Progetto Finale

Introduction

Il nostro progetto prenderà il nome di iData, ed è stato ideato, realizzato e curato da Caterina

Passamonte, Enrico Vona, Antonio Salerno e Margherita Modica. Il campo in cui abbiamo scelto

di addentrarci non è di immediata comprensione, per cui ha richiesto molto lavoro e uno sforzo

non indifferente di tutto il team, che, anche grazie alla disponibilità di Keix (azienda cliente), è

riuscito ad ampliare il modello di business attraverso un progetto sostenibile economicamente,

finanziariamente e patrimonialmente. Keix ha già provveduto ad inizializzare i lavori per

implementare la versione beta dell’applicazione da noi concepita, e questo è forse il miglior

risultato che ci potessimo aspettare. Ma passiamo ai fatti…

Keix è un’azienda catanese che si occupa di raccogliere ed elaborare dati per fornire consulenza

aziendale, quindi per permettere ai suoi clienti di posizionarsi strategicamente al meglio all’interno

del loro settore/business. In altre parole, attraverso la raccolta e l’elaborazione dei dati, Keix

indirizza le scelte aziendali verso scelte strategiche e di marketing coerenti alla mission e alle

risorse aziendali. Le aziende clienti possono scegliere di ricevere da Keix solamente le informazioni

ottenute dall’aggregazione e dall’elaborazione dei dati, oppure di ricevere da quest’ultima anche

una consulenza volta ad implementare al meglio la “materia prima” fornitagli. Quello su cui il

nostro team ha agito è l’how, ossia il “come” l’azienda raccoglie ed elabora i dati, e la nostra

soluzione ha permesso di rivoluzionare il loro modello di business seguendo due principali

direttive: 1)Bassi costi di implementazione e 2)Ottimizzazione massima dei costi futuri. In altri

termini, non solo la nostra idea è sostenibile e quindi realistica, ma permetterà all’azienda di

risparmiare personale e risorse finanziarie nel futuro. Quindi…

How did we do it?

Siamo riusciti ad ampliare il loro core business principalmente grazie all’integrazione delle nostre

risorse (capacità manageriali 😉 ). Margherita non perdeva una parola durante gli incontri

aziendali, e i suoi appunti sono stati linfa vitale per redigere le analisi presentate e per fare

brainstorming dopo gli incontri con i responsabili d’azienda; è anche la ragazza più positiva del

gruppo e si è rivelata estremamente efficace nei momenti di maggiore sconforto. Enrico è sempre

stato un vulcano di idee: appassionato di informatica, è risultato essenziale in ogni “fase” della

“filiera” del nostro progetto, dalla creazione dell’idea alla realizzazione del video, del modello

tridimensionale, etc. Caterina è quella che potremmo definire la “Cleaner” del gruppo: Cleaner

non inteso come donna delle pulizie, ma come vero e proprio depuratore e filtro di idee: sempre

con i piedi per terra, la sua mente matematica e la sua straordinaria immedesimazione nel target

di riferimento hanno contribuito a modellare le idee di tutti e ad averne anche di innovative, una

fra tutte quella riguardante il modello tridimensionale che a breve Lei potrà visionare. Infine

Antonio, che si è sempre buttato dai primi giorni: oltre a convincere il CEO ad accoglierci e a

sposare la nostra “consulenza”, ha sempre dimostrato di non voler mai mollare, neppure quando

c’erano difficoltà temporali e fisiche che non ci permettevano di lavorare a pieno regime; sempre

informato sul mondo economico, è stato indispensabile con i suoi “Ho letto in quel libro che…”,

“Girovagando su internet ho scoperto che…”. Lavorare insieme non è stato facile, ma è stata

un’esperienza davvero incredibile.

The idea

L’idea completa è venuta fuori in due fasi. Inizialmente, girovagando su internet, ci siamo resi

conto che molte piattaforme online, come Toluna (la più famosa), raccoglievano dati dagli utenti

attraverso questionari mirati, ricompensandoli con coupon o buoni sconto spendibili in

marketplace con cui Toluna stessa stipulava partnership. Da qui l’idea di fondo, definita dal team

“modello Toluna”, di implementare in Keix un’applicazione in cui i singoli utenti venivano raggiunti

da questionari e ricompensati attraverso beni simil-monetari: un gran bel risparmio, considerando

il fatto che Keix conta una rete di rilevatori sparsi in tutta Europa e i costi che sostengono per

finanziare il processo di raccolta dati tramite essi (12.50€ l’ora per i rilevatori, oltre alle spese legali

e fiscali che devono sostenere per redigere contratti di natura non convenzionale per queste

persone che lavorano “su commessa” in paesi appartenenti all’UE, ma comunque fuori dal

territorio nazionale) risultano significativamente superiori a quelli sostenuti adottando il

cosiddetto “Modello Toluna”. Un gran bella idea che avrebbe potuto renderci soddisfatti, ma così

non è stato. Non ci sembrava abbastanza e così, spulciando internet (fino alla terza, quarta pagina

di Google!), ci siamo imbattuti in una forma di economia che sembra essersi riaffermata a partire

dalla crisi dei subprime del 2007: la sharing economy. Sostanzialmente basata su un modello di

economia circolare, prevede la condivisione, il riuso e il riutilizzo delle risorse comuni (tempo,

competenze, beni, conoscenze); si può articolare in diverse forme: sharing in senso stretto (come il

car sharing), crowding, come ad esempio il crowdfunding, pratica molto diffusa per finanziare le

nascenti startup, ma anche bartering, ossia il baratto tra privati ed aziende. E’ qui che abbiamo

avuto l’idea di restituire al consumatore finale (B2C) lo stesso prodotto che vendevamo

inizialmente solo alle aziende (B2B): le informazioni. Per superare il limite delle recensioni online e

per permetterci di risparmiare una marea di costi (seppur già tagliati grazie al “modello Toluna”)

occorreva qualcosa di davvero rivoluzionario come quella che ho appena enunciato, ossia dare al

consumatore finale, in cambio dei suoi dati di consumo, informazioni utili ai suoi fini (consigli sulla

spesa, indicazioni di risparmio), frutto dell’aggregazione dei dati forniti dalla community stessa.

L’azienda ha subito accolto la nostra proposta (che noi abbiamo definito “la startup del business

development”) e si è attivata per fornirci quanto più riscontri reali possibili, al fine di validare la

nostra idea sul campo. Abbiamo assistito ad un “Focus group” composto da 4 persone

targettizzate per età, istruzione, provenienza sociale e occupazione. A tutti loro, attraverso

domande più o meno dirette, è stato sottoposto un questionario volto a carpire la loro

disponibilità a cedere dati per ricevere in cambio informazioni: anche il più restio dei 4 (età 50+, di

bassa-media estrazione sociale) si è dimostrato favorevole a ricevere in cambio un’informazione

che gli permettesse di risparmiare il 30% sul carburante in un anno, piuttosto che un buono sconto

su Amazon del 30%. Incoraggiati dal risultato favorevole, abbiamo allargato lo spettro di target,

conducendo un’indagine statistica in cui ognuno di noi ha raggiunto in media 125 persone (per un

totale di 496) con un questionario volto a misurare, anche in questo caso, la propensione a cedere

dati per ricevere in cambio informazioni o coupon/sconti (non dimentichiamoci che anche i

coupon erano stati un’innovazione! Vedi “modello Toluna”). Il risultato è fornito nei grafici che

abbiamo elaborato

Di tutti, il grafico più importante è sicuramente l’ultimo, che evidenzia come l’81.1% degli

intervistati sia almeno sufficientemente propenso a cedere informazioni non sensibili per

riceverne in cambio delle altre. Anche in questo caso i partecipanti sono stati targettizzati e

l’indagine statistica ha avuto il successo sperato.

Analisi di business

A questo punto siamo passati alla redazione dei modelli principali per l’analisi di business:

Tabella dei competitors

Questo è senza ombra di dubbio uno dei nostri modelli più significativi, in quanto la nostra idea è

stata continuamente modellata e rivista sulla base del nostro benchmark di riferimento: i

competitors. Adesso passerò in rassegna le voci della tabella che possono risultare di non

immediata comprensione:

- Micro surveys: a differenza dei nostri competitors, che spesso pongono agli utenti della

loro piattaforma o community (per chi ce l’ha integrata, ossia è community based)

questionari che vanno dai 15 ai 25 minuti, noi abbiamo scelto di non annoiare i nostri

utenti. Infatti, da molti studi è emerso che spesso, per noi millenials, la navigazione su

internet diventa qualcosa di “passivo”: è diventato automatico scorrere la home di

Facebook o di Instagram, esattamente come era automatico per i nostri genitori starsene

imbambolati davanti la TV. Ecco perché, per catturare la massima attenzione e assicurarci

un errore statistico minore (rivendendo quindi le informazioni ad un prezzo maggiore),

abbiamo deciso di strutturare i nostri questionari secondo un formato ridotto, che

occuperà all’utente un massimo di 10 minuti, ricompensandolo comunque in maniera

adeguata.

- Premi in buoni: questa è una caratteristica che quasi tutte le piattaforme possiedono. I

buoni permettono infatti di ottenere vantaggi fiscali rispetto ad un accredito PayPal, in

quanto facilitati da sgravi fiscali che permettono all’azienda di scalare parte del loro costo

dall’imponibile. Ancora una volta la nostra scelta si dimostra orientata alla leadership di

costo.

- Premi in informazioni: ecco quella che abbiamo definito “la Startup del business

development”. Un’innovazione radicale che nessuno possiede e che, come ho già detto, ci

permetterà di “riciclare” (in ottica squisitamente “sharing”) le informazioni elaborate “in

economia” per poterle consegnare in forma aggregata alle aziende (B2B) e in un “formato”

adatto ai consumatori (B2C) in forma di consigli di risparmio, indicazioni sulla spesa, etc.

- Network Marketing System:

Noto anche come “vendita piramidale” o “multi-level marketing” (forma giuridica, quest’ultima,

illegale in alcuni paesi, secondo l’assunto che gli ultimi livelli della piramide vengano

eccessivamente sfruttati dai livelli superiori che ne traggono profitto senza una reale contro-

prestazione fisica), il Network Marketing System è una strategia di marketing che prevede che i

venditori siano compensati non solo per le vendite effettuate direttamente, ma anche per quelle

compiute da altri venditori da essi reclutati. Questo si differenzia dal cosiddetto Affiliate

Marketing, molto utilizzato dalle compagnie telefoniche per espandere la loro utenza (“Porta un

amico in Wind e riceverai 1000 minuti gratuiti di chiamate voce spendibili in Italia”) e che si

sostanzia nell’accordo tra tre soggetti; il network marketing system ci permetterà, nelle fasi iniziali,

di far espandere l’utenza della nostra piattaforma senza sostenere costi eccessivamente onerosi

per le classiche strategie di marketing (advertising ad es.), decisamente più gravose nel bilancio

iniziale. L’utente neoiscritto sarà invogliato ad attirare nuovi utenti nella piattaforma attraverso

domande mirate e il beneficio indiretto che riceverà in cambio dai suoi “reclutati”, che comunque

non perderanno parte dei loro guadagni. La strategia è pensata per ottimizzare i costi di marketing

e per permettere una diffusione più capillare della piattaforma, che avrà bisogno di quanta più

varietà possibile di utenti (età, occupazione, hobby, etc.).

- App integrata: anche questo punto si è rivelato di fondamentale importanza. A causa

dell’elevato sviluppo tecnologico e dalla forte ipercompetizione che ne è derivata, oggi gli

smartphone hanno superato la soglia del mobile e sono entrati in diretta concorrenza

anche con i notebook (concorrenza ibrida, perfettamente riconoscibile in uno strumento

come il Tablet, a tutti gli effetti l’intersezione tra smartphone e notebook). Anche i moderni

sistemi operativi dei PC hanno degli store integrati da cui scaricare applicazioni. Per questo

motivo abbiamo deciso di intercettare l’utenza presente e futura con lo sviluppo di

un’applicazione che ridurrà i tempi di attesa rispetto ad un normale sito web e sarà più

accessibile al nostro principale target di riferimento, che sarà compreso tra i 15 e i 40 anni,

più avvezzo a scaricare un’app, piuttosto che passare da un browser di ricerca.

- Community-based: qui ci giochiamo un buon 60% dei costi. L’applicazione sarà infatti

basata su un sistema di community, in cui gli utenti potranno interagire tra loro. Il fine di

quest’iniziativa è quella di intercettare un bisogno primario di qualsiasi utente, in

particolare di un utente che fornisce dati ad una community: il bisogno di relazionarsi con i

suoi simili. Consci del fatto di poter essere tallonati in qualsiasi momento da social network

come Facebook (per approfondire vedi “Prodotti sostitutivi” nel modello di Porter),

abbiamo deciso che permetteremo agli utenti di discutere pubblicamente, anche in forma

anonima, di un determinato argomento particolarmente interessante secondo i loro gusti.

Il vantaggio sarà evidente: senza neanche costruire un questionario ad-hoc, i dati verranno

veicolati automaticamente all’interno della piattaforma senza nessun costo (se io discuto

un topic pubblico non ricevo in cambio buoni o informazioni). Assorbiremo quindi una

grande quantità di dati (e il tutto è scalabile, perché più è grande la piattaforma, più dati

assorbiremo) ottimizzando al massimo i costi.

- Punti immediati dopo la registrazione e buoni disponbili già dai primi punti: anche queste

sono strategie di marketing. In un business affollato come il nostro, è difficile per l’utente

medio distinguere tra una piattaforma e l’altra. Spesso, infatti, la decisione è presa “di

pancia” e non secondo criteri razionali: è molto più appetibile un “Iscriviti e riceverai 1000

punti bonus e un buono da 5€ su Amazon dopo i primi 5 questionari!” piuttosto che un

mero “La nostra community potrà fornirti anche informazioni che ti permetteranno di

risparmiare il 30% sull’uso del carburante!”. Lo scopo di queste strategie, così come del

Network Marketing System, è quello di raggiungere la cosiddetta “massa critica”

indispensabile ad una piattaforma come la nostra, che permetterà di scalare il progetto. In

altre parole, mentre l’innovazione dell’informazione come ricompensa ci distinguerà una

volta fidelizzato l’utente, queste due variabili, unite ad un sistema di cambio adeguato,

costituiranno l’ “esca” che l’utente insegue su internet, la prospettiva del guadagno facile.

Una volta “abboccato”, l’utente sarà incitato a rimanere all’interno della community grazie

al Network Marketing System e ad un sistema community-based che gli darà qualcosa in

più che una piattaforma a cui fornire dati in modo apatico e distaccato. Il fine ultimo è

quello di creare un ecosistema in cui l’utente sarà “stimolato” da più prospettive; questo ci

permetterà non solo di acquisire sempre più utenza, ma anche di mantenerla fedele.

- Utente premium: abbiamo deciso di implementare una funzione premium per

ricompensare gli utenti particolarmente attivi all’interno della piattaforma. Calcolando

l’indice di veridicità tra le varie risposte (spesso infatti gli utenti rispondono senza neanche

aver capito la domanda) saremo in grado di individuare gli utenti più attenti, ossia coloro

che ci forniranno i dati più veritieri e “genuini”. Questo indice, unito alla presenza nei topic

e alla partecipazione a più dell’80% dei questionari sottoposti agli utenti, permetterà

all’utente di poter partecipare ad ulteriori sondaggi (che saranno più articolati e mirati dei

normali micro-surveys), e di godere di una posizione di rilievo all’interno della community

(è una sorta di sistema di gamification), stimolando così gli altri utenti, ma soprattutto gli

affiliati della piramide (in ottica network marketing system), che si suppone abbiano un

contatto più diretto con l’utente premium.

- Tasso di convertibilità: a questo punto si è presentato il problema della conversione. Tutte

le piattaforme, infatti, sono solite creare delle valute interne per ottenere vantaggi dalla

conversione monetaria. Spinti dall’azienda, abbiamo deciso di non posizionarci né all’uno,

né all’altro estremo di conversione; per questo motivo, abbiamo calcolato la media di

conversione dei principali panel competitors e abbiamo deciso di applicare un tasso di

cambio di 750cdt:1€. 4000cdt ci sembravano esagerati (da alcuni studi è emerso che

l’utente medio non si fa più facilmente ingannare da una prospettiva di guadagno TROPPO

facile), mentre 10cdt poco appetibili all’utente medio. “In medio stat virtus” dicevano i

latini…

Business Model Canvas

Per analizzare il business model canvas, partiremo da sinistra, analizzando la struttura dei costi. I

nostri key partners saranno gli utenti che ci forniranno i dati e le aziende che ci forniranno i buoni,

con cui stipuleremo quindi accordi di partnership. Noi, quindi, usufruiremo dei loro incentivi, e

loro della “pubblicità” indiretta che gli faremo permettendogli di essere presenti all’interno della

nostra community, preferendoli quindi rispetto ai loro competitors. Le nostre key activities

riguarderanno anzitutto l’elaborazione dell’informazione, che sarà possibile grazie ad algoritmi in

fase di sviluppo e alla successiva revisione dei nuovi addetti IT (inclusi anche nella nostra analisi

finanziaria), anche se l’azienda dispone già di una vasto know-how nel campo IT dovuto al fatto

che disponeva già di una struttura concepita per porre anche questionari via mail. Infatti, prima

della nostra innovazione, Keix raccoglieva dati grazie ad interviste face-to-face, interviste

telefoniche e questionari via mail, il che rende Keix più che un “nuovo entrante” in un settore che

conosce già bene. La distribuzione delle informazioni sarà possibile grazie al panel e per questo

motivo non graverà sui costi. La raccolta, invece, sarà l’attività rivoluzionata: non avverrà più

secondo le metodologie tradizionali (face-to-face, etc.) ma avverrà o tramite i questionari

sottoposti alla community oppure sarà la community stessa che, auto-generando i dati, ci fornirà,

a costo zero, la materia prima da “raffinare” al fine di renderla informazione. L’obiettivo è quello

di affiancarci al “modello Facebook”: nessun impiegato Facebook si occupa di elaborare i dati, a

loro basta raccoglierli e rivenderli senza elaborarli, poiché riescono a raccoglierne una quantità

immensa. In questo modo andremo a sfruttare una caratteristica implicita di un modello

community-based che permetterà di “spalmare” i costi totali su un volume più ampio di dati.

Arrivati all’informazione elaborata, quindi al prodotto finito, potremo fornire consulenza alle

aziende (B2B) sulla base delle nostre previsioni di mercato. Ora, considerando il fatto che Keix

lavorava su commessa delle aziende, che la incaricavano di raccogliere, elaborare i dati ed

eventualmente fornire consulenza annessa, il modello si invertirà. Adesso saremo noi che,

informazioni alla mano, ci presenteremo dai clienti proponendogli un pacchetto che non potranno

rifiutare, costituito dalle informazioni e dalla consulenza che questa volta non sarà più opzionale,

ma compresa nel pacchetto completo. Il meccanismo del potere contrattuale reagisce di

conseguenza: non lavorando più su commessa, quindi in esclusiva per un’azienda, potremo far

leva sulla concorrenza nei settori di riferimento. Se Tomarchio rifiuta il mio pacchetto, questa volta

dovrà ben tenere presente il fatto che io potrò andare alla San Pellegrino a proporre la stessa

identica cosa: disponendo quindi di un potere contrattuale più forte, avremo la garanzia che la

consulenza non sarà più un optional e il pacchetto completo vedrà il suo prezzo finale

incrementato grazie alla posizione di potere contrattuale assunta. Le nostre key resources saranno

principalmente i dati. Il dato, però, non sarà più, come prima dell’innovazione, utilizzabile

solamente per una commessa, ma sarà upsellato, ossia avremo la facoltà di ricontestualizzare,

dunque riutilizzare il dato per elaborare più informazioni, sfruttando al massimo il potenziale

intrinseco di ogni dato. Se un mio utente mi dice che utilizza il balsamo Pantene 3 volte a

settimana dopo lo shampoo, io posso utilizzare questo dato per rivenderlo a Pantene, ma anche

per uno studio riguardante l’igiene media e la cura personale, o utilizzarlo per aprire un topic

“Quante volte detergi i tuoi capelli settimanalmente?” per indirizzare le scelte strategiche e di

marketing dei prodotti complementari (maschera, phon, piastre, etc.). Altra risorsa di cui ci

serviremo sono i cosiddetti SaaS. A differenza dei server remoti, i servizi SaaS (Software as a

Service) consentono agli utenti di connettersi ad app basate sul cloud tramite Internet e usare tali

app. In altre parole, si tratta di un servizio che permette di risparmiare ingenti investimenti iniziali

per l’acquisto di server fisici, sostituendo questi costi con una “fee” da pagare al provider che

fornisce il servizio di Cloud (molto famosi gli Amazon Web Services, a cui pensiamo di affiliarci, e

che contano tra i loro clienti Netflix, Apple, etc.). L'infrastruttura sottostante, il middleware, il

software delle app e i dati delle app si trovano tutti nel data center del provider di servizi. Il

provider di servizi gestisce l'hardware e il software e, con il contratto di servizio appropriato,

garantisce la disponibilità e la sicurezza dell'app e dei dati. Rischiando di diventare ripetitivo, mi

preme sottolineare ancora una volta la maniacale attenzione che abbiamo riservato ai costi, per

permettere all’azienda di implementare la versione beta dell’applicazione il prima possibile e di

cominciare dunque a dialogare con i “lead users”, i quali consigli renderanno il panel ancora più

“customer-oriented”. La struttura dei costi risulta quindi delineata nelle sue componenti di

massima. La componente più importante, ossia quella del marketing, sarà significativamente

appiattita dai vari sistemi alternativi che abbiamo pensato per l’app (Network Marketing System,

buoni disponibili già dai primi punti e al momento dell’iscrizione, etc.), anche se non sono esclusi

investimenti inziali in canali più onerosi (sicuramente non in TV, ma su Facebook sì, dati i

meccanismi che dominano questo social network come vedremo nel modello di Porter in “prodotti

sostitutivi”), finalizzati al raggiungimento della massa critica necessaria al panel per raccogliere

una quantità significativa di dati, i nostri “raw materials”. I costi di partnership saranno

proporzionali al numero di utenti che riscuoteranno i premi simil-monetari, quindi abbiamo la

certezza che saranno coperti interamente dai ricavi che genererà la vendita delle informazioni

ottenuta dall’elaborazione dei dati. I costi di implementazione e di manutenzione della

piattaforma saranno anch’essi “addomesticati”, oltre che dall’adozione dei SaaS, anche dal

capitale umano e intellettuale dell’azienda stessa, che è già dotata di tutte le strumentazioni

fisiche adatte all’implementazione e alla manutenzione di un’applicazione. Per rendere chiara

l’idea, la nostra indagine statistica, allegata ad un link e al relativo programma di calcolo dei dati

forniti, è stata creata dall’azienda in meno di tre ore, e nonostante alcuni “bug” durante i giorni in

cui abbiamo sottoposto le domande ad amici e familiari, la manutenzione è stata tempestiva.

Passiamo adesso alla parte destra del canvas, che riguarda il flusso di ricavi. La nostra customer

relationship sarà principalmente fondata sul concetto di community. Sentirsi parte di un gruppo è,

come già accennato, un bisogno estremamente fondamentale per l’uomo; questo diventa ancor

più marcato (e questo è emerso anche dai “focus group”) all’interno di un panel in cui gli utenti si

scambiano dati. Noi saremo semplicemente i moderatori di una realtà che vogliamo funzioni da

sola; il nostro compito sarà quello di incastrare nel modo migliore i tasselli dell’applicazione,

trovando il giusto equilibrio anche grazie ad un continuo dialogo con l’utenza più attiva (anche gli

utenti premium potrebbero fornirci indicazioni su come migliorare il panel). Inoltre l’utente sarà

profilato, per fornirgli questionari adatti alla sue caratteristiche (età, preferenze, etc.) o per

indirizzarlo verso topic per il quale l’utente è più “portato”. Il profiling sarà ovviamente effettuato

con il consenso dell’utente e nei limiti della normativa sulla privacy: tutti i social network ci

profilano, e noi, dovendo raccogliere dati, abbiamo estremamente bisogno dell’implementazione

di questa particolare funzione per fornire servizi migliori e customer-oriented. I nostri canali

principali saranno la community per il B2C e il contatto diretto per il B2B. Non voglio annoiare il

lettore descrivendo il come e il perché abbiamo scelto la community, perché ormai avrà ben chiare

entrambe le variabili; quello su cui voglio soffermarmi è piuttosto il contatto diretto con le aziende

clienti. Per il B2B, abbiamo pensato infatti che la cosa migliore sia il contatto diretto: in tema di

consulenza non c’è metodo migliore, a nostro avviso, che la proposta diretta veicolata da un

individuo che “sa vendere” il prodotto nel migliore dei modi. Anche in questo caso abbiamo preso

spunto dal mondo della consulenza ed in particolare da Accenture, la società di consulenza più

famosa e innovativa al mondo. Il flusso dei ricavi sarà dunque costituito dall’information selling, la

nostra attività di punta, e dall’annessa consulenza mirata, che sarà strutturata e contestualizzata

in relazione all’azienda cliente. Non solo, perché beneficeremo dei ricavi provenienti dalla

pubblicità all’interno della piattaforma, che non sarà condotta solamente secondo i metodi

tradizionali, quindi riguardanti l’inserzione, ma anche attraverso forme di pubblicità secondarie

(vedi voce “inserzionisti” nel modello di Porter per un approfondimento più dettagliato).

Particolare attenzione va riservata anche alla voce “Upselling del dato”: il dato, infatti, come già

accennato, potrà essere nuovamente assemblato e ricontestualizzato secondo le esigenze

dell’azienda cliente. Inoltre, dal punto di vista di Keix, anche il concetto di “dato” cambierà: da

semplice materia prima si trasformerà in una commodity, che potrà quindi essere acquisita

dall’utente X o dall’utente Y, e poi rivenduta secondo le esigenze all’azienda Z e all’azienda K (per

comprendere bene questo concetto, la “lettura visiva” della prima immagine del documento sarà

sicuramente d’aiuto). Approdiamo quindi alla nostra proposta di valore, che si regge su tre pilastri:

incentivi, informazioni, consulenza. Gli incentivi saranno corrisposti agli utenti secondo varie

forme (coupon, buoni sconto, informazioni utili alla spesa), le informazioni aggregate saranno

invece fornite alle aziende unitamente alla consulenza, secondo il pacchetto che abbiamo già

analizzato. Il nostro core business risulta quindi delineato nella dimensione di un incontro tra il

mondo dei big data e quello della consulenza (concorrenza ibrida), ma questo aspetto sarà più

dettagliatamente ampliato nella sezione “potenziali entranti” del modello di Porter.

Modello di Porter:

Partiamo dai fornitori:

1) Utenti costituiscono i cosiddetti “data collectors”, ossia tutti noi che, ogni giorno,

generiamo e immagaziniamo un’incredibile quantità di dati. Perché non guadagnarci

sopra? Il potere contrattuale degli utenti-fornitori è in realtà relativamente basso, perché

secondo la nostra visione, il dato rappresenta una commodity, quindi gli switching cost per

noi (clienti in questo caso) risultano relativamente bassi. Se non trovo un 15enne che mi

vuole fornire un dato, ne avrò molti altri che saranno disposti a farlo in cambio di un

coupon spendibile da MediaWorld (o forse no, dato che proprio i giovani scarseggiano nel

nostro paese…).

2) Aziende imprese con cui stipuleremo partnership al fine di ottenere gli incentivi da

“girare” agli utenti-fornitori di dati. Le aziende con cui stipuleremo partnership,

diversamente dagli utenti, avranno un potere contrattuale leggermente più forte, perché

gli utenti, spesso, sono molto legati al brand dell’impresa della quale forniremo il coupon o

lo sconto. Io preferisco un buono su Amazon che su IBS, perché mentre nel primo posso

acquistare praticamente tutto, nel secondo la mia scelta sarà giocoforza orientata verso un

libro.

Passando ai competitors, si rimanda alla tabella dei competitors e alla mappa di

posizionamento che prendono in esame le caratteristiche salienti dei nostri competitors,

mettendole a paragone con le nostre.

Arriviamo dunque alla fine della dimensione verticale del modello, ossia ai clienti. Essi sono:

1) Utilizzatori dell’app i “data collectors” già citati non saranno solo i nostri fornitori di

punta, ma anche i nostri principali clienti, dal momento che dovranno adeguatamente

essere remunerati per il dato fornito, attraverso incentivi simil-monetari (coupon,

buoni sconto) o informazioni frutto dell’aggregazione dei dati della community stessa,

come consigli sulla spesa o indicazioni di risparmio.

2) Aziende con cui stipuleremo partnership per gli incentivi all’occorrenza, anche loro

potranno assumere il doppio ruolo di fornitori-clienti, dal momento in cui potremo

fornire loro informazioni utili al posizionamento strategico e consulenza in cambio degli

incentivi da “girare” agli utenti. In questo modo risparmieremo in termini puramente

finanziari puntando su un “pacchetto” di non indifferente appetibilità. In altre parole,

avremo minori uscite di cassa, ma forniremo quello che sappiamo “produrre” meglio:

informazioni e consulenza, al fine di ottenere sconti sulla fornitura degli incentivi

3) Aziende a cui vendere informazioni e consulenza annessa loro saranno la nostra

principale fonte di revenue: attraverso l’aggregazione e l’elaborazione dei dati della

community, saremo capaci di generare informazioni utili al posizionamento strategico e

di marketing delle aziende clienti, che potranno anche scegliere di essere da noi

assistite nell’implementazione e nel completo sfruttamento del prodotto fornitogli

(consulenza). Abbiamo anche pensato che potremo offrire loro uno sconto in cambio

dell’accesso alla loro banca dati. Andremo, ad esempio, da COOP e le diremo: “Potresti

pagare le nostre informazioni e l’annessa consulenza 15.000€, ma se ci fai accedere alla

tua banca dati (ottenuta con la fornitura delle cosiddette “carte fedeltà”), ne pagherai

10.500€”

4) Inserzionisti aziende che si vorranno pubblicizzare all’interno della piattaforma, che,

essendo aperta ad un target estesissimo, potrà accogliere pubblicità di aziende di ogni

tipologia. Persino il posizionamento nei sondaggi sarà fonte di ricavo dalla pubblicità.

Se io ti chiedo: “Quale prodotto preferisci per la cura dei capelli? 1-Pantene, 2-Nivea, 3-

Head&Shoulders, 4-L’Oreal, 5-Bioscalin, etc.” ovviamente Pantene, che avrà il primo

posto nel sondaggio, pagherà qualcosa in più per essere vista per prima dai

consumatori.

Passando alla dimensione orizzontale del modello, analizziamo i potenziali entranti:

1) Società di consulenza non sarebbe difficile per grandi multinazionali come Accenture

(che dispongono anche di un capitale decisamente più corposo del nostro) aprire un

panel di raccolta dati, dal momento che essi sono già esperti in consulenza e mancano

solamente del reperimento dei dati, che alzerebbe drasticamente il prezzo delle loro

consulenze.

2) Società di raccolta dati come i competitors che abbiamo analizzato, che potrebbero

anche aprire un ramo di consulenza per dare più “corposità” alla loro offerta.

In altre parole, quello che noi abbiamo fatto è integrare due mondi come quello della

raccolta dati e della consulenza, apparentemente distanti, ma in realtà strettamente

collegati. Pertanto chi si occupa o di consulenza o di raccolta ed elaborazione dati

potrebbe integrarsi ed entrare direttamente nel nostro business, pur non avendo il

nostro know-how.

Infine, analizziamo i prodotti sostitutivi:

1) Recensioni online nonostante le nostre informazioni aggregate siano

qualitativamente superiori, non dimentichiamoci che, ad esempio, su youtube, esistono

vere e proprie imprese che si occupano di monetizzare proprio dalle recensioni (ad

esempio, telefonino.net per le recensioni dettagliate dei nuovi smartphone), che

risultano molto gradevoli dal momento che danno un impatto visivo non indifferente al

consumatore, che noi, per evidenti limiti fisici e per non rischiare di differenziare

troppo il nostro prodotto, non possiamo fornire.

2) Interviste face to face e interviste telefonichedi cui Keix si occupa già da adesso ma

che abbandonerà una volta creato il panel, dal momento che potrà ridurre

significativamente i costi grazie all’innovazione da noi apportata. Questo non toglie il

fatto che, comunque, questi due tipi di reperimento dei dati risultano alternative al

nostro nuovo modello.

3) Gruppi di interesse: su Facebook, ad esempio, esistono moltissimi gruppi di interesse

tematici, in cui le persone scambiano pareri e recensioni tra i più disparati. Essi sono il

più valido tra i nostri prodotti sostitutivi, ma l’interesse nel fornire i dati alla nostra

community proviene dall’irrinunciabile incentivo che gli utenti hanno nel fornire

informazioni al nostro pannello, piuttosto che a Facebook, da cui non otterranno nulla.

Il social network di Zuckerberg infatti raccoglie già una quantità davvero

incommensurabile di dati, se per caso decidesse di “integrarsi” cominciando ad

elaborare da sé i dati, sarebbe le fine per tutte le piattaforme di raccolta dati online…

SWOT Analysis

La SWOT Analysis non è altro che la schematizzazione dei concetti che fino ad ora sono

stati trattati. Potrei elencarli nuovamente, ma non mi sembra giusto per non annoiare il

lettore e per non gonfiare eccessivamente il documento con concetti ridondanti. Si

consiglia quindi una lettura veloce dello schema. Analizzerò quelle componenti che

richiedono una più attenta valutazione perché non ancora trattate. Le carenze

normative sulla sharing economy sono considerate un punto di vantaggio, in quanto

dalle nostre ricerche è emerso che l’ordinamento italiano, per via della struttura del

nostro potere legislativo, fatica a tenersi continuamente aggiornato sulle varie forme di

economia alternative che proliferano a seguito della stagnazione dei consumi. Questo

permette alla nostra impresa di non sostenere costi di nessun tipo per il trasferimento

dell’informazione all’utente (e che, invece, dovrebbe essere tassata come tutti gli altri

beni) e di godere di forme particolari di sgravi fiscali per quanto riguarda gli accordi di

partnership con le aziende che forniranno gli incentivi simil-monetari. L’unica

componente restante che non ho analizzato in altri modelli riguarda l’ “elevato potere

contrattuale dei competitors nei confronti dei partner”: Toluna, ad esempio, contando

più di 2 milioni di utenti attivi, acquisterà sicuramente i coupon da Amazon ad un

prezzo minore rispetto a quello che sosterremo noi, perché giocherà sulla quantità

maggiore che farà inevitabilmente abbassare il prezzo. Ma, come ho già detto, il nostro

progetto è completamente scalabile, quindi il tempo ci darà le nostre risposte…

Analisi finanziaria

Non sono pochi i progetti che, nonostante un’ottima base concettuale, vengono tagliati fuori dal

mercato, che spesso si rivela uno spietato selezionatore. Dall’inizio del progetto abbiamo sempre

tenuto d’occhio l’evoluzione finanziaria, coniugando le idee ai fatti. Ecco quello che è venuto fuori.

Il piano finanziario che abbiamo preparato visualizza i costi e ricavi che prospettiamo si possono

generare già dal primo anno di vita di iData.

Il primo e indiscutibile costo da sostenere concerne l’implementazione della piattaforma, che

abbiamo stimato in € 20.000 (Keix ci ha aiutato), ammortizzabili in 5 anni, con quote di

competenza pari a € 4.000 l’anno.

I costi di marketing, anch’essi ammortizzabili in 5 anni, rispecchiano il 20% del fatturato totale

ipotizzato e sono pari a € 3.300 l’anno.

I costi del Cloud, intesi come tutti quei costi inerenti alle apparecchiature elettroniche,

informatiche e ai SaaS (software as a service) per raccogliere ed elaborare i dati, incidono sul

nostro piano finanziario di circa € 8.000; invece la manutenzione della piattaforma richiederà una

cifra pari a € 2.000.

Ipotizzando, insieme all’impresa un aumento del personale IT, ossia sviluppatori della piattaforma,

di circa due unità, al lordo il loro costo ammonterà ad € 45.000.

Ultimi, ma non per importanza, sono i costi degli incentivi, che hanno richiesto particolare

attenzione ed impegno da parte di tutto il team: tale costo è calcolato supponendo che, nel primo

anno di attività, verranno effettuate 50 indagini statistiche sottoposte ad un utenza di 500

persone, per un totale di 25.000 sondaggi, che è il risultato della moltiplicazione tra i due elementi

sovracitati ed esso viene interpretato come la somma dei sondaggi che sono stati effettuati

dall’intero panel. Considerando che €1=750 cdt, il valore precedentemente ottenuto è stato infine

moltiplicato per €1 che rappresenta il costo unitario dei sondaggi, pervenendo ad un costo degli

incentivi pari a € 25.000.

Pertanto, date le stime effettuate sui costi, siamo pervenuti a un costo totale dell’anno t0 pari a

€87.300.

La previsione dei ricavi è risultata più difficoltosa e complessa, tuttavia siamo ugualmente giunti ad

una stima, più possibile attendibile e vicina al vero.

Le nostre maggiori fonti di ricavi sono:

La vendita delle informazioni, il cui valore è stato calcolato, immaginando di vendere al

prezzo unitario di €1000 euro informazioni a 50 imprese, ricavando, quindi, da tale vendita

€ 50 000.

La consulenza, offerta ad un prezzo unitario pari a €1500 euro, che abbiamo ipotizzato

essere destinata a 20 imprese, ci consentirà un guadagno pari a € 30.000.

La pubblicità all’interno della piattaforma, che ci permetterà di conseguire degli introiti pari

a € 30.000, è stata quantificata mediante il confronto con esperti del settore.

Dalla valutazione di tali voci dei ricavi si stima un fatturato pari a € 110.000, ottenendo così un

margine operativo positivo uguale a € 22.700 già dal primo anno. Poco secondo qualcuno, ma

considerando che dovremmo ammortizzare i costi iniziali, e soprattutto il fatto che siamo stati

estremamente realistici, se non pessimisti, nella stima dei ricavi (500 è un dato volutamente

sottostimato, il progetto è scalabile al 100%), si arriva alla considerazione che gli utili non potranno

che salire, sulla base del fatto che la nostra struttura dei costi è basata per lo più su fattori variabili

(proporzionali ai ricavi), quindi in ogni caso il margine operativo sarà in utile.

Mappa di posizionamento tridimensionale

Concepita con l’idea di contenere solamente due variabili, la nostra mappa di

posizionamento si è inaspettatamente rivelata creativa e fuori dagli schemi. Abbiamo

deciso di prendere in analisi tre variabili: presenza o meno della community, tasso di

convertibilità (calcolato facendo una media dei principali tassi delle piattaforme

competitors: 1€/crediti ottenuti con quell’euro) e infine premi in informazioni, che noi

abbiamo definito “la start up del nostro business development”. Quello che è venuto

fuori è un cubo “alla Abell” (realizzato con paint 3D) in cui noi occupiamo un’area

decisamente più voluminosa delle rispettive aree dei nostri competitors. Per non

confondere troppo, abbiamo però deciso di prendere in analisi un competitor avente

solamente una delle tre variabili, quindi un punto unidimensionale, un altro avente due

variabili su tre, che occupa quindi un’area bidimensionale, e paragonare entrambi i

competitors al nostro panel che occupa un’aria tridimensionale, essendo l’unico a

svilupparsi secondo le tre variabili prese in considerazione.

Ansoff Matrix

La matrice di Ansoff, apparentemente uno dei modelli più facili da strutturare, si è

rivelata invece molto complessa. Convinti di aver creato un nuovo mercato, frutto

dell’incontro tra il settore dei big data e quello della consulenza, eravamo orientati

verso il market development. In realtà, facendo brainstorming, ci siamo resi conto che

in effetti nel mercato non c’è nulla di nuovo, perché abbiamo molti competitors che

raccolgono dati e molti potenziali competitors che forniscono consulenza e potrebbero

integrarsi “a monte” raccogliendo dati. La nostra innovazione riguarda più la sfera dell’

“how”, ossia il come noi raccoglieremo dati e li rivenderemo, ma i mercati in cui

operiamo esistono già e, secondo le nostre previsioni, conosceranno una proliferazione

anche nel breve termine. Pertanto abbiamo optato per la market penetration, dal

momento che anche il prodotto finale esiste già (informazioni, consulenza). Quello che

abbiamo creato non è altro che una sincretizzazione eclettica dei due settori in cui

entreremo, che presto diventeranno, per molte aziende come la nostra, un unico

business ben definito.

Last, but not least…

La nostra proposta non è di immediata comprensione, non è “disrupting” (ma occhio

all’idea delle informazioni), ma siamo profondamente convinti sia fattibile al 100%,

anche nel breve termine. Per questo motivo Keix ha già avviato le prime fasi di sviluppo

dell’applicazione. Abbiamo lavorato con Keix più di 30 ore face-to-face, mentre altre 40

ore sono state spese dal team per la pianificazione e la gestione delle varie scadenze;

per questo motivo abbiamo calcolato un costo totale per Keix di 7,300€ (25€ l’ora x 4

componenti del team x 70h di lavoro + 300€ per l’utilizzo di programmi quali Excel,

PowerPoint, Sony Vegas, Word, etc.). In Italia esiste solo un dipartimento, afferente

all’Università Sapienza di Roma (creato da qualche mese), che si occupa di formare

figure professionali specializzate nei “big data” e il settore cresce del 400% l’anno.

Grazie ad un utilizzo responsabile delle informazioni fornite, metteremo le aziende

nelle condizioni di risparmiare migliaia, se non milioni di euro in R&S, ricerche di

mercato, etc. permettendo quindi all’intera collettività di beneficiarne, dal momento

che questo evento si tradurrà in una diminuzione dei prezzi dei prodotti finali. Con la

promessa di restare in contatto con l’azienda, ci siamo augurati di vedere la nostra

applicazione in funzionamento al massimo nel 2019. Ogni giorno su internet viaggiano

44 trilioni di gigabyte di dati, il 60% di questi viene perso nelle reti di internet stesso;

utilizzarli al massimo significa rendere più efficiente l’intero sistema produttivo, senza

limiti settoriali o geografici, dal momento che il cliente rappresenta il centro di qualsiasi

forma di impresa. La scalabilità del nostro progetto è pressoché illimitata e i costi (odio

essere ripetitivo ma devo) sono quasi trascurabili; non ci resta che stare a vedere…

“Nei soli Stati Uniti, per poter sfruttare efficacemente le potenzialità dei big data nei

processi decisionali occorrerebbero dalle 140 alle 190 mila persone.”

-Vincenzo Cosenza, esperto di marketing e comunicazione sul web

Progetto realizzato da:

Margherita Modica

Caterina Passamonte

Antonio Salerno

Enrico Vona