti che tutti noi sperimentiamo ogni qualvolta andiamo al supermercato. Con il vantaggio che i cartelli delle offerte, così come la composizione degli scaffali, non sono gli stessi per tutti ma sono personalizzati per lo specifico cliente che sta facendo la spesa sul sito, sulla base delle sue preferenze d’acquisto e delle sue caratteristiche (vedi il clustering di cui sopra). Qui la parola passa ai web designer, ovvio. Il messaggio è solo che la GDO è intrinsecamente particolare nel consolidato rapporto che ha con ognuno di noi, e di questo occorre tener conto.

– Ottimizzazione del magazzino: L’analisi incrociata tramite tecniche di advanced analytics tra situazione di magazzino, con particolare riferimento es. alla gestione delle date di scadenza dei prodotti freschi, e comportamenti del cliente nel canale online può supportare una promozione mirata al momento della formazione del carrello, raggiungendo quindi sia un obiettivo di cross o up-selling sia un effetto in termini di scarico “intelligente” di merce a magazzino.

– Analisi del funnel: Ovvio che quando si parla di analisi dei comportamenti online l’analisi del funnel sia d’obbligo. Forse nel caso della GDO il focus deve riguardare non tanto aspetti di bounce rate, così importanti in altri contesti (v. il fashion), quanto piuttosto nei percorsi da un prodotto a un altro, per arricchire ulteriormente il profilo comportamentale del cliente registrato.

Conclusioni

Per un data analyst, l’ambito GDO rappresenta una sorta di paradiso in cui applicare pesantemente e con efficacia le tecniche di data science. La potenziale disponibilità di una quantità rilevante di dati tra loro diversi, unita all’altrettanto vasta possibilità di combinarli tra loro, può portare a supportare attività promozionali mirate importanti, con risultati misurabili. Lo sviluppo del canale online determinato dall’attuale momento storico di pandemia può ulteriormente espandere questa analisi, applicando di fatto tutto quel che un e-commerce porta con sé in un contesto in cui finora non aveva trovato particolare sviluppo. Perché, fino a “prima”, andare a fare la spesa era un’abitudine, quasi un rito inconscio all’interno della nostra routine quotidiana o settimanale.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 2