La correttezza del dato dipende da processi, tecnologie e persone
Le aziende hanno ormai la consapevolezza che un efficace strategia di marketing non può prescindere dalla Customer Data Quality, ossia dall’adeguatezza del dato rispetto al processo in cui è inserito.
Inoltre è forte il bisogno di una profonda comprensione delle informazioni provenienti dai dati a loro disposizione.
Uno studio di Experian del 2014, Driving Customer Loyalty, sottolinea che il 91% delle aziende intervistate ha adottato un programma Loyalty e di Customer Engagement e che per il 64% è prioritaria la necessità di ottimizzare la raccolta dei dati per garantire engagement e Customer Revenue.
E’ naturale allora che l’attenzione, e di conseguenza la preoccupazione, si sposti su metodi e processi che possano migliorare la Customer Data Quality.
Una scarsa qualità del dato, infatti, incide negativamente sulle performance aziendali perché compromette la capacità di fornire quel livello di personalizzazione ed esperienza che oggi i consumatori considerano scontato.
La raccolta dei dati e la loro corretta gestione è elemento distintivo per avere una visione chiara del consumatore: le informazioni raccolte variano notevolmente per canale e la qualità delle stesse è diversa a seconda del processo di raccolta in atto.
Data Driven Marketing per la Customer Experience
Alla luce di ciò non dovrebbero più sorprendere affermazioni che sostengono che una buona Customer Experience sia in grado di guidare i ricavi, aiuti la fidelizzazione del cliente, attiri nuovi clienti e mantenga quelli esistenti.
Anche le fonti da cui provengono i dati cambiano perché cambia la varietà, il volume e la velocità con cui le informazioni vengono disseminate dai clienti stessi, attraverso canali digitali e non. Questo aumento sia in ampiezza che in profondità di dati strutturati, destrutturati e semi-strutturati di cui le aziende sono in grado di disporre ha fatto si che si cominciasse a parlare sempre più spesso di Big Data e delle nuove figure professionali ad essi legati, ossia i Data Scientist.
La Customer Data Quality diventa quindi una sfida contro l’inesattezza del dato, ossia per porre rimedio a informazioni incomplete, mancanti o “vecchie”, dati duplicati o inconsistenti, errori di digitazione o ortografici, dati inseriti in campi non corretti.
Come vincere la sfida?
Investire sulla Single Customer View, tracciare tutte le interazioni provenienti dai diversi canali ed ottenere un’unica rappresentazione del cliente facilita la comprensione del suo Customer Journey. Una volta compreso il concetto di centralità del dato si possono intraprendere progetti che mirino alla pulizia, integrazione, migrazione e arricchimento dello stesso.
Ad oggi molte sono le tecnologie ed i tools a supporto. Per quanto riguarda la pulizia del dato, per esempio, esistono strumenti che lavorano in tempo reale per verificare la correttezza dell’indirizzo, della mail o del telefono e più in generale sulla correttezza dell’informazione attraverso il controllo dei duplicati; per quanto riguarda invece l’arricchimento del dato esistono strumenti in grado di reperire informazioni attraverso strumenti di geolocalizzazione e profilazione.
Il percorso da intraprendere per vincere queste sfide deve quindi contemplare la definizione di una strategia di lungo termine e lo stanziamento di un budget che sopperisca la mancanza in azienda di elementi quali:
– competenze matematiche e statistiche, di data mining, di machine learning;
– risorse umane dedicate alla pulizia, all’analisi e alla diffusione del significato dei dati in azienda, Data Scientist;
– tools di Data Quality.
In conclusione i dati sono un bene sempre più prezioso per le azienda: perché allora non mettere in campo persone, processi e tecnologie che possano supportare una strategia coerente di Customer Data Quality?
Articolo apparso per la prima volta il 22 giugno su estilos.it a cura di Roberto Fattore
« Intervista ai soci del gruppo estilos | Sistemi&Impresa Corporate transparency »
