Woman paying with credit card in store

Machine learning per (ri)conoscere il genoma del consumatore

Trasparenza e qualità degli algoritmi saranno alla base di una nuova alleanza e un nuovo equilibrio tra imprese e clienti

Gaetano Giannetto, Chief Operating Officer Epipoli/Groupalia

“L’intelligenza dei dati si trasforma in vantaggio competitivo solo se si è in grado di utilizzarla” – parola di Gaetano Giannetto, chief executive officer di Epipoli (www.epipoli.com), una lunga carriera nel campo dei media, particolarmente attivo nell’ambito della corporate social responsibility, ma soprattutto colui che ha introdotto le gift card in Italia, come modalità innovativa di distribuzione e strumento per l’incentive e la gestione delle promozioni, aprendo di fatto un mercato completamente nuovo, che negli USA vale 650 miliardi di dollari all’anno. Collezionista di oggetti vintage, figurine e vecchie campagne pubblicitarie, Gaetano Giannetto ha la forza del visionario e il pragmatismo del manager.

Nel 2010, dopo il terremoto di Haiti in collaborazione con Agire, il ministero dell’Interno italiano e la Clinton Foundation, ha lanciato la prima carta ti donazione non-profit al mondo. “Se fai qualche cosa di buono, ricevi sempre qualcosa in cambio. Nessuno squilibrio dura per sempre. Il denaro è una forma di informazione. Ma è solo uno strumento per un fine. Non bisogna mai confondere i due piani. La cosa importante sono i desideri delle persone, che sempre di più guideranno il mercato dei consumi. I desideri sono la vera black box”.

Dall’automazione dei processi stiamo passano all’automazione delle decisioni?

Gli analytics basati sull’apprendimento profondo e automatico ci aiutano a svolgere compiti definiti. Non si tratta di mettere il pilota automatico alle nostre aziende, ma di capire quanto codice portare in azienda. Si tratta di raccogliere, elaborare e analizzare in tempo reale i dati per migliorare la comprensione del cliente e rafforzare la customer experience. Questo significa sviluppare il business, incidere positivamente sulla fedeltà dei clienti, garantire qualità e integrità dei dati che riguardano da vicino la vita delle persone.

Gaetano Giannetto executive portrait

Gaetano Giannetto, Chief Operating Officer Epipoli/Groupalia

Come cambia lo scenario?

Con l’evoluzione dell’Internet of Things (IoT), sia industriale sia consumer, l’esigenza di analizzare nuovi tipi di dati provenienti da fonti diverse, già storati oppure on the edge, ha cambiato completamente lo scenario degli analytics. Oggi, nelle aziende vi è un ampio spettro di attività analitiche che vanno oltre le query e il reporting nei data warehouse.

Che cosa è una gift card?

Le gift card sono carte di pagamento non bancarie che permettono di acquistare beni o usufruire di servizi presso il network dei punti vendita delle aziende che le hanno emesse o nei punti vendita di terze parti: una vera e propria Branded Currency.

Da azienda europea leader del mercato, dedichiamo molte risorse all’innovazione. E’ nostra la prima carta prepagata Mastercard che si compra al supermercato e la nuovissima carta carburanti ricaricabile spendibile su tutte le stazioni di servizio in Italia, che risponde al Provvedimento della Agenzia delle Entrate che entrerà in vigore nel 2018. Dallo spazio sullo scaffale fisico, si passa allo spazio digitale ad alto potenziale, grazie a una piattaforma tecnologica che abbiamo sviluppato proprio per gestire in modo automatico tutti processi e la mole di dati collegati all’emissione e all’utilizzo delle card.

Che cosa chiedono le aziende che si affidano a uno strumento come le gift card?

In piena New Economy, qualcuno aveva puntato sui libri come veicolo per capire desideri, orientamenti e interessi dei lettori. Sappiamo che quel modello è stato vincente. Oggi, le gift card rappresentano una innovazione per tutto il settore retail, dall’abbigliamento all’entertainment, passando da viaggi, alla ristorazione, fino all’assicurazione da banco per gli animali domestici: un’innovazione che ha la stessa potenzialità di una black box. Le aziende hanno bisogno di un data management dinamico e più evoluto. La gift card permette di agganciare una discovery automatica che esamina ogni singola transazione nel tentativo di individuare automaticamente i dati e il loro significato.

Come si integrano customer journey e profilazione offline?

L’integrazione di tutte le metriche rendono la navigazione dei dati se non ben strutturata, praticamente impossibile. Se a questa complessità aggiungiamo anche la variabile del digitale - con la gestione dei punti di contatto, e tutto ciò che gravita introno alla sentiment analysis - la necessita di avere una piattaforma di big data analytics è fondamentale.

Stiamo lavorando a un progetto che permetterà di fare cross selling, monetizzazione e analisi predittiva, sul nostro data base di sette milioni di utenti unici, integrando strumenti di machine learning per offrire un’interfaccia di discovery dinamica, incrociando in tempo reale dati transazionali e dati comportamentali.

La cosa importante sono i desideri delle persone, che sempre di più guideranno il mercato dei consumi. I desideri sono la vera black box.

Come si ascolta il consumatore senza inseguirlo?

La qualità del dato ti porta a generare qualità dell’offerta. Le imprese devono imparare ad avere più rispetto del consumatore e costruire una relazione che si basi sulla fiducia. Se io costruisco il mio modello sul valore dei sui dati, allora devo dare più valore a questa relazione.

Come si presidiano i punti di contatto?

Presidiare ogni punto di contatto richiede un motore di analisi always-on. Dobbiamo avere una serie di indicatori e delle macchine sempre pronte a rispondere in maniera dinamica, sia che il cliente si trovi per strada, davanti un punto vendita fisico o davanti alla pagina del suo social network preferito. Il modello previsionale mi permette di comprendere quale tra i diversi canali possa diventare il punto di aggancio ottimale. Attraverso modelli di machine learning possiamo valorizzare ulteriormente i dati, identificando automaticamente i profili degli utenti e classificandoli a fini di governance. Questo approccio di data management è rapido e ideale per creare e gestire i cosiddetti "data lake logici”.

Attraverso modelli di machine learning possiamo valorizzare ulteriormente i dati, identificando automaticamente i profili degli utenti e classificandoli a fini di governance

Panel addio?

La vera conoscenza del cliente, quella che noi chiamiamo “genoma del consumatore”, parte dall’analisi dei dati. Molto spesso invece abbiamo un’immagine distorta e conformista del consumatore perché vediamo solo gli effetti finali di un comportamento, ignorando le cause. Non mi baso più su variabili, come il reddito, ma sulle passioni, le preferenze, la rete di relazioni di ogni persona.

Quando parliamo di machine learning e di portare codice in azienda per prendere decisioni in modo automatico, a cosa dobbiamo stare attenti?

A un overloading di informazioni. Qualunque processo, qualunque prodotto si porta dietro talmente tante variabili che rendono più complesso il processo di analisi. “Don’t be evil” è il motto di un’azienda molto famosa, ma quando si gestiscono mole di dati così grandi il rischio di comportarsi da monopolista o da “owner assoluto” delle informazioni, c’è. O quanto meno la tentazione. E resistere alle tentazioni non è sempre facile.

Fra una decina di anni, ci dobbiamo aspettare una GDPR sugli algoritmi?

Forse anche prima. Probabilmente, la responsabilità sociale d’impresa si allargherà anche alle regole con cui si costruiscono gli algoritmi e le app. La trasparenza sarà al centro dell’attenzione dei regolatori. Per noi questo strumento è un veicolo di esaltazione massima del “neorealismo”, perché il consumatore ha bisogno di cose tangibili e della massima libertà di scelta. La mia massima aspirazione è sempre stata quella di creare valore, nel modo più trasparente possibile. E sicuramente, questa è la chiave per vincere la competizione nel futuro.

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.

Vuoi sapere come comprendere i clienti e garantire la miglior customer experience?
Scarica il report gratuito in italiano di Harvard Business Review Analytics Service

Leggi il punto di vista degli esperti SAS sull'AI in questa serie di blogpost.

Back to Top