5 La conoscenza e la gestione dei clienti

Transcript

1 5 La conoscenza e la gestione dei clienti Ogni nostra cognizione principia da sentimenti. Leonardo da Vinci Pensieri 5.1 Introduzione Nel secondo capitolo abbiamo identificato le diverse fasi che costituiscono il percorso che porta alla realizzazione di una strategia di CRM.In questo capitolo verranno approfondite queste tematiche: conoscenza del consumatore, mediante l acquisizione di informazioni dal mondo off-line e on-line, per la costituzione di un sistema cognitivo dei clienti, in grado di definire le preferenze, le attese e i bisogni emergenti dei clienti dell azienda; sulla base dell analisi e dell interpretazione delle informazioni contenute nel sistema cognitivo sviluppato, si procede a segmentare i clienti sulla base del valore, individuando i clienti più profittevoli; si definiscono le strategie di fidelizzazione indirizzate ai clienti a maggior valore; si evidenziano gli strumenti di tale strategia e, in particolare: la comunicazione, la gestione integrata della relazione con i clienti, e la mass customization. La centralità del cliente propria di questo nuovo orientamento identifica nella relazione con il consumatore, sia esso acquisito, congiunto o prospettico, la nuova base d identità delle imprese. 5.2 Il sistema cognitivo dei clienti La grande disponibilità di informazioni, che le nuove tecnologie hanno permesso, ha fatto sì che le conoscenze siano divenute una risorsa centrale nel processo competitivo, che non dipende più solo dalla proprietà di fattori produttivi e risorse materiali, ma anche, e soprattutto, dalle conoscenze che le organizzazioni sono in grado di sfruttare. 1 Una componente fondamentale delle risorse immateriali sulle quali l impresa fonda il proprio potenziale di sviluppo, risiede nel sistema cognitivo dei suoi clienti. 2 La strategia di Customer Relationship Management identifica nella relazione con il consumatore la nuova base d identità delle imprese, e lo sviluppo di un sistema cognitivo sui clienti il vero patrimonio aziendale. L impresa deve dunque sviluppare un sistema cognitivo 3 dei propri clienti all interno del quale vengono chiaramente distinte le caratteristiche dei consumatori in termini di preferenze, percezioni, aspettative, motivazioni all acquisto e bisogni emergenti. Al fine di definire tale quadro conoscitivo si rende necessaria l integrazione dei dati e delle informazioni ottenibili on-line e off-line. Una volta ottenuto un quadro conoscitivo completo dei propri clienti è possibile segmentare la clientela sulla base del valore dei singoli consumatori, al fine di focalizzare lo sforzo organizzativo e strategico sui clienti potenzialmente più profittevoli. Le innovazioni tecnologiche ampliano e potenziano gli strumenti a disposizione dell impresa per la raccolta di dati e informazioni sui clienti. La capacità di sviluppare e aggiornare un sistema cognitivo dei clienti, fa sì che l impresa riesca a: 4 comprendere le determinanti del comportamento d acquisto dei consumatori;

2 definire con anticipo le aspettative dei clienti; far leva sulle aspettative e sui desideri dei clienti; personalizzare l offerta. La strutturazione dei prossimi paragrafi può essere suddivisa nei seguenti punti (figura 5.1): acquisizione di dati e informazioni sui clienti, provenienti dal mondo off-line e on-line; analisi e interpretazione di tali informazioni al fine di sviluppare conoscenza sulle preferenze, i bisogni e il valore di ogni singolo cliente; segmentazione della clientela sulla base della conoscenza sviluppata e identificazione dei clienti profittevoli, strategici e a basso valore. Nella figura 5.1 vengono identificate queste tre fasi conoscitive e in particolare ne vengono evidenziati i flussi informativi Definizione di cliente Prima di procedere all analisi di tale sistema, è necessario dare alcune precisazioni sui ruoli potenzialmente assunti dal cliente 5 e discussi nella letteratura economica: a. il cliente come risorsa, vale a dire fornitore di informazioni, di ricchezza o di ogni altro fattore di produzione: capitale, risorse naturali, idee e contributi tangibili o intangibili alle attività produttive (Mills, Chase e Margulies, 1983); b. il cliente come co-produttore, ovvero partecipante diretto alle attività di trasformazione, ad esempio, mediante interventi nel design del prodotto o contributi indiretti attraverso la partecipazione allo sviluppo di politiche e pratiche aziendali (Miller e Rein, 1969); c. il cliente come compratore, intenzionato all acquisto di beni dell impresa, poiché percepisce la qualità dei beni stessi (Garvin, 1988); d. il cliente come utilizzatore, principale destinatario e beneficiario dei beni d impresa. Nell era digitale il cliente deve essere considerato simultaneamente come risorsa, co-produttore, compratore e, soprattutto, come un elemento attivo che coopera con l organizzazione aziendale e contribuisce allo sviluppo dell impresa condividendo esperienze e cultura e intrecciando relazioni sempre più strette. La capacità di sviluppare e aggiornare continuamente una profonda conoscenza del cliente, acquisendo informazioni sul comportamento, sulle percezioni, sulle necessità e sui bisogni, diviene un elemento essenziale della strategia organizzativa. Una conoscenza approfondita del cliente rappresenta il presupposto fondamentale per definire con anticipo le aspettative emergenti, permettendo un allineamento della produzione e garantendo in questo modo l acquisizione di un vantaggio competitivo sui concorrenti. Il sistema cognitivo dei clienti deve comprendere: l analisi delle aspettative, in termini di passate esperienze; informazioni sul comportamento d acquisto; informazioni sui desideri risultanti dalle personali motivazioni dell individuo come interessi e obiettivi. Queste informazioni permettono lo sviluppo di modelli analitici che consentono di esaminare e misurare differenti forme di relazione e gradi di fedeltà, allo scopo di progettare, e gestire, un portafoglio di strumenti che permettano all impresa di esercitare, in funzione del valore del cliente, una pluralità di azioni, finalizzate a sviluppare la fiducia dei clienti. È importante distinguere due forme di conoscenza all interno di ogni azienda. La prima è costituita dall insieme delle informazioni scritte sotto varie forme e in vari formati, per esempio report, manuali, documenti di strategie e di procedure, documenti elettronici, presentazioni, documenti di elaborazione testi, fogli elettronici e pagine Web. La seconda è, invece, di tipo tacito, si tratta delle conoscenze e competenze in possesso delle persone dell azienda. Queste conoscenze costituiscono una risorsa competitiva a disposizione dell impresa Acquisizione di informazioni

3 L acquisizione dei dati e delle informazioni alimenta i processi conoscitivi, comunicativi e decisionali. La creazione, la raccolta e lo sviluppo delle informazioni deve avvenire in modo strutturato al fine di migliorare e facilitare l accesso ai dati che costituiscono una risorsa produttiva all interno del sistema decisionale aziendale. A tal fine è possibile suddividere le informazioni acquisite sui clienti sulla base della fonte, distinguendo la nostra analisi tra: 1. raccolta di informazioni off-line; 2. raccolta di informazioni on-line La conoscenza del cliente off-line Le informazioni a disposizione dell azienda e raccolte attraverso l utilizzo del call center, della sales force e del customer service, evidenziano: 6 le caratteristiche socio-demografiche e l identità del cliente. Questo gruppo di informazioni racchiude dati di base come nominativo, indirizzo, numero di telefono, , caratteristiche relative al tipo di attività, rappresentando quindi dati oggettivi riferiti alle persone; i prodotti acquistati/richiesti e interessi. Questo tipo di informazione evidenzia gli interessi del consumatore sulla base dei prodotti e servizi acquistati. Si individuano in questo modo le aree di interesse, le esigenze e i bisogni. In tale gruppo di informazioni, è possibile evidenziare i cosiddetti fattori di RFM, ossia di Recency, l ultima data di acquisto, Frequency, numero di acquisti nell unità temporale definita, Monetary, entità della spesa annua; 7 la storia del rapporto con il cliente. Informazioni riguardanti richieste/lamentele, tipologia di rapporto intrattenuto ecc.; i dati psicografici. Dati che evidenziano interessi, attitudini, valori, stili di vita, interesse verso la tecnologia, dati soggettivi riferiti a una relazione La conoscenza del cliente on-line L utilizzo di tecnologie Internet consente di acquisire, condividere e capitalizzare tutte le informazioni relative all utente. Tali dati assumono un valore strategico se vengono utilizzati per aumentare il livello di qualità del servizio e incrementare la fidelizzazione. L utente interagisce con l azienda nelle forme più diverse, utilizzando la posta elettronica, le apposite form predisposte sul sito o, semplicemente, navigando specifiche aree del sito piuttosto che altre. Ognuna di queste attività genera dei flussi di informazioni che possono essere utilizzati dall impresa per approfondire la conoscenza del cliente. Gli strumenti on-line a disposizione dell impresa per ottenere informazioni sul cliente sono rappresentati da: analisi dei log file; ; form di registrazione; comunità virtuali. a. Analisi dei log file Lo strumento principale per la raccolta di dati all interno del sito aziendale è rappresentato dalle metriche del website. 8 Sui server che ospitano il sito esistono dei file chiamati file di log. Su questi file vengono scritte tutte le richieste fatte al server e vengono annotate le caratteristiche delle stesse. L analisi di questi file rappresenta il metodo più comune per ottenere metriche del sito web. In linea generale i log di file contengono le seguenti informazioni: data e ora delle richieste. Conoscendo la tempistica di accesso si possono programmare iniziative in tempo reale sul sito, prevedere eventuali picchi di richieste ed estrapolare i tempi di lettura di singole pagine per gli utenti identificabili con una registrazione;

4 URL di provenienza. In questo modo è possibile sapere da quali siti provengono i visitatori; tipo e versione del browser. In questo modo si possono definire i browser da supportare con le pagine del sito e avere un idea di quanti utenti si perderebbero non supportando versioni precedenti; cookie del visitatore. Si possona sapere quali altri siti visita l utente analizzando la lista dei cookie che ha sul proprio computer; cookie mandati dal server. Si possono immagazzinare dati da una visita a un altra sul PC dell utente riuscendo così a delineare una mappa per ciascun cliente: username. Questa tipologia di dato è scritta nel log file se è richiesta una registrazione username e password, in questo modo è possibile identificare i percorsi e le azioni dei singoli visitatori associandoli ai dati richiesti per la registrazione; nome e indirizzo IP del computer che ha ottemperato alla richiesta. Questa tipologia di informazione è utile per siti ad alto traffico che utilizzano più computer per gestire le richieste; numero di bytes trasferiti e ricevuti; profondità dell interazione con l ambiente on-line: frequenza di utilizzo del web e numero di visite. Al fine di ottenere informazioni strutturate utili al sistema decisionale i dati contenuti nei log file possono essere organizzati ex-ante. È necessario, infatti, in una fase precedente, definire con precisione le informazioni che si necessita ottenere e individuare i file che contengono questi dati. Le informazioni così raccolte derivano dall analisi del comportamento degli utenti durante la navigazione. Si tratta di informazioni che gli utenti forniscono all azienda inconsapevolmente, interagendo con i contenuti presenti sul sito. Questo tipo di informazione è particolarmente utile all azienda poiché rivela le abitudini digitali in termini di ore di collegamento, pagine visitate con maggior interesse, acquisti on-line, frequenza del ritorno, attenzione dedicata e valutazioni espresse inconsciamente dai navigatori. b. L rappresenta uno strumento interattivo ad altissimo utilizzo da parte degli utenti, mediante tale strumento i consumatori esprimono direttamente all azienda la propria opinione, soddisfazione o lamentela, in merito a un particolare servizio, prodotto. Si tratta di informazioni a elevato valore aggiunto poiché sono il risultato di una collaborazione spontanea con l azienda. Per tale motivazione devono essere gestite correttamente dall impresa che, non solo deve rispondere entro le 24 ore tempo massimo consentito all interno del Web, ma deve registrare in modo strutturato le preziose informazioni in esse contenute, valorizzando il dialogo con il navigatore, per sviluppare conoscenza ed esperienza. c. Form di registrazione

5 Il form di registrazione rappresenta uno strumento di interazione ed è costituito da una pagina web che richiede l inserimento di dati del cliente in cambio di un particolare elemento di interesse del consumatore stesso. Si tratta in questo caso di informazioni che derivano da precise sollecitazioni da parte dell azienda. È necessario che le informazioni richieste non siano troppo dettagliate, poiché il consumatore potrebbe perdere interesse durante la compilazione e rinunciare. Il principale vantaggio di tale strumento consiste nel poter predefinire e pianificare le informazioni che si rendono necessarie all interno dell impresa. d. Le comunità virtuali Le comunità virtuali 9 mettono in relazione persone che manifestano interessi comuni e che sulla rete possono instaurare un dialogo su temi particolarmente rilevanti. Micelli afferma che le dimensioni che qualificano una comunità virtuale sono essenzialmente due: 1. la dimensione informativa, che riflette l importanza assegnata all accesso a una base di dati comune; 2. la dimensione partecipativa, che riflette un momento di dialogo e di confronto aperto e non condizionabile da soggetti esterni. Lo scopo dell impresa è quello di creare all interno del sito una comunità di interessi per consolidare relazioni interpersonali e scambi di conoscenza non di tipo broadcasting che irradiano da una fonte unica a molti utilizzatori, ma di tipo diffuso e narrowcasting in cui più persone scambiano opinioni e intrecciano conversazioni su argomenti di interesse comune. Le comunità, non solo forniscono una enorme quantità di informazioni sugli interessi e sui bisogni dei consumatori, ma possono essere utilizzate per creare una maggior coesione nella relazione instaurata. Come affermato da Hagel e Amstrong [1998], le comunità non sono solo un mezzo per spostare il potere dei venditori ai clienti, ma sono anche, per chi le organizza, un potente strumento per creare ricchezza. Le comunità rappresentano un meccanismo di aggregazione all interno dei siti aziendali, si costituiscono in tal modo gruppi di affinità che possono costruire, mantenere e rafforzare la fedeltà del consumatore. Le forme in cui si presenta e si gestisce una comunità sul web sono molteplici, ad esempio le mailing list, i forum, le newsletter, le chat. Le mailing list rappresentano delle liste di discussione che trattano argomenti molto specifici, cui si accede mediante l iscrizione a un indirizzo preciso. Successivamente si entra a far parte di un gruppo di persone che ricevono periodicamente contenenti gli interventi di altri partecipanti o dei moderatori. I dati e le informazioni raccolte e provenienti non unicamente dal sito web, ma anche dal call center, dalla sale force, dal customer service e dalle attività di business intelligence vengono integrate e successivamente sottoposte a una fase di interpretazione al fine di sviluppare conoscenza sulle necessità, sulle aspettative e sui desideri della domanda. Per concretizzare le enormi potenzialità derivanti dall analisi di tali strumenti di interazione, è necessario, pertanto, predisporre un sistema di analisi ed elaborazione dei dati. 5.3 L interpretazione delle informazioni e lo sviluppo di conoscenza Sebbene i dati siano l elemento costitutivo del patrimonio di informazioni e conoscenze dell azienda, da soli non sono in grado di fornire competenze e di guidare esplicitamente i decisori aziendali. Per tale motivazione, i dati in precedenza raccolti vengono elaborati e trasformati in informazioni strutturate e conoscenza. Per comprendere i reali bisogni del consumatore, 10 occorre interpretarli e anticiparli attraverso la generazione di conoscenza, che, in ultima analisi, dipende dalla capacità di estrarre le conoscenze dai dati presenti in azienda, o disponibili nel contesto socio-economico in cui l azienda opera. 11 Disponendo di informazioni dettagliate in riferimento a un singolo consumatore e ricostruendo il suo profilo socioeconomico è possibile arrivare a determinare la micronizzazione del mercato e la personalizzazione del rapporto. La figura

6 5.2 evidenzia il ruolo svolto dall interpretazione dei dati eseguita mediante supporti informatici: la conoscenza diviene risorsa negoziabile. L interpretazione dei dati consiste, pertanto, nella capacità di capire le relazioni di interdipendenza esistenti tra le diverse informazioni presenti all interno dell azienda. La creazione di valore aggiunto per il cliente finale deriva dalla capacità di impresa di definire proposizioni di valore, personalizzate alle esigenze espresse dal singolo individuo. 5.4 Il Data Mining: un approfondimento a cura di Simonetta Lureti Dopo aver delineato le diverse modalità on-line e off-line di reperimento dati riguardanti le caratteristiche e le preferenze dei clienti e aver accennato brevemente al ruolo fondamentale del Data Warehouse (DW) e del Data Mining (DM) nella definizione di strategie d azione efficienti, si è deciso di trattare in modo più approfondito il tema del DM e dei metodi statistici applicati. In particolare si cercherà di rispondere ad alcuni interrogativi: 1. che cos è il DM? Che cosa sono i dati? Che cosa le informazioni? Perché è importante il DM in un piano di CRM? 2. qual è la differenza tra DM e statistica classica? 3. come si sviluppa un processo di DM? 4. qual è l ambito di applicazione del DM? Il Data Mining Per Data Mining (DM) si intende il processo di estrazione (dall inglese to mine = estrarre) delle informazioni, dei modelli comportamentali e dei trend stessi sconosciuti a priori e racchiusi nei dati. Grazie a fonti diverse (on-line e off-line), ogni azienda entra in possesso di quantità ingenti di dati riguardanti i propri clienti. Purtroppo, però, non tutti questi dati sono utili e interessanti ai fini di business. Se, ad esempio, in un indagine sulle vendite di auto si posseggono dati relativi alle variabili: marca, numero venduti e colore auto venduta, si può intuire che la variabile colore e i dati relativi non sono utili ai fini dell analisi svolta. Si parla, quindi, di informazioni intendendo solo quelle notizie-informazioni utili allo specifico fine d analisi. Incidentalmente si nota che le informazioni sono tali in relazione alla singola analisi svolta. I dati sulla variabile colore, ad esempio, potrebbero essere interessanti per analisi con diversa finalità (per es.: analisi sulle preferenze estetiche degli acquirenti di automobili). Ciò che si ricerca sono proprio trend e modelli comportamentali contenuti nei dati e che si svelano più si procede nell analisi. A che cosa serve, allora, il DM in una logica di CRM? Principalmente il DM è utilizzato, in questo ambito, per profilare la clientela e, conseguentemente, definire strategie d azione più efficienti e diverse in funzione dei profili. Si è detto, infatti, che il fine ultimo del CRM è l instaurazione di un rapporto duraturo e biunivoco tra cliente e azienda nel tentativo di una sempre maggiore soddisfazione delle sue aspettative-preferenze. Logicamente, però, l azienda non può offrire al singolo cliente un prodotto-servizio unico. Il processo di DM nasce proprio per cercare di definire gruppi di clienti con caratteristiche simili internamente allo stesso (ovvero con varianza minima internamente al gruppo), ma diverse tra gruppi (ovvero con varianza elevata esternamente). Ogni gruppo potrà essere rappresentato da un cliente teorico, non reale, con una scheda di preferenza simile a quella degli appartenenti al gruppo stesso. Se, ad esempio, esistono n clienti campionati e tramite un processo di DM si ricavano p gruppi, allora nascono p profili di clienti teorici. L azienda sviluppa le decisioni di business in funzione di detti p profili, garantendosi un risultato economico migliore e una maggiore soddisfazione della propria clientela. Quest ultima, infatti, considererà il prodotto-servizio offerto come maggiormente rispondente, alle sue esigenze, seppure non perfettamente corrispondente perché nato in funzione del cliente teorico. Tuttavia si assiste a un miglioramento rispetto alla situazione in cui un solo bene viene prodotto in base alle caratteristiche medie del gruppo iniziale, costituito da tutti gli n individui. In questo senso, quindi, il DM apporta efficienza ed è importantissimo per qualunque piano di CRM Data Mining (DM) vs. Statistica Classica

7 Sebbene possa sembrare simile alla statistica tradizionale di verifica di ipotesi, il DM è ben diverso perché: 1. non esistono ipotesi da testare. Come si avrà modo di specificare nel paragrafo successivo, all inizio dell analisi esiste un problema generale (conosciuto come problem solving space), linea guida dell analisi. Non esistono ipotesi da testare e l analisi è assimilata a un processo di scoperta di un disegno nascosto. Come in un puzzle il disegno risulta sempre più chiaro, più si procede nella disposizione dei tasselli, allo stesso modo i trend appaiono con più chiarezza, più ci si avvicina alla fine dell analisi. Così come in un puzzle, inoltre, i tasselli vengono spostati e riposizionati allorquando si intuisce una disposizione migliore, così in un analisi di DM è abitudine correggere il lavoro svolto secondo un processo di feed-back, ritornando indietro, introducendo nuove variabili, provando nuove tecniche, È fondamentale, quindi, che il Data Miner possegga alta creatività e flessibilità mentale per poter vedere i dati in modo nuovo e i trend, che si vanno via via svelando; 2. il DM ha finalità di lungo periodo. Perché siano utili ai fini di business, le analisi non possono essere delle ricerche valide solo nell immediato presente. Le decisioni prese in funzione dell output di DM hanno, infatti, un implementazione e/o un effetto osservabile anche nel medio-lungo periodo; 3. il DM lavora su moli di dati ingenti, affinché i risultati ottenuti siano credibili e applicabili anche nel medio-lungo termine Il processo di analisi di Data Mining Il processo di Data Mining è preceduto da una fase di definizione del problema in funzione delle poche informazioni detenute e degli obiettivi sperati. Questo momento è dinamico e il problem solving space così definito viene migliorato e corretto più si procede nell analisi. Il vero e proprio DM inizia con la preparazione dei dati. Questa fase è particolarmente lunga e delicata, perché da essa dipendono la velocità e la facilità con cui si svela il trend insito nei dati. Scelto un campione rappresentativo (in media osservazioni) della popolazione analizzata, si procede alla: 1. formattazione dei dati: lo stesso termine viene registrato nello stesso modo (per es.: LOMBARDIA, LOM, lombardia LOMB); 2. conversione dei dati: le realizzazioni di una stessa variabile devono essere registrate in modo uguale (per es.: Sig.ra Rossi Rossi); 3. consistenza dei dati: omogeneizzazione dell unità di misura (per es.: conversione dei valori in euro, allorquando più valute sono presenti nello stesso campo); 4. gestione delle variabili categoriche e creazione di variabili dicotomiche quante sono le modalità delle variabili categoriche eliminate (per es.: in un analisi sugli acquisti dei cellulari in Italia, la variabile marca potrebbe assumere le modalità Nokia, Ericsson, Motorola, Sony, Nec, Altro. Essa viene eliminata, introducendo 6 variabili dicotomiche che assumono valore 1 se l individuo ha acquistato un cellulare di quella marca, 0 alternativamente); 5. eliminazione delle variabili non utili all analisi (per es. le variabili categoriche sopraddette e le variabili che presentano un alta percentuale di missing values). A questo punto si osserva un data set con tante righe quante sono le osservazioni (per esempio, il numero dei clienti) e tante colonne quante sono le variabili considerate. Molto frequentemente, però, mancano dati sulle righe in corrispondenza di una o più variabili. Risulta, quindi, necessario decidere una strategia di gestione dei missing values. Esistono diverse alternative possibili. Tra queste le più utilizzate sono: 1. l eliminazione di quelle righe che presentano missing values su molte variabili; 2. la sostituzione dei missing con il valore più frequentemente osservato su quella variabile. Preparati i dati, il cuore del DM ha inizio. Esistono due metodi di analisi, molto spesso integrati tra loro: visual e novisual methods. La differenza si basa sull importanza attribuita alla facilità umana di cogliere caratteristiche ed estrarre informazioni tramite un approccio visivo, più che da output generati dall elaborazione di dati memorizzati. In questo modo si possono rilevare outliers, relazioni tra dati.

8 In ambo i casi l applicazione della giusta metodologia è fondamentale per la rilevazione in tempi brevi dei modelli comportamentali e dei trend insiti nel data set. Il paragrafo successivo è destinato alla trattazione sintetica dei metodi non visivi e in particolare di alcune tra le tecniche più diffuse I metodi non visivi e le tecniche statistiche più comuni Le tecniche statistiche hanno un importanza fondamentale e strumentale al raggiungimento dei fini di Data Mining. Così come mostra la figura 5.3 si può pensare a una catena di rapporti causa-effetto tra CRM e DM e tra DM e Metodi Quantitativi. Quest ultimi non solo sono importanti per la realizzazione del fine di DM, ma secondo un percorso a ritroso anche per la realizzazione di un progetto di CRM. Ritornando alla trattazione delle metodologie non visive si dice che più l ambiente in cui si opera è complesso, più le tecniche statistiche sono di grande aiuto alla definizione del trend e del/dei modello/modelli comportamentali racchiusi nei dati. Ancora, più i fenomeni da rilevare sono non lineari, più lo strumento di mining deve essere flessibile, ma più il pubblico (ovvero coloro che hanno commissionato l analisi al data miner) è di non addetti ai lavori, più l output finale e il processo, che lo ha generato, devono essere chiari e facili da comprendere. Incidentalmente, si nota che anche la relazione finale dei risultati di analisi a coloro che l hanno commissionata è critica, affinché il lavoro del Data Miner si concluda efficacemente (livello di comunicazione, focus sui punti di interesse dei manager, uso di mezzi grafici e supporti cartacei, relazione secondo la sequenza: definizione del problema, metodo usato, fasi dell analisi, risultati ottenuti). Da subito appare chiaro il trade-off tra chiarezza/comprensibilità del processo che genera l output e la capacità della tecnica di dar conto di fenomeni altamente non lineari. Tra le tecniche diffuse sono state scelte due particolarmente esemplificative di detto trade-off: gli alberi di segmentazione e le reti neurali. Alberi di segmentazione Le tecniche di segmentazione sono tecniche non parametriche per l analisi della dipendenza di una variabile Y da un insieme di variabili esplicative X. In tali tecniche il campione, costituito da tutti gli individui e ovviamente eterogeneo, viene progressivamente suddiviso in gruppi sempre più omogenei al loro interno (la varianza diminuisce internamente al gruppo) e disomogenei al loro esterno (la varianza aumenta tra i gruppi) rispetto alla variabile dipendente, detta criterio dell analisi. Quando la segmentazione è gerarchica, è possibile, similmente a quanto accade nella cluster analysis, costruire un grafico detto albero di segmentazione o dendogramma, i cui nodi rappresentano i gruppi ai diversi livelli di segmentazione, i rami esprimono le condizioni che hanno determinato le suddivisioni e le foglie si riferiscono ai nodi finali per i quali non è ritenuta utile un ulteriore segmentazione. Si parla di nodi genitori per indicare i nodi la cui partizione determina la nascita di due o più sottogruppi, ovvero nodi figli. Tanti più livelli di segmentazione presenta il dendogramma, tanto maggiore è la sua profondità. L albero ha finalità esplorative della struttura di relazioni celate nei dati. Individuatele, è possibile fare previsione su Y in base al vettore dei predittori X. Molte sono le decisioni da prendere quando si inizia un analisi di segmentazione. Tra queste le più importanti sono senza dubbio: 1) l ordinamento dei predittori. Esistono diversi criteri che determinano l ordine di ingresso con cui le variabili esplicative entrano nell analisi per spiegare il fenomeno Y. Tra questi il più usato è lo stepwise forward, che assegna, in base a un algoritmo, un rango maggiore di zero a ogni predittore. La sequenza di ingresso delle variabili si basa sull incremento di rango. Scopo di questa operazione è poter rafforzare il modello che si va costruendo, introducendo per prime le variabili esplicative all origine del processo causale. Prime in ordine di importanza sono le variabili esogene, seconde le endogene. Si sottolinea, inoltre, che le variabili già utilizzate nella partizione sono abbandonate, a meno che non si consenta di reintrodurre i predittori già presenti nell analisi.

9 2) la definizione del numero di partizioni e dell algoritmo di segmentazione: il criterio di segmentazione considera una variabile esplicativa alla volta e la partizione migliore viene scelta tra tutte le possibili, per ogni X k, in funzione del criterio di valutazione utilizzato. Se la segmentazione è multipla, 12 si ottengono alberi meno profondi e più sintetici, quindi più facilmente leggibili e interpretabili. Svantaggio della segmentazione multipla sono i tempi macchina molto lunghi, che aumentano proporzionalmente al numero delle vie e dei predittori che vanno a costituire una combinazione. 3) i criteri di arresto della procedura. I criteri per decidere l arresto del processo di segmentazione sono per lo più pratici: l aspetto probabilistico e inferenziale sono costantemente richiamati, ma rivestono importanza inferiore. Descriviamo di seguito i criteri più comunemente usati: definizione di una soglia minima sotto la quale la numerosità del gruppo non è sufficiente per garantire stime significative e sufficienti gradi di libertà per la verifica delle ipotesi. Se l obiettivo è quello di individuare anche i piccoli clusters devianti, allora la dimensione minima deve diminuire; definizione dell eterogeneità minima che deve caratterizzare un nodo affinché questo sia candidato alla segmentazione. Nodi sufficientemente omogenei e compatti non richiedono, infatti, ulteriori divisioni; definizione del massimo numero di passi del processo ovvero il numero dei gruppi finali (= numero dei passi + 1). Ciò evita di costruire clusters instabili che apportano all analisi guadagni in termini esplicativi insignificanti e che, al contrario, inficiano la chiarezza interpretativa della soluzione ottenuta. È logico, infatti, che procedendo con la segmentazione si guadagna in omogeneità internamente ai gruppi, ma tale beneficio deve essere sempre valutato considerando l interpretabilità della soluzione finale. Nessuno dei sopracitati criteri è preferibile agli altri. È conveniente impiegarli congiuntamente per giungere a una soluzione stabile e interpretabile. Se l obiettivo è quello di includere nel modello il più alto numero di predittori possibile per godere del maggior numero di interazioni possibile, si può utilizzare un criterio alternativo, il pruning. Tale criterio consiste nell espansione del dendogramma fino alla dimensione massima. Viene quindi costruito l albero di massima dimensione, a cui vengono potati i rami meno significativi. Per stabilire se un ramo deve essere potato, se ne valuta l utilità, espressa in termini di costo e complessità. Ottenuto l output dell albero e valutata la bontà, la stabilità e l adeguata dimensione dell albero, è necessario interpretarlo. Nella definizione dei gruppi è necessario ripercorrere a ritroso la segmentazione e considerare le modalità e i predittori che hanno avuto peso nella generazione del gruppo. L apporto esplicativo di ogni predittore non è legato all ordine d ingresso nell analisi, neppure quando esso è imposto durante lo sviluppo dell analisi. A mero titolo esplicativo, si consideri un campione della clientela di un operatore di telefonia mobile. Tra le numerose variabili utilizzate nella segmentazione, si prendano solo le tre seguenti: l uso che il cliente fa del cellulare (privato o lavorativo); la durata mensile del traffico in uscita, calcolato in ore per mese; il numero di sms inviati mensilmente. Nella figura 5.4 il profilo del gruppo High Tech è caratterizzato dalla modalità privato sul predittore uso e dalla modalità 100 su numero di sms/mese. Per ogni foglia esisterà un profilo, che determinerà le decisioni di business che hanno spinto l analisi. Concludendo, si rileva che l analisi dell albero non esaurisce l analisi dell esame delle relazioni che intercorrono tra Y e tutti i potenziali predittori singolarmente presi. L esclusione di un predittore dall albero non va necessariamente interpretata come assenza di legame tra il predittore e la variabile criterio. Tale esclusione può essere infatti ricondotta, come nel modello lineare classico, alla presenza di un altro predittore la cui presenza nell albero rende poco significativo l apporto del predittore escluso alla spiegazione della variabile criterio. Quando due predittori sono fortemente correlati,

10 difficilmente sono selezionati entrambi: la scelta dell uno o dell altro determina, però, un albero completamente diverso. Reti Neurali Per rete neurale si intende un sistema adattivo che riproduce artificialmente il funzionamento del cervello umano (ANN ovvero Artificial Neural Network). Essa si utilizza per studiare fenomeni non lineari o multidimensionali. Come ogni neurone naturale, ogni singola unità artificiale presente nel sistema è un processore che riceve ed elabora informazioni in ingresso, attivando e trasferendo ad altri nodi il suo output, considerato da questi ultimi come input della loro successiva rielaborazione. Si presenta ora una breve descrizione dei neuroni naturali, utile per comprendere la riproduzione artificiale degli stessi. In ogni neurone, gli elementi principali sono il nucleo, contenuto nel corpo o soma, l asse e i dendriti, fibre nervose che dipartono dal soma. L asse collega un neurone a dendriti o soma di altri neuroni attraverso una sinapsi. Una versione elementare e semplificata di neurone è rappresentata nella figura 5.5. Generalmente, il corpo del neurone è rappresentato da nodi o unità e le connessioni sinaptiche da link o connessioni internodali. I segnali sono trasmessi tra coppie di unità. Insiemi di output intermedi, successivamente rielaborati, vengono creati sulla base degli input iniziali. Il sistema di computo si adatta automaticamente e parallelamente alla variazione della realtà, a nuove conoscenze o percezioni. Da qui nasce la definizione di rete quale sistema parallelo e adattivo. Come si dirà meglio nel seguito, le unità sono interconnesse in modi più o meno complessi e la loro numerosità può essere molto alta. Ovviamente non è possibile riprodurre artificialmente il numero delle unità presenti nel cervello umano ( neuroni). Questa mancanza è supplita dalla velocità di elaborazione, molto più elevata nella macchina che nell uomo (si parla di nanosecondi invece che di millisecondi). Il problema, che sorge, è la definizione dell architettura o topologia (nodi e interconnessioni) e il modellamento dell alta dimensionalità (ovvero del numero elevato di variabili), attraverso la decisione di una strategia adattiva. Esistono diverse topologie possibili: one-layer network, multilayer network e reti ricorsive... Tutte, comunque, sono conseguenza del problema studiato e non possono implementarsi indipendentemente dallo stesso. La topologia più comune di rete è la multilayer perceptron o feed forward neural network (FFN). In generale si può immaginare un artificial neural network (ANN) come un set di nodi di input, connessi con unità appartenenti a uno o più strati (hidden layers), che rielaborano gli output generati al primo livello e che stimolano l ultimo strato (output unit), che emette la risposta finale (figura 5.6). La struttura descritta, in cui esistono strati nascosti, è quella più comune e che più semplicemente riproduce il caso naturale. Come detto sopra, si parla di multilayer perceptron o feed forward neural network (FFN) per indicare reti supervisionate 13 con almeno un hidden layer e connessioni unidirezionali (dalla unità di input a quelle di output) e interstrato, ma non intrastrato. Se, al contrario, si fosse considerato un solo nodo che riceve e rielabora le informazioni, si sarebbe parlato di singlelayer perceptron. Come detto, i nodi sono processori: l informazione trasferita può, quindi, essere vista come output di una funzione, detta funzione di attivazione, che modifica attraverso dei pesi (coefficienti w i ) l informazione in entrata. La definizione della funzione di attivazione, che può essere diversa per ogni unità, è un aspetto importante nella decisione della strategia adattiva. I problemi che sorgono sono: 1. definire il numero di strati;

11 2. definire le funzioni di attivazione; 3. definire la struttura dei pesi. Per risolvere il terzo problema, ovvero definire la struttura dei pesi, si ricorre a una regola di apprendimento, ossia a un algoritmo ricorsivo nel quale i pesi sono modificati e corretti con il procedere dell elaborazione dei dati (del training set) ovvero con l allenamento della rete. Sicuramente non è questa la sede migliore per l approfondimento delle problematiche precedenti. Si accenna solo che aumentando il numero di hidden layers e/o di nodi, la rete risulta più flessibile e, conseguentemente, maggiormente in grado di spiegare fenomeni particolarmente complessi. D altra parte risulta molto più difficile da spiegare il suo output perché vero risultato dell elaborazione di una black box. Cosa accada, infatti, nell elaborazione dei nodi e come si arrivi all output finale risulta complesso e, a volte, difficilmente spiegabile Valutazione e interpretazione Come detto, parlando di alberi, i modelli statistici utilizzati devono essere valutati in funzione di: bontà stabilità interpretabilità Per bontà di un modello statistico si intende la capacità di spiegare il fenomeno studiato nel campione (set) considerato. Al contrario la stabilità è la sua capacità di spiegare lo stesso fenomeno fuori dal campione utilizzato (ovvero out of sample). Ciò è di primaria importanza soprattutto nel DM, che, come si è avuto modo di dire, ha finalità di lungo periodo. La validità di un modello relativamente a un singolo campione avrebbe, infatti, un valore limitato ai fini di business. È per questo che generalmente all inizio della modellazione si divide il data set in almeno due set: training e valuation set. Il primo costituisce il campione di studio in funzione del quale modellare il fenomeno, sul secondo si testa la validità del modello out of sample. Si nota, inoltre, che valutata la bontà e la stabilità dei singoli modelli utilizzati, è necessario scegliere il modello migliore tra i precedenti, ovvero quello che detiene maggiore capacità esplicativa del fenomeno considerato (in and out of sample). Se in pratica molto spesso accade di utilizzare anche per questa finalità lo stesso valuation set, in teoria si preferisce considerare un altro set, indipendente dai primi e noto come test set. Scelto il modello migliore è necessario interpretarlo e relazionarne il processo generatore e l output a coloro che hanno commissionato l analisi. In realtà l interpretazione non è l ultimo step di una sequenza di decisioni che il Data Miner deve prendere. Al contrario essa è condizione fondamentale per la scelta del modello. Per capacità esplicative simili, la scelta ricade sempre sul modello più facile da interpretare e più comprensibile anche ai non addetti ai lavori. Non è possibile, quindi, dire quale sia il modello migliore in assoluto. In questa sede si sono presentati solo gli alberi e le reti, ma molti altri vengono utilizzati comunemente in statistica applicata. Ognuno dei metodi trattati ha, quindi, vantaggi e svantaggi che assumono un peso più o meno rilevante in funzione del tipo di analisi condotta e di data set posseduto. Se si implementano le reti, si beneficia di flessibilità e capacità previsiva molto elevate ed esse sono in grado di spiegare fenomeni altamente non lineari, grazie anche all autoapprendimento dagli errori prodotti nella fase di allenamento. Gli svantaggi, però, non sono trascurabili. Essi consistono, infatti, in tempi macchina elevati e nell assenza di vere regole esplicative dei risultati ottenuti. Come già anticipato, per le reti si parla di black box. Alla flessibilità delle reti, gli alberi oppongono la capacità di generare regole comprensibili, identificando relazioni tra variabili e offrendo diagrammi di facile lettura. Purtroppo, però, la maggior parte degli algoritmi permette di esaminare una

12 sola X alla volta e, soprattutto, il processo di crescita dell albero è costoso perché ogni nodo aggiuntivo richiede la comparazione tra tutti i possibili discriminanti per arrivare alla scelta ottima. Il modello migliore è da definirsi, quindi, solo in termini relativi, in funzione del fine, del data set, dei mezzi e dei tempi posseduti L applicazione Prima di concludere questo capitolo, è bene soffermarsi rapidamente sulle aree di applicazione e sui principali oggetti di interesse del DM. Paolo Stofella 14 li sintetizza come segue: Finanza Marketing: direct mail acquisizione nuovi clienti (su dati esterni) promozione nuovi prodotti/cross selling customer retention (CRM) segmentazione della clientela Finanza Controllo rischi: credit scoring frodi antiriciclaggio Sanità e gestione risorse umane: gestione protocolli sanitari monitoraggio popolazione assistita Assicurazioni: gestione rapporti con la clientela controllo rischi frodi Internet, e-commerce, e-business: personalizzazione delle pagine e dei servizi Web personalizzazione delle offerte analisi del traffico, delle campagne, dei percorsi Telecomunicazioni: ottimizzazione dei rapporti con la clientela gestione frodi gestione della qualità del servizio previsione malfunzionamenti degli apparati Industria: ottimizzazione dei processi produttivi individuazione guasti/malfunzionamenti In questo approfondimento si è cercato di evidenziare l importanza ai fini aziendali del DM e dei metodi quantitativi. La figura 5.7 riassume il percorso di analisi svolto, mostrando come il problem solving space sia prerequisito importante per iniziare il DM e apportare valore all azienda. In Stofella si legge ancora: il DM è una Ricerca di pattern interessanti che si nascondono in basi di dati di grosse dimensioni con l obbiettivo di trasformare ciò che è dato in informazione, le informazioni in azioni, le azioni in valore. Il Data Mining è un processo che deve essere incorporato in altri processi (marketing, supporto ai clienti, disegno di prodotti, vendite, lotta al riciclaggio, scoperta e persecuzione comportamenti criminosi e fraudolenti). Concludendo, quindi, si può dire che in una società contemporanea che, grazie all apporto informatico, ricerca la massima efficienza (e-business, e-commerce, ), le singole aziende cercano di raggiungere i fini tradizionali (aumento del profitto, customer loyalty, ) facendo uso di strumenti innovativi e automatizzati, riuscendo, così, a ottenere prodotti customized, maggiore soddisfazione e fedeltà da parte dei clienti, minori costi di acquisizione, ovvero maggiore efficienza e stabilità economica.

13 5.5 Il significato economico del valore del cliente e la segmentazione della clientela L impresa può aumentare la propria profittabilità seguendo tre vie: 1. acquisendo nuovi clienti; 2. ottimizzando i clienti esistenti; 3. fidelizzando i clienti più profittevoli. L impresa deve essere in grado di determinare quali siano i clienti che apportano il maggior valore e profitto, e identificare quale sia il segmento nel quale sta attualmente investendo senza evidenti ritorni. Delle tre scelte citate, l acquisizione di un nuovo cliente è quella a costo maggiore. Gli studi dimostrano che acquisire un nuovo cliente costa dalle cinque alle dieci volte il costo per mantenerne uno esistente e che il cliente fedele comprerà di più durante la sua vita e sarà disposto a pagare un premio di prezzo per acquistare da chi ha conquistato la sua fiducia. Numerose ricerche hanno dimostrato, dunque, che è molto più costoso per un impresa acquisire un nuovo cliente piuttosto che mantenere e aumentare le fedeltà dei clienti esistenti. La strategia di fidelizzazione comporta profitti cinque volte più elevati, a causa di: ammortamento dei costi di acquisizione; effetto degli investimenti in comunicazione già realizzato; incremento nel tempo dei volumi di acquisto; incremento del mix di prodotti posseduti dal cliente; minor sensibilità al prezzo. Al crescere dell anzianità di relazione, cresce il valore del cliente per l impresa. La figura 5.8 evidenzia la curva che descrive il ciclo di vita del cliente in relazione al tempo e al valore generato per l impresa. L area negativa (fondo grigio più scuro) rappresenta il costo di acquisizione del cliente per l impresa; il punto A, individua il break even point, superato il quale il cliente diventa profittevole; l area con fondo grigio più chiaro costituisce il profitto derivante dall interazione nel tempo con il cliente. Per aumentare la redditività di impresa è necessario, dunque, aumentare l area sottesa alla curva di interazione. A tal fine è possibile muoversi in varie direzioni, come evidenziato dalle frecce: 1. ridurre i costi di acquisizione (strategia di acquisizione); 2. avvicinare il punto di break even (soddisfazione dei clienti); 3. aumentare la fedeltà del cliente, generando maggiori vendite mediante attività di cross-selling e up-selling (strategia di fidelizzazione); 4. allungare il ciclo di vita del cliente (customer retention). Per poter implementare tali strategie in modo profittevole, occorre focalizzare gli sforzi organizzativi dell impresa sui clienti a maggior valore. Per identificare e valutare il valore dei clienti dell azienda è possibile adottare una metodologia definita Customer Lifetime Value: Lifetime value is the net present value of all future contributions to overhead and profit expected from a new customer. In simpler terms, how much a customer is worth to you today, given how much profit she/he will generate in the future. L impresa deve valutare il valore di un cliente sulla base dei profitti futuri che tale cliente sarà in grado di generare per l impresa stessa. Il calcolo del valore del cliente in un ottica CRM, deve tener conto di tre variabili: numerosità delle relazioni; durata della relazione; profittabilità della relazione.

14 Il massimo valore potenziale del cliente si manifesta in corrispondenza di un elevato valore delle tre variabili prese in considerazione. Tale valore è raggiungibile tramite la pianificazione e la gestione della relazione complessiva con il cliente, con un allocazione mirata delle risorse: sui clienti chiave; su offerte e servizi appropriati; sui canali più idonei. Sulla base del valore della clientela è ora possibile effettuare la segmentazione della clientela, individuando i clienti più profittevoli, sui quali incentrare le strategie di massimizzazione del valore (figura 5.9). Le strategie di disinvestimento, sviluppo, fidelizzazione della clientela devono essere mirati agli specifici target e vincolati alla relativa profittabilità. È necessario, pertanto, chiedersi: quali siano i clienti non profittevoli, il perché tali clienti non siano profittevoli, in che modo si possono ridurre i costi di gestione e sviluppo (strategia di disinvestimento); quali siano i clienti a media profittabilità, in quale modo si può sviluppare la profittabilità di questi clienti (strategia di sviluppo); quali siano i clienti a elevata profittabilità, in che modo è possibile attuare strategie di sviluppo e di fidelizzazione, in che modo attrarne altri con analoghe caratteristiche (strategia di fidelizzazione). Secondo diverse ricerche i clienti più profittevoli costituiscono il 20% del totale e sono responsabili per l 80% del volume di vendite, 15 la strategia di CRM basa la propria capacità di aumentare i profitti di impresa fidelizzando questa categoria di consumatori. Per identificare i clienti a più alto valore è possibile effettuare un ulteriore segmentazione sulla base di due variabili: customer loyalty customer value È possibile costruire una matrice che individua quattro categorie di clienti cui corrispondono altrettante strategie aziendali (figura 5.10). Si individuano secondo questa modalità: clienti a elevata profittabilità, che evidenziano elevati valori di entrambe le variabili; clienti strategici, con elevati valori di loyalty e bassi di profittabilità; clienti strategici, con elevati valori di profittabilità e bassi di loyalty; clienti a basso valore. Analizziamo ora nel dettaglio le caratteristiche dei diversi segmenti di clienti individuati e le relative strategie. Massimizzare il valore dei clienti a elevata profittabilità I clienti a elevata profittabilità si distinguono per le seguenti caratteristiche: elevata fedeltà all impresa; elevato valore in termini di acquisti effettuati; effettivo contributo al sistema aziendale in termini di collaborazione; fiducia nell impresa; motivazione alla partecipazione e alla collaborazione; elevata loyalty e profittabilità.

15 È necessario aumentare la motivazione del cliente ad apportare il proprio contributo al sistema aziendale, incrementando il livello di coinvolgimento nella relazione. L impresa deve intraprendere strategie di fidelizzazione per innalzare la curva di interazione e rendere ancor più profittevole il cliente, mediante: personalizzazione del sistema di offerta; comunicazione attiva per stimolare l utilizzo di nuovi servizi/prodotti (cross-selling e up-selling); azioni di retention mirate al singolo. Fidelizzare i clienti strategici a elevato valore ma bassa loyalty Questa categoria di clienti evidenzia un elevato valore per l impre-sa ma bassi valori di loyalty. Per questa categoria di clienti è necessario: rafforzare la relazione con l impresa; sviluppare le relazioni fiduciarie; creare azioni incentivanti per stimolare l uso dei servizi; favorire l utilizzo di canali fidelizzanti; generare azioni di cross-selling e up-selling. Aumentare il valore dei clienti strategici a elevata loyalty e basso valore Il cliente, in questa categoria, evidenzia un elevata fedeltà all impresa ma una scarsa profittabilità per l impresa. È necessario intraprendere azioni rivolte ad aumentare il livello di acquisti effettuato mediante una comunicazione attiva per stimolare l utilizzo di servizi di base e l acquisto di un maggior numero di prodotti. Mantenere i clienti a basso valore e bassa loyalty senza ulteriori investimenti A questa particolare categoria di clienti l impresa non dovrebbe dedicare alcun investimento nella realizzazione di una relazione personalizzata, ma al contrario: dirottarli su canali a basso costo; creare esclusivamente azioni di massa. 5.6 Le strategie di fidelizzazione: soddisfazione, riacquisto e vantaggio competitivo Le risorse immateriali dell impresa, rappresentate dal sistema cognitivo dei clienti precedentemente analizzato, costituiscono la base che alimenta il processo di creazione di valore per il cliente.queste risorse sono, infatti, direttamente connesse alla customer satisfaction. 16 La terza fase della nostra analisi, dopo aver sviluppato un sistema cognitivo dei clienti e segmentato la clientela individuando i clienti a maggior valore, consiste nello sviluppare un efficace strategia di fidelizzazione volta a massimizzare il valore dei clienti più profittevoli e dei clienti strategici. La strategia di fidelizzazione si pone come obiettivo quello di incrementare la soddisfazione dei clienti che rappresenta la fonte generativa delle relazioni fiduciarie, che sono alla base della costituzione di un vantaggio sostenibile per l impresa (figura 5.11). La strategia di fidelizzazione si sviluppa, da un lato, mediante gli strumenti propri del marketing relazionale:

16 sviluppo di un approccio di comunicazione personalizzato e uno a uno; instaurazione e gestione di una relazione continuativa e di lungo periodo con i clienti; comunicazione integrata attraverso i diversi canali di contatto; dall altro, mediante, gli strumenti operativi propri della produzione, delle vendite, della logistica e della customer care: sviluppo di prodotti e servizi personalizzati (mass customization); multicanalità, veicolando prodotti e servizi attraverso una pluralità di canali, secondo le esigenze della clientela; sviluppo di servizi a elevato valore aggiunto, ad esempio servizi post-vendita; rapidità e puntualità nelle consegne. Le azioni così intraprese dall azienda aumentano la soddisfazione dei clienti 17 e conseguentemente le risorse di fiducia ad essa connessa. Prima di procedere all analisi degli elementi costituenti la strategia di fidelizzazione, occorre definire il significato di soddisfazione dei clienti e le sue determinanti (figura 5.12). Il modello di Valdani e Busacca [1992] richiama i princìpi sottostanti l approccio resource-based, essendo incentrato sullo sviluppo di risorse di fiducia.in particolare, evidenzia l attivazione dei processi cognitivi del cliente dai quali dipende la formazione delle risorse di fiducia e la correlata capacità d impresa di adottare comportamenti flessibili al fine di ridurre i gap esistenti. Diamo una visione di sintesi delle strategie di soddisfacimento del cliente e delle risorse di fiducia: Allineamento della soddisfazione percepita dai clienti alla soddisfazione da essi desiderata; 2. miglioramento della comprensione (da parte del management dell impresa) delle esigenze dei clienti; 3. miglioramento della percezione (da parte dei clienti) del livello di soddisfazione garantito dall offerta dell impresa; 4. miglioramento della comprensione (da parte del personale aziendale) degli obiettivi di customer satisfaction perseguiti dall impresa; 5. incremento del grado di condivisione (da parte del personale aziendale) degli obiettivi di customer satisfaction perseguiti dall impresa; 6. miglioramento delle capacità dell organizzazione di trasferire gli obiettivi di customer statisfaction perseguiti in specifiche di progetto; 7. miglioramento delle capacità dell organizzazione di realizzare prodotti in linea con le aspettative dei clienti; 8. allineamento fra gli obiettivi di customer satisfaction recepiti dall organizzazione e il livello di soddisfazione percepito dai clienti. Dopo aver definito i legami esistenti tra strategia di fidelizzazione, customer satisfaction, relazioni fiduciarie, customer loyalty e vantaggio competitivo e aver dato una definizione di queste variabili, analizziamo le componenti che caratterizzano la concreta realizzazione di una strategia di fidelizzazione. 5.7 La comunicazione integrata e differenziata In primo luogo, prendiamo in considerazione le modalità di comunicazione e gli strumenti a disposizione dell impresa: la comunicazione deve garantire al cliente una visione unitaria e integrata dell azienda, indipendentemente dal canale di contatto; l approccio relazionale della comunicazione al cliente deve essere personalizzato sulla base delle informazioni presenti e sviluppate dal sistema cognitivo aziendale; integrare i canali di comunicazione in un unico flusso comunicativo nei confronti del cliente; gestire le relazioni tra priorità, preferenze e capacità del canale prescelto; comunicazione uno a uno e in real time, attivando flussi bidirezionali; l ambiente di comunicazione deve essere in grado di memorizzare e capitalizzare ogni interazione con il cliente, facilitando l acquisizione di informazioni rilevanti.

17 Analizziamo ora i diversi strumenti di comunicazione sulla base della loro efficacia e del loro costo per l impresa (figura 5.13). Gli strumenti che garantiscono una maggior efficacia a un costo inferiore sono quelli legati alle nuove tecnologie dell informazione, come la , il VOIP (voice over IP), la chat e il web. Posta elettronica Come abbiamo avuto modo di evidenziare nei capitoli precedenti, l costituisce uno strumento di comunicazione strategico a causa dei ridotti costi di contatto e l interattività consentita. Secondo una ricerca Forrester, nel 2004 le aziende invieranno 200 miliardi di messaggi all anno per implementare programmi di marketing. L rappresenta la killer application dei processi di comunicazione aziendale e può essere utilizzata per strategie di acquisizione, di retention e di customer care. È necessario inviare i messaggi via solo a quei consumatori che hanno dato il loro consenso ed espresso la volontà di riceverli. A questo riguardo le newsletter rappresentano un nuovo media per diffondere messaggi gratuiti a clienti che hanno dichiarato i propri interessi e dato il loro consenso. Le newsletter rappresentano uno strumento particolarmente efficace poiché sono fortemente focalizzate, e si possono così raggiungere quattro obiettivi di marketing: informare (awareness); generare traffico sul sito; promuovere iniziative e promozioni; effettuare test e ricerche di mercato. La , inoltre, è in grado di stabilire un dialogo bidirezionale con il cliente e di offrire valore e servizi, rafforzando la relazione instaurata con il consumatore. 5.8 La gestione integrata della relazione con il cliente: dal call center al contact center Per sviluppare relazioni fiduciarie e fedeltà, occorre coinvolgere i clienti in un processo relazionale di creazione del valore. L impresa deve gestire la relazione instaurata con i propri clienti in modo tale da sviluppare un rapporto di tipo collaborativo, in cui i clienti si sentano parte integrante dell impresa. A tal fine, l impresa deve gestire e sviluppare relazioni di lungo periodo, basate sulla comunanza di obiettivi. La capacità di diffondere tali valori dipende dalla qualità delle interazioni che l impresa intrattiene con i propri clienti. In termini generali, per garantire al cliente una visione unitaria dell azienda, le interazioni devono svilupparsi attraverso l integrazione dei diversi canali di contatto Grazie all utilizzo delle nuove tecnologie dell informazione si è assistito a un evoluzione del call center, da strumento tradizionale non integrato con il sistema gestionale a mezzo di unificazione dei punti di contatto con il cliente per la gestione e la fidelizzazione della relazione (figura 5.14). I call center moderni sono in grado di integrare diversi centri di contatto con il cliente: telefono fax sales force automation web collaboration VOIP I call center rappresentano, dunque, un insieme di strutture informatiche, di telecomunicazione e di risorse umane integrate, volto ad assicurare maggiore affidabilità e rapidità del servizio, che può essere

18 gestito in modo personalizzato. Le caratteristiche e i benefici che un call center integrato comportano sono: affidabilità, ossia il controllo immediato delle informazioni erogate; efficienza, garantire funzionalità e servizi senza limiti di tempo e orario.i clienti si aspettano un servizio facilmente raggiungibile in qualsiasi momento e senza particolari difficoltà; personalizzazione delle interazioni con il cliente; immediatezza nel rapporto con il cliente; basso costo. I vantaggi che la clientela ottiene risiedono nella riduzione al minimo dei tempi di attesa, una risposta efficiente e completa, e massima flessibilità dell orario. Il call center costituisce per l impresa che implementa una strategia di fidelizzazione uno strumento relazionale in grado di incrementare il livello di qualità del servizio e il grado di fidelizzazione del cliente. Mediante un approccio personalizzato è possibile, infatti, gestire il cliente nella sua individualità, sviluppando relazioni fiduciarie. Le nuove tecnologie consentono, ad esempio, all operatore del call center, di visualizzare tutte le informazioni utili sul cliente che ha effettuato la chiamata, permettendo un approccio e un colloquio altamente personalizzati, incrementando la qualità del servizio percepita dal cliente. I call center sono dunque utilizzati come strumento di comunicazione e di gestione della relazione con il cliente, per trasmettere l immagine e i valori dell azienda, aumentando la soddisfazione e la fedeltà del cliente stesso. L integrazione di questo strumento alle nuove tecnologie, e in particolare a Internet, consente, inoltre, la possibilità di interagire con il cliente attraverso molteplici vie: videoconferenza, l operatore innesca un contatto diretto e visivo con il cliente; chat, si sviluppa un dialogo interattivo sul sito facilitando la collaborazione in tempo reale; web collaboration, secondo questa modalità il cliente naviga su Internet e semplicemente cliccando sullo schermo, richiede di essere richiamato, l operatore può intervenire mediante Internet phone (voice over IP) o telefono. Il vantaggio peculiare di queste soluzioni risiede nel fatto che l operatore visualizza la stessa schermata del cliente e può fornirgli un servizio e un supporto nella risoluzione di problemi a elevato valore aggiunto; 19 fax on demand, consente all utente di ricevere documenti fax contenenti le informazioni o i dati richiesti; interactive voice respond, alla chiamata del cliente viene riprodotto un messaggio preregistrato che invita l utente a selezionare, tramite la tastiera del proprio telefono, le cifre corrispondenti a una precisa tipologia di richiesta. Il sistema interpreta le selezioni effettuate e risponde istantaneamente e in modo automatico fornendo le informazioni richieste, prelevandole da un database. Questi strumenti possono essere rappresentati su una matrice che prende in considerazione, da un lato la finalità di utilizzo (vendita o servizio), dall altro l esperienza richiesta e i costi (figura 5.15). Secondo questa matrice: la rappresenta uno strumento universale; la web chat richiede un elevato livello di tecnologia e può essere utilizzata per chiamate brevi; il call me buttons rappresenta lo strumento migliore per garantire elevati livelli di servizio; il voice over IP è particolarmente indicato per la vendita di prodotti a elevato valore.

19 Il contact center rappresenta dunque lo strumento ideale per gestire la relazione con il cliente, conoscerne i bisogni e rispondere alle sue esigenze mediante un approccio personalizzato. Gli elementi che generano la qualità della relazione all interno di un contact center sono principalmente tre: la qualità del servizio, la tecnologia e il personale; quest ultimo riveste un ruolo chiave, infatti, gli operatori instaurano un contatto personale e diretto con il cliente, influenzando le percezioni sulla qualità del servizio erogato; per tale motivazione è necessario effettuare ingenti investimenti nella formazione delle persone che rappresentano l azienda per il cliente. Un contact center integrato consente: il riconoscimento del cliente in tempo reale; la personalizzazione del livello di servizio e di assistenza in funzione del profilo cliente tempi di attesa ridotti e operatori con esperienza per clienti strategici, risponditori per clienti marginali; l integrazione in tempo reale con i sistemi aziendali che gestiscono gli altri canali di relazione in particolare web e canali di vendita; la reale delega di responsabilità e potere decisionale al front-line. 5.9 MASS CUSTOMIZATION Soddisfare le aspettative e le esigenze dei clienti mediante una ridefinizione continua dell offerta in termini di prodotti e di servizi a elevata personalizzazione costituisce l obiettivo principale di una strategia di fidelizzazione. Le informazioni, sviluppate all interno del sistema cognitivo aziendale, sulle preferenze e sui bisogni emergenti dei clienti devono essere utilizzate dalla produzione per sviluppare prodotti rivolti al singolo individuo. In primo luogo si identifica il profilo di consumo del cliente, in termini di preferenze, aspettative richieste e passati acquisti.successivamente si elabora un prodotto le cui caratteristiche sono allineate al profilo emergente. La personalizzazione non si attua solo sul sistema di prodotto, e come abbiamo visto nei precedenti paragrafi sulla comunicazione, ma anche: sui servizi offerti; sulle modalità di consegna; sui canali di vendita. Le recenti applicazioni e le continue innovazioni tecnologiche nell area web creano nuove opportunità di personalizzazione rafforzando nel tempo le relazioni con i clienti.la natura interattiva della rete permette la costruzione di un dialogo bidirezionale finalizzato alla customizzazione dell offerta e alla fidelizzazione del cliente. 20 La personalizzazione dei contenuti e dei prodotti/servizi offerti ha raggiunto sul web livelli molto elevati. A livello progettuale l approccio alla personalizzazione deve essere conseguito a vari livelli, ognuno dei quali corrisponde al grado di fiducia raggiunto nella relazione. Nella prima fase, definita di attivazione, l impresa offre informazioni ed esperienze rilevanti senza nessuna richiesta di informazioni personali. Il navigatore dedica tempo e attenzione all azienda. La personalizzazione, in questa prima fase, può essere attuata mediante l utilizzo di software in grado di modificare le pagine web viste dall utente in relazione alle caratteristiche comportamentali del navigatore. Il software osserva il comportamento dell utente e sulla base di un sofisticato processo di analisi, utilizza le informazioni psicografiche e demografiche basilari raccolte in precedenza dal server, per modificare la struttura del sito durante la navigazione. L efficacia della personalizzazione dipende dalle capacità previsionali del software e dalla conseguente capacità di modificare il sito.

20 La seconda fase viene definita user-driven personalization; gli utenti utilizzano gli strumenti presenti sul sito per personalizzare elementi di interesse. In questa fase l azienda dimostra di fornire contenuto rilevante per il navigatore che in autonomia decide di attivarsi per modificare le pagine web. Secondo recenti studi, 21 gli utenti si dimostrano disponibili a comunicare in ambienti non intrusivi. A questo stadio l impresa riesce a ottenere le prime informazioni sul navigatore, derivanti comunque sempre da comportamenti impliciti. La terza fase, il market driven personalization, si caratterizza per l offerta attiva di contenuti da parte dell impresa. È necessario riuscire a proporre informazioni che sono utili al cliente nel momento in cui sono proposte sul sito. L ULTIMA FASE È RAPPRESENTATA DAL TRUST-BASED COLLABORATION; IN QUESTO STADIO IL GRADO DI COINVOLGIMENTO DEL CLIENTE È TALE DA FAR NASCERE COMPORTAMENTI COLLABORATIVI CONCLUSIONI In questo capitolo si sono affrontate le fasi di implementazione di una strategia di CRM, individuando in particolare le seguenti fasi di sviluppo: fase 1: sviluppo di un sistema cognitivo dei clienti dell impresa, mediante l analisi e l interpretazione dei dati e delle informazioni raccolte off-line e on-line; fase 2: segmentazione della clientela sulla base del valore per l impresa (lifetime value) e della fedeltà; fase 3: identificazione dei clienti più profittevoli e strategici per l impresa; fase 4: sviluppo di strategie di fidelizzazione indirizzate ai clienti più profittevoli e strategici, volte ad aumentare la customer satisfaction e la fedeltà del cliente al fine di generare relazioni fiduciarie alla base del vantaggio competitivo d impresa; fase 5: analisi delle determinanti proprie della strategia di fidelizzazione: marketing relazionale (gestione della relazione con il cliente, comunicazione integrata, interattiva e uno a uno); fase 6: analisi degli strumenti operativi propri della produzione, delle vendite, della logistica e della customer care (mass customization, multicanalità, servizi a elevato valore aggiunto); fase 7: azioni di monitoraggio e di feed-back sulle azioni intraprese, e sviluppo di nuova conoscenza per il sistema conoscitivo d impresa (ritorno alla fase iniziale del percorso). La caratteristica, comune a tutte le fasi del processo, è costituita dall informazione. La conoscenza sviluppata sui clienti rappresenta il capitale relazionale d impresa che alimenta e stimola le decisioni strategiche aziendali. Note 1. S. Vicari [1989], Nuove dimensioni della concorrenza, Milano, Egea. 2. M. Costabile [1996], La misurazione della customer satisfaction: nuove ipotesi sul paradigma della conferma/disconferma, in Micro & Macro Marketing, n. 3, dicembre. 3. A. Lanza [2000], Knowledge governance, Milano, Egea. 4. R. Varaldo, G. Guido [1997], Il consumatore come prodotto: customer satisfaction come qualità del cliente, in Micro & Macro Marketing, n. 1, aprile. 5. R. Varaldo, G. Guido [1997], Il consumatore come prodotto: customer satisfaction come qualità del cliente, in Micro & Macro Marketing, n. 1, aprile. 6. J. Curry, S.Meacci [1994], Il customer marketing: identificare, acquisire, mantenere e sviluppare i clienti, Milano, Il Sole 24 Ore. 7. Il concetto di RFM è stato ideato dalle società di vendita per corrispondenza per segmentare le categorie dei loro clienti. 8. D. Casaleggio [1999], Le metriche del website. 9. S. Micelli [1997], Comunità virtuali di consumatori, in Economia & Management, n S. Micelli, E. Prandelli [2000], Net marketing: ripensare il consumatore nel mondo della rete, in Economia & Management, n. 4, luglio. 11. P.F. Camussone [2001], Informatica, organizzazione e strategie, Milano, McGraw-Hill. 12. Una segmentazione si dice multipla se i gruppi padri si suddividono in un numero di gruppi figli maggiore di due, alternativamente si parla di segmentazione binaria. 13. Per rete supervisionata si intende una rete che considera una o più variabili target definite in funzione di conoscenze a priori. Al contrario, in una rete non supervisionata non esiste data conoscenza e, conseguentemente, l analisi non si basa su variabili target. 14. Stofella [2001], Il Data Mining: uno strumento a supporto del CRM.