Jim Sterne è uno dei miei miti e da sempre punto di riferimento; ho letto tutti i suoi libri, il primo scritto agli albori di internet, ancora nel secolo scorso. Jim è Fondatore di Emetrics Summit e della Digital Analytics Association nella sua presentazione al recente SMX Milan 2013 ha ripreso e ampliato alcuni concetti già espressi nel suo libro Social media metrics, ripercorrendo la storia e l’evoluzione del marketing Ecco alcuni spunti:
Un tempo, quando il marketing era basato sulla Comunicazione di massa, le Metriche tradizionali erano:
- Reach
- Frequence
- Response
L’obiettivo era allora ottimizzare un’equazione come la seguente:
- 12% reach * 3 Exposures a $ = Y response
- 12 % reach *8 Exposures a x$ = Z response
Attenzione, dice Jim a considerare la reale “Opportunity to see” che non coincide con la Reach, ma dipende da una serie di fattori tra cui:
– quanti hanno visto
– Quante persone hanno ricordato?
– Nome
– Brand attributes
– Value
Per esempio, sono in grado di conoscere il numero di abbonati di una rivista, ma non conosco quanti effettivamente hanno visto quell’annuncio in particolare.
Come misurare l’awareness? Pochi programmi TV raggiungevano tutti. Ormai da alcuni anni si assiste ad una moltiplicazione di canali, di punti di contatto e a una frammentazione dell’audience. Perciò è sempre più importante riuscire a comunicare con le persone giuste, con il messaggio giusto e al momento giusto.
Come e più di prima occorre quindi testare e ottimizzare. Le variabili e i criteri di segmentazione sono molteplice:
– Location
– Demographics
– Psychographics
Alla fine degli anni ’90, poi arriva Internet e cambia il paradigma del marketing:
- Pull vs Push
- Minori costi di distribuzione
- Accelerated understanding
Dalla prospettiva del cliente, Internet significa:
- easy to find
- easy to navigate
- easy to get answers
- easy to buy
- easy to tell friends
Errore terribile fatto da molte aziende e molti Marketer: è stato quello di
[quote align=”center” color=”#999999″]creare un sito web come una collezione di pagine.[/quote]
Il sito deve abilitare le azioni del cliente:
- Discover
- Learn
- Compare
- Configure
- Test
- Engage
- Sell
Dal punto di vista del cliente, ecco i desiderata del Marketing:
– Remember me (ricordami)
– Listen to me (ascoltami)
– Work with me (lavora con me)
– Make my life easier (rendi la mia vita più facile, fammi felice)
Con l’evoluzione del marketing cambiano le Responsabilità e i doveri del marketing che:
– deve conoscere e comprendere la tecnologia
– diventa responsabile dei crescenti punti di contatto
– deve capire come misurare e se funzionano i differenti canali
– deve capire cosa sono i Big data
Cosa sono dunque i big data, da dove vengono?
Partiamo da una Definizione standard dei big data basata sulle 3 V: Varietà, volume, velocità. Questa tuttavia è una definizione molto generica.
BIG DATA: cosa significa?
- Demographics data
- Psychographics data
- Marketplace data
- Digital marketing metrics
- Customer analytics
- Sales force automation data
- Call center data
Per quanto riguarda il WEB, la misurazione può includere:
- Web analytics (analisi sito Web, mobile web)
- Ad networks data (metriche efficacia campagne Adv)
- Social media metrics (metriche relative ai social media)
Cosa significa questo?
Significa che con l’aumentare dei punti di contatto, aumenta la complessità della misurazione di un marketing multi-canale.
Nascono moltissime piattaforme di Analytics e nuove problematiche:
Se consideriamo questi 5 canali: Web, Website, Mobile, retail, Call Center
Non puoi confrontare le pere con le mele
Bisogna trasformare i dati in modo che parlino l’un con l’altro
Alcuni Tools:
– Experian
– Comscore
– Google Analytics
– Kiss Metrics
Il risultato è quello di avere bellissimi quanto inutili dashboard che poi diventano report che le persone non leggono.
Ci sono delle implicazioni tecnologiche da considerare ed emergono nuove professionalità; al Data Analyst, colui in grado di predisporre un sistema per raccogliere e sistematizzare dati eterogenei come i Big data, si affianca il ruolo strategico del Data Scientist e di colui che riesce ad estrarre i consumer insight dai consumer data.
Per la definizione della meccanica dei dati Jim mostra alcuni esempi tratti da The Perceptual Edge.
Data scientist: è colui che crea e forma la materia prima:
– raise awareness
– improve attitude
– influience influence
– inspire interaction
Il Data Detective:
– comprende la materia grezza
– la deve validare
– deve comprendere il problema che deve essere risolto:
- fare più soldi
- ridurre i costi
- rendere il cliente felice
Comprendere l’arte dell’analisi: è un processo creativo.
Alcuni punti:
– Anomalie: cosa c’è di strano
– Segmentazione: è fondamentale farlo
– Reasons backwards: perché le persone fanno questo (Segmentazione in base al comportamento)
Ci sono molte trappole tra cui i Cognitive biases. Il tuo cervello lavora contro di te.
Il più grande problema per analytics è che le persone naturalmente cercano pattern.
Attenzione, dice Jim, a non confondere la correlazione con la causalità. Correlazione non significa principio di causa ed effetto.
Come vedete questi miei appunti sono grezzi, spero che la presentazione di Jim Sterne. Per parlare di questo e di altri temi inerenti la Digital Analytics vi propongo di registrarvi al prossimo evento MeasureBowling, previsto per il prossimo 14 novembre a Milano.
Spunti e riflessioni sul marketing digitale
Lascia un commento