Registrati | Login
  

FOCUS ON MANAGEMENT BRANDING MEDIA INTERNATIONAL

Nuove tecniche di segmentazione
per campagne di marketing efficaci

Del: 17/10/2006

Dare valore alle informazioni, utilizzando la tecnologia ed estraendo da database di grandi dimensioni di volta in volta le componenti veramente utili all’azienda. Semplificando è questo il concetto di Data Mining, che consente, attraverso sistemi tecnologici e tecniche statistiche di elaborare e di utilizzare in maniera efficace grandi quantità di dati e informazioni.

Fare Data Mining significa dare vita ad un processo costituito dalle seguenti fasi logiche:

  • individuazione dei problemi/opportunità di business prioritari
  • traduzione delle problematiche di business in un obiettivo dì analisi quantitativa
  • costruzione del database funzionale alla presa di decisione
  • scelta della o delle tecniche più adeguate per definire un modello di analisi e risoluzione della problematica
  • test del modello e sua successiva implementazione
  • definizione dei processi organizzativi che rendono vivo il modello e ne garantiscono l’utilizzo in azienda.

In realtà è proprio questo processo che distingue il Data Mining da un’analisi statistica tradizionale; non è tanto l’ampiezza del database, il software o le tecniche utilizzate, quanto l’integrazione tra metodologie di analisi quantitativa ed esperienza di business. L’attività di analisi, perciò, nasce ed è finalizzata alle esigenze decisionali ed è svolta in un ambiente fortemente orientato all’integrazione di contributi tecnici e conoscenze di business. Non meno importante è l’aspetto organizzativo, ossia la messa in opera di procedure tecniche e organizzative che permettono di alimentare correttamente il database di marketing, di “pulire i dati” attraverso le attività di normalizzazione, doblonatura e spesso di integrarli con dati anagrafici e territoriali (Geo - Mining) che a loro volta devono essere costantemente aggiornati.
E’ evidente il valore che questo approccio comporta nella definizione strategica e operativa di campagne di marketing. Il Data Mining consente infatti di lavorare in diverse direzioni, per svolgere alcune fondamentali attività:

 - Classificazione. La classificazione, nasce dalla necessità di caratterizzare un cliente sulla base del suo profilo di acquisto (es. alto spendente, basso spendente) e porta alla individuazione di regole, attraverso l’analisi di:

  • variabili comportamentali (acquisto del prodotto/brand A, prodotto/brand B, ecc.)
  • variabili socio demografiche (es. età del cliente, reddito, cluster sociodemografico Value Lab, scoring finanziario, ecc.)
  • variabili territoriali (caratteristiche della microzona di residenza, distanza dal punto vendita / agenzia).

Dall’analisi dei comportamenti/degli attributi del cliente il manager può:

  • selezionare tra i clienti attuali sottogruppi omogenei a maggior probabilità di adesione all’acquisto di un nuovo prodotto
  • acquistare liste di clienti prospect coerenti con il profilo dei migliori clienti individuati e più vicini ai propri punti vendita/agenzie.

- Previsione. La previsione è uno dei temi maggiormente affrontati in azienda. I modelli previsionali possono essere utilizzati ad esempio per stimare il fatturato di un nuovo punto vendita isolando tra un set di variabili descrittive conosciute a priori (es. localizzazione su via commerciale, struttura del punto vendita, contesto del micromercato, ecc.) quelle a maggior impatto sul risultato del punto vendita. I dati con cui vengono costruiti tali modelli sono quelli storici (quelli dei punti vendita già esistenti), da cui si acquisisce conoscenza e con i quali si cerca di elaborare un modello che spieghi il fatturato delle nuove location e da cui si derivano le regole da applicare alle nuove ipotesi di apertura.

- Segmentazione. La segmentazione della base clienti è focalizzata sulla ricerca di cluster di clienti con comportamenti simili tra loro con la finalità di mirare al meglio le attività di vendita, marketing e comunicazione. Le tecniche di cluster analysis consentono di individuare gruppi di clienti omogenei al loro interno e differenziati tra loro.
Ciò che distingue questa attività da quella di classificazione è il fatto che nel clustering le classi o i gruppi non sono definiti a priori, ma attraverso un’opera di maieutica vengono “riconosciuti” e descritti a posteriori dal manager.

Associazione. L’associazione permette di prevedere, per esempio, quali prodotti vengono acquistati congiuntamente e individuare opportunità di cross-selling, o per evidenziare la relazione tra i diversi consumatori e i prodotti acquistati.

In particolare l’attività di segmentazione può essere affrontata con un approccio innovativo, che consente di raggiungere risultati più efficaci e di aumentare l’efficienza delle iniziative messe in campo.

                                           Marco Di Dio Roccazzella
                                                         Partner - Value Lab


Allegati:
SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE

 
 

Business Video