Il business della personalizzazione

1

Come le imprese guadagnano vantaggio competitivo attraverso modelli e tecnologie 'one-to-one'

Michele Gorgoglione, Umberto Panniello - Politecnico di Bari

Sommario

• Il business one-to-one– solo un fenomeno legato a Internet?

• Che cos’è la personalizzazione– casi di business

2

– casi di business

• Come personalizzare– decisioni chiave

• Qual è la frontiera della ricerca applicata– progetti di ricerca del Politecnico di Bari

L’era della personalizzazione

3

Il futuro “oggi”

4

5

6

7

8

9

10

Perché adesso

• La centralità del cliente– anni ’20

• A. Sloan “a car for every purse”

– anni ’50• W. Smith “segmentazione”

11

• W. Smith “segmentazione”

– fine anni ’80• C. Romiti “il cliente innanzitutto”

– anni ’90• Marketing one-to-one, CRM• Datawarehousing, Datamining, Business intelligence

– ½ anni ’90• Web technologies

La convergenza tecnologica

Marketing CRM

12

Datamining Web

Aspettative e iniziali delusioni

• “Abbiamo 6,2 milioni di clienti… dovremmo avere 6,2 milioni di negozi”Jeff Bezos, Amazon, 1999

13

• “Nessuna applicazione di business ha deluso quanto la personalizzazione”Ted Kemp, InternetWeek, 2001

Il ritorno

14

Che cos’è la personalizzazione

• Trattare diversi clienti in modo diverso(Peppers e Roger)

• Capacità di fornire prodotti e servizi calibrati a ciascun individuo e basati sulla conoscenza del suo comportamento

(Hagen)

15

• Costruire fedeltà attraverso relazioni one-to-one, capire i bisogni di ciascun individuo in un certo contesto, in modo efficiente

(Riecken)

• Trattare ogni cliente come un individuo unico ed a servire i suoi bisogni specifici

(Pal e Rangaswamy)

• Web personalization è fornire contenuti sulla base degli interessi di ogni singolo utente

(Wikipedia)

Processo di personalizzazione

Misurazione dei risultati

Miglioramento della strategia

misurare

feedback

16

Raccolta dati

Customer profiling

Associazione profilo - azione

Offerta / Azione

capire

agire

feedback

Frammenti di personalizzazione…

17

Due business case

• Settore– finanziario

• Problema di business– diminuire il tasso di

• Settore– e-commerce

• Problema di business– rendere la newsletter più

18

– diminuire il tasso di abbandono dei clienti

– rendere la newsletter più interessante

Quali dati?

• Servono nuovi dati?

• È facile ottenere quelli esistenti?

19

• Tutti o una parte?

• Vanno ristrutturati?

Come analizzare i clienti?

• Esiste il cliente medio?

• Quanti profili?

20

• Con quali dati profilare?

Quali azioni rivolgere e a chi?

• I dati contengono già le azioni?

• Le azioni vanno definite

21

a priori?

• Posso dedurre le azioni dai profili?

• Da altri clienti?

Personalizzazione a misura di business

• Che cosa personalizzare– tangibilità dell’offerta– granularità – causalità – timing

• Quale metodo e tecnologia– canale e tecnologia– interazione– variabili di profilazione– tipo di profilo/modello

22

• Per quali clienti– granularità dell’unità di

analisi– raggruppare i clienti

• Come definire le azioni– computazionale– per similarità– top-down– bottom-up

Quando vale la pena

• Clienti– personalizzare aggiunge

valore– costi diretti

• subscription

– costi indiretti

• Imprese:trade-off benefici vs. costi

– satisfaction– loyalty, retention, churn

23

– costi indiretti • sforzo cognitivo, privacy,

tecnologia, sicurezza, feedback

• Imprese– comportamenti e bisogni dei

clienti variegati– sono disponibili molti dati

sui clienti– l’offerta può essere

differenziata

– loyalty, retention, churn– LTV– tassi di conversione

– raggiungibilità – costi di targeting– rischi– errori di misclassification

Progetti di ricerca - Politecnico di Bari

• Modelli predittivi contestuali– prevedere il comportamento del cliente in contesti diversi– inferire il contesto (senza coinvolgere il cliente)

1,00

24

0,50

0,60

0,70

0,80

0,90

1,00

WholeDB Cluster10 Cluster100 Single

UncontextualGiftPersonal

Progetti di ricerca - Politecnico di Bari

• Segmentazione contestuale– il modo migliore per segmentare il mercato varia a

seconda del contesto

1800

2000

25

0

200

400

600

800

1000

1200

1400

1600

0 20 40 60 80 100 120

SSE_Uncontext.1

Uncontextual_all attributes

SSE_Uncontex.2

Best Uncontextual

SSE_GIFT

SSE_PERSONAL

Progetti di ricerca - Politecnico di Bari

• Costi della personalizzazione– quanto costa personalizzare?– quanto conviene?

70000,00

80000,00

26

0,00

10000,00

20000,00

30000,00

40000,00

50000,00

60000,00

70000,00

R1 R2 R3 R4 R5 R6

COST RATIO

Uncontextual

Gift

Personal

Progetti di ricerca - Politecnico di Bari

• Sistemi di raccomandazione– i prodotti giusti al cliente giusto

27

Progetti di ricerca - Politecnico di Bari

• Azioni personalizzate– aumentare il valore di ogni cliente bilanciando costi e

benefici– a chi rivolgere azioni personalizzate?

28

frequenza

denaro speso

marginali3.843

“growable”714

“growable”526

premium894

Progetti di ricerca - Politecnico di Bari

• Partnership di ricerca– A. Tuzhilin – New York University, Stern (USA)– S. Anand – University of Warwick (UK)– S. Hill – University of Pennsylvania, Wharton (USA)– K. Hosanagar – University of Pennsylvania, Wharton (USA)

29

– K. Hosanagar – University of Pennsylvania, Wharton (USA)– S. Sen - Fairleigh Dickinson University (USA)– P. Klaus – Cranfield University (UK)

• Partnership industriali– e-commerce (IT)– istituto di credito (IT)– editore (IT)– beni di consumo (UK)

Contatti

Michele GorgoglioneDIMEG - Politecnico di BariDip. Ingegneria mecc. e gestionale

Viale Japigia, 182

Umberto PannielloDIMEG - Politecnico di BariDip. Ingegneria mecc. e gestionale

Viale Japigia, 182

30

m.gorgoglione@poliba.it+39 0805962765

u.panniello@poliba.it+39 0805962725

Ingenium

Spin-off del Politecnico di Bari

Politecnico di Bari

DIMEG