Big Data & Predictive Analysis

Diamo valore ai dati per azioni di marketing omnichannel (on e off line) per facilitare le decisioni strategiche e con analisi predittiva dei comportamenti degli utenti in relazione agli stimoli di comunicazione e advertising

Senza dati sei solo un’altra persona con un’opinione.

William Edwards Deming

I data scientist del nostro team di Data Intelligence sono in grado di ricavare insight di enormi quantità di dati (Big Data) allo scopo di aiutare il team di digital marketing, o il management delle aziende, a definire o soddisfare esigenze informative e perseguire obiettivi specifici in modo più scientifico. 

I dati da analizzare tipicamente possono essere di due tipi:

I dati strutturati sono dati organizzati, tipicamente per categorie, che possono essere facilmente ordinati, letti e organizzati in modo automatico da un sistema. Questo gruppo include i dati raccolti da servizi, prodotti e dispositivi elettronici, come per esempio dati sul traffico di un sito web, cifre di vendita, fidelity card, coordinate GPS raccolte da uno smartphone. 

I dati non strutturati sono quelli archiviati senza alcuno schema preciso, la forma di Big Data che sta crescendo più velocemente, provengono generalmente da input di persone, come per esempio recensioni dei clienti, email, video, messaggi sui social media e così via. Questi dati sono tipicamente più difficili da ordinare e classificare in modo automatizzato, e la loro gestione può richiedere grandi sforzi.

Tali analisi dono fondamentale per dare valore ad attività di Marketing Intelligence.

Dati Strategici & Predictive Analysis

Studio Cappello, in collaborazione con l’Università di Statistica di Padova, ha realizzato metodologie proprietarie di analisi avanzata dei dati specifiche per il marketing in particolare per Ecommerce, GDO, retail.

Ora che è possibile raccogliere molti dati sugli acquisti e sugli gli utenti durante la loro navigazione online o tramite i loro dispositivi mobile, con la nostra consulenza aiutiamo le aziende ad analizzare tali dati, integrandoli con quelli provenienti dall’offline (es. negozi), per migliorare il loro marketing tout court, riconoscere le tendenze e sviluppare servizi o prodotti, fidelizzare gli utenti, canalizzare i budget per l’advertising e massimizzandone il ROI.

Costruiamo e utilizziamo modelli di analisi basati su modelli statistici, data mining, intelligenza artificiale e machine learning in grado di generare informazioni il cui obbiettivo è far emergere in modo immediato valutazioni anche predittive su KPI decisionali.

L’obiettivo dei nostri data scientist è organizzare e analizzare grandi quantità di dati con risultati finali semplici e tali da essere compresi da tutti gli stakeholder coinvolti.

Tale analisi offrono informazioni strategiche utili per:

• Valutazione del comportamento omnichannel dei clienti
• Audience Analysis
• Comprensione del cliente e della sua customer journey
• Efficacia e ROI degli strumenti di marketing, sia on che off line
• Modelli di attribuzione
• Strategia per la marketing automation
• Analisi del customer lifetime value
• …e altri ancora

Dove Risiedono I Big Data

Per poter lavorare coi Big Data supportiamo le aziende a creare le infrastrutture necessarie:

• Data Management Platform [DMP]: è una piattaforma di gestione del database dati utenti tramite Coockie di prima parte. Al Cookie (anche più di uno per ogni singola persona) identificativo dell’utente è possibile associare l’email Si possono sfruttare anche database di terza parte del vendor DMP per trovare nuovi utenti partendo dai propri cookie di prima parte.
• Customer Data Platform [CDP]: è una piattaforma di gestione del database dati utenti dove la chiave primaria è l’email o l’ID. Non c’è collegamento con cookie di terza parte del vendor, ma è possibile poi sfruttare le audience di Google e Facebook per attività di prospecting.
• Data Lake: grande database che raccoglie tutti i dati grezzi del cliente (prodotti, utenti, vendite, scontrini..). Si definiscono grezzi i dati non ancora elaborati per una finalità specifica. I dati grezzi, non elaborati, sono malleabili, possono essere rapidamente analizzati per qualsiasi scopo e sono ideali per l’apprendimento automatico.
• Data Warehouse: simile come concetto al Data Lake ma i dati qui sono elaborati e rifiniti. I data warehouse sono più strutturati da un punto di vista progettuale. Uno dei principali vantaggi offerti dai data warehouse è che l’elaborazione e la struttura dei dati rendono i dati stessi più semplici da decifrare, mentre le limitazioni della struttura rendono i data warehouse difficili e costosi da manipolare.

Capire quale soluzione adottare in relazione ad ogni cliente, e affiancarci a partner tecnologici per la creazione delle infrastrutture IT, è un’attività molto delicata che facciamo in affiancamento al cliente.