<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=270060846955571&amp;ev=PageView&amp;noscript=1">

Come estrarre valore dai dati del CRM

Ottobre 2018

 

Il ruolo dei sistemi di CRM è radicalmente cambiato negli ultimi anni. Nati come programmi  adibiti fondamentalmente alla gestione delle informazioni relative ai clienti e alle loro interazioni con l'azienda, i software di Customer Relationship Management stanno trasformandosi in strumenti sempre più essenziali per comprendere meglio il mercato e impostare le linee strategiche dello sviluppo del business. La rivoluzione ha preso piede nelle imprese di grandi dimensioni, per ovvi motivi. Ma i benefici cominciano a essere evidenti anche nel mondo delle PMI: conoscere a fondo i propri clienti e le loro abitudini è il primo passo per costruire un vantaggio competitivo.

Il paradigma di questa evoluzione si basa sul fatto che per avere successo non è più sufficiente osservare l'andamento delle vendite con un approccio legato al chi compra cosa e quando. Il cuore della questione sta nel perché. E le motivazioni alla base di qualsiasi processo d'acquisto, così come i profili dei consumatori o le situazioni più favorevoli a far incontrare domanda e offerta, possono oggi essere desunte dallo studio del customer journey, i cui passaggi – sia online che offline – sono tutti o quasi descrivibili attraverso le informazioni raccolte dal CRM.

Naturalmente non è e non può essere il CRM da solo ad aiutare le aziende in questo senso. È grazie all'integrazione con gli altri sistemi e soprattutto con l'integrazione dei database con gli applicativi di Business Intelligence che l'organizzazione nel suo complesso – e non solo la divisione Sales – può estrarre valore dai dati contenuti nel Customer Relationship Management.


 

Un lavoro di squadra, a cavallo di sistemi e competenze

 

A chi spetta il compito di guidare questo cambiamento di assetto? Fermo restando che deve essere il top management a promuovere e sponsorizzare iniziative del genere, il CIO e il CTO sono le figure aziendali più indicate, in quanto in possesso delle competenze e delle conoscenze necessarie a orchestrare il dialogo tra i sistemi. L'ascolto però deve essere rivolto anche a tutte le funzioni potenzialmente coinvolte nei nuovi processi di estrazione di valore dai dati. Questo sia per comprendere le reali esigenze di business di ciascuna divisione, sia per elaborare interfacce e metodi di lavoro accessibili e omogenei.

Quali sono i passi da fare? Una volta identificato un partner tecnologico che aiuti l'organizzazione a scegliere le soluzioni più adatte e a supportare la transizione sotto il profilo hardware e software, occorre innanzitutto installare una serie di connettori che mettano in comunicazione i dati del CRM con quelli, per esempio dell'ERP (Enterprise Resource Planning) e della DMP (Data Management Platform), là dove presente. Una volta stabilito un repository (in caso di grandi quantità di dati e nella prospettiva di un ulteriore incremento dei volumi è consigliabile pensare a un'architettura data lake), bisogna implementare algoritmi in grado di analizzare e correlare input apparentemente slegati. Come? Facendo ipotesi sulle possibili relazioni di causa-effetto tra disponibilità dell'offerta, variabili esterne, scenario competitivo e preferenze dei clienti, confrontando le evidenze emerse con le serie statistiche storiche ed evidenziando ricorrenze, pattern, eccezioni. Grazie a opportuni meccanismi di notifica e con dashboard e interfacce grafiche chiare ed esaustive, gli insight risultano disponibili a chiunque all'interno dell'organizzazione. Questo permette di scattare una fotografia – anzi: una serie di fotografie – dello status quo e di aiutare i decisori di business a comprendere meglio le opportunità insite in determinati fenomeni e a pianificare meglio le risorse in funzione di obiettivi specifici.


 

Dall'approccio reattivo a quello proattivo: a cosa serve il Machine Learning

 

Il passo successivo consiste nel fornire intelligenza al sistema e passare da un atteggiamento di tipo reattivo a uno di tipo proattivo, ipotizzando il probabile andamento del mercato proprio grazie agli insight prodotti dai Predictive Analytics e anticipandone gli sviluppi. Per apprendere le dinamiche che potranno intercorrere tra l'azienda e il suo ecosistema a partire dalla valorizzazione dei dati contenuti nel CRM è necessario però introdurre soluzioni di Machine learning. All'installazione degli algoritmi basati su intelligenza artificiale seguirà una fase di istruzione e allenamento della piattaforma perché impari a interrogare in maniera automatica i vari database. Verificando la plausibilità e la coerenza delle risposte del sistema con l'esperienza concreta, si possono fare ulteriori aggiustamenti e affinare la capacità analitica della soluzione, consentendo di allargare il patrimonio informativo del CRM non solo alla divisione Sales, ma anche ad altri ruoli evidenziando tendenze, comportamenti e insight utili alle specifiche divisioni.