Crm, l’evoluzione della specie: qual è la migliore prossima mossa?

Alcune delle tecnologie alla base dei più avanzati sistemi Crm oggi abilitano quello che Forrester chiama ‘Next Best Action’, l’approccio che consente di mettere a punto offerte mirate per segmenti di clienti sempre più specifici. Obiettivo: massimizzare il ‘Customer Lifetime Value’.

Pubblicato il 03 Apr 2012

Riassumi questo articolo
Approfondisci con altre fonti
Crm, l’evoluzione della specie: qual è la migliore prossima mossa?

Molte aziende si definiscono ‘incentrate sul cliente’ ma non tutte lo sono davvero: come consumatori, lo constatiamo ogni giorno. Essere customer-centric è difficile, ma secondo Forrester Research un buon modo per riuscirci è l’approccio di Crm ‘Next Best Action’, descritto nel report “Best Practices: Next Best Action in Crm” dell’analista James Kobielus.

Di cosa si tratta? Se l’approccio di marketing tradizionale prima crea l’offerta e poi cerca i clienti a cui proporla, l’approccio Next Best Action (Nba), invece, definisce le varie offerte proponibili a un certo segmento di clienti e sceglie la migliore, in funzione non solo delle esigenze di tali clienti ma anche degli obiettivi e processi dell’azienda.

Le offerte mirate (prodotti, servizi, tariffe, eventi) sono una delle leve principali del Crm: più sono appropriate, più alta sarà la customer satisfaction, con vantaggi per l’azienda come alti tassi di retention e cross-selling, e quindi vendite e profitti.

Dal punto di vista tecnologico, l’approccio Nba genera offerte e azioni mirate e le indirizza al canale più adatto (negozi fisici, portali self-service, call center, e-mail, social media) con appositi motori (recommendation engine) basati su sistemi data warehouse, Bpm, BI o data mining integrati con modelli previsionali, business rule e metadati specifici. Varie soluzioni Crm e applicative oggi incorporano tecnologie adatte a un progetto Nba. Gran parte di queste ha profonde capacità analitiche, molte hanno funzioni di business intelligence come reporting, query, Olap, dashboard e Kpi, e alcune (Forrester cita Sap, Oracle, Microsoft e Chordiant) hanno anche modelli previsionali. Dal punto di vista dei processi invece ci sono cinque tipi di best practice per implementare un approccio Nba: vediamoli insieme.

1) Allineamento con il business

Come obiettivo da massimizzare per il progetto Nba, Forrester suggerisce di scegliere il Customer Lifetime Value (Clv), perché sintetizza sia il livello di soddisfazione del cliente sia i benefici quantitativi per l’azienda. Si calcola tenendo conto delle entrate provenienti dal cliente e dei costi per acquisirlo e mantenerlo, opportunamente monitorati nel tempo. Misurarlo però non è immediato, perciò molti progetti all’inizio puntano su obiettivi più facilmente quantificabili, come ordini o vendite, passando al Clv in momenti successivi. È poi importante l’allineamento tra le funzioni aziendali – non solo di front-end, perché la definizione di un’offerta Nba coinvolge anche il back-office -, lo smistamento delle offerte nei canali più adatti, e il monitoraggio dei loro risultati, misurando tassi di risposta, crescite delle entrate per cliente, livelli di soddisfazione, ma anche tassi d’abbandono o costi della gestione off-line dei reclami.

2) Iniziare dai canali prioritari

Un progetto Nba deve partire dai canali d’interazione con i clienti che l’azienda considera prioritari, per esempio quelli che promettono i maggiori risultati nel giro di un anno. Una volta ottenuti risultati, il progetto va allargato ad altri canali, fino ai più innovativi (come i social media). Forrester cita una società di servizi finanziari inglese che ha iniziato un progetto Nba 10 anni fa dal canale posta (e-mail e cartacea) allargandolo poi a call center e portale self-service, man mano che registrava aumenti di customer satisfaction e vendite.

Se invece si vuole agire su un dato segmento di clienti, vanno scelti i canali che questi clienti preferiscono. Qui occorre molta attenzione: obbligare i clienti a usare canali sgraditi significa perderli. Altro errore è definire un ambiente It (infrastruttura, applicazioni, dati) limitato al canale da cui si inizia il progetto: i costi per allargarlo poi saranno molto alti.

3) Basarsi su dati affidabili

Come ogni progetto Crm, un approccio Nba si basa su dati dei clienti coerenti, omogenei e real-time. Senza buoni dati non si conoscono i clienti e quindi non si possono definire offerte efficaci. Naturalmente vanno evitate situazioni con ‘silos’ diversi di dati sui clienti tra le varie funzioni, e quindi i classici casi in cui il cliente deve ripetere i suoi dati ogni volta che cambia canale d’interazione. Se le fonti di dati sono molte, osserva Forrester, ci vuole un datawarehouse che faccia da repository principale dei dati sui clienti e alimenti modelli previsionali e business rule. Nel datawarehouse si trovano per esempio per ciascun cliente il profilo, lo storico delle transazioni, le offerte accettate e rifiutate. Il report cita un’azienda di prodotti hi-tech che usa per la sua strategia Nba un ampio insieme di dati di clienti in vari database, basando le sue offerte su indici come la spesa negli ultimi 30, 90 e 365 giorni, i prodotti acquistati e i percorsi di navigazione. Una best practice è usare oltre ai dati storici anche quelli in tempo reale (clickstream, post sui social network, coordinate Gps, ecc.), ormai decisivi per capire il ‘sentiment’ prevalente dei clienti. Inoltre, per supportare il graduale ampliamento del progetto all’intero ambito Crm, e quindi l’uso di modelli sempre più complessi e con fonti di dati diverse, Forrester consiglia l’uso di tecnologie di analisi in-database all’interno del datawarehouse.

4) Usare analytics e regole avanzate

Un corretto approccio Nba richiede sofisticate analisi e modelli per segmentare al meglio i clienti, e business rule ottimizzate per calcolare gli impatti delle varie alternative su vendite e profitti. Ogni iniziativa Nba deve avere un unico repository di modelli previsionali e/o business rule, allineato con i motori che generano le offerte. Per esempio, se un operatore di call center sta rispondendo a un cliente e le business rule stabiliscono che il cliente vada mantenuto, il sistema può mostrare all’operatore una lista di possibili azioni, in un ordine di priorità definito da un modello previsionale che tiene conto delle variabili di retention più efficaci.

Un altro elemento critico è saper associare ai vari segmenti di clienti, definiti tramite tool statistici, i prodotti a cui possono essere interessati. Forrester cita il caso della banca portoghese Espirito Santo, la cui soluzione di data mining, operando su 300 variabili, calcola per ogni cliente l’indice d’interesse per ciascuno dei suoi 25 prodotti (carte di credito, prestiti, ecc.), e il margine di profitto per ogni potenziale acquisto.

In questo campo Forrester consiglia anche l’automazione spinta del funzionamento dei modelli previsionali (preparazione dei dati, deployment, scoring), e il controllo regolare della loro efficacia nel tempo. Strumenti così sofisticati perdono subito validità se non adattati continuamente allo scenario, per cui vanno usati solo in situazioni complesse. “Se le opzioni d’offerta sono poche e i comportamenti dei clienti prevedibili”, dice l’analista, “le business rule possono bastare”.

5) Indirizzare le interazioni quotidiane con i clienti

Un progetto Nba è riuscito se le azioni mirate che sono il suo output diventano elementi d’interazione quotidiana con i clienti. Perciò è importante integrarle nel sistema Crm e veicolarle sui giusti canali, per esempio evidenziandole come pop-up sulle interfacce di front-end di vendita e di call center. Il traguardo ideale, dice Forrester, è arrivare a personalizzare one-to-one le offerte, in modo che il cliente si senta ascoltato nelle sue specifiche esigenze. E’ importante prevedere un meccanismo di feedback dagli operatori di front-end dell’azienda e dagli stessi clienti per migliorare il sistema. Più in generale, il contributo umano è decisivo per capire le determinanti della customer experience. Questo è un concetto chiave del report, su cui l’analista Forrester conclude: “Uno dei vantaggi competitivi più potenti nasce dall’offerta di customer experience uniche: per questo le aziende devono sforzarsi di definire esperienze innovative per i clienti abilitate da iniziative Nba”.

15 best pratice per le Nba…

…e 13 errori da evitare

  • Concentrarsi sulla massimizzazione del Clv (customer lifetime value).
  • Allineare le funzioni vendite, marketing e customer service tra loro e con il back-office.
  • Misurare i risultati e rettificare il progetto di conseguenza.
  • Iniziare il progetto dal canale che può dare il massimo risultato in poco tempo ed estenderlo poi agli altri canali man mano che ottiene ritorni.
  • Contattare ciascun cliente attraverso il suo canale preferito.
  • Consolidare dati affidabili sul cliente (comprese transazioni, offerte, chiamate) in un solo data warehouse.
  • Utilizzare nel data warehouse tecnologie di analisi in-database per accelerare il lavoro dei modelli previsionali.
  • Far partire tutte le iniziative di Crm da un unico repository di ‘decision logic’ (modelli previsionali e/o business rule).
  • Incorporare modelli comportamentali e dati in tempo reale (messaggi sui social network, percorsi di navigazione, coordinate Gps, ecc.)
  • Controllare regolarmente l’aderenza dei modelli previsionali alle condizioni dello scenario.
  • Automatizzare il più possibile il funzionamento dei modelli previsionali.
  • Integrare le ‘next best action’ nelle interazioni quotidiane con i clienti.
  • Perfezionare le ‘next best action’ fino alla personalizzazione uno-a-uno delle offerte al cliente attraverso i vari canali.
  • Tenere conto del feedback di operatori, agenti e clienti.
  • Fissare come obiettivo il miglioramento della customer experience, non l’aumento delle vendite.
  • Non iniziare un progetto senza un chiaro indice KPI da ottimizzare.
  • Non iniziare se non avete un top manager come sponsor.
  • Non iniziare subito dall’intero ambito CRM.
  • Non iniziare da un canale che avete appena creato.
  • Non limitare l’ambiente IT di supporto (infrastrutture, applicazioni, dati) a un solo o pochi canali.
  • Non forzare i clienti a usare canali a loro sgraditi.
  • Non tenere i dati dei clienti in vari ‘silos’ separati.
  • Non limitarsi ai dati storici dei clienti, usare anche quelli real-time.
  • Non ricorrere ai modelli previsionali se le business rule sono sufficienti.
  • Non affidarsi ciecamente ai modelli previsionali.
  • Non obbligare i clienti a re-identificarsi ogni volta che cambiano canale di interazione.
  • Non riproporre a un cliente un’offerta che ha già rifiutato.
  • Non negare al cliente la possibilità di contattarvi attraverso un operatore umano.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

DATA CENTER HUB

Tutti
RICERCHE
I PROTAGONISTI
GUIDE
APPROFONDIMENTI
Leggi l'articolo L’AI «accende» la caccia ai talenti da impiegare nei data center
mercato del lavoro IT
L’AI «accende» la caccia ai talenti da impiegare nei data center
Leggi l'articolo Dalle GPU ai megawatt: come cambiano le regole delle AI factory
efficienza elettrica
Dalle GPU ai megawatt: come cambiano le regole delle AI factory
Leggi l'articolo Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
l'approfondimento
Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
Leggi l'articolo Data center: perché il digital twin sta diventando uno strumento chiave per le operation
vademecum
Data center: perché il digital twin sta diventando uno strumento chiave per le operation
Leggi l'articolo Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Alimentazione data center
Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Leggi l'articolo Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
l'analisi
Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
Leggi l'articolo Data center, gestione dell’energia e architetture critiche con Schneider Electric
l'identikit
Data center, gestione dell’energia e architetture critiche con Schneider Electric
Leggi l'articolo Data center, la region Azure in Italia di Microsoft
l'identikit
Data center, la region Azure in Italia di Microsoft
Leggi l'articolo Sviluppo dei data center, l’approccio integrato di Deerns
l'identikit
Sviluppo dei data center, l’approccio integrato di Deerns
Leggi l'articolo Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
l'identikit
Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
Leggi l'articolo Continuità elettrica per i data center: le soluzioni di Riello UPS
l'identikit
Continuità elettrica per i data center: le soluzioni di Riello UPS
Leggi l'articolo Data center, le 50 parole chiave
glossario
Data center, le 50 parole chiave
Leggi l'articolo Equans, un approccio end-to-end per i nuovi data center
l'identikit
Equans, un approccio end-to-end per i nuovi data center
Leggi l'articolo Munters, il raffreddamento che sostiene l’evoluzione dei data center
l'identikit
Munters, il raffreddamento che sostiene l’evoluzione dei data center
Leggi l'articolo Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
L'identikit
Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
Leggi l'articolo Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
l'identikit
Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
Leggi l'articolo Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
l'identikit
Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
Leggi l'articolo Data center in Italia: come cambia l’ecosistema della filiera
VADEMECUM
Data center in Italia: come cambia l’ecosistema della filiera
Leggi l'articolo La corsa all’AI fa esplodere la domanda energetica dei data center
Lo studio
La corsa all’AI fa esplodere la domanda energetica dei data center
Leggi l'articolo Dal data center all’AI factory: cosa serve sapere prima di investire
Vademecum
Dal data center all’AI factory: cosa serve sapere prima di investire
Leggi l'articolo Consumi AI data center: ABB scommette sulla corrente continua
Energy efficiency
Consumi AI data center: ABB scommette sulla corrente continua
Leggi l'articolo Data center, cresce l’appeal del mercato italiano per i capitali
L'analisi
Data center, cresce l’appeal del mercato italiano per i capitali
Leggi l'articolo Data center “lights-out”: quanto manca all’infrastruttura autonoma
vademecum
Data center “lights-out”: quanto manca all’infrastruttura autonoma
Leggi l'articolo Etichetta UE per i data center: più trasparenza sui consumi
L'approfondimento
Etichetta UE per i data center: più trasparenza sui consumi
Leggi l'articolo Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
L'intervista
Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
Leggi l'articolo L’AI «accende» la caccia ai talenti da impiegare nei data center
mercato del lavoro IT
L’AI «accende» la caccia ai talenti da impiegare nei data center
Leggi l'articolo Dalle GPU ai megawatt: come cambiano le regole delle AI factory
efficienza elettrica
Dalle GPU ai megawatt: come cambiano le regole delle AI factory
Leggi l'articolo Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
l'approfondimento
Rack liberi, investimenti bloccati: il paradosso dei data center sottoutilizzati
Leggi l'articolo Data center: perché il digital twin sta diventando uno strumento chiave per le operation
vademecum
Data center: perché il digital twin sta diventando uno strumento chiave per le operation
Leggi l'articolo Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Alimentazione data center
Trasformatori allo stato solido: l’AI accende la corsa all’efficienza
Leggi l'articolo Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
l'analisi
Data center in Italia, la corsa si gioca sull’energia: 95 GW di richieste a Terna
Leggi l'articolo Data center, gestione dell’energia e architetture critiche con Schneider Electric
l'identikit
Data center, gestione dell’energia e architetture critiche con Schneider Electric
Leggi l'articolo Data center, la region Azure in Italia di Microsoft
l'identikit
Data center, la region Azure in Italia di Microsoft
Leggi l'articolo Sviluppo dei data center, l’approccio integrato di Deerns
l'identikit
Sviluppo dei data center, l’approccio integrato di Deerns
Leggi l'articolo Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
l'identikit
Campus data center e interconnessione: come si sviluppa l’ecosistema Equinix
Leggi l'articolo Continuità elettrica per i data center: le soluzioni di Riello UPS
l'identikit
Continuità elettrica per i data center: le soluzioni di Riello UPS
Leggi l'articolo Data center, le 50 parole chiave
glossario
Data center, le 50 parole chiave
Leggi l'articolo Equans, un approccio end-to-end per i nuovi data center
l'identikit
Equans, un approccio end-to-end per i nuovi data center
Leggi l'articolo Munters, il raffreddamento che sostiene l’evoluzione dei data center
l'identikit
Munters, il raffreddamento che sostiene l’evoluzione dei data center
Leggi l'articolo Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
L'identikit
Elettrificazione e distribuzione elettrica ad alta efficienza secondo ABB
Leggi l'articolo Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
l'identikit
Dallo staffaggio alla protezione antincendio: l’offerta Hilti per i data center
Leggi l'articolo Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
l'identikit
Come HiRef ottimizza il raffreddamento e l’efficienza energetica dei data center
Leggi l'articolo Data center in Italia: come cambia l’ecosistema della filiera
VADEMECUM
Data center in Italia: come cambia l’ecosistema della filiera
Leggi l'articolo La corsa all’AI fa esplodere la domanda energetica dei data center
Lo studio
La corsa all’AI fa esplodere la domanda energetica dei data center
Leggi l'articolo Dal data center all’AI factory: cosa serve sapere prima di investire
Vademecum
Dal data center all’AI factory: cosa serve sapere prima di investire
Leggi l'articolo Consumi AI data center: ABB scommette sulla corrente continua
Energy efficiency
Consumi AI data center: ABB scommette sulla corrente continua
Leggi l'articolo Data center, cresce l’appeal del mercato italiano per i capitali
L'analisi
Data center, cresce l’appeal del mercato italiano per i capitali
Leggi l'articolo Data center “lights-out”: quanto manca all’infrastruttura autonoma
vademecum
Data center “lights-out”: quanto manca all’infrastruttura autonoma
Leggi l'articolo Etichetta UE per i data center: più trasparenza sui consumi
L'approfondimento
Etichetta UE per i data center: più trasparenza sui consumi
Leggi l'articolo Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”
L'intervista
Data center, Becker: “La sovranità digitale passa dalla dimensione regionale”