Più conosci i tuoi utenti e clienti, maggiori sono le possibilità di mettere in campo efficaci strategie di personalizzazione della customer experience.
Informazioni anagrafiche, dati comportamentali su preferenze e abitudini di acquisto, interessi e dati psicografici, come sappiamo, sono alla base di un’efficace strategia di profilazione, ma quanto è possibile conoscere gli utenti che interagiscono con le properties digitali e non di un brand o con le sue campagne ADS?
Un dato emerge in modo significativo: in Italia solo l’1,8% dei visitatori, in media, sceglie di rivelare i propri dati e lasciare le informazioni di contatto su un sito web o eCommerce.
Questo significa che oltre il 98% degli utenti interagisce da anonimo, un dato importante che rappresenta una grande sfida ma anche un’enorme opportunità. Anche da anonimi, infatti, gli utenti, nelle varie occasioni di interazione con il brand, rilasciano preziose informazioni (aree geografiche da cui si collegano, dispositivi utilizzati, contenuti visualizzati..) che possono comunque essere utilizzate per arricchire i profili e dare vita a successive attività di personalizzazione e progressive profiling.
È qui che entrano in gioco processi di data enrichment, che come riporta l’espressione stessa, hanno come obiettivo l’arricchimento del profilo utente, sia esso conosciuto che anonimo.
Strategia di data enrichment: perché è così importante?
Con l’espressione “data enrichment” si intende il processo mediante il quale si ha la possibilità di arricchire, ma anche aggiornare, dati ed informazioni che riguardano il singolo utente.
L’obiettivo, come facilmente intuibile, è quello di creare un profilo utente completo ed aggiornato in tempo reale, quell’unified customer view che, come sappiamo, è alla base di ogni efficace strategia di valorizzazione della customer experience.
Di fronte alla tanto annunciata deprecazione dei cookie di terze parti, le attività di data enrichment hanno assunto un ruolo centrale soprattutto per quanto concerne i profili degli utenti anonimi.
Come sappiamo, audience profilate mediante dati di prima parte rappresentano una ricchezza importante per marketer, advertiser e publisher ma la loro limitatezza, spesso impone di adottare logiche diverse per raggiungere comunque reach e performance numericamente rilevanti.
Una strategia di data enrichment diventa così fondamentale sia per quanto concerne gli utenti anonimi sia per quelli conosciuti: nel primo caso consente di arricchire dati ed informazioni partendo da contesti di navigazione, piuttosto che da modelli probabilistici, mentre, nel secondo caso, può essere messa in campo con attività di progressive profiling mediante form, survey, sondaggi, solo per fare qualche esempio.
Volendosi soffermare sulle tipologie di dati che possono essere arricchiti, esse riguardano essenzialmente:
- dati demografici;
- informazioni geografiche;
- dati comportamentali;
- dati transazionali;
- dati di contatto;
- dati psicografici.
Una strategia di data enrichment permette di conoscere in modo sempre più dettagliato la propria audience.
Tutto ciò si traduce, per brand ed aziende, non solo nella possibilità di offrire una migliore customer experience, ma soprattutto nell’opportunità di mettere in campo strategie data driven più efficaci e puntuali.
Data enrichment con Blendee
Il Marketing Operating System di Blendee consente di mettere in campo un’efficace attività di data enrichment.
Tutto ciò è possibile mediante l’engine Audience Platform e le funzionalità di A.I. Audience Profiling.
In particolare l’attività di data enrichment si basa su un sistema incrementale a tre livelli.
Primo Livello
Il primo livello lavora a partire dall’analisi del contesto di riferimento in cui si muove un utente. In questo caso si parla perlopiù di utenti anonimi per i quali la finalità di un’attività di data enrichment si concretizza proprio nella possibilità di arricchirne il profilo.
Tracciando gli utenti in campagne pubblicitarie su media all’esterno delle digital properties di un brand o tracciando utenti anonimi all’interno delle digital properties, gli algoritmi di intelligenza artificiale di cui dispone Blendee permettono di rilevare il contesto in cui si trova l’utente e associare a questo utente determinate caratteristiche legate ad informazioni qualitative e quantitative derivanti proprio dal contesto stesso.
In questo primo livello l’engine Audience Platform utilizza l’analisi semantica dei contenuti e la relativa classificazione mediante diverse tassonomie come quelle IAB di primo e secondo livello.
Secondo Livello
Il secondo livello aggiunge alla mole di informazioni raccolte in una prima fase, informazioni demografiche (genere ed età) derivate mediante modelli statistici che ci permettono di attribuirle ad un utente anonimo che naviga il sito mediante modelli probabilistici che si basano su diversi livelli di confidenza.
Terzo Livello
Il terzo livello consente di integrare alle informazioni precedenti quelle relative agli utenti conosciuti, ovvero dati che questi hanno rilasciato e che il brand possiede. Si tratta di informazioni demografiche ma anche dati che possono riguardare abitudini di consumo o interessi. In questo caso i comportamenti degli utenti conosciuti vengono associati a comportamenti simili all’interno di audience anonime per derivare delle caratteristiche socio-demo anche sui componenti di queste ultime.
Dalle attività di data enrichment a quelle di audience creation, il passo è breve: proprio sulla base delle caratteristiche attribuite durante un’attività di data enrichment, l’A.I. Audience Profiling di Blendee permette di analizzare le caratteristiche e sulla base di queste di procedere alla creazione di diverse tipologie di audience.
L’arricchimento dei dati è una potente strategia per ottenere un vantaggio competitivo e offrire esperienze customer experience personalizzate e realmente rilevanti.
