La pandemia Covid-19 ha accelerato e modificato definitivamente i comportamenti dei consumatori: esigenze, preferenze e abitudini d’acquisto si sono spostate con estrema rapidità dal mondo fisico a quello virtuale. Così anche le aziende hanno dovuto ripensare al loro rapporto con i consumatori in un contesto in cui gli e-commerce avevano già cambiato radicalmente il mondo del retail e l’avvento dei pure player erode quote significative di mercato. Inoltre, i brand oggi si rivolgono ad un pubblico sempre più “liquido”, meno legato alla marca e più difficile da fidelizzare.
D’altro canto, le carte fedeltà, l’utilizzo di smartphone, strumenti digitali, assistenti virtuali, sistemi di tracciamento (dal web, all’IoT, ai social media) permettono di avere accesso a un’enorme quantità di dati che racchiude preziose informazioni per la strategia aziendale.
Tutto ciò che avviene nel mondo digitale rappresenta una traccia significativa per analizzare tendenze, preferenze e comportamento dei consumatori, individuare connessioni di valore con l’azienda per farsi trovare pronti e reattivi con il prodotto giusto nel momento in cui emerge il bisogno, scovare nuove nicchie di consumatori, ingaggiarli, portarli a conversione e soprattutto trattenerli.
Come sfruttare i Retail Advanced Analytics
La vera opportunità oggi per i retailer e le aziende che vi operano, è:
- Accedere a quei dati,
- Integrarli con altre fonti (dai CRM ai dati territoriali),
- Estrarre informazioni dall’elevato valore strategico (insight significativi e attuabili) in grado di battere la concorrenza in termini di quote di mercato.
Gli Advanced Analytics diventano lo strumento privilegiato nel retail per prevedere eventi futuri, trend e comportamenti prima ancora che si verifichino (predictive analytics), al fine di reagire tempestivamente e intervenire per modificarne gli esiti a proprio vantaggio (prescriptive analytics).
Strategie omnicanale e BI
In tale contesto le dinamiche esperienziali dei consumatori risultano sempre più frammentate in un comportamento d’acquisto che si snoda tra touchpoint fisici e digitali in percorsi sempre più originali.
L’omincanalità diventa quindi un’opportunità da cogliere in due diverse direzioni:
- Da un lato permette di segmentare al massimo livello possibile il proprio mercato, individuare modelli di comportamento e scoprire nuove relazioni e dinamiche di acquisto non sempre evidenti con strumenti tradizionali di Data Visualization e BI;
- Dall’altro consente di rispondere in maniera reattiva a quelli che sono gli insight generati dal consumatore (soprattutto sui canali digital) per non perdere il vantaggio competitivo e cogliere nuove opportunità (raggiungere ogni singolo potenziale cliente con prodotti, servizi, promozioni e offerte quanto più personalizzate e orientate ai suoi bisogni).
Ecco quindi che il compito della Business Intelligence & Advanced Analytics diventa quello di permettere agli store fisici di attuare strategie omnichannel tramite strumenti di ML e AI in grado di elaborare un elevato volume di dati, in modo agile e intelligente, per estrarne dati utili e immediatamente spendibili. Superando al contempo la difficoltà legata alla frammentazione del dato (fonti eterogenee, kpi non comparabili, dati non strutturati, etc.).
Retail shopping experience
La shopping experience, quindi, esce dallo store fisico e diventa essa stessa un’esperienza omnichannel: il requisito fondamentale è quello di risultare un’esperienza unica e memorabile, non replicabile altrove, impensabile da ottenere senza una strategia di Business basata sui Big Data, Advanced Analytics, integrazione dei dati digital, in store e out store.
Un esempio lampante è quello dei chatbot, sfruttare l’AI per offrire al proprio cliente un’esperienza di acquisto online unica. Il Chatbot può diventare quello che è l’assistenza nello store fisico, in grado di accompagnare e consigliare il cliente nei suoi acquisti conoscendone la storia e i gusti.
Advanced Analytics per Retail e GDO
Il fenomeno dell’omnichannel permette dunque ai retailer di avere accesso ad una quantità considerevole di informazioni perché unisce i dati generati dallo store fisico a quelli del mondo e-commerce e i relativi canali digitali che si alimentano (web, IoT, social).
Dati out store
Tra i principali figurano i dati di geomarketing, inserito a pieno in un contesto omnichannel e da sempre utilizzato nel mondo GDO per affiancare le strategie commerciali, massimizzare le vendite e analizzare la concorrenza.
- Pedonalità
- Tasso di ingresso
Dati in store
Lo store fisico può incrociare i dati di scontrino e magazzino con i dati dello store tracking (ad es. analizzando i movimenti dei clienti in negozio, il retail può comprendere meglio chi è il suo cliente, le associazioni tra prodotti e migliorare l’esposizione in punto vendita).
- Ingressi
- Loyalty rate
- Tempo medio di permanenza
- Frequenza di visita
- Penetrazione per reparto
- Penetrazione Marca Privata (GDO)
Dati digital
Il tracciamento digitale (web, e-commerce, social media, etc.) permette di acquisire ed elaborare tutte le attività dei potenziali clienti per intercettare in modo rapido quelle che sono le esigenze, i trend e le scelte del consumatore.
- KPI legati alle attività Social e web
- Cross channel conversion rate
Inoltre, tramite l’Artificial Intelligence è possibile personalizzare la scelta d’acquisto creando delle associazioni tra i prodotti acquistati (generando delle recommendation e quindi maggiori vendite).
I vantaggi di una strategia data-driven per il retail
Una strategia di business data-driven permette di ottenere diversi vantaggi competitivi, a più livelli.
A livello globale, permette di definire la strategia globale di apertura/chiusura dei punti vendita, essere reattivo rispetto alle scelte dei consumatori, distribuzione di categorie di prodotto ecc.
A livello locale per ogni singolo store permette di capire come efficientare i costi del punto vendita, come migliorare l’assortimento, conoscere meglio il proprio cliente dalle sue scelte di acquisto ecc.
Come implementare una strategia di Advanced Analytics per il Retail
Implementare una strategia di AA (Advanced Analytics) nella propria organizzazione è ormai una questione di sopravvivenza nel mercato e non più di differenziazione.
Servono sicuramente delle competenze specifiche e quindi vediamo sempre più diventare fondamentale la figura del data scientist, anche se oggi il mercato offre piattaforme end-to-end che hanno l’obiettivo di portare l’AI e ML anche in organizzazioni non altamente formate sulla data science.
Ma ancora prima risulta necessario individuare l’obiettivo per cui si intende avviare un percorso di AA e contestualmente verificare se il dataset a disposizione consente questo tipo di approccio.
Realtà come Blue BI permettono oggi di approcciare in modo graduale il mondo dell’ AA , facendo percepire il reale valore che può mettere in campo l’AA rispetto a use-case specifici e di valore per l’azienda. Infatti, oltre a mettere a disposizione la propria conoscenza del settore e competenze grazie al team AA, Blue BI permette anche un approccio graduale a quello che è un tema nodale come le tecnologie, in quanto partner delle più performanti piattaforme AI presenti oggi nel mercato.
Realizziamo soluzioni di Business Intelligence & Advanced Analytics per trasformare semplici dati in informazioni di grande valore strategico.
