La data-driven Customer Centricity per la ripartenza del settore Fashion & Luxury - Iconsulting

Il settore del Fashion & Luxury sta vivendo un periodo di difficoltà senza precedenti a causa del Covid-19.
Questa imprevedibile crisi umanitaria e finanziaria ha reso superflue le strategie precedentemente pianificate per il 2020 e ha spinto le aziende e gli esperti del settore a delineare nuove strade e pensare nuove regole per il futuro.
A dare alcuni numeri sul fenomeno all’interno di questo settore ci pensa McKinsey nel report The State of Fashion. Secondo questo studio l’industria della moda globale (abbigliamento e calzature) subirà nel 2020 una contrazione del 27-30%. Per i beni di lusso (moda, accessori, orologi, gioielli e beauty d’alta gamma) si stima invece una contrazione del 35-39%, con un possibile ritorno alla crescita tra l’1% e il 4% nel 2021.
Come devono riorganizzarsi allora le aziende del settore e quali aspetti non possono assolutamente trascurare?

Customer Centricity: si riparte dalle persone

Le aziende hanno risposto all’incertezza applicando una strategia di riduzione del rischio per contenere il più possibile le perdite, afferrando però fin da subito l’importanza dell’adozione di strategie di lungo periodo per ripartire e recuperare il prima possibile il terreno perso.

Nella top-priority delle strategie per la ripartenza, come sottolinato da Bain & Company in “Luxury after Covid-19: Changed for (the) Good?”, troviamo la Customer Centricity. Se la vicinanza dei brand ai propri consumatori era fondamentale già in precedenza, in questo scenario complesso diventa vitale per coordinare i piani, la value proposition e le azioni di tutte le funzioni aziendali. L’obiettivo è quello di generare una maggiore intimità con i consumatori, fidelizzandoli e agevolando la comunicazione diretta su tutti i punti di contatto (web, mobile, store), fornendo dei contenuti personalizzati in base alle preferenze, esigenze e abitudini di ogni singolo consumatore.

Le aziende devono quindi sfruttare tutte le informazioni a loro disposizione per profilare al meglio i propri prospect, i propri consumatori e clienti per creare un dialogo e aspirare ad una relazione di fiducia.

Nuove strategie e tecnologie per scrivere il futuro del Fashion

Qual è il messaggio giusto, qual è la proposta migliore da rivolgere oggi ad ogni singolo contatto?
Per rispondere a questa domanda non è più sufficiente costruire campagne sulla base di file Excel e liste manuali, serve l’intelligenza di un sistema in grado di raccogliere grosse quantità di dati ed elaborarle tramite regole complesse, che si affinano man mano con i feedback che i clienti restituiscono a fronte degli stimoli. Solo con un sistema che raccoglie e distribuisce informazioni ai vari touchpoint (e-commerce, store, social network, newsletter, etc…) è possibile abilitare questa intelligenza avanzata a disposizione del marketing e delle vendite, supportando i processi di realtime omnichannel campaign delivery.

Un sistema così strutturato, che raccoglie informazioni elaborate con tecnologie come AI e Machine Learning, riesce a rispondere a diversi use case, fornendo un contributo verticale o trasversale sull’intero marketing funnel. Alcuni esempi sono:

  • Social listening: monitoraggio della base di follower, di post, like ed engagement dei brand su social network quali Facebook e Instagram;
  • Digital campaign: analisi delle audience, dei costi, delle conversioni e del ROAS delle campagne digitali PAID;
  • Web traffic: monitoraggio qualitativo e quantitativo del traffico proveniente da tutti i canali digitali utilizzati dal team marketing (search, e-mail, social), differenziando il traffico paid e organic;
  • E-commerce clickstream: analisi dei percorsi di navigazione del sito per identificare possibili opportunità come, ad esempio, la presenza di articoli ad elevata attrazione;
  • Customer 360: segmentazione avanzata dei consumatori tramite un approccio data-driven, considerando i dati provenienti da tutti i canali di interazione, allo scopo di identificare custom audience sulle quali effettuare azioni specifiche e personalizzate.

Gestire la complessità e ripartire con la Customer Data Platform

La raccolta e l’elaborazione dei dati di interazione del consumatore è complessa: il numero di canali di interazione è elevato e destinato a crescere, i dati non sempre sono disponibili in forma strutturata e spesso la mole è imponente, si pensi ad esempio ai dati di navigazione del sito e-commerce. Per gestire al meglio questa complessità, è necessario dotarsi di Customer Data Platform, ossia una piattaforma tecnologica moderna per la raccolta e la riconciliazione dei dati provenienti dai diversi canali di interazione. Dal 2016 al 2019 i venditori di questa tecnologia sono cresciuti in maniera significativa e quest’impennata ha portato Gartner ad inserire questi sistemi nel report “Hype Cycle for Digital Marketing and Advertising”.
Grazie alla Customer Data Platform è possibile soddisfare gli use case analitici e operativi delle aree di business a contatto con il consumatore quali: vendite, customer service, e-commerce, marketing.
La Customer Data Platform diventa così un asset strategico aziendale e, in quanto tale, necessita di una progettazione tramite un approccio metodologico consolidato.
Secondo la nostra esperienza questa progettazione passa attraverso alcune fasi fondamentali (non necessariamente in ordine sequenziale) ed è bene tenere a mente alcuni suggerimenti:

Use Case Elicitation
Identificare gli use case di business in ambito consumatore/prospect. Ogni use case corrisponderà ad una esigenza del business, che può essere analitica (es. analisi del traffico web) o di processo (es. segmentazione dei consumatori).
Suggerimenti: Coinvolgere e creare sinergia con tutte le aree interessate per progettare una soluzione che rappresenti patrimonio comune e non un silos informativo. Identificare, per ogni use case, i livelli del marketing funnel sui quali agiscono in modo da valutarne la copertura e la completezza dell’analisi.

Data Strategy & Roadmap
Valutare ogni singolo use case allo scopo di identificare i componenti necessari per la realizzazione in termini di touchpoint (e relativi flussi informativi). Definire una roadmap degli use case che possa massimizzare il rapporto tra effort realizzativi e benefici di business.
Suggerimenti: Identificare i touchpoint comuni tra i vari use case per poi creare un ranking in base al numero di use case che soddisfano e alla complessità realizzativa. Costruire una roadmap data-driven in base al ranking sopra definito. Il beneficio sarà di ottenere una roadmap “democratica”, potenzialmente in grado di mettere d’accordo più aree e attori aziendali.

Service Level Agreement
Condividere con gli attori di business il livello di servizio da fornire per ogni use case in termini di: latenza del dato (batch o real-time), tempi di risposta (minuti o secondi), disponibilità del dato, semplicità di utilizzo, manutenibilità.
Suggerimenti: Non trascurare questa fase, il rischio è di creare una Customer Data Platform che non è in grado di soddisfare il livello di servizio richiesto dagli use case. Una delle scelte più importanti riguarda la latenza del dato, batch o real-time, che impatta notevolmente sulle scelte tecnologiche.

Technology Orienteering
Elaborare uno o più scenari tecnologici in grado di soddisfare gli use case con i livelli di servizio concordati.
Suggerimenti: Privilegiare un approccio “cross” che comprenda più tecnologie, ognuna delle quali adatta ad uno specifico ruolo all’interno della platform. Massimizzare l’utilizzo delle tecnologie già in uso, valutando però attentamente se queste sono in grado di soddisfare tutti i livelli di servizio richiesti.Valutare se adottare software e servizi on-premise o cloud, valutando anche scenari ibridi. Valutare attentamente la scelta di insourcing/outsourcing della piattaforma, tenendo in considerazione la strategicità di dati raccolti e le implicazioni lato GDPR.

Data Governance
Identificare ruoli, perimetro, processi, policy, procedure e regole inerenti ai dati con una particolare attenzione alla compliance GDPR.
Per la compliance GDPR valutare già in fase di progettazione gli approcci di privacy by design e privacy by default.

Conclusioni

Senza una soluzione di dati congiunta, le aziende non sono in grado di fornire le interazioni personalizzate che i consumatori si aspettano, per non parlare del rispetto della privacy ed altre tematiche oggi importanti. Adottare una strategia di Customer Centricity per conoscere meglio i propri consumatori e aumentare la loro intimità con il brand è quindi la strada giusta per ripartire. Il supporto dei dati alla strategia è fondamentale e la Customer Data Platform permette di arricchirla e completarla in un’ottica data-driven.


linkedin  Andrea CarmèManager

All the tech, business news and trends you need to know. Delivered to your inbox.
Share
Share