L’ottimizzazione dei percorsi dei clienti implica una quantità crescente di dati e martech interconnessi, in particolare quando è coinvolto il machine learning.

In un recente webinar su Econsultancy, l’editore Ben Davis ha discusso l’argomento dell’ottimizzazione del percorso del cliente con Iain Noakes, ex VP Effectiveness Marketing & Optimization presso The Economist, e Ben Wild, Business Lead presso Coveo.

Hanno anche discusso il ruolo del martech “intelligente” (basato sull’apprendimento automatico) nel fornire rilevanza ai clienti.

Puoi guardare il webinar su richiesta, ma qui ci sono alcuni punti salienti della discussione, inclusi consigli su dove iniziare con la mappatura del percorso del cliente.

L’approccio “inside-out” all’ottimizzazione del percorso del cliente

Durante il suo precedente ruolo presso The Economist, Noakes afferma di aver adottato un approccio “alla rovescia” alla loro strategia di marketing, con martech come punto finale dell’ottimizzazione piuttosto che come punto di partenza.

“Quello che voglio dire è … cosa si sta facendo? Come utilizziamo le informazioni sul nostro pubblico, i dati dei nostri clienti, i nostri canali? Cosa ci aspettiamo che accada e dove? Quali sono i dati acquisiti? ” lui chiede. “Il sistema ha passato i dati a un altro sistema o no?”

“Il motivo per cui l’abbiamo fatto in questo modo è stato innanzitutto quello di comprendere appieno, senza fare supposizioni, come operassero i team e come funzionassero i canali oltre a vedere i risultati settimana dopo settimana durante le nostre riunioni di trading”.

Adottando un approccio molto visivo alla mappatura del percorso del cliente, che secondo Noakes imitava lo stile di una “ mappa della metropolitana della metropolitana di Londra ”, The Economist è stato anche in grado di vedere dove la tecnologia si sovrapponeva e dove i dati non venivano trasmessi (e quindi no utilizzato per ottenere un effetto ottimale).

“In quel processo”, dice Noakes, “ciò che abbiamo stabilito è stato che ci sono state numerose vittorie veloci. Uno di questi era: ci sono strumenti e sistemi che non vengono utilizzati e quindi dovremmo mantenerli? Quindi, c’era un elemento di risparmio sui costi “.

Guardarlo dal punto di vista del cliente ha anche consentito a Noakes di identificare la complessità inutile laddove era richiesta semplicità. “Tutto sommato, ci ha permesso di dare la priorità ai frutti a bassa portata e di sfruttare i team esistenti, valutare le competenze e i requisiti e, laddove non avevamo dati o informazioni per dimostrare una fase del viaggio … avremmo alcune ipotesi forti che è diventato parte del programma di test in corso. ”

Noakes suggerisce che gli investimenti possono rimanere un problema per i professionisti del marketing quando attivano i dati, in particolare nelle organizzazioni in cui dati e analisi non sono necessariamente incorporati nella cultura. “Se sei in grado di capire in che punto del percorso del cliente un piccolo cambiamento incrementale può avere un effetto considerevole, abbastanza evidente che il tuo MD o CEO se ne accorgerà, allora inizi da lì”.

Comprendere i punti di forza dell’apprendimento automatico

L’apprendimento automatico in martech può ottimizzare per una metrica o metriche specifiche, ma i professionisti del marketing devono ovviamente vedere il quadro più ampio. Sebbene il machine learning possa portare ad alti livelli di personalizzazione, ad esempio, potrebbe non fornire sempre il miglior risultato aziendale. Nella guida “AI, ML e analisi predittiva” di Econsultancy, Alessio Rossi, Global Chief Digital Officer di Shiseido, ha spiegato un caso in cui i contenuti possono essere sovra-personalizzati:

“All’inizio stavamo facendo un ottimo lavoro di personalizzazione dei contenuti che, mentre i tassi di conversione e di pagamento aumentavano, le entrate medie per visita sono diminuite. I clienti hanno ottenuto esattamente ciò di cui avevano bisogno, ma non li stavamo aiutando a scoprire nulla di nuovo “.

Ben Wild, Business Lead di Coveo, concorda sul fatto che fare troppo affidamento sui dati dei clienti può comportare la perdita della scoperta del prodotto. “Puoi conoscere qualcuno così bene e sapere esattamente cosa vuole, ma il rischio è che tu lo incoraggi a tornare e fare esattamente quella cosa ogni volta e poi scomparire”, dice.

Ciò solleva le domande: una volta che le organizzazioni hanno implementato smart martech nel percorso del cliente, quanto lavoro resta ancora da fare per ottimizzare la produzione?

Wild enfatizza i vantaggi dell’apprendimento automatico e lavora sui suoi punti di forza: “Penso che la cosa importante, a un certo livello, sia credere nella tecnologia, che sia effettivamente brava a dare quei consigli. Ecco perché hai appena guardato quella serie su Netflix di cui non sei mai stato a capo prima, ma sapevano che probabilmente ti sarebbe piaciuto. ”

Wild evidenzia come questo possa liberare risorse nel business. Wild spiega come un cliente di Coveo abbia ottenuto risultati migliori in questo modo. “Sono stati in grado di ridistribuire il loro team di merchandising perché l’apprendimento automatico è migliore rispetto a [le persone] che lo fanno manualmente”, afferma. “È stato in grado di creare associazioni di prodotti che non stavano necessariamente identificando”.

Il divieto dei cookie di terze parti influirà sulla pertinenza?

In seguito all’annuncio di Google che interromperà il supporto per i cookie di terze parti in Chrome entro l’inizio del 2022, la discussione si è spostata sul potenziale impatto sulla pertinenza e sull’efficacia nel marketing.

Iain Noakes suggerisce che il divieto dei cookie potrebbe vedere una “rinascita dell’acquisto diretto da fonti di qualità, piuttosto che riporre una fiducia cieca negli ambienti programmatici”.

Dice che questo probabilmente renderà alcune cose più difficili, poiché molti dei vantaggi programmatici consistono nel promuovere l’efficienza e raggiungere più luoghi. Tuttavia, spiega Noakes, suggerisce che potrebbe essere utile a lungo termine.

“A volte quella copertura, se non è configurata nel modo giusto, non porta ai risultati di una grande impresa di cui hai bisogno e puoi ottenere una spinta migliore eseguendo un lavoro più mirato, su larga scala e più breve“, afferma.

Noakes afferma anche che il divieto potrebbe portare a un cambiamento nella misurazione. “Gli approcci migliori sono quelli classici, come valutare il tuo rialzo in termini di metriche del tuo marchio (consapevolezza, considerazione e intenzione di acquisto). C’è anche [la domanda]: i tuoi canali sono i driver del corretto risultato aziendale? Se il tuo CEO ti ha chiesto di aumentare il volume o di aumentare le entrate, come puoi dimostrare che questa cosa meravigliosa (che ha ottenuto molte PR e potenzialmente clic) ha davvero fatto la differenza? ”

Ben Wild concorda sul fatto che il divieto potrebbe comportare approcci di misurazione più preziosi, forse suggerendo un eccessivo affidamento sui cookie di terze parti prima d’ora.

“Potresti essere il primo visitatore, potresti visitare quel sito solo una o due volte l’anno, quindi in realtà la quantità di dati che un’organizzazione ha su di te è molto limitata. Quindi, ok, potresti avere un cookie che ti dice che sono arrivato su questo sito web nove mesi fa, ma non è una ricca cucitura di informazioni che ti consentirà di offrire un’esperienza personalizzata one-to-one. ”

Invece, Wild suggerisce che il concetto di “personalizzazione zero-shot” potrebbe venire alla ribalta, che è fatto partendo dal presupposto che la maggior parte dei visitatori sia anonima.

“La capacità di prendere una decisione rapida con piccole quantità di dati diventerà cruciale e, ancora una volta, è la magia del machine learning“.