Per agire con successo nel dinamico mondo dell’eCommerce bisogna essere in grado di intercettare e soddisfare le necessità e gli interessi in rapida evoluzione dei clienti online. Un’attività complessa, ma fondamentale, per la quale il Programmatic Prospecting si rivela un valido alleato. Con il supporto del machine learning, permette, infatti, di analizzare e valutare in tempo reale, in modo rapido e con efficacia qualsiasi esigenza del consumatore digitale.
L’impatto del Coronavirus
Le normative emanate dal Governo italiano nei mesi più difficili della pandemia hanno bloccato inevitabilmente le attività dei negozi fisici innescando un’immediata e automatica corsa agli acquisti online. In un sondaggio condotto da Casaleggio Associati su 58 operatori rappresentativi di tutti i settori merceologici, il 54% degli intervistati dichiara però un calo del fatturato, mentre solo il 21% ne registra un incremento. Tra gli operatori più colpiti emergono quelli appartenenti ai settori di Abbigliamento, Casa e arredamento e soprattutto Turismo. Assistono invece ad un aumento medio del 96% industry come l’intrattenimento online e la formazione o i negozi online di alimentari che da soli hanno visto un +300%.
Tuttavia dagli ultimi dati rilasciati dal Netcomm, risulta evidente un impatto della crisi sanitaria a livello di consumatore finale. Nei primi 5 mesi del 2020 sono stati registrati 2 milioni di nuovi clienti online in Italia (vs 700.000 gen-mag 2019), 1,3 milioni dei quali, secondo le stime del Consorzio del Commercio Digitale Italiano, sono da attribuire al Covid-19. Durante la crisi, i clienti degli store online sono quindi aumentati ulteriormente considerandolo sempre più un normale canale di acquisto. E come rispondono i brand? Sconti e offerte sono sufficienti per attirare i nuovi consumatori? Ecco perché ora più che mai è importante esaudirne tempestivamente le nuove richieste, dettate anche dall’epidemia, puntando sul Programmatic Prospecting.
Prospecting vs Retargeting
Anche se il Prospecting e il Retargeting sono spesso considerati separatamente, è la combinazione di entrambi che garantisce le elevate prestazioni di una campagna digitale. Vediamo le loro principali differenze:
Prospecting
- Agisce nella parte più alta del funnel
- Obiettivo: portare nuovi e qualificati utenti al proprio negozio online
- Conversione immediata o attraverso il retargeting
- Vantaggio: identificazione e indirizzamento di utenti qualificati prima ancora che entrino in contatto con il brand o lo shop online
- Svantaggio: utilizzato da solo non è efficace perché non indirizza nuovamente gli utenti che non si sono convertiti durante la prima esposizione dell’annuncio.
Retargeting
- Agisce nella parte più bassa del funnel
- Obiettivo: attrarre gli utenti che hanno già visitato l’eCommerce e invogliarli a convertirsi
- Vantaggio: accelera la decisione di acquisto
- Svantaggio: nel peggior dei casi, si assiste ad un’eccessiva esposizione del consumatore allo stesso messaggio e ad un miglioramento delle vendite solo nel breve periodo perché gli utenti avrebbero comunque effettuato l’acquisto, ma in un periodo di tempo più lungo.
La tecnologia alla base del Prospecting
Il Prospecting nella pubblicità in programmatic si fonda su una comprensione approfondita del comportamento dei clienti online acquisita dai data vendor con il supporto del machine learning. Alla base del processo troviamo quindi i dati di prima parte resi disponibili dal sito eCommerce specifico. I dati raccolti vengono così utilizzati per analizzare il comportamento online, le caratteristiche demografiche e le preferenze dei clienti esistenti e per creare dei modelli con algoritmi di IA.
Queste caratteristiche comportamentali spesso potrebbero sembrare completamente prive di significato a prima vista, ma poiché la macchina è in grado di confrontare enormi quantità di dati, riesce a valutare in modo oggettivo dettagli che in un primo momento sembrano insignificanti. Rivelandosi gli stessi per un numero sufficiente di clienti, possono essere integrati in un modello e fungere da indicatore di interesse per il prodotto. Impiegando questo modello del customer persona, vengono quindi identificati i cosiddetti “Programmatic Twins”, ossia i potenziali clienti online con un comportamento simile così come definito dall’algoritmo. A tale scopo, i data vendor utilizzano fonti di dati che tracciano l’intero Open Internet confrontandole con dati di prima parte.
Anche in questo caso, l’aggiornamento dei dati diventa fondamentale. Quanto più fresco è il set di dati su cui si basano le analisi, tanto più precise sono le microtendenze del comportamento online che possono essere analizzate e implementate nella pubblicità.
Il Machine Learning pensa “Out Of The Box” e quindi mostra ai retailer nuovi target di consumatori che prima non avevano nemmeno notato. E, aspetto importantissimo, il machine learning mantiene il sangue freddo anche nei peggiori momenti di crisi. Ciò consente di reagire in modo razionale ai rapidi cambiamenti in tempi dinamici. L’obiettivo dei retailer online deve quindi puntare alla sostituzione del puro retargeting con campagne pubblicitarie digitali olistiche in cui coesistono sia prospecting che retargeting.
Consigli chiave per l’eCommerce
- Non affidarsi solo al retargeting e ai clienti esistenti, ma trovare nuovi consumatori qualificati attraverso il prospecting
- Ottenere il massimo dai dati di prima parte affidandosi a partner specializzati
- Utilizzare dati di alta qualità e aggiornati in tempo reale per identificare tendenze spontanee e raggiungere i clienti al momento giusto
- Pianificare campagne pubblicitarie digitali olistiche con un equilibrio tra prospecting e retargeting
