La segmentazione del database, fondamentale per un progetto di Marketing Automation di successo

25 gen

Oggi voglio parlarvi di questo argomento perché non è possibile realizzare un progetto di Marketing Automation di successo senza occuparsi, durante il processo di sviluppo, della segmentazione del database.

Si tratta di uno step fondamentale perché senza di esso non è possibile individuare la persona giusta a cui far arrivare il contenuto giusto nel momento giusto.

Esistono diversi approcci e differenti metodologie, a seconda che si parli di un business B2C o B2B, ma con questo documento ci occupiamo delle tematiche della segmentazione del database specifiche per il mondo Consumer.

Iniziamo subito analizzando il discorso a partire dagli aspetti più semplici e spesso trascurati, concentrandoci sui vantaggi che derivano da ogni attività posta in essere sul database, per poi arrivare ai tecnicismi della segmentazione RFM.

Cosa c’è dentro un database non organizzato?

All'interno del vostro database dovreste avere tutti i contatti (lead) che sono stati raccolti da diverse fonti aziendali.

Per fare degli esempi, avete dei contatti che:

hanno effettuato un ordine e ricevuto una fattura, sono presenti nella parte gestionale del database;
hanno sottoscritto una carta fedeltà e provengono da un loyalty program (on-line o off-line, è indifferente);
hanno fatto un acquisto on-line;
si sono semplicemente iscritti on-line, ad esempio per avere uno sconto sul primo acquisto, durante una campagna di lead generation.

Nel momento in cui analizzate il vostro database, di quei 100.000 contatti (un numero indicativo, in linea con un e-commerce avviato), alcuni saranno vecchi e non più validi, altri saranno contatti nuovi e appena acquisiti e così via.

Se il database, che non è altro che un contenitore virtuale di informazioni, non è organizzato e ordinato secondo dei parametri utili, non riuscirete in alcun modo ad estrarre valore e utilità da tutti quei dati.

Quindi, come prima cosa dovete analizzare la vostra customer data platform e ripulirla.

Perchè bisogna pulire il database?

Se vi state approcciando ad un progetto di Marketing Automation o avete intenzione di intraprenderne uno, io vi consiglio di fare un’analisi accurata del database che possedete per poi pulirlo. Perché?

Ve lo spiego così:

avere tanti dati fasulli non vi permette di misurare correttamente il risultato della vostra attività di marketing: le misurazioni si riferirebbero, infatti, all’intero database utenti comprensivo dei clienti-non-clienti e sarebbero totalmente falsate

(Se in questa situazione rilevaste che la performance di un’attività di marketing è del 3%, siete consapevoli del fatto che quel valore non riflette la realtà e che il dato reale è sicuramente più alto?);

prima di procedere con un qualsiasi tipo di segmentazione dovete fare un’ulteriore analisi per capire quali degli utenti rimasti all’interno del database dopo l’operazione di pulizia sono validi dal punto di vista del marketing.

Non fatevi spaventare dalla normativa GDPR

Apro una piccola parentesi sulla GDPR.

Se i contatti presenti nel database sono stati raccolti prima dell’adeguamento della normativa e non era stato richiesto loro il consenso esplicito alla gestione delle attività di marketing, potete comunque coinvolgerli perché sono effettivamente vostri clienti.

La tematica merita un approfondimento a parte ma per il momento diciamo che per essere in regola dovete fare una valutazione GDPR e, successivamente, un processo di re-consent sugli utenti privi del consenso esplicito.

A questo punto, avete pulito il vostro database, individuato gli utenti consenziati e siete pronti per iniziare con la segmentazione.

Cosa vuol dire segmentare gli utenti?

Segmentare gli utenti significa classificarli e raggrupparli in gruppi specifici sulla base di un insieme di caratteristiche condivise, significa identificare i diversi target che avete a disposizione per poi inserirli in segmenti (cluster) ben definiti.

In altre parole, segmentare vuol dire capire a quale gruppo specifico appartiene ognuno dei 50.000 utenti buoni del database (rimasti dopo aver fatto la pulizia), essere consapevoli del fatto che i clienti non sono tutti uguali e scoprire in cosa sono differenti.

Ne consegue che dovete gestire i contatti in modo diversificato e che per ogni singolo segmento dovete usare delle strategie di marketing specifiche.

Per cosa (quali variabili) possiamo segmentare?

Si possono scegliere diverse variabili per la segmentazione ma io vi consiglio di partire da queste:

i dati anagrafici (oggettivi);
le azioni comportamentali (soggettive).

I dati anagrafici sono delle informazioni oggettive che potete chiedere direttamente all’utente e parliamo, ad esempio, di età, sesso, posizione lavorativa, la regione in cui abita, ecc.

Al contrario, le azioni comportamentali vi danno delle informazioni soggettive e sono le variabili più interessanti (e divertenti!) per la Marketing Automation: vi dicono, ad esempio, che un utente ha guardato un certo video per 3 minuti, che ha visitato ieri il sito internet, che ha comprato nel negozio fisico di Caltanissetta la settimana scorsa (e lo sapete perché ho usato la sua loyalty card) e sapete anche che cosa ha comprato. Insomma… WoW!

Ora che avete raccolto le informazioni anagrafiche e quelle comportamentali potete continuare a segmentare il database.

Ottimo, direte. E come?

La segmentazione RFM

Entriamo nel vivo della parte operativa e vediamo come funziona una delle metodologie più diffuse, più facili da comprendere e da applicare nel B2C ovvero la segmentazione RFM.

Piccola nota: quando si parla di business to consumer non limitatevi a pensare solamente all’e-commerce o al retail in maniera distinta perchè ormai non esiste più una vera barriera tra on-line e off-line.

L’analogico e il digitale sono solamente dei touch point che fanno parte di un’unica esperienza di acquisto, quindi, dovete considerare l’insieme dei canali di vendita raccogliendo i dati da ognuno e seguire il cliente nel suo percorso in un’ottica di omnicanalità.

Per essere pronti a vendere il prodotto/servizio giusto, alla persona giusta, nel momento giusto dovete avere e integrare efficacemente tutti i touch point sia on-line che off-line senza perdere nessuna informazione.

Le 3 variabili della segmentazione RFM: recency, frequency, monetary

La segmentazione RFM è un approccio che vi permette di suddividere automaticamente e velocemente il vostro database in base a 3 variabili:

recency che indica quanto tempo è trascorso dall'ultima interazione del cliente con la vostra azienda (se parliamo di vendita, ad esempio, l'interazione è data dall’acquisto);
frequency indica con quale frequenza un cliente ha fatto acquisti durante un determinato periodo di tempo (ad esempio, verifichiamo quante volte il cliente Paolo ha comprato negli ultimi 12 mesi);
monetary indica quanto un cliente ha speso in totale nei prodotti/servizi della vostra azienda durante quel determinato periodo di tempo indicato precedentemente (ad esempio, nell'ultimo anno Paolo ha comprato tre volte e ha speso €300 in totale).

Immaginate di riportare queste 3 variabili all’interno di una matrice: in base al valore che assumono, si ottengono dei livelli diversi e quindi differenti profili di utenti a cui corrisponderanno differenti azioni di marketing da implementare.

Vediamolo con degli esempi.

Esempio di segmentazione RFM nel B2C

Vi presento 4 casi ipotetici basati sul concetto di RFM cioè sulla segmentazione degli utenti in funzione della recency (momento dell’ultimo acquisto), frequency (numero totale di acquisti) e monetary (importo totale speso nel periodo).

Caso 1 con frequency di 1 e recency di 7 giorni: è un nuovo cliente! Infatti, ha comprato una sola volta durante la settimana scorsa e lo inseriamo nella casellina “nuovo utente che ha comprato da poco”.
Caso 2 con frequency di 1 e recency di 10 mesi: il cliente ha comprato una sola volta ma 10 mesi fa e probabilmente si è dimenticato di voi. Dovreste capire perché non ha più comprato e lo inseriamo nella casellina “utente che ci ha dimenticati”. Consideriamo anche la variabile monetary: questo cliente ha speso pochissimo e significa che il valore che ci attribuisce è molto basso. Non è un utente su cui investire molto e per ora parcheggiatelo o fate una semplice azione di recupero.
Caso 3 con frequency 6 di e recency di 7 giorni: è un cliente VIP! Infatti, ha comprato settimana scorsa ma negli ultimi 12 mesi ha fatto 6 acquisti! É super vivo e super attivo, gli piace un sacco il vostro prodotto/servizio! Lo inseriamo nella casellina “utente VIP” e dovete trattarlo da tale.
Caso 4 con frequency di 6 e recency di 10 mesi: questo era un cliente molto fedele che comprava spesso ma vi ha abbandonato. Dovete implementare una strategia per riconquistare il suo amore perché era un cliente importante. Lo inseriamo nella casellina “utente da riconquistare”. Consideriamo anche la variabile monetary: se gli ordini erano molto piccoli e il valore economico attribuitoci da questo utente era basso, dovete recuperarlo perché comunque era un cliente fedele. L’investimento sarà un po' più piccolo perché sapete già che, una volta recuperato, il life time value (cioè il valore che lui ci darà nel tempo futuro) sarà esiguo.

Se, invece, l'importo medio era molto alto dovrete fare di tutto, anche investire una quantità economica abbastanza elevata, per cercare di riconquistare l’amore di quel cliente.

Quali segmenti potreste individuare?

In base alla segmentazione RFM appena descritta potete individuare i seguenti profili utente, ad esempio:

best customer cioè i clienti migliori: sono quegli utenti che hanno una recency molto vicina (hanno acquistato da poco), hanno un livello di frequenza molto elevato e un livello di spesa molto alto. Questi sono i clienti top, quelli da coccolare e da far sentire importanti, magari inserendoli in un club esclusivo, perché vi danno tanta ciccia (fanno parte di quel 20% i clienti che vi danno l’80% del fatturato);
nuovi clienti alto spendenti quindi clienti che hanno fatto solo un acquisto recentemente e speso un sacco di soldi: dovete lanciare una strategia di marketing specifica per fare in modo si innamorino di voi e che vi siano fedeli nel tempo;
i clienti basso spendenti ma molto attivi: comprano molto spesso spendendo molto poco e potreste, ad esempio, creare delle campagne con contenuti che li facciano sentire apprezzati che li incentivino ad aumentare un poco il valore medio del carrello.

Quali risultati porta una corretta segmentazione del database?

Ce ne sono tantissimi ma vediamone alcuni

risparmio perché potete focalizzare energie e investimenti sul o sui segmenti più profittevoli ovvero su quel 20% che genera l’80% del fatturato (anziché investire a pioggia);
ottimizzazione risultati perchè questa focalizzazione vi permette di avere un ROI più alto;
implementazione di strategie di marketing ben definite e differenziate per segmento;
fidelizzazione dei clienti perché potete investire per migliorare il rapporto con quei clienti che vi hanno dato molto margine;
analisi delle performance veritiere perchè vi focalizzate sulla misurazione dei risultati della strategia sviluppata per ogni specifico segmento;
pulire il database vi consente di non investire su quella fascia di clienti poco profittevoli.

Paolo Confortini