Page 1

I NUOVI METODI DI ANALISI DEL CUSTOMER JOURNEY Giugno / 2011 1


1. introduzione Il customer journey è attualmente una delle tematiche più calde del mercato online. Molte agenzie si occupano di questo aspetto poiché comprenderlo appieno significa poter indirizzare i mezzi pubblicitari in determinati canali e raggiungere il target interessato. L‘analisi del customer journey è un metodo apprezzato per definire dove sia meglio investire un budget di marketing in modo da aumentare le vendite e ridurre sensibilmente i costi pubblicitari, soprattutto sul lungo termine. Per stabilire attraverso quali canali il cliente arrivi al prodotto, le agenzie normalmente utilizzano efficienti strumenti tecnologici con cui analizzare i percorsi dell‘utente. Tuttavia questa analisi del customer journey sulla base di soluzioni tecniche è penalizzata da restrizioni che rendono impossibile la ricostruzione dell‘effettivo percorso del cliente. I limiti e i rischi legati a questa analisi hanno spinto QUISMA alla ricerca di alternative, tra cui il cosiddetto modeling che si è rivelato il metodo migliore per una gestione mirata degli investimenti in advertising. Questo sistema proveniente dal classico media planning cerca di capire in che modo i singoli canali influiscano sulla generazione di vendite. Saranno spiegati gli obiettivi dell‘analisi customer journey e le restrizioni a cui le tecnologie di monitoraggio sono sottoposte. In seguito sarà presentata l‘ottimizzazione su diversi canali che permette, sulla base del modeling, un‘allocazione mirata del budget.

Ilaria Zampori Managing Director

2


2. I LIMITI DELLA CLASSICA ANALISI DEL CUSTOMER JOURNEY

L‘analisi del customer journey descrive il percorso del cliente dal primo contatto con il prodotto fino all‘acquisto dello stesso. Sapere quale percorso effettuano normalmente i clienti su internet prima di un acquisto aiuta le imprese a concentrare gli sforzi pubblicitari sui canali più utilizzati dal target di riferimento. Le imprese che conoscono meglio il percorso dei propri clienti hanno un grosso vantaggio: possono indirizzare gli sforzi verso il core target e individuare le azioni più efficaci. Questa consapevolezza permette loro di gestire al meglio il budget e di investire solo nei canali più remunerativi. Il successo arriva più tardi con maggiori vendite così come un abbassamento dei costi di marketing e dei costi per ordine. Tutte le agenzie attive nel mercato online puntano a una soluzione tecnica per la ricostruzione del customer journey dei propri clienti. I percorsi del cliente vengono ricostruiti con un sistema di monitoraggio che fin dall‘inizio presenta però dei problemi riguardo all‘assegnazione del budget: in quanto questo metodo conduce al successo solo se l’azienda concentra i propri investimenti solo su internet. Tuttavia pur prendendo in considerazione un solo mezzo di comunicazione, si verificano dei problemi che rendono difficile la ricostruzione del percorso del cliente, portando inevitabilmente a un‘alterazione del risultato. Quando nelle campagne pubblicitarie si prendono decisioni sulla gestione e suddivisione del budget aiutati da sistemi di analisi, si dovrebbe tenere conto delle seguenti problematiche:

3


I cambi di dispositivo non possono essere ricostruiti dai sistemi di monitoraggio Con una soluzione tecnica di monitoraggio non è possibile rintracciare i cambi di dispositivo. La maggior parte degli utenti però utilizza diversi terminali (telefono cellulare, portatile, tablet ecc...) per navigare e fare ricerche in Internet. In questo modo per esempio si può notare un determinato prodotto sul PC dell‘ufficio, approfondire la ricerca sul proprio computer a casa, ottenere ulteriori informazioni tramite lo smartphone e infine concludere l‘acquisto di nuovo sul computer dell‘ufficio. Questo percorso non può essere riprodotto dai sistemi di monitoraggio, poiché questi raccolgono solo ID unici e individuali. Ciò significa che a uno stesso utente verrà associato un ID unico diverso per ogni terminale utilizzato. Tornando all‘esempio citato, al cliente verrebbero dunque associati solamente il primo e l‘ultimo click, rendendo impossibile seguire l‘intero percorso. Con questa limitazione si verificano inevitabilmente errori e falsificazioni, poiché non si può risalire a tutti i click e quindi all‘intero percorso del cliente. A questo punto il customer journey del cliente presenta lacune che complicano o impediscono l‘ottimale assegnazione del budget di advertising.

I cookie cancellati non possono essere tenuti in considerazione Un problema simile si presenta per i clienti che cancellano regolarmente i propri cookie. Questa azione favorisce una distorsione del customer journey, poiché il percorso del cliente non può essere ricostruito completamente. In questo caso vengono identificate solo le azioni successive alla cancellazione. Se il cliente fosse entrato in contatto con il prodotto prima della cancellazione, questa informazione andrebbe del tutto persa.

Fattori esterni non possono essere tenuti in considerazione per il calcolo Fattori esterni, come ad esempio l‘attività pubblicitaria offline, non possono essere rintracciati dal sistema di monitoraggio. Punti di contatto con il prodotto tramite pubblicità televisiva, giornali o riviste non possono ovviamente essere ricostruiti da un semplice sistema di monitoraggio online.

4


Uso di sistemi di monitoraggio di diversi provider Se le imprese utilizzano diversi fornitori per il monitoraggio delle proprie attività pubblicitarie online, la ricostruzione del customer journey sarebbe comunque parziale. Ad esempio: il fornitore A tiene traccia delle attività display e affiliate, mentre il fornitore B si occupa delle attività SEA e SEO, ciascuno può quindi analizzare coerentemente solo l‘ambito di propria responsabilità. In questo caso non è possibile avere una consulenza generale per una ottimale assegnazione del budget. Anche questa restrizione conduce a un risultato parziale ed impedisce una rappresentazione reale.

Per risolvere le problematiche descritte e offrire una rappresentazione fedele del customer journey, che tenga conto di tutti i fattori più rilevanti in una campagna di comunicazione complessa, QUISMA ha cercato una soluzione alternativa: il modeling. Questa innovativa soluzione si affianca all’analisi tradizionale basata sul sistema di monitoraggio, che già da tempo QUISMA offre e permette di analizzare i risultati.

3. MODELING Il modeling è un procedimento di analisi multivariata in grado di raccogliere molteplici fattori (vendite, spese pubblicitarie, effetti stagionali, prezzi, attività di public relations, ecc...) nel contesto della loro relazione causale. Lo scopo di tale raccolta dati è quello di analizzare il ritorno dell’investimento(ROI) dei fattori in vista degli obiettivi di vendita, per poterne ottenere dei consigli sull‘ottimale assegnazione del budget.

5


Nel modeling viene calcolato l‘apporto di valore di ciascun canale alla generazione di vendite. I singoli percorsi non vengono ricostruiti. Piuttosto si cerca di calcolare gli effetti e gli apporti di valore di ciascun canale e di ciascun fattore esterno. Il cosiddetto QUISMA-Modeling è un processo di analisi multivariata con cui vengono raccolte da una parte le vendite e dall‘altra i fattori di influenza (come l‘attività pubblicitaria online, offline e i fattori esterni). Il modeling crea una base neutrale per l‘ottimale assegnazione del budget, poiché le vendite effettive vengono collegate a tutti gli altri dati raccolti con l‘attività pubblicitaria. Ne risulta una rappresentazione precisa dell‘apporto di valore di ogni singola attività sulle vendite generate. Il vantaggio più evidente e rilevante del modeling rispetto ai sistemi di monitoraggio consiste nel poter tracciare nel processo di generazione di vendita anche le attività offline (televisione, carta stampata) come anche i fattori esterni (effetti stagionali, concorrenza, trend di mercato, prezzi ecc...). La seguente rappresentazione è un esempio dei fattori che possono essere presi in considerazione nel modeling:

Esempi di quali fattori possono essere inclusi in un modeling Fonte: QUISMA

Affiliate SEO

Display

SEA

Print

vendite Prezzo

TV

Tendenze di mercato

Stagionale effetti Concorrenza

6


Le attività pubblicitarie online possono essere per esempio Search Engine Advertising (SEA), Search Engine Optimization (SEO) , Display Advertising o Affiliate Marketing. Inoltre possono essere integrate le attività di ‚ottimizzazione di conversione (QUISMA Conversion Optimization), grazie ai loro effetti positivi sulla vendita. Le attività pubblicitarie convenzionali sono per lo più nell‘ambito televisivo e della carta stampata, di solito incluse nella valutazione in forma di GRP. Accanto alle attività pubblicitarie c‘è la possibilità di considerare anche fattori esterni, come ad esempio il prezzo, la stagionalità, fattori macroeconomici, il tempo atmosferico, le relazioni pubbliche ecc... Il modeling permette di creare previsioni per il futuro in base ai dati del passato. Dopo aver analizzato l‘influenza dei singoli fattori sulle vendite, è possibile proiettare i dati nel futuro in base ai calcoli del modeling. Il processo di vendita può essere rappresentato nella sua dipendenza da tali dati, rilevando così gli effetti che ciascun cambiamento ha sulle vendite. Il budget pubblicitario può essere così suddiviso allo scopo di massimizzare ricavi. Le aziende possono sfruttare il modeling per pianificare al meglio future decisioni di marketing e di investimento. Il modeling favorisce migliori decisioni strategiche poiché rivela complesse correlazioni che è impossibile individuare con semplici analisi descrittive. Negli ambiti classici si ricorre spesso al metodo di modeling, che offre al management strategico migliori basi per le decisioni importanti rispetto agli strumenti tradizionali (es adserving per la pubblicità online). QUISMA è una delle prime agenzie a sfruttare il modeling anche nel mercato online, per pianificare e strutturare meglio le scelte di investimento. Riassumendo, il modeling risponde alle seguenti domande:

• Qual è il ritorno dell’investimento (ROI) delle mie attività di marketing online e offline?

• Quale dei miei canali pubblicitari offre il maggiore potenziale • •

di crescita? Come distribuisco al meglio il mio budget per differenti mezzi pubblicitari? Come vengono influenzati gli acquisti nel mio negozio online dalla pubblicità tradizionale?

7


4. ANALISI DI REGRESSIONE Il modeling si basa sul modello econometrico dell‘analisi di regressione, che funge da base per tutte le attività e offre ai pubblicitari previsioni realistiche. La stessa analisi di regressione è uno dei processi di analisi multivariata più frequenti. La metodica esamina la dipendenza tra una variabile dipendente e una o più variabili indipendenti (es di variabile dipendente vendite, esempio di variabile indipendente budget pubblicitario, GRP, fattori esterni…). Con l‘aiuto dell‘analisi di regressione è possibile individuare corrispondenze irriconoscibili con la normale analisi dati. Inoltre le informazioni raccolte possono essere sfruttate per lo sviluppo di previsioni future. L‘analisi di regressione trova molteplici utilizzi nelle scienze economiche e risponde anche alle seguenti questioni:

• Valutazione della dipendenza del volume di vendita di un prodotto in • •

base alle preferenze di un determinato target di riferimento Valutazione della dipendenza del volume di vendita di un prodotto dal livello di prezzo Valutazione della dipendenza del volume di vendita di un prodotto dal budget per la pubblicità, dal prezzo e dalle attività di servizi esterni

L‘analisi di regressione è particolarmente vantaggiosa perché una sola variabile dipendente può essere messa in relazione contemporaneamente con una o più variabili indipendenti. In questo modo si ottiene una visione generale più chiara del comportamento delle variabili dipendenti. Nel caso del modeling, le vendite effettuate vengono messe in relazione con le attività pubblicitarie, in modo da modellare le vendite in base ai risultati. Per la valutazione della vendita nell‘ambito del modeling, si ricorre a un‘analisi di regressione lineare. Questa crea una connessione lineare tra la variabile dipendente, su scala metrica, e una o più variabili indipendenti.

8


La funzione di regressione recita nel modo seguente:

(1) yi= b0 + ∑k∈Kbk * xk,i + ei

dove: yi:

Valore dell’i-esima osservazione per la variabile dipendente, es. vendite

x(k,i): Valore dell’i-esima osservazione per la k-esima variabile indipendente, es. click su SEA-Adwords o click su Display Banner b0:

Constante della funzione di regressione,es. vendite che si sarebbero realizzate anche senza pubblicità

bk:

Coefficiente di regressione per la ricostruzione dell’influenza della k-esima variabile indipendente, es. quanto è forte l’influenza di campagne SEA Adwords sulla performance generale

ei:

Residuo dell’i-esima osservazione

I: K:

Livello dell’indice delle osservazioni Livello dell’indice delle variabili

Per effettuare un‘analisi di regressione, devono sussistere i valori della variabile dipendente Yi e delle variabili Xk,i indipendenti. Senza tali valori non è possibile un‘analisi di regressione. Tutti gli altri valori, come la costante della funzione di regressione b0, i coefficienti di regressione bk (k∈K) e i residui ei ( i∈I), vengono valutati nell‘ambito dell‘analisi di regressione.

9


Per la valutazione della funzione di regressione si ricorre a complessi algoritmi matematici. Dietro a questi metodi ci sono dei calcoli complicatissimi. Per questo, di regola, si ricorre a programmi statistici performanti per poter valutare una connessione funzionale. Avendo a disposizione i dati, possono essere inseriti nei programmi e analizzati. I risultati dell‘analisi di regressione infine possono essere relazionati alla connessione e nuovamente analizzati. La sfida nell‘analisi di regressione tuttavia non si trova nella valutazione della funzione (effettuata automaticamente dal programma) e nell‘interpretazione dei risultati, bensì nella precisione e sistematicità di tutto il lavoro di preparazione. Questo comprende:

• la redazione di ipotesi per le connessioni funzionali • la scelta di una metodica di valutazione dipendente dalle ipotesi • •

redatte, l‘elaborazione di dati, il trattamento dei dati, in modo che possano essere utilizzati nell‘analisi prescelta.

Per queste attività bisogna considerare un enorme dispendio di tempo. Se l‘attuazione è accurata, tuttavia, la funzione di regressione può essere valutata e infine interpretata senza problemi. In base a tale interpretazione possono essere formulati dei consigli di procedura che riportano a fatti matematici ben precisi, non identificabili con comuni analisi. Nel seguente capitolo verrà presentato l‘esempio di un cliente in cui le vendite sono state incrementate e le spese di marketing diminuite grazie al modeling.

10


6. EVIDENZA EMPIRICA Dall‘inizio del 2009 QUISMA cura tutte le attività internet di un negozio online di moda tra i più grandi in Germania. Le attività svolte per questo cliente includono azioni strategiche per l‘incremento di awareness e di vendite, oltre a un completo media planning comprensivo dell‘ottimale gestione del budget di marketing e advertising. QUISMA ha fatto ricorso al modeling per la gestione del budget utilizzando l‘analisi di regressione. In questo modo le vendite sono state “modellate” come risultato dell‘attività del cliente. Come attività sono stati inseriti gli investimenti nei canali utilizzati. Questi sono l‘affiliate marketing, il display advertising, il retargeting, la pubblicità sui motori di ricerca e l‘ottimizzazione dei motori di ricerca. QUISMA, per l‘ottimale gestione del budget, ha analizzato sia la performance dei singoli canali, sia l‘influenza dei canali sulla performance generale. Questa procedura ha reso possibile, nella gestione del budget, di tenere conto delle complete attività degli utenti e di individuare gli effetti cross-media tra i canali. Per l‘analisi degli effetti cross-media inoltre è stato creato un modello per il periodo di tempo da gennaio 2009 a giugno 2010 sulla cui base è stata rilevata l‘influenza dei canali sulla performance generale. Sulla base di questi risultati, il budget degli ultimi due quarti del 2010, in condizioni rimaste più o meno invariate, è stato reimpostato e messo a confronto con quello degli ultimi due quarti del 2009. Assegnazione del budget nella situazione iniziale: Affiliate Marketing

15%

Retargeting

5%

SEA

50%

SEO

10%

assegnazione del budget della situazione iniziale Q3-Q4 2009 Fonte: QUISMA

Display Advertising

20%

11


Nell’anno finanziario 2009 la metà del budget è stato investito in ambito SEA. Allo scopo di incrementare l’awareness, si è investito soprattutto in keyword generiche mentre altri canali pubblicitari sono stati considerati solo secondariamente. Concentrarsi sul canale SEA ha portato a un peggioramento del marketing ratio, cioè della relazione tra costi e ricavi. Assegnazione del budget in base al modeling: Affiliate Marketing

15%

Retargeting

5%

SEA

38%

SEO

12% assegnazione del budget in base al modeling Q3-Q4 2010 Quelle: QUISMA

Display Advertising

30%

L’uso della pratica del modeling ha rilevato che il canale display advertising ha dato inizio a vendite in altri canali, tra cui quelli che ne hanno maggiormente giovato sono il retargeting, il SEA e il SEO. Attraverso gli effetti cross over identificati con l’aiuto del modeling, il budget è stato ridistribuito a favore del display advertising e il budget SEA sensibilmente ridotto. I risultati ottenuti con il modeling sono degni di nota. Nonostante la riduzione del budget per tutti i canali tranne il display advertising (fortemente incrementato) e il SEO (leggermente incrementato), le vendite non sono affatto diminuite. Di contro, il display advertising ha portato ad un incremento di vendite nei canali SEA, SEO e retargeting.

12


Sales

10.000 7.500 5.000 2.500 0

9.326

SEA

3.206

DisplayAdvertising

3.261

SEO

1.362

Retargeting

1.456

Anno finanziario (Q3-Q4) 2009 Fonte: QUISMA

AffiliateMarketing

Sales

10.000 7.500 5.000 2.500 0

9.312

SEA

3.455

DisplayAdvertising

6.191

SEO

2.695

Retargeting

1.425

AffiliateMarketing

13

Anno finanziario (Q3-Q4) 2010 Fonte: QUISMA


Confrontando i due ultimi quarti degli anni 2009 e 2010 si nota che le vendite, a quasi parità di budget, sono incrementate del 24%, mentre il marketing ratio è sceso al 43%.

Sales

30.000

+24%

20.000 10.000

18.611

23.078

Grafico 6: Aumento vendite Fonte: QUISMA

0 MR 2010 Q3-Q4

MR 2009 Q3-Q4

Marketing Ratio

15%

-43%

10% 5%

13,13%

7,50% Flessione del marketing ratio Fonte: QUISMA

0 MR 2009 Q3-Q4

MR 2010 Q3-Q4

14


7. CONCLUSIONI Un’efficiente assegnazione del budget pubblicitario su molteplici canali è indispensabile soprattutto per i clienti che investono grosse somme nella pubblicità online. La semplice assegnazione sulla base di soluzioni tecnologiche per l’ online non si dimostra ottimale, poiché molte imprese che spendono grossi budget in pubblicità online investono anche in quella offline (televisione e carta stampata). Le soluzioni tecnologiche in questo caso non prenderebbero in considerazione questo tipo di pubblicità. Inoltre restrizioni quali il cambio di device, la cancellazione di cookie e il ricorso a molteplici fornitori portano a conclusioni errate riguardo al customer journey. Tali limitazioni rendono problematica una corretta assegnazione del budget sui diversi mezzi pubblicitari. Al contrario, nel modeling si tiene conto del contributo di ciascun canale alla generazione di vendite. Non si ricostruiscono i singoli percorsi. Conta molto di più prendere in considerazione le connessioni e gli apporti di valore di ciascun canale (online e offline) e di ciascun effetto esterno. Il modeling crea una base neutrale per un’ottimale assegnazione del budget, poiché le effettive vendite vengono messe direttamente in relazione con tutti i dati raccolti sull’attività pubblicitaria. Il risultato è un’esatta rappresentazione dell‘apporto di valore di ciascuna attività sulle vendite generate. Il grande vantaggio del modeling rispetto ai sistemi di monitoraggio è soprattutto che anche le attività offline (televisione e carta stampata) e i fattori esterni (effetti stagionali, concorrenza, trend di mercato, prezzi ecc.) vengono presi in considerazione nel processo di generazione di vendite.

“Il modelling è il prossimo passo nell‘ analisi customer journey“

15


Milano Monaco Dusseldorf Francoforte Vienna Zurigo Londra Madrid Amsterdam

Varsavia Parigi Istanbul Mosca Bruxelles Dubai Praga Bratislava

Creating Value & Performance in Digital QUISMA Via del Mulino, 4, Milanofiori Nord IT-20090 Assago (MI) +39 02 321637-1 +39 02 321637-99 infoit@quisma.com

BLOG

FACEBOOK

TWITTER

QUISMA Whitepaper MI Customer Journey  

I nuovi metodi di analisi del Customer Journey

Read more
Read more
Similar to
Popular now
Just for you