Digital Trasformation

Digital Trasformation

By Valerio Maria MurgoloTechnology
Download on the App Store

Digital Trasformation episodes

  • Big data analysis per prevenire il futuro
    La big data analysis per prevenire il futuro (puoi usarlo come titolo)

    Le analisi basate sui dati possono restituire risultati descrittivi ma anche, e soprattutto, predittivi.

    Sempre più spesso si definiscono i big data come il nuovo petrolio del ventunesimo secolo, infatti le aziende stanno comprendendo i vantaggi competitivi che possono scaturire da un approccio data driven, raccogliendo dati da internet, social e macchine, potendo identificare il viaggio del loro consumatore e prevenirne i comportamenti.

    Si passa da un processo di Business Intelligence ad un processo di Advanced Analytics basato su un’analisi delle distanze fra i valori per poterli ripete in processo di apprendimento.

    I primi strumenti di BI si sono avuti intorno agli anni 90, con l’obiettivo di raccogliere i dati per Dashboard, reporting, query, quindi tutti valori che rappresentassero la realtà ex-post.

    Con l’avvento di piattaforme di Advanced Analysis, che girano in un’unica piattaforma metadata driven, è possibile generare etichette che classifichino i valori archiviati e ne prevedano il futuro comportamento.

    Con Advanced analysis è possibile estrarre i dati, i testi, apprendere automaticamente, effettuare la sentiment analysis ed effettuare simulazioni.

    Le caratteristiche principali sono nel poter gestire qualsiasi dato, strutturato e non, di nascere per le modern Platform (web, mobile e cloud) e di rendere quindi accessibile a tutti i dati tradotti, di avere una governance interna che è in grado di rielaborare e sistematizzare i big data.

    La piattaforma è in grado di raccogliere, classificare ed etichettare i dati raccolti, sistematizzarli e nel caso in cui alcuni dati siano incompleti, quindi senza etichetta, è in grado di associare un risultato predittivo dove non presente (machine learning).

    Il data set viene diviso in 2 parti: il train e il test.

    Il train permette di performare le regole di classificazione che dopo essere state definite vengono generalizzare nella parte test, sezione non conosciuta.

    Successivamente si stabilisce la regola di decisone e il grado di accuratezza da generalizzare sul test.

    Per verificare la validità della procedura di classificazione si procede con la cross validation, in cui si confronta con il dato iniziale e si genera una tabella, si calcola il tasso di errore che graficamente è dato dai dati che non sono sulla diagonale principale della tabella.

    Per poter generalizzare i modelli di previsione bisogna far riferimento a modelli di data mining che vengono suddivisi in modelli supervisionati (in cui esiste una variabile di classificazione) e in modelli non supervisionati (in cui non esistono variabili di classificazione) utilizzati soprattutto per identificare i comportamenti di acquisto dei nostri consumatori, come per esempio nella basket analysis.
    4 min
  • Social Customer Service per risposte adeguate
    Sempre più i social media sono diventati uno strumento di Customer Service che risponde prontamente alle segnalazioni degli utenti con tempestività, con il giusto tono e la giusta grammatica, ma soprattutto con qualità di risposte anche in base al canale che si sta utilizzando.

    Le persone oggi vogliono essere ascoltate e lo fanno su diversi canali e non tutti controllabili dal brand, motivo per cui è fondamentale seguire, anche grazie a tool specifici, tutti gli argomenti riguardanti il brand e il mercato di riferimento, per poter subito fornire l’informazione di cui necessita l’utente.

    È buona prassi creare anche strumenti che tengano traccia delle domande più frequenti in modo da poter studiare dove gli utenti riscontrano, nel post vendita, maggiori problemi per analizzarli e magari anche risolverli, e poi è possibile creare un contenuto di domande e risposte più frequenti, le FAQ, da offrire ai propri consumatori per accedere alle risposte con rapidità.

    È fondamentale che ci sia una partecipazione attiva di tutta l’azienda sul web che, seguendo delle linee guida, creerà un rapporto di fiducia verso gli utenti che apprezzeranno la partecipazione di più elementi dell’azienda per risolver un problema o generare valore grazie alla soddisfazione di un bisogno.

    Molti sono i brand che oggi tramite una community o pagine Facebook offrono servizio di customer service con eccellenti risultati sulla soddisfazione dell’utente finale, generando una Experience gratificante e coinvolgente che in alcuni casi offre anche spunti per generare nuove idee o nuovi processi da poter sperimentare.
    3 min
  • Tecnologie per l'esperienza in store
    Sempre più negli store si usano tecnologie per poter mappare gli utenti, nella fase informativa, e creare nuove esperienze di valore.

    Tra queste ci sono le Tecnologie chiamate Digital Signage, o schermo interattivo, che esistono da tempo però oggi permettono, con all’interno telecamere e sistemi di intelligenza, di riconoscere il volto della persona entrata nello store e identificare magari sesso, età e tramite strumenti di “intelligenza artificiale” stabilire anche a chi appartiene quel volto, le sue emozioni e bisogni.

    Basti pensare al solo Facebook che possiede un data base di volti riconosciuti quasi pari al numero di utenti.

    Ci sono tecnologie chiamate Chat based marketing e bots, che sono schermi interattivi che permettono di simulare conversazioni umane tramite applicazioni di messaggistica, quindi il consumatore entra nello store e può intrattenere una conversazione, quasi umana, che gli permetterà di intraprendere il miglior percorso all’interno dello store.

    Siamo sempre nella fase informativa.

    Passando alla fase decisionale, quindi proiettata all’acquisto, ci sono tecnologie di “tracking in store” che permettono, allo staff interno, di tracciare il comportamento in real time all’interno dello store delle persone, fornendo i dati per esempio dei social o dell’esperienza nel sito del brand, permettendo allo staff di avere le informazioni per supportare il consumatore nel processo di acquisto.

    Sempre nella fase decisionale ci sono gli “Smart Device” e i sensori smart che consentono al retailer di prendere decisioni efficaci guidate da informazioni rilevanti e costantemente aggiornate.

    Per esempio con strumenti IoT per verificare il traffico in store e riallineare lo staff ed i messaggi nel digital screen.

    Infine ci sono tecnologie, sempre nella fase decisionale, chiamati “Beacon”, che permettono di interagire, tramite smartphone e tablet, direttamente con i clienti per poter, per esempio, dedicare offerte, ma anche per poter tracciare il comportamento all’interno dello store sempre con l’intendo di migliorare continuamente l’esperienza.
    3 min
  • Monitorare, interpretare e raccogliere i dati web con il CRM Digitale
    Quali sono le metriche per valutare un buon utilizzo del CRM digitale?

    Ovviamente anche questo argomento è in continuo divenire in quanto cambiano anche i diversi modi di comunicare, basta considerare che le campagne di marketing prima erano solo proiettate alla vendita, ma con l’avvento dei social media, dove le persone si incontrano per comunicare e condividere, il focus si è spostato più verso contenuti continuativi e utili ampliando il rapporto di fiducia da parte degli utenti.

    Questo spostamento di visione ha comportato un cambiamento anche nelle metriche e nei kpi utilizzati, passando alla multicanalità i parametri da valutare diventano specifici per canale e ad ogni singola misurazione bisogna integrarla a macro obiettivi considerando l’arco temporale in cui valutare il ritorno finanziario.

    Si viene a creare come un funnel, non inteso nel senso abitualmente sdoganato, ma come una serie di metriche che si raccolgono in una prima fase con le metriche di conteggio, che sono quelle specifiche per piattaforma, per poi filtrarle con le metriche fondative, che raggruppano per valori uniformi ad ogni singolo canale, per passare alle metriche di risultato che indicano le performance operative ed infine passare alle metriche di business che valutano l’efficienza finanziaria dell’attività.

    Come tutti i funnel anche questo è da intendersi a ciclo continuo essendo tutte collegate tra loro, nelle metriche di conteggio i kpi che si vanno a valutare non hanno un valore diretto sul business, le visite al blog non portano direttamente guadagni, come le metriche di business non hanno valore se non sorrette dalle metriche precedenti, e ogni volta che si stabilisce il ritorno, il vecchio Roi, si riparte con la valutazione dalla parte alta del funnel.

    Le principali metriche di conteggio sono quelle che derivano dai rispettivi canali, esempio i fan o la reach di Facebook, oppure le visite e i commenti sul blog, e quindi sono anche soggette ai cambiamenti di parametri della piattaforma che li ospita.

    Invece le metriche fondative sono sostanzialmente 2: l’interazione, e quindi le risposte a determinati stimoli, e l’Advocasy che si basa sulla capacità di una persona o di un gruppo di condividere i valori ricevuti.

    Tutti i dati raccolti dal CRM digitale vanno gestiti in un unico database che permette di costruire un rapporto con l’utente unificato dai dati, restituendo una sensazione di rapporto personalizzato, di interagire su più mezzi mettendoli in relazione e di collegare tutti i sistemi di transazione.

    La metrica finanziaria oggi più utilizzata è il Life Time Value che consente di valutare l’investimento dei consumatori in termini strategici, e quindi di valutare il profitto generato dai consumatori in un arco temporale nel medio o lungo periodo, differenziandolo dal Roi che ha un arco di tempo più limitato.
    4 min
  • Customer Relationship Management
    La soddisfazione del cliente non ha un momento per preciso ma deve seguire tutto il processo di acquisto, uso ed abbandono o riacquisto.

    Quando bisogna acquistare un bene o servizio seguiamo il processo di percezione del bisogno, di analisi attenta e informata tramite la ricerca attiva, valutiamo il prezzo e se questi viene percepito come inferiore al valore acquistiamo.

    Successivamente inizia la fase di utilizzo normale ed evoluto del bene/servizio e se riscontriamo problemi, ricerchiamo una soluzione ma questa non è tempestiva ed esaustiva, si abbasserà la percezione del valore e aumenterà quella del prezzo comportando un abbandono del prodotto con tutto quello che ne deriva in termini di riacquisto futuro o di comunicazione negativa.

    Quindi l’azienda deve essere attenta a tutte le fasi coinvolgendo il cliente attivamente anche in fase di utilizzo e feedback.

    Il “Customer Relationship Management” o CRM è una strategia di business che ha l’obiettivo di rendere profittevoli nel tempo i rapporti con i clienti, mantenendone elevata la soddisfazione nelle fasi di ricerca, selezione, acquisto di prodotti o servizi fino all'eventuale sostituzione.

    Quindi l’utilizzo è orientato al mantenimento della soddisfazione del cliente nel tempo; infatti non è un applicativo o software ma è una strategia, non è un nuovo modello di call center ma aiuta il call center a generare soddisfazione duratura, non è uno strumento di sales force automation, ma aiuta la forza vendite a semplificare il rapporto con il cliente aiutando le vendite nel generare valore all'utente, non coinvolge solo il front-end aziendale, ma è una strategia che abbraccia tutti e si può realizzare anche senza un nuovo software o hardware, nelle piccole realtà si può stabilire il processo senza dover investire in strutture esterne.
    3 min
  • Buyer persona come strumento di profilazione
    Oggi cercheremo di approfondire l'importanza della profilazione del cliente e di mappare il Customer Journey nell'era dell'esperienza.

    Il consumatore oggi è sempre più indipendente nel processo digitale, ricerca da solo i contenuti ed è cosciente di questa libertà, può anche intercettare valutazioni e suggerimenti, ed è sempre più mobile e always on, quindi il contatto non dipende dal tempo; in più si relaziona, ha bisogno di dialogare, anche con il proprio brand, ed è in grado di fare delle comparazioni.

    Direi che è cambiata proprio l'impostazione e la realtà sociale, tra qualche anno i nativi digitali saranno la maggior fetta del mercato e sicuramente preferiranno sempre di più internet nell'impostare le relazioni, che è quello che ormai diventerà sempre più ridotto, quindi l'approccio analogico.

    In questo contesto si inserisce il concerto di "zero moment of truth", ossia il momento in cui un consumatore inizia il suo processo di acquisto, partendo da web ed in tempo reale, fino ad atterrare a tutto quello che il suo viaggio, basato sugli impulsi, con una comunicazione sempre meno unidirezionale ma sempre più ovviamente bidirezionale, anzi omnidirezionale, tra più utenti.

    Bisogna costruire un approccio basato sulle persone e sull'esperienza che loro vivono; per fare ciò bisogna definire quelle che vengono chiamate le personas, o buyer persona, per costruire su loro uno storytelling su misura, mappare il loro Digital Journey e creare contenuto adeguato.

    Per poter definire le buyer persona bisogna definire quello che è il target consumer o prospect, Intervistare i clienti in essere, analizzare l'approccio del cliente al brand tramite la sentiment analysis, raccogliere i dati attraverso i canali esistenti, sia di clienti che di prospect, e analizzare i feedback nella vita reale.

    Grazie al team di vendita ricevere più informazioni possibili, nei comportamenti del consumer o prospect ed infine analizzare i dati raccolti e definire la buyer persona in un ciclo continuo di perfezionamento; quindi sarà sempre in continuo divenire e sarà sempre da controllare nel tempo come cambia la nostra buyer persona.

    Per poter creare la buyer persona c'è uno strumento di largo uso che si chiama Canvas, che mappa tutti gli aspetti principali non soltanto della buyer persona intesa come elemento socio-demografico ma anche tutti quelli che sono i suoi obiettivi, il suo processo di acquisto, e quindi il pensiero dietro il suo processo d'acquisto, tutti i canali di contatto, tutti i touchpoints da cui vi accede, i tempi e le singole iniziative, il contenuto e le informazioni che vuole trasmettere.

    Infine per completare lo scenario, e quindi lo studio, bisogna definire tutti gli stakeholder, interni ed esterni, e quelli che sono l'influencer dell'azienda, interni ed esterni. Viviamo in un'economia dell'esperienza, il consumatore non vuole più un prodotto ma l'esperienza e benefici che ne derivano; oggi l'esperienza ha un prezzo e quindi bisogna personalizzare l'esperienza, adattare il prodotto servizio e cercare di aumentare quello che il desiderio e l'aspirazione dell'utente di legarsi a quel brand.

    Sempre più i brand diventano un riferimento per gli utenti che desiderano essere coccolati e supportati in ogni fase del suo processo di acquisto.
    5 min
  • Benefici della multicanalità
    Fino ad oggi le imprese hanno operato sul mercato con uno o più canali di vendita spesso con forte spinta commerciale e in concorrenza tra loro.

    Il processo di comunicazione, vendita e servizio si concentrava nel singolo punto fisico dove veniva svolta anche la fase di post vendita.

    Nel tempo si sono implementati molti altri canali sia nella fase di coinvolgimento, di acquisto e assistenza. Le tecnologie hanno creato nuovi canali di comunicazione e interazione che hanno permesso di creare nuovi strumenti di relazione e acquisto.

    Nasce la multicanalità che ha l’obiettivo di coordinare, integrare e ottimizzare la pluralità ed eterogeneità delle risorse, migliorando la relazione tra brand e consumatore.

    I principali cambiamenti ottenuti con l’entrata del commercio su internet sono:

    1)Maggiore “interattività”, cresce l’interazione con gli utenti grazie alla tecnologia. Il consumatore co-partecipa a tutto il processo passando anche dall’ideazione del prodotto.

    2)Maggiore “profondità delle informazioni”, aumenta la qualità delle informazioni disponibili, creando maggiore trasparenza.

    3)Maggiore “personalizzazione”, aumenta la possibilità di personalizzare i contenuti, prodotti o servizi.

    4)È nata la “tecnologia sociale” che grazie alla tecnologia ha abilitato la produzione e distribuzione di contenuti generati dagli utenti.

    5)È diminuita “l’asimmetria informativa” tra venditori e i consumer

    6)Sono diminuiti i “costi di ricerca” per trovare nuovi prodotti.

    7)Sono diminuiti i “costi di transazione” per accedere al mercato ed effettuare la vendita per un’impresa e l’acquisto per i consumatori.

    8)Sono diminuiti i “costi di merchant” per adattare i prezzi ai diversi target.


    Inoltre si è attivato un processo di disintermediazione, prima il produttore vendeva al distributore che vendeva al dettagliante che vendeva al consumatore, nel tempo si è passati ad un modello produttore/dettagliante/consumatore e si va sempre più nella direzione dove il produttore vende direttamente al consumatore.

    I benefici sono abbattimenti di costi di intermediazione lato consumatore e in risparmio spesa per il produttore da investire nella esperienza per il cliente.

    Volendo annoverare alcuni benefici che si ottengono dalla multicanalità possiamo dire che aumentano i ricavi e i punti di contatto con il mercato, migliora la capacità di risposta ai veloci cambiamenti, si ottiene un maggior vantaggio competitivo rispetto agli operatori multicanali in termini di rapidità di risposta, miglioramento della gestione di prodotti complessi e dei resi e maggiore efficienza organizzativa.

    Ovviamente ci sono benefici anche per i consumatori che possono rilevare molte più informazioni, possono migliorare la relazione e quindi diventare più fedeli, possono scegliere autonomamente il canale più consono con cui creare contatto.

    Nel nuovo viaggio dell’acquirente multicanale il processo di acquisto permette di ottenere informazioni utili indipendentemente dai canali utilizzati, i dati riconoscono il cliente, i suoi interessi, le sue interazioni e le sue preferenze generando una personalizzazione e infine permette una maggiore risposta nel post-sale incrementando la positività della customer experience.
    4 min
  • Molti touchpoint per una relazione di valore
    I momenti di incontro tramite diversi touchpoints oramai coinvolgono metodi tradizionali e digitali, basti pensare ad una affissione outdoor del 2014 di una nota compagnia aerea che raffigurava un bambino che al passare di un aereo lo indicava e appariva la scritta del volo e la destinazione.

    Oppure processi di “double screen” che permettono per esempio interazione con il brand e tra lo schermo e lo smartphone per esempio, oppure app per poter riprendere o fotografare una bottiglia, per esempio di vodka, e partecipare a concorsi a premio.

    Sicuramente il prossimo futuro offre opportunità grazie all’ IoT, l’internet delle cose, tramite sensori che traccino i comportamenti degli user per generare un’esperienza di valore.

    L’utilizzo di tutti questi touchpoints rappresenta un’opportunità ma anche una sfida che le aziende dovranno affrontare; bisogna tenere in considerazione che i big data utilizzano le informazioni per personalizzare l’esperienza dell’utente, con strumenti come Google Search Console che consente di capire ciò che l’azienda è in grado di ottenere con Google, non pensare che il traffico sul sito sia di miglior qualità ma estende gli orizzonti a tutti i punti di contatto creando un’adeguata e differenziata comunicazione, con l’utilizzo di modelli di attribuzione permettendo di analizzare i diversi flussi/canali utilizzati.

    Ed infine bisogna riconoscere il comportamento dell’utente sui diversi dispositivi e considerarlo un utente differente, in questo caso si utilizzano strumenti di “Universal Analitycs” che tracciano il comportamento del singolo utente rispetto a un diverso approccio con i diversi device.
    3 min
  • Come si comportano le aziende in caso di crisi
    Come si comportano le aziende in caso di crisi?

    Solitamente esistono due protocolli operativi che gestiscono, con obiettivi diversi, le crisi e sono:

    Il Crisis Management, che gestisce le situazioni di crisi con l’obiettivo di minimizzare le perdite in termini di sicurezza, di vite umane, di ambiente e di risorse, ma anche in termini di reputazione ed infine economiche.

    Volendo prendere un esempio, in caso di incidente in autostrada l’azienda che gestisce il tratto autostradale con il Crisis Management verifica che tutti stiano bene, gestisce il servizio di soccorso e rimuove i mezzi.

    Invece il Business Continuity Management ha come obiettivo la continuità operativa durante la crisi, cercando di contenere il disservizio al flusso aziendale.

    Per riprendere l’esempio precedente, in caso di incidente in autostrada il Business Continuity Management si attiverà per ripristinare il flusso tramite un’altra corsia o ridurrà la careggiata per far defluire il traffico.

    Con l’avvento della digitalizzazione si è creato un sotto-protocollo al Business Continuity Management che è il Disaster Recovery con cui si intende l’insieme delle tecnologie e misure organizzative con il compito di ripristinare sistemi, dati e infrastrutture necessarie al l’erogazione di servizi strettamente collegate c IT.

    Esistono tre tipologie di minacce alla continuità operative nel digital, e sono:

    1)minacce avversarie; intese come minacce derivanti da attacchi avversari, per esempio attacchi alla autenticazione, divulgazione di dati sensibili, Malware, errori di configurazione o abusi.

    2)minacce accidentali; come il mal funzionamento di un software o hardware, o di tipo comportamentali oppure fallimenti sui processi di configurazione.


    3)minacce ambientali; che ovviamente riguardano eventi atmosferici o meteorologici, come eventi idrogeologici o geologici, oppure minacce ad eventi strettamente legati alle infrastrutture come blocco di corrente, di comunicazione o servizi nel settore delle telecomunicazioni.

    I processi correlati ad entrambi i protocolli si basano sul piano operativo, sulla continua formazione per essere preparati in caso di crisi e sulla comunicazione, interna ed esterna, che risulta fondamentale per il Crisis Management; e soprattutto, come nel caso di “Cambridge Analytica”, in alcuni casi bisogna metterci la faccia, ammettere gli errori pubblicamente e ripartire con una serie di azioni atte ad arginare la crisi e il calo di reputazione.
    3 min
  • Modelli supervisionati e non supervisionati per il Data Mining
    Esistono due categorie di metodi per poter effettuare il processo di Data Mining, e cioè di estrazione dei dati.

    I modelli “supervisionati”, che sono metodi che vengono applicati nel momento in cui nel data set di partenza esiste una variabile di raggruppamento, o etichetta, e i modelli “non supervisionati” che non hanno questa variabile di raggruppamento.

    I supervisionati si dividono in altre due sottocategorie di metodi di estrazione e sono di “Classificazione” o di “Regressione” in base alla variabile di raggruppamento se di tipo cardinale o numerico quantitativo.

    Nei metodi non supervisionati, quando non esiste la variabile di raggruppamento, abbiamo modelli di Clustering o modelli di Regole di associazione.

    La fase preliminare di estrazione dei dati è il momento più critico in quanto è caratterizzata dalla preparazione del dato che passa da alcuni step prevalenti; l’acquisizione del dato, la fase di Parsing, quindi di conversione dei dati in una unica struttura e formato, la fase di controllo, che deve prendere in considerazione i casi mancanti e le anomalie.

    Tra i modelli supervisionati di classificazione esiste il metodo KNN, o del vicino più prossimo, che si basa sulle caratteristiche vicine al dato considerato. Un oggetto è classificato in base alla maggioranza dei voti dei suoi vicini.

    Il metodo degli alberi di classificazione, o decisione, che rappresenta un albero di classificatori con nodi interni binari, chiamati foglie, che dividono i campioni in classi di etichette omogenee, stratificando i dati.

    I modelli supervisionati di regressione possono essere lineari, quindi una stima basata su una variabile dipendente e una o più variabili indipendenti, e a vettori di supporto, (Support Vector Machine) che costruisce nuovi esempi ad una delle classi possibili ottenendo un classificatore binario non probabilistico.

    I principali ambiti di applicazione possono essere per classificare i comportamenti di acquisto, per una diagnosi medica, per la sicurezza web o per il rilevamento dello spam.

    Invece i modelli non supervisionati, quindi senza variabile di raggruppamento, vengono utilizzati per la sentiment analysis, per analizzare l’e-commerce o per valutare i dati in store.

    L’esempio più calzante è il modello basket analysis che permette di analizzare le abitudini di acquisto dei clienti identificando le relazioni esistenti tra prodotti acquistati e differenti consumatori.

    Anche il Clustering figura tra i metodi non supervisionati, e consiste nel raggruppare dati omogenei basandosi sulla somiglianza, e quindi la distanza tra di loro, in uno spazio multidimensionale.

    In ultimo ci sono metodi di text mining che si applicano a testi non strutturati, estraendo informazioni a valore aggiunto convertendoli in linguaggio strutturato e formale.

    Si utilizzano per pagine web, email, social, agenzie stampa, chat ecc..

    in questi casi i campi di applicazione sono la brand reputation, la sentiment analysis, la seo e il web marketing.
    4 min

About Digital Trasformation

From the publisher's feed

Oggi una realtà aziendale per poter essere competitiva sul mercato deve essere data driven, raccogliere, monitorare, analizzare ed interpretare i dati; deve essere "open", deve essere orientata…