Garantire una Customer eXperience (CX) positiva, tale da legare una persona ad un brand in modo duraturo, stabilire una relazione di ingaggio fidelizzata e legarne i risultati alla strategia di Customer Centricity dell’azienda ed ai suoi risultati di business, è una sfida molto complessa.

Quantificare (e qualificare) l’esperienza delle persone nella relazione con la propria azienda, tuttavia, è ormai un’esigenza sentita da moltissime realtà che si sono rese conto del mutamento del contesto e dei comportamenti degli utenti.

Le persone non basano più la loro fedeltà sul prezzo o sul prodotto; rimangono fedeli alle aziende grazie all’esperienza che ricevono. Se non si riesce a tenere il passo con le crescenti richieste ed esigenze delle persone, si perdono clienti e posizionamento di mercato.

Secondo l’indagine di PWC “Global Consumer Insights Survey”  l’86% degli acquirenti è disposto a pagare di più per un’ottima esperienza, mettendo la CX su un piano superiore, dal punto di vista dell’importanza, rispetto non solo al prezzo ma addirittura del prodotto/servizio acquistato.

L’esperienza, tuttavia, spesso è fatta di percezioni ed influenze che incidono su comportamenti di acquisto ormai completamente diversi dal passato. Il primo passo per fare della Customer eXperience un pilastro delle strategie di Customer Centricity di un’azienda [di cui abbiamo ampiamente scritto nell’articolo “Il cliente al centro: come cambiare strategia dalla “product” alla “customer centricity” – nda] è quindi conoscere e comprendere le persone, come si comportano, come acquistano e su quali basi è dunque possibile sviluppare una relazione di fiducia che si traduca in un rapporto di fedeltà brand-cliente.

La comprensione del cliente è il primo importante passo ma per migliorare la CX ai fini di business serve andare oltre, serve un’analisi del percorso, il cosiddetto customer journey, serve capire quanto vale il cliente o potenziale tale, serve intercettare in anticipo criticità ed “indizi” che possono portare una persona ad abbandonare un brand… in altre parole, serve sviluppare in azienda una cultura al dato e alla sua analisi che consenta di prendere decisioni efficaci e prevedibili negli impatti (sia verso i clienti, sia verso i risultati di business). Servono dati e Advanced Analytics. Ma quali?

 

Gli Advanced Analytics per una efficace Customer eXperience

Conoscere i clienti, le persone che entrano in contatto con un brand o la propria azienda, è il primo importantissimo step per creare relazioni di fiducia e costruire rapporti di fedeltà. In sostanza è il primo importante pilastro su cui costruire una Customer eXperience efficace dalla quale dipendono poi certi risultati di business, dal Marketing alle vendite fino al servizio e supporto clienti.

Le tecnologie e le differenti tipologie di analisi dei dati rappresentano il motore abilitante della CX (e quindi del business), ma è importante capire quali analisi si possono fare e quali risultati si possono ottenere. In questo articolo analizziamo tre differenti tipologie di advanced analytics:

  • ⏱️ Analisi RFM per capire come acquistano i clienti;
  • ? Customer Lifetime Value per definire il valore di un cliente;
  • ? Analisi predittive per capire la fedeltà delle persone o prevedere possibili “attriti”.

 

1) Analisi RFM: Recency, Frequency e Monetary per capire come si comportano e come acquistano le persone

L’analisi RFM (Recency, Frequency, Monetary value) è una tecnica 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).

Ciascun parametro corrispondente ad alcune caratteristiche chiave del cliente. Queste metriche RFM sono indicatori importanti del comportamento di un cliente perché incidono su altri tipi di analisi (di cui facciamo accenno in seguito): la frequenza e il valore monetario influiscono per esempio sul valore della vita del cliente (il CLV – Customer Lifetime Value), mentre la recency influisce sulla fidelizzazione, una misura importante del coinvolgimento e della CX.

Guardando queste metriche da una prospettiva di business, ecco cosa “dicono” queste analisi:

  • ? quanto più recente è l’acquisto, tanto più reattivo è il cliente alle promozioni o a nuove proposte;
  • ? più spesso il cliente acquista, più è coinvolto e soddisfatto e quindi più sarà propenso a fare nuovi acquisti oppure a condividere con altre persone la sua positiva esperienza;
  • ? il valore monetario consente di identificare le vendite “a basso valore” e di prendere decisioni strategiche più oggettive ed efficaci per migliorare i risultati di vendita.

L’analisi RFM, di fatto, aiuta le aziende a prevedere ragionevolmente quali clienti hanno maggiori probabilità di effettuare nuovamente acquisti in futuro, quanti ricavi provengono da nuovi clienti (rispetto ai clienti abituali) e capire come trasformare gli acquirenti occasionali in acquirenti abituali.

Strettamente collegata all’analisi RFM è l’analisi del Customer Purchase Behaviour, ossia del comportamento di acquisto delle persone. In questo caso ci si riferisce ad analisi che tengono conto dei “movimenti”, dei comportamenti di un utente prima che giunga all’acquisto: cosa cerca, da cosa viene influenzato, quali strumenti e canali sceglie, quali fattori incidono sul suo percorso… Capire quali sono i fattori e le varabili che incidono sul comportamento di acquisto di una persona aiuta le aziende a definire meglio le proprie strategie di posizionamento e comunicazione, attirando con più efficaci gli utenti veramente “in target”, quelli cioè ai quali l’azienda può davvero offrire una esperienza positiva (con tutto ciò che ne consegue in termini di fidelizzazione e reddittività di business).

 

2) Customer Lifetime Value, quanto vale il cliente o potenziale tale?

Il Customer Lifetime Value (CLV), noto anche come Lifetime Value (LTV), è una previsione del valore che un cliente avrà nel corso della vita con un’azienda o un brand: è un indicatore che misura i profitti prevedibili in base alla relazione con i clienti, a partire dal loro comportamento d’acquisto. Detto anche in altri termini, è un indicatore in grado di identificare a quanto ammonta il valore di un cliente in maniera potenziale.

Si tratta di un parametro molto importante che parte dall’assunto che, nella stragrande maggioranza dei casi, per un’azienda l’effort ed i costi per mantenere in essere rapporti già avviati e fidelizzati con i clienti sono decisamente inferiori degli sforzi e dei costi necessari per trovare nuovi clienti.

In modo estremamente sintetico e semplice, si può definire il Customer Lifetime Value come il profitto che ogni cliente può generare nel tempo per un’azienda. I parametri che definiscono il CLV, infatti, sono:

  • comportamenti di acquisto;
  • valore/profittabilità dei clienti;
  • valore rispetto ad un arco temporale (frequenza della relazione tra cliente e azienda);
  • costo di acquisizione e “tasso” di fidelizzazione (da cui derivare previsioni su ricavi e profitti futuri);
  • tasso di abbandono (da cui derivare eventuali rischi ed impatti economici).

Le analisi per la definizione del valore del cliente lungo la “vita” della relazione che ha con la propria azienda rappresentano uno strumento di business estremamente efficace perché:

  • ? consentono di attuare strategie di acquisizione clienti più efficaci e mirate (senza “sparare nel mucchio” o attirare utenti che non hanno davvero bisogno dei prodotti e servizi offerti dal brand ed il cui costo di gestione, proprio perché “fuori target” risulterebbe elevato”);
  • ? incrementare le vendite grazie ad una comprensione più efficace dei bisogni e delle aspettative delle persone;
  • ? raggiungere un retention rate (tasso di fidelizzazione) più elevato grazie ad un disegno del ciclo di vita del cliente più chiaro, dai suoi bisogni al suo comportamento fino alle sue scelte e a ciò che lo soddisfa maggiormente che gli consente di percepire meglio il valore dell’azienda, del prodotto, del servizio ricevuti;
  • ? aumentare ricavi e profitti per singolo cliente grazie ad una vista più chiara degli utenti che aiuta a definire strategie di up-selling e cross-selling più mirate, e quindi più efficaci.

 

In definitiva, il Customer Lifetime Value è la metrica che indica il ricavo totale che un’azienda può ragionevolmente aspettarsi da un singolo cliente (quanto fatturato un’azienda può aspettarsi che un cliente generi nel corso del loro rapporto commerciale).

 

3) Analisi predittive: il cliente è soddisfatto o sta per abbandonare il brand?

Come accennato nei punti precedenti, tra le analisi avanzate dei dati da cui trarre efficaci strategie per migliorare la Customer eXperience, ci sono le cosiddette Retention Analysis (analisi del livello di fidelizzazione di un cliente) e Churn Analysis (previsione della tendenza all’abbandono).

Si tratta di due tipi di analisi predittive, ossia tipi di analisi che sfruttano algoritmi e modellazione predittiva per fare previsioni, simulare situazioni possibili o scenari che aiutano a prevedere risultati e valutare rischi ed impatti di determinate scelte, azioni, decisioni…

Molto spesso quando si parla di Customer eXperience si pensa alla fidelizzazione come obiettivo primario da raggiungere; tuttavia, i risultati della fidelizzazione dipendono dalla capacità di analisi delle esigenze e del comportamento degli utenti, non solo quindi dalla Customer eXperience. Sapere quando apportare determinati cambiamenti e prevedere i possibili impatti, è una capacità di analisi che va ben oltre la CX.

Retention e churn analysis sono strettamente correlati tra loro perché capire quando, come e in che “punto” del ciclo di vita del customer value avviene un abbandono aiuta non solo a prevenire tale scenario, ma anche a definire strategie più efficaci per fidelizzare un utente che ancora non è soddisfatto e sta per abbandonare il brand o chiudere un rapporto con un’azienda.

Intercettare i possibili “abbandoni” e capirne le motivazioni diventa la via più efficace per migliorare i livelli di soddisfazione e fidelizzazione dei clienti. Di contro, la chiave per identificare i punti di abbandono dei clienti è l’analisi continua del loro comportamento.

Ecco perché quando si pensa alla Customer eXperience o, più in generale, a rendere efficace una strategia di Customer Centricity, è importante tenere conto di tutte le opportunità che le differenti tipologie di analisi dei dati possono offrire. Tanto più le analisi sono pervasive e distribuite su più livelli funzionali e strategici, tanto più la Customer Centricity si traduce in concreti e tangibili risultati di business.

Scarica l'infografica BNova - I clienti non sono tutti uguali

Approfondimenti da BNext:

Customer churn rate: tecniche e strumenti per capire quando un cliente se ne vuole andare

Customer churn rate, tecniche e strumenti per capire quali sono le cause che portano un cliente a cercare alternative

Churn analysis, cos’è e a cosa serve

In cosa consiste la churn analysis e per quale motivo le analisi predittive rivestono un ruolo fondamentale

Niky Analytics, analisi avanzate dei dati per il Retail Marketing

Gli analytics nel retail: Niky Analytics per migliorare l’esperienza del cliente, aumentare le vendite e ottimizzare le operations

Le analisi di coorte integrate in Niky, la piattaforma di Customer Analytics di BNova

Nelle analisi di coorte integrate in Niky puoi osservare l’evoluzione nel tempo delle coorti acquisendo informazioni di valore per il business

Analisi di coorte: esempi reali ed applicazioni

Tra gli esempi più significativi di applicazione delle analisi di coorte ci sono quelle specifiche relative ai clienti, prima fra tutte quella che consente di “mappare” il customer journey partendo dall’analisi dei comportamenti delle persone

Analisi di coorte: cos’è e perché è importante per capire il comportamento degli utenti

L’analisi di coorte è una tipologia di analisi dei dati che si concentra sulle attività ed il comportamento di una specifica coorte, ossia un gruppo di persone che condividono una o più caratteristiche comuni in un dato periodo di tempo.

Niky: algoritmi personalizzati per una vera centralità del cliente

Si legge “Niky”, ma si traduce in “piattaforma di Customer Analytics con algoritmi personalizzati”. Niky integra complesse analisi dei dati dei clienti fruibili con dashboard, cruscotti e innovativi strumenti di Data Visualization, con lo scopo di “tradurre” le analisi complesse in informazioni accessibili in modo semplice. Scopri di più su Niky Analitics

RFM: le analisi sui clienti quali sistemi di supporto alle decisioni

Parliamo delle analisi RFM, pilastro di una data driven company. Sono analisi per la segmentazione della clientela e restituiscono valori ed informazioni utili che diventano la base per fare valutazioni strategiche e prendere decisioni più oggettive, basate sui dati.

Segmentazione della clientela: le analisi RFM per conoscere i clienti

La segmentazione della clientela è una pratica comune in ambito di Marketing&Sales: ogni cliente è diverso e per ottimizzare i risultati degli sforzi di Marketing è importante arrivare alle persone con messaggi vicini alle aspettative, più rilevanti. Le analisi RFM sono una delle vie più efficaci.

Non voglio mica la Luna! L’arte di aver cura dei propri clienti

Oggi si sta creando un circuito virtuoso in cui il consumatore vuole un nuovo legame di fiducia. Il brand è chiamato a “reagire”, quindi fare tutto ciò che serve per soddisfare le necessità del cliente e soddisfare la sua “sete” di fiducia