Si chiama Niky Analytics ed è la piattaforma di analisi dei dati dei clienti che BNova ha sviluppato per consentire a Marketing e Business di conoscere meglio i clienti ed identificare, attraverso avanzate analisi realizzabili da chiunque con semplici cruscotti interattivi, le azioni da intraprendere per migliorare la Customer eXperience, aumentare la fidelizzazione, massimizzare il ritorno degli investimenti… in altre parole, di prendere decisioni oggettive basate sui dati.

 

Niky Analytics aiuta Marketing e Business a conoscere meglio i clienti e prendere decisioni basate sui dati

 

Partendo dall’assunto che i clienti non sono tutti uguali, il “cruccio” di moltissime aziende è capire quali sono quelli che “valgono maggiormente” e quelli sui quali può avere un senso (di business) investire. Il “paradosso” è che per avere queste risposte è sufficiente dare una risposta concreta e misurabile a tre semplici domande:

  • – Quanto vale il mio cliente?
  • – Come acquista il mio cliente?
  • – Chi mi sta per abbandonare?

Paradosso perché tanto semplici sono le domande tanto complesso può essere il processo per arrivare ad avere delle risposte se non si hanno gli “strumenti” adatti, a partire dalla cultura della misura e dell’analisi del dato che deve sempre più far parte del DNA delle aziende.

Abbiamo già avuto occasione di presentare la piattaforma Niky Analytics [per una overview sulla soluzione rimandiamo alla lettura dell’articolo “Niky Analytics: la piattaforma Customer Centric per conoscere e fidelizzare i tuoi clienti” – nda], qui ci concentriamo su alcune delle sue funzionalità analitiche chiave per il Marketing. Le analisi per il calcolo del CLV – Customer Lifetime Value (per rispondere alla prima domanda, quanto vale il mio cliente?) e le analisi RFM – Recency Frequency Monetary (che consentono di rispondere alla seconda domanda, come acquista il mio cliente?).

 

Quanto vale il mio cliente? Calcolarlo con il CLV – Customer Lifetime Value

 

Il CLV – Customer Lifetime Value è un indicatore che permette alle aziende di misurare i profitti prevedibili in base alla relazione con i clienti, a partire dal loro comportamento d’acquisto.

In questa definizione si concentra tutto il “potere” delle analisi possibili attraverso la piattaforma Niky che consentono di esprimere il valore di una relazione tra un’azienda ed i propri clienti in ottica previsionale, cioè stimando quanto potrà evolvere la relazione in termini di profitto per l’azienda.

Il sistema di analisi e calcolo del CLV in Niky Analytics supera moltissime delle barriere tipiche delle tradizionali piattaforme CDP – Customer Data Platform che integrano sistemi per il calcolo Customer Lifetime Value basati puramente sul calcolo monetario (ricavi indotti dalle spese medie dei clienti e costi interni dell’azienda).

Plus della soluzione sviluppata da BNova è l’analisi previsionale basata su parametri ed indicatori che consentono di analizzare e capire il comportamento di acquisto dei propri clienti (che cambia da azienda ad azienda, da settore a settore). Attraverso l’analisi avanzata dei dati – che deve essere modellata e personalizzata a seconda dello specifico contesto in cui opera un’azienda – la piattaforma Niky restituisce a Marketing e Business un patrimonio di conoscenza utile per prendere decisioni più efficaci.

In dettaglio, Niky Analytics “raccoglie” Business requirements quali “capire su quali clienti investire”, “intercettare il giusto target verso il quale indirizzare le attività di Marketing”, “delineare il profilo dei migliori clienti”, “capire se esistono differenze geografiche e come queste incidono sui profili dei clienti migliori”, “prevedere come evolveranno i clienti in futuro”, ecc., e consente agli utenti di trovare le risposte. Il CLV, infatti, consente di dare risposte a queste domande definendo il valore di un cliente, il valore potenziale di un potenziale cliente o di un cliente appena acquisito, le caratteristiche ed il valore di un gruppo di clienti… anche senza competenze tecniche di data analytics, grazie alle avanzate tecniche di Data Visualization e Data Storytelling integrate in Niky Analytics che permettono alle persone di sfruttare tutte le potenzialità delle analisi avanzate dei dati usando semplici interfacce intuitive e “navigando” nella piattaforma come su una semplice infografica interattiva.

 

Come acquista il mio cliente, o meglio, come si comporta? Le analisi RFM

 

Importantissimo “tassello tecnologico” di Niky Analytics è la componente di analisi RFM – Recency Frequency Monetary, che non si limita a calcolare in meri indicatori quantitativi frequenza, volume e tempo intercorso dall’ultimo acquisto, ma aiuta Marketing e Business a capire e valutare la vivacità della relazione tra azienda e clienti.

Come abbiamo avuto modo di analizzare in alcuni precedenti articoli, l’RFM è una tecnica di analisi utilizzata per determinare quantitativamente quali sono i migliori clienti esaminando quanto recentemente acquistano (recency), quanto spesso acquistano (frequenza), quanto spendono in media (il valore monetario).

Con un approccio tradizionale, queste analisi aiutano le aziende a prevedere ragionevolmente quali clienti effettueranno altri acquisti in futuro. Tuttavia, il vero plus di questo tipo di analisi, soprattutto se abbinate al CLV – Customer Lifetime Value come in Niky Analytics, sta nella definizione e valutazione del cosiddetto Customer Purchase Behaviour, ossia l’analisi del comportamento di acquisto dei clienti (se in cmbinata al CLV dei clienti a maggior valore). Analisi che, anche in questo caso, consentono di dare risposte concrete, misurabili e trasformabili in decisioni strategiche ed operative, a Business requirements quali “comprendere come varia il comportamento di acquisto secondo eventi e stagionalità”, “valutare quanto la frequenza di acquisto incide sulla redditività dei clienti”, “capire se, quando e perché in determinati contesti può essere meglio avere un cliente che spende poco ma spesso”, oppure il contrario, “capire se, quando e perché in determinati contesti risulta maggiormente di valore per l’azienda avere un cliente che acquista poche volte ma spende molto”, ecc.

È per aiutare Marketing e Business a dare risposte concrete a domande come queste che BNova ha scelto di sviluppare Niky Analytics con un approccio innovativo, ossia incentrando le analisi CLV ed RFM sul loro reale potenziale qualitativo per il business. L’obiettivo di BNova è portare nelle mani di utenti di business, senza competenze tecniche specifiche di data science, uno strumento molto facile da utilizzare ma al contempo molto potente nei risultati, dando così alle aziende la possibilità di fare analisi per la comprensione del valore del cliente, ed il potere di prendere decisioni oggettive in chiave prospettiva.

 

Vuoi conoscere meglio Niky Analytics e capire cosa può fare per te e la tua azienda?

CONTATTA I NOSTRI ESPERTI, COMPILA IL FORM


Approfondimenti da BNext:

Deep learning: cos’è e quali le applicazioni 

Nell’ampio vocabolario dell’intelligenza artificiale c’è una tecnica sempre più diffusa che promette di affrontare i problemi più complessi: il deep learning. Grazie all’impiego delle reti neurali profonde, il deep learning consente di correlare i dati con una...

Machine learning e deep learning: quali le differenze

Machine learning (ML) e deep learning (DL) sono termini sempre più ricorrenti nel vocabolario tecnologico, oltre ad essere sempre più utilizzate nelle applicazioni enterprise e mainstream. Prima di entrare nel merito, per comprendere in cosa consistono e cosa le...

Dataiku: cosa c’è da sapere sulla nuova release

Le novità più importanti della release 11.0 e 11.1.0 spiegate dal nostro data scientist Emiliano Fuccio

ETL, il significato di Extract, Transform, Load: cos’è e a cosa serve

I dati vengono ormai generati con un flusso incessante, in ogni singolo istante, da miliardi di dispositivi interconnessi in tutto il mondo. Ma come è possibile estrarre valore da questa straordinaria risorsa digitale? Il paradigma Big Data, gli Advanced Analytics e...

Data ingestion: significato, esempi e vantaggi 

La data ingestion è una tecnologia molto importante nell’aiutare le organizzazioni a gestire un volume di dati sempre più ingente e complesso, anche per via della sua straordinaria eterogeneità. Se ben implementata, la data ingestion può infatti generare un...

Le differenze tra intelligenza artificiale debole e forte

L’intelligenza artificiale è una tecnologia ormai entrata stabilmente a far parte della nostra quotidianità, dai semplici assistenti domestici ai più complessi sistemi di robotica industriale. Nella sua definizione più ampia, l’intelligenza artificiale è un termine...

Cos’è la Data Quality e le metriche di riferimento

La Data Quality è una misura della condizione dei dati basata su fattori quali accuratezza, completezza, coerenza, affidabilità e se sono aggiornati. La misurazione dei livelli di qualità dei dati può aiutare le organizzazioni a identificare gli errori nei dati che...

OLAP e OLTP: cosa sono e quali le differenze 

La trasformazione digitale ha portato le aziende ad essere sempre più data-driven, orientando i loro processi e le loro decisioni nella prospettiva delle operazioni e delle analisi di quantità e varietà di dati sempre più importanti. È infatti ormai decisamente...

Data as a Service: cos’è a cosa serve

I modelli a servizi disponibili in cloud consentono di avere nuove opzioni di utilizzo dei dati, molto più flessibili e scalabili rispetto ai sistemi di gestione tradizionali. È il caso del Data as a Service (Daas), una soluzione strategica in grado di semplificare...

Data Science Lifecycle, le 6 (+1) fasi del processo

La Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati. Non esiste un framework unico e universalmente condivido per definire i processi di Data Science, tuttavia, dal punto di vista tecnico lo standard KDD è quello a cui ci si ispira maggiormente, perché indica l’intero processo di ricerca di nuova conoscenza dai dati.