Analisi predittiva nel marketing: cos’è e a cosa serve

Aumentare i ricavi con l’analisi predittiva nel marketing

Nell’epoca del web 2.0, basata sull’interazione e la condivisione, i dati raccolti dall’interazione degli utenti con il web sono sempre maggiori. Per le aziende questo rappresenta un’opportunità interessante per intercettare le esigenze dei potenziali clienti, in modo da poter anticipare i loro bisogni e affrontare la concorrenza. L’analisi predittiva nel marketing si rivela, quindi, uno strumento prezioso per attirare e fidelizzare il pubblico.

In questo articolo parliamo di:

• Predictive analysis o analisi predittiva
• Analisi descrittiva
• Analisi prescrittiva
• Esempi di uso di analisi predittiva
• Rapporto tra analisi predittiva e analisi What if
• Analisi predittiva nel marketing

Predictive analysis o analisi predittiva

L’analisi predittiva è una tipologia di analisi finalizzata a fare previsioni sulla base di dati storici. Per fare questo si avvale di modelli statistici complessi e del cosiddetto “machine learning”: tecniche e linguaggio di apprendimento automatico.

L’output, ossia il grado di precisione del risultato generato, può essere significativo.

I modelli statistici, nell’analisi predittiva siano, per esempio, ARIMA o GARCH, sono stati elaborati intorno al 1980 e hanno valso il premio Nobel agli ideatori.

Esula dalla finalità di questo articolo una descrizione degli stessi e del linguaggio di programmazione; a titolo di esempio si consideri che lo studio della distribuzione dei rendimenti è utilizzato nella finanza quantitativa con lo scopo di prevedere il futuro valore di un determinato tipo di asset. Molto spesso è sufficiente, per l’elaborazione, l’uso di software a licenza gratuita, come per esempio Rstudio.

Questo particolare analisi utilizza quindi modelli di dati per “fare previsioni”.

L’analisi predittiva è determinante in ambito produttivo e commerciale in quanto, attraverso l’elaborazione di vastissime quantità di dati, riesce a comprendere cosa potrebbe accadere in futuro. Una corretta analisi predittiva nel marketing diventa quindi componente essenziale per il miglioramento del processo decisionale.

Grazie al continuo sviluppo di software di analisi, oggi, qualunque soggetto economico può utilizzare i dati passati e attuali per effettuare previsioni affidabili, su tendenze e comportamenti.

Si stima che il valore del mercato dell’analisi predittiva nel marketing e in ogni campo del complesso aziendale, dalla produzione, ai costi, alla vendita, raggiungerà i 10.95 miliardi di dollari nel 2022, con un tasso di crescita (CAGR) del il 21% tra il 2016 e il 2022.

L’analisi predittiva è strettamente legata al data mining e all’apprendimento automatico. Con il termine data mining si fa riferimento a un processo computazionale che si serve di metodi automatici e semi-automatici al fine di estrarre informazioni utili da dati disponibili, come banche dati o data warehouse. Il data mining comprende tre discipline:

• la statistica (lo studio numerico delle relazioni tra dati raccolti),
• l’intelligenza artificiale (IA, l’abilità di un computer di svolgere ragionamenti tipici della mente umana in modo autonomo),
• il machine learning , chiamato anche apprendimento automatico. L’apprendimento automatico è una branca dell’intelligenza artificiale che utilizza algoritmi per identificare una serie di pattern (cioè, uno schema ricorrente) nei dati grezzi.

Sono i Data Scientist, deputati alla costruzione di un modello predittivo,  che dopo aver pulito i dati “grezzi” scelgono quello che ritengono più adatto all’analisi.

Per esempio: nella previsione dei valori di serie storiche finanziarie, la distribuzione dei rendimenti è raramente approssimata dalla una distribuzione normale. E’ più logico che venga utilizzata la distribuzione T di Student.

Solitamente i modelli predittivi poggiano su due tipologie di algoritmi:

• Algoritmi di regressione, rispondono alla domanda “Quanto?”, ad esempio “Quanto varrà il prezzo delle azioni ABC tra un mese?”
• Algoritmi di classificazione, rispondono alla domanda “Quale?”, ad esempio “Quale marca sarà maggiormente acquistata?”

Una volta validato, il modello viene applicato e aggiornato con dati anche in tempo reale.

L’analisi predittiva dei dati viene usata in tantissimi settori, come l’assistenza sanitaria, i servizi finanziari e assicurativi, e il marketing.

Nella pratica di utilizzo ed elaborazione dei dati aziendali, nel complesso ma anche, per esempio, dei dati relativi alla sottoscrizione di un determinato servizio o alla vendita di un certo prodotto, trovano collocamento 2 ulteriori tipologie di analisi: descrittiva e prescrittiva.

Analisi descrittiva

L’analisi descrittiva è parte della cosiddetta Business Intelligence e consiste nell’elaborazione e nello studio di grandi quantità di dati storici per avere un quadro d’insieme su quanto accaduto in passato. Risponde sostanzialmente a due domande: cosa e come.

L’analisi descrittiva dei dati è utile ai fini dell’analisi decisionale: consente di conoscere i comportamenti e le scelte effettuate nel passato. Le fonti più comuni, relativamente al marketing, per l’analisi descrittiva sono i sondaggi, i case studies e le osservazioni.

In ambito dell’unità aziendale, tipica analisi descrittiva è la rappresentazione del bilancio annuale o trimestrale per diversi periodi storici. Per esempio è possibile vedere l’evoluzione del fatturato o degli investimenti nel dipartimento “Ricerca e Sviluppo”.

L’analisi descrittiva dei dati fotografa l’andamento passato dell’azienda e si rivela efficace anche negli ambiti del marketing e del digital. Attraverso di essa si può verificare il successo delle campagne e approfondire le metriche legate ai social, come il numero di follower o dei like ai tweet e ai post Facebook e Instagram.

Analisi prescrittiva

L’analisi prescrittiva – chiamata anche prescriptive analytics  – si serve dei risultati dell’analisi descrittiva e dell’analisi predittiva dei dati per migliorare il processo decisionale. Il significato di prescrittiva è, sostanzialmente, quello di prescrivere le azioni più adeguate al business.

L’elemento fondamentale perchè l’analisi prescrittiva sia efficace è la scelta del tipo di domande per le quali si cerca risposta. Ad esempio, la domanda: “come fare ad aumentare le vendite del 10%?” risulterebbe inadeguata. Più corretta invece sarebbe una domanda del tipo: “Cosa fare per incrementare le vendite del 10% del prodotto che occupa una quota risibile nel mercato A?”

E questo può essere fatto partendo dall’analisi descrittiva, che spiega i dati correnti e passati, dall’analisi predittiva che fornirà una stima dei dati futuri e, infine, con l’analisi prescrittiva che suggerirà le azioni da prendere per arrivare al risultato ricercato.

E, nell’esempio, trattandosi di incremento del fatturato di un determinato prodotto l’analisi predittiva nel marketing rivestirà un ruolo fondamentale.

Questa tipologia di analisi è molto utile nei processi di analisi decisionale in quanto aiuta le aziende a valutare quali siano le tattiche e i comportamenti da adottare per ottenere più successo.

Per riassumere in modo schematico gli step di analisi possiamo affermare che:

• L’analisi descrittiva risponde alla domanda “Cosa è successo?” e “Perché è successo?”
• L’analisi predittiva risponde alle domande “Cosa accadrà?” e “Perché accadrà?”
• L’analisi prescrittiva ci consiglia quali vie intraprendere per migliorare la nostra posizione aziendale e far crescere il nostro business

Esempi di uso di analisi predittiva

Le realtà aziendali oggi usano l’analisi predittiva in un numero teoricamente infinito di modi. In ogni settore, dalla sanità alla vendita al dettaglio, si effettuano analisi predittive e si impostano campagne marketing sulla base dei risultati che queste ricavano.

Ad esempio:

• Nel settore automobilistico: si studiano i comportamenti dei guidatori per poter offrire tecnologia che sia di supporto alla guida. Contemporaneamente si effettuano analisi sui componenti soggetti a maggiore usura e se ne prevede la durata e gli effetti sulla qualità complessiva del mezzo;
• Nei settore assicurativo: si modellano le polizze e i relativi premi in funzione dei dati raccolti e su una serie di previsioni che, ad esempio, in alcune zone considerano anche l’impatto dei fattori climatici;
• Nel settore trading: si analizzano le serie storiche finanziarie per individuare pattern di prezzo ricorrenti e prevederne i movimenti futuri;
• Nel marketing: l’analisi predittiva nel marketing è utilizzata per individuare pattern di comportamento e quindi modulare l’offerta di prodotti e servizi;
• Nel settore retail: nelle vendite al dettaglio si studiano gli effetti che una nuova determinato incentivo o una promozione possa spingere gli acquisti.
• Nel settore sanitario: è probabilmente quello che più ha beneficiato delle potenzialità dell’analisi predittiva. Il beneficio si concretizza in un marcato risparmio di denaro. L’analisi predittiva è utilizzata dalla previsione sull’uso di farmaci e dispositivi medici fino alla identificazione di pazienti a rischio che potrebbero necessitare di terapie particolarmente costose. La S.O.A. negli Stati Uniti ha stimato che l’analisi predittiva permetterà un risparmio fino al 15% del budget di spesa annuale previsto per ogni struttura ospedaliera, nei prossimi 5 anni. Nello stesso report il 90% dei responsabili sanitari ha affermato che l’analisi predittiva è di importanza fondamentale per il futuro della propria struttura sanitaria.

Rapporto tra analisi predittiva e analisi What if

L’analisi What if rappresenta il livello preliminare dell’analisi predittiva dei dati. A differenza della “sorella maggiore” non necessita di grandi quantità di dati: è di più semplice impostazione. Tanto più che utilizzando solo dati numerici è possibile impostarla a livello base anche su un semplice foglio di calcolo. Modificando il valore delle celle di input si avrà un output conseguenziale.

Nel momento in cui invece la mole di dati da gestire e la qualità delle previsioni da effettuare deve essere consistente, è necessario spostarsi su altri software o su piattaforme dedicate, come SAP o Microsoft Azure.

Analisi predittiva nel marketing

Il marketing deve essere inteso come lo strumento attraverso il quale si fornisce al proprio target di clienti il messaggio giusto nel momento giusto. L’analisi predittiva nel marketing permette di rappresentare uno scenario in cui un produttore conosce, quasi esattamente, la reazione dei clienti ad un’azione intrapresa.

Ipotizziamo che un’azienda attiva nel settore delle bibite che, sulla base dei dati elaborati con l’analisi descrittiva, veda uno spostamento dei clienti verso il consumo di bevande a basso contenuto calorico. Attraverso l’analisi predittiva può ottenere stime su quanto potrebbe ottenere investendo in una campagna marketing che spinga un prodotto senza zucchero. Oppure un prodotto che utilizzi un dolcificante considerato naturale come la Stevia.

Oggi, i social media consentono agli operatori di marketing di interagire con le persone sempre e ovunque. E’ possibile soddisfare le esigenze dei consumatori quasi in tempo reale. Soddisfazione significa aumento del fatturato.

Con l’analisi predittiva è possibile identificare con precisione le esigenze dei clienti, in alcuni casi anche prima che l’individuo abbia preso una decisione.

Uno dei più grandi vantaggi dell’analisi predittiva nel marketing è quello di consentire una tangibile riduzione dei costi e l’incremento dei ricavi grazie a una migliore allocazione delle risorse e a una maggiore tempestività nell’individuazione i bisogni dei propri clienti o di nuovi clienti potenziali.

Applicando l’analisi predittiva al marketing è possibile determinare gli acquisti o le risposte dei clienti, oltre a promuovere opportunità di cross selling e up selling. Il cross selling è una strategia di vendita che suggerisce all’utente un prodotto complementare al prodotto che ha già acquistato, mentre l’up selling indirizza il consumatore verso prodotti qualitativamente migliori e più costosi, al fine di generare più entrate.

Oltremodo, con l’analisi predittiva è possibile sfruttare appieno politiche di targettizzazione. La targetizzazione calibrata è strettamente correlata alla fidelizzazione della clientela ed è uno dei principali vantaggi apportati dall’analisi predittiva al marketing. La segmentazione dei contatti e dei clienti acquisiti permette di attuare una targetizzazione precisa, basata su dati verificabili, immagazzinati nel corso del tempo, e sulla previsione di comportamenti futuri. La targetizzazione calibrata consente di massimizzare il ROI.