E-marketing Intelligence e personalizzazione

Transcript

1 E-marketing Intelligence e personalizzazione Nel mondo degli affari di oggi comprendere e sfruttare il potere delle 4 P del marketing (product, price, place e promotion) è diventato uno dei fattori più importanti per determinare il successo del marketing di un azienda. Le evoluzioni tecnologiche, in particolar modo il web, hanno introdotto le 4 P dell emarketing: permesso, privacy, profilazione e personalizzazione. La personalizzazione è infatti la possibilità di fornire a ogni individuo informazioni, prodotti o servizi ritagliati su misura, e il soggetto di questo articolo è lo studio del ruolo significativo della personalizzazione nelle applicazioni intelligenti di e-marketing. Si è cominciato a parlare di personalizzazione con l introduzione delle applicazioni ipermediali adattive - come alternativa all approccio 'one-size-fits-all' - che ci hanno consentito di costruire un modello degli obiettivi, delle preferenze e delle conoscenze di ogni utente, e utilizzare questo modello durante l interazione adattandosi alle sue specifiche necessità. La personalizzazione è un area tecnologica e scientifica piuttosto vasta che comprende l adattamento (o customizzazione), il marketing one-to-one e i siti web adattivi. È il processo di raccogliere e immagazzinare informazioni sui visitatori dei siti web, analizzare le informazioni per comprendere i modelli di comportamento degli utenti, le abitudini e le preferenze, e fornire, infine, a ogni visitatore le informazioni giuste al momento giusto. La personalizzazione può essere utilizzata come tecnologia chiave per gestire la relazione con i clienti, gestendo campagne pubblicitarie su un determinato target, promuovendo prodotti o servizi e adattando il contenuto del sito web, attraendo visitatori al sito con un contenuto interessante e inviando loro informazioni di qualità via . La personalizzazione può essere implementata nelle seguenti forme: presentazione di contenuto personalizzato attraverso l utilizzo di sezioni tematiche e la personalizzazione di raccomandazioni/offerte/prezzi/prodotti/servizi; struttura personalizzata; layout dei siti personalizzato. Queste attività si possono basare su analisi di dati provenienti da fonti online e off-line utilizzando varie tecniche come l association rules mining, algoritmi di clustering, tecniche di classificazione, filtraggi collaborativi, scoperta di pattern, predizioni, analisi dei file di log. I benefici per il business possono essere significativi e includono, tra gli altri, un miglioramento dell usabilità del sito, la conversione di utenti in compratori, l aumento della retention dei clienti, le possibilità di richiamo, la penetrazione in nuovi mercati. Dall altra parte, la personalizzazione applicata all e-commerce è un modo efficiente per fornire valore aggiunto ai clienti, permettendo di approcciarli come individui. I clienti devono poter sentire di avere una relazione personale con i business con cui vengono in contatto. Gli utenti hanno ora la possibilità di visitare siti web che permettono di trovare informazioni o scegliere prodotti e servizi per comprare facilmente e velocemente e inoltre, possono ricevere , newsletter e altre informazioni che ritengono interessanti.

2 Anche se una percentuale significativa di utenti online dà il permesso di ricevere queste informazioni di marketing, spesso si cancella la sottoscrizione quando le preferenze e i bisogni non sono soddisfatti e si finisce per ricevere informazioni inutili e irritanti. La qualità e la precisione nella produzione di personalizzazioni diventano quindi dei mezzi per assicurarsi la lealtà del cliente. Esistono due approcci generali alla personalizzazione nelle applicazioni e-commerce: Buyer driven (guidata dal compratore): il cliente si iscrive a diversi servizi, compila moduli o questionari, valuta prodotti, partecipa a sondaggi, ecc; Seller driven (guidata dal venditore): l adattamento è controllato dal gestore dell ebusiness. Il contenuto è servito utilizzando regole di business predefinite, il target online advertising e il cross-selling o l up-selling di prodotti o servizi. Normalmente viene utilizzato un motore di regole che cattura e codifica regole di business, descrivendo flussi di lavoro e automatizzando i compiti manuali. Le fasi principali del processo di personalizzazione sono le seguenti: raccolta dati; elaborazione; output personalizzato. Una volta definita la personalizzazione per applicazioni di marketing intelligente, descriveremo i compiti che normalmente compongono il processo e dimostreremo la relazione tra personalizzazione e web mining. Raccolta dati Attraverso la comprensione del comportamento dei clienti si avranno a disposizione strategie di e-marketing più efficienti. Gli sforzi sottesi ad aumentare l utilizzo dei siti web seguono una strategia composta da due componenti, ovvero la trasformazione di nonutenti in utenti e l espansione dell utilizzo da parte degli utenti. I consumatori supportati da un sistema personalizzato saranno più propensi a diventare compratori o ad aumentare il proprio volume di acquisti. I siti web hanno quindi bisogno di incoraggiare gli utenti a segnalare i problemi utilizzando questi feedback per migliorare sia i prodotti che i servizi. Essi dovrebbero inoltre tentare di collezionare informazioni dei clienti e utilizzare quelle informazioni per sviluppare una relazioni con i clienti. La soddisfazione del cliente è la chiave della customer retention. Come nei negozi, i servizi di e-commerce devono costruire una solida relazione con i clienti e la tecnologia fornisce molti vantaggi rispetto ai modi tradizionali di fare business, utilizzando tecniche come gli user group, i forum, gli input da clienti precedenti (classifiche, commenti, opinioni, ecc), il tracciamento degli ordini e altro ancora. La prima fase del processo di personalizzazione è quindi l acquisizione di dati degli utenti, un attività che normalmente è in continua esecuzione. I dati utente devono poi essere trasformati i rappresentazioni interne - attraverso la modernizzazione - che permetteranno ulteriori elaborazioni e aggiornamenti più semplici. Inoltre, la personalizzazione per produrre risultati soddisfacenti necessita di diversi tipi di dati: alcuni dati possono essere osservati dal sistema mentre altri devono essere forniti dall utente. Il collezionamento di informazioni che descrive un particolare utente è chiamato profilo utente, che può essere

3 statico o dinamico, ovvero aggiornabile o no, con una determinata frequenza. Più specificamente, l informazione contenuta in un modello utente comprende i profili di identificazione, di preferenze, socioeconomico, delle valutazioni, delle opinioni, delle transazioni, dell interazione e dell operatività. Esistono due metodologie generali per acquisire dati utente, che dipendono dal coinvolgimento attivo o meno dell utente nel processo: approccio reattivo: all utente viene chiesto esplicitamente di fornire dei dati utilizzando moduli, questionari o supporti come le smart card; approccio non reattivo: il sistema deriva implicitamente tali informazioni senza iniziare alcun tipo di interazione con l utente e utilizzando regole di acquisizione, ragionamento per stereotipi e plan recognition I profili statici sono normalmente acquisiti esplicitamente mentre quelli dinamici sono acquisiti implicitamente tramite la registrazione e l analisi dei comportamenti della navigazione. In entrambi gli approcci, abbiamo a che fare con problemi diversi ma ugualmente seri. Nel caso della profilazione esplicita, gli utenti compilano di malavoglia dei questionari per rivelare informazioni personali, lo fanno solo quando viene richiesto e spesso i dati forniti sono falsi. Dall altra parte, nella profilazione implicita, il problema riguarda l eventuale invasione della privacy e la perdita dell anonimato. La personalizzazione deve identificare gli utenti, registrare il loro comportamento online nel maggior dettaglio possibile e estrarre i bisogni e le referenze in un modo che non sia notato, compreso e controllato. Inoltre, per massimizzare le opportunità, i siti web dovrebbero raccogliere dati da ogni touch point del cliente, sia online che off-line. Ecco un parziale elenco dei touch point online: registrazione: la raccolta di informazioni base del cliente. Solo gli utenti registrati possono effettuare acquisti; transazioni: I dati di acquisto o le richieste di informazioni; iscrizioni: newsletter, notifiche , campioni, tagliandi, buoni, offerte dei partner, ecc; profilo dei clienti o preferenze; sondaggi; customer cervice; file di log: le pagine visitate, le categorie ricercate, i link cliccati, ecc; URL di provenienza e di uscita: i siti dai quali gli utenti provengono e verso i quali vanno dopo; banner pubblicitari; concorsi e altre promozioni che richiedono i dati del cliente. E uno di quelli offline: customer service telefonico; transazioni nel negozio; vari sondaggi; concorsi o promozioni che richiedono dei dati del cliente. Indubbiamente la fonte dati più importante è la registrazione iniziale: l atto della registrazione indica che un cliente desidera iniziare una conversazione o una relazione e

4 conferisce al negozio il permesso di iniziare questo processo. Quando viene raccolta una quantità adeguata di dati, le interazioni seguenti con il negozio potranno anche eccedere le aspettative del visitatore. Permettendo al cliente di aggiornare e modificare il proprio profilo non solo permetterà di mantenere le informazioni del cliente aggiornate, ma gli infonderà anche una maggior fiducia perché saprà quali informazioni sono mantenute dal servizio online. Un altro metodo efficace per raccogliere dati sul cliente è attraverso i cookie e gli identificatori univoci, che rendono il processo invisibile al cliente e che permettono di raccogliere dati sull utente, sull utilizzo del sito web e sul software e hardware a disposizione dell utente. I dati utente Questa categoria comprende le informazioni sulle caratteristiche personali dell utente: molti di questi dati sono utilizzati nelle applicazioni di personalizzazione. Ad esempio, una fonte di informazioni che influenza il processo decisionale del cliente e le sue attitudini sono i suoi tratti demografici, ovvero il nome, l indirizzo, il numero di telefono, altre informazioni geografiche, il sesso, l età, lo stato civile, l educazione, il reddito, ecc. Un altro tipo di dati interessanti possono provenire dalle capacità del cliente, poiché oltre a conoscere quello che un utente vuole, in molti casi è di uguale importanza sapere cosa l utente sa come fare, o anche distinguere tra ciò che è famigliare all utente e ciò che effettivamente può svolgere. Infine, gli interessi e le preferenze, gli obiettivi e i piani del cliente sono utilizzati dalle tecniche di plan recognition, dove gli obiettivi identificati permettono ai siti web di prevedere gli interessi e i bisogni e adeguare la struttura del loro contenuto e la presentazione per raggiungere gli scopi dell utente in modo più facile e veloce. Dati di utilizzo I dati di utilizzo di un sito possono essere osservati direttamente e registrati, o acquisiti analizzando dati osservabili in un processo conosciuto come Web usage mining. Questi dati possono essere costituiti da: Dati osservabili che comprendono azioni selettive come ciccare su un link, dati che riguardano il comportamento di visualizzazione dei clienti, valutazioni e altre azioni di conferma o smentita (fare acquisti, salvare/spedire/stampare un documento, salvare un bookmark) Informazioni derivanti dall osservazione di dati elaborati, come le misurazioni della frequenza di selezione di un opzione/link/servizio, la produzione di suggerimenti/raccomandazioni basate su relazioni situazione-azione, la registrazione di sequenze di azioni Dati di ambiente La tipologia di hardware e software utilizzati dagli utenti è sempre in aumento, ora più che mai con l utilizzo diffuso di telefoni cellulari e PDA; in molti casi, quindi, l adattamento da produrre deve tenere in considerazione queste informazioni. I dati di ambiente indirizzano informazioni su software e hardware disponibile sul lato cliente (browser, piattaforma, impostazioni che impediscono l esecuzione di plugin, banda disponibile, display, ecc) e dati di localizzazione, ovvero informazioni geografiche che possono essere utilizzate per adattare la lingua o l orario locale o i costi di spedizione.

5 L elaborazione dei dati La fase che segue la raccolta dei dati è l elaborazione. Inizialmente sono necessarie alcune attività di preparazione per avere dei dati puliti e facilitarne la manipolazione. Dati che non rivelano informazioni di utilizzo sono rimossi, ad esempio, mentre campi con dati mancanti sono completati. Segue poi l applicazione di tecniche statistiche e di data mining per identificare pattern interessanti nei dati preprocessati. Le tecniche più utilizzate nell analisi dei dati comprendono il clustering, la classificazione, l association rules mining, la scoperta di pattern sequenziali e la previsione. Clustering Gli algoritmi di clustering sono utilizzati principalmente per la segmentazione: il loro obiettivo è l identificazione di gruppi naturali in grandi collezioni di dati (ad esempio, profili di clienti, database di prodotti, database di transazioni, ecc) elaborando una misura di similarità nella collezione per raggruppare voci che hanno caratteristiche simili. Le voci possono essere clienti che hanno dimostrato comportamenti similari o pagine che sono utilizzate in modo simile dai clienti. I gruppi prodotti (ad esempio prospect, clienti profittevoli, clienti più attivi, ecc) possono essere basati su molti attributi diversi (ad esempio, il comportamento nella navigazione o nell acquisto o la demografia). Classificazione L obiettivo principale degli algoritmi di classificazione è l assegnazione di voci a un set di classi predefinite. Queste classi rappresentano normalmente diversi profili utente e la classificazione viene svolta utilizzando caratteristiche selezionate molto discriminanti. Ad esempio, il profilo di un compratore molto attivo può essere: Sesso: maschio Età: dai 30 ai 40 Stato civile: single Numero di figli: 0 Educazione: laurea Queste informazioni possono essere utilizzate per attirare potenziali clienti. A differenza del clustering, che prevede un acquisizione non supervisionata di conoscenza, nella classificazione è richiesto un training set di dati con etichette che definiscono delle classi. Il classificatore, osservando l assegnazione delle classi nel training set, imparerà ad assegnare i dati all interno delle classi. Spesso il clustering è applicato prima della classificazione per determinare il set di classi. Regole associative Le regole associative collegano due o più eventi con lo scopo di trovare associazioni e correlazioni tra diversi tipi di informazione senza dipendenze semantiche evidenti. Nel caso della personalizzazione web questo metodo può indicare correlazioni tra pagine non direttamente connesse e rivelare associazioni precedentemente sconosciute tra gruppi di utenti con specifici interessi. Queste informazioni possono migliorare il CRM. Ecco alcuni esempi di associazioni: il 45% degli utenti che hanno comprato il libro Amministrazione di windows 2003 hanno comprato anche Gestire active directory ;

6 il 50% degli utenti che hanno visitato le pagine di aiuto sono di età compresa tra i 25 3 i 30 anni; il 30% degli utenti che hanno visitato la sezione delle offerte speciali nell ultimo mese hanno ordinato anche il gioco FIFA World Cup; l 80% degli utenti che hanno visitato il sito sono partiti dalla pagina Prodotti. Identificazione di pattern sequenziali Si tratta di un estensione delle tecniche dell association rule mining e viene utilizzata per identificare pattern di co-occorrenza (ovvero l accadimento di due o più eventi contemporanei o in rapida sequenza) incorporando così la nozione di sequenza di tempo. Un pattern può essere costituito da una pagina web visitata immediatamente dopo un altra pagina, come nei seguenti esempi: il 45% dei nuovi clienti che hanno ordinato un telefono cellulare spenderanno più di 50 di chiamate nei primi 30 giorni; il 70% dei clienti che hanno acquistato un PC desktop hanno poi comprato una stampante a colori. Previsioni I modelli predittivi sono utilizzati per calcolare uno score per ogni cliente. Uno score è un numero che esprime il potenziale che un cliente ha di comportarsi in un certo modo nel futuro. Per esempio, può rispondere a domande come: qual è la possibilità che un cliente selezioni un certo banner; quante possibilità ci sono che un utente visiti ancora un sito nel prossimo mese; quanti ordini saranno inseriti da clienti esteri. Questi score sono calcolati basandosi su delle regole derivate da esempi di comportamenti degli utenti nel passato. Le previsioni possono essere off-line, dove le decisioni sono precalcolate e scelte all inizio di una visita ripetuta, oppure online, dove per le decisioni viene utilizzato il clickstream attuale. I modelli predittivi possono anche essere utilizzati per decidere il contenuto da visualizzare a un utente. L output personalizzato Una volta elaborati i dati, la conoscenza estratta deve essere convertita in informazioni intelligenti, interazioni o interface per ogni cliente. Ogni segmento o cluster è un opportunità di marketing separata che deve essere gestita in modo diverso. Questa sezione si focalizza sull output della personalizzazione in e-marketing: gli adattamenti di contenuto, struttura e presentazione basate sui modelli di utenti, utilizzo e ambiente come anche di inferenze secondarie. Contenuto personalizzato Questo tipo di adattamento è applicato al contenuto informativo di un sito web dove l informazione è filtrata e presentata all utente. Può avere molte forme, informazioni

7 addizionali o riassuntive, spiegazioni opzionali, raccomandazioni, offerte, prezzi speciali, prodotti, servizi, news, , ecc. Struttura personalizzata Questo tipo di adattamento riguarda i cambiamenti nella struttura di un sito web poiché per l utente è importante vedere solo le informazioni di suo interesse. I cambiamenti in questo caso possono essere applicati alla struttura di pagine, sezioni, categorie come anche alle raccomandazioni di prodotti, servizi, informazioni, navigazione, ecc. Presentazione personalizzata In questo caso si parla di adattamenti non al contenuto ma al suo formato e al layout ed è particolarmente utilizzata per l accesso attraverso i PDA o i telefoni cellulari o per siti web dedicati a target particolari di utilizzatori. Raccomandazioni Sebbene le raccomandazioni appartengano alla categoria del contenuto personalizzato, sono esaminate separatamente perché costituiscono una componente fondamentale dei siti web. Il loro scopo è di fornire un accesso a prodotti specifici attraverso link promozionali, come quelli utilizzabili in operazioni di cross-selling o up-selling. Cross-selling: suggerimento di prodotti correlati a quello che l utente sta attualmente esaminando. In molti casi si tratta di prodotti complementari o similari. Per esempio, proporre un casco con una moto, oppure un libro con un altro libro. Up-selling: suggerimento di prodotti più costosi o avanzati di quello che l utente sta scegliendo. Il cliente è informato dei prodotti disponibili nella fascia di prezzo immediatamente superiore, che forse non conosceva. Il gradi di applicabilità di questa tattica dipende dal tipo di prodotto. Opinioni di altri clienti: suggerimento di prodotti addizionali che I clienti potrebbero acquistare, basandosi su come hanno operato altri clienti assimilabili, come ad esempio fa un noto servizio di vendita di libri online nel suo programma Chi ha comprato questo libro ha poi comprato questi due volumi Dati storici: analizzando la storia degli acquisti precedenti, il negozio online è in grado di offrire ai clienti una rosa di scelte che probabilmente possono incontrare I gusti del loro profilo Personalizzazione e Web-Mining Gran parte dell attività di personalizzazione si basa sulle tecnologie di web mining, che abbiamo citato precedentemente nella fase di elaborazione dei dati. Il web mining è l utilizzo delle tecnologie di data mining per scoprire e estrarre informazioni da documenti e servizi web ed è un area di ricerche in cui convergono tecniche e metodi che derivano da vari campi di ricerca come i database, l information retrieval, l intelligenza artificiale così come anche la statistica e la psicologia. La distinzione tra le varie categorie del web mining non è così netta: il web content mining può utilizzare testo e link come anche i profili utente che possono essere inferiti o esplicitamente inseriti dagli utenti. Lo stesso si può dire per il web structure mining che può usare informazioni sui link in aggiunta alla struttura dei collegamenti. Oppure i link attraversati possono essere dedotti dalle pagine che sono state richieste durante le

8 sessioni utente e possono essere recuperati nei log del server, che è un attività tipica del Web usage mining. In buona sostanza, queste tre attività di web mining possono essere utilizzate da sole o in combinazione tra loro, specialmente nel content e structure mining, poiché i link possono essere considerati come parte del contenuto di un sito web. Nella maggioranza dei casi le applicazioni web basano la personalizzazione sul web usage mining, che si occupa del compito di raccogliere e estrarre tutti i dati richiesti per costruire e mantenere i profili degli utenti secondo una registrazione del loro comportamento. Esistono attualmente diversi approcci alla ricerca così come anche diversi strumenti in commercio che consentono di fornire una user experience personalizzata agli utenti di un sito web basandosi su determinate regole di business, su contenuto e struttura e sul monitoraggio del loro comportamento. Al contempo esistono altresì molti strumenti commerciali che consentono di effettuare le attività di web mining che supportano poi la personalizzazione. Questi strumenti possono essere integrati direttamente in un sito per dare all utente un esperienza personalizzata. Conclusioni L evoluzione esplosiva delle tecnologie dell informazione e di Internet ha introdotto enormi cambiamenti nei modi in cui le strategie di marketing vengono implementate. Questa crescita ha indotto nuovi studi su come sviluppare metodi efficienti per dare ai consumatori una Web experience ritagliata sulle loro esigenze e aspettative. La personalizzazione è la risposta più adeguata e il marketing deve focalizzarsi su quelle dimensioni della strategia di un sito che riguardano le vendite, la pubblicità, la comunicazione, il supporto al cliente, ecc. in questo modo ogni sito dedicato all e-business può migliorare le sue performance indirizzando i bisogni e le tendenze individuali di ogni utente, migliorando la sua soddisfazione, promuovendo una maggior loyalty e stabilendo una relazione one-to-one. I clienti si aspettano un interazione con i siti di e-commerce che permetta loro di trovare informazione e di acquistare online in modo facile ed efficiente. Dall altra parte, le aziende si aspettano di vendere il maggior numero di prodotti e servizi possibile e quindi una strategia di e-marketing deve essere considerata attraverso entrambe le prospettive, del cliente e dell azienda.