Augmented Customer Experience, gli Analytics disegnano il futuro data-driven del Retail

La leva principale per la crescita del business nel Retail è da sempre quella legata alla gestione ottimale delle relazioni con i clienti. Strategia e obiettivo che coinvolge tanto le attività top line, che hanno a che fare con le vendite, quanto quelle bottom line, più legate alle operations interne. Analytics e Intelligenza Artificiale diventano oggi i pilastri tecnologici che sorreggono queste attività, contribuendo a ridefinire in chiave data-driven il futuro del Retail.

Il mondo Retail oggi deve affrontare numerose sfide. Due, in particolare, sono le più rilevanti secondo l’opinione di Marco Di Dio Roccazzella, General Manager di Jakala: il mercato caratterizzato da un generale calo dei consumi e l’esigenza di una ottimizzazione di costi e processi.

Di fronte a queste due sfide, Analytics e tecnologie basate su Machine Learning e intelligenza Artificiale possono contribuire in due direzioni. Quella “top line”, per aumentare le vendite, espandere i mercati, fidelizzare la clientela; quella “bottom line”, per migliorare i processi e renderli più efficienti in termini di costo e più efficaci in termini decisionali.

A fare da fìl rouge è l’approccio data-driven che permette di estrarre valore dai dati sia per l’efficienza operativa (bottom line) sia per le scelte strategiche di business (top line). In questa intervista, Marco Di Dio Roccazzella aiuta a comprenderne le potenzialità e traccia le leve che stanno contribuendo a ridisegnare il futuro data-driven del Retail.

La Customer Experience è una delle leve più importanti per migliorare le attività top line nel Retail. In che modo possono essere usate Intelligenza Artificiale e Machine Learning sull’esperienza d’acquisto?

Le tecnologie più avanzate per l’analisi dei dati, dagli Analytics fino al Machine Learning e all’Intelligenza Artificiale, possono contribuire ad aumentare la personalizzazione delle esperienze degli utenti lungo tutta la catena del valore, dal primo acquisto all’up-selling fino al customer care.

Io preferisco parlare di Augmented Customer Experience come frutto di un utilizzo corretto e davvero data-driven delle informazioni. Oggi i retailer devono far fronte a target e audience sempre più frammentati e mutevoli, perché variabili e discontinui sono i momenti di acquisto, le motivazioni e i comportamenti, i canali... riuscire a intercettare queste variabili rispondendo dinamicamente ai bisogni degli utenti, richiede strumenti analitici per creare campagne ad hoc, definire dinamicamente i prezzi per garantire una adeguata marginalità al business, offrire esperienze personalizzate e fluide per facilitare up-selling, cross-selling e fidelizzazione.

Faccio qualche esempio concreto per far capire dove e come analytics e machine learning possono oggi esprimere al meglio il loro potenziale: 1) offrire una fruizione personalizzata del sito o della propria piattaforma e-commerce in base ai dati di navigazione; 2) avere a portata di mano, in store, tutte le informazioni sui precedenti acquisti del cliente per poterlo servire al meglio; 3) avere tempestivamente dati e informazioni aggiornate per fornire in tempi rapidi assistenza senza disagi per l’utente durante le fasi di customer service.

Oggi si sente spesso parlare di Geographic Approach. Di cosa si tratta esattamente?

L'approccio geografico nel settore del Retail è un modo importante per sfruttare i dati e le informazioni sulle posizioni geografiche al fine di ottimizzare le operazioni e migliorare l'efficacia delle strategie di vendita al dettaglio.

I dati geografici possono, per esempio, consentire di fare analisi approfondite sulle strategie della concorrenza, pianificare le aperture e possono contribuire a costruire una conoscenza estesa del potenziale di mercato e dei modelli di consumo arrivando a stimare il fatturato di una nuova location con modelli statistici di machine learning. Ma possono anche dare un contributo prezioso a livello bottom line, per esempio suggerendo pianificazioni pubblicitarie e/o digital e media targettizzate più efficienti anche in termini di costi. E ancora, visto l’attuale momento, aiutare a capire in che modo cambiano ed evolvono geograficamente gli impatti dell’inflazione (che non sono uguali e diffusi uniformemente a livello geografico) per prendere decisioni real-time sulle politiche di prezzo o personalizzare le campagne di vendita.

Anche in quest’ambito, Analytics e Machine Learning diventano la vera chiave di volta per una Retail che sia davvero data-driven.

Quali frontiere apre l’Intelligenza Artificiale Generativa per il settore?

L’ondata di interesse mediatico su questa “seconda generazione” di sistemi di intelligenza artificiale sta, a mio avviso, mettendo in luce le potenzialità vere dell’IA in generale. Molte aziende si stanno avvicinando alla Generative AI a ma devono ancora effettivamente cogliere tutte le opportunità delle soluzioni di “prima generazione” (AI Predittiva) come cluster analysis, reti neurali, modelli di propensione (soluzioni mature, affidabili, sicure che hanno tutte le carte in regola per generare valore nelle aziende).

Penso che il più grande valore della IA Generativa sia da attribuire al fatto che ha innalzato la percezione dell’importanza dell’analisi dei dati e della statistica e matematica nel dare risposte concrete di business e che permetta a ognuno di noi di “conversare con un comando (prompt) o con la voce” con i modelli statistici o con la business intelligence.

In sintesi, come è destinato ad evolversi il settore Retail?

Su questo punto sarò breve e diretto. A mio avviso ci sono tre ambiti specifici nei quali vedremo, proprio grazie all’uso più diffuso delle tecnologie di analisi dei dati, l’evolversi del Retail:

1. conversare con i front end tecnologici: l’intelligenza artificiale generativa gioca un ruolo importante in questo senso, perché permetterà alle persone di dialogare con la tecnologia in modo naturale, come se fosse un collega;
   
   
2. fornire i “super poteri” agli umani: l’analisi avanzata sui dati sarà sempre più semplice e alla portata di tutti, dando davvero alle persone (manager, commessi, client advisor) suggerimenti basati su fatti e dati per prendere decisioni più efficaci;
   
   
3. sviluppare le competenze: per ora, ci sono ancora poche persone in grado di utilizzare le nuove tecnologie (e questa è una attuale criticità per i Retailer) ma assisteremo a un graduale cambio di competenze che ridefinirà anche le professionalità del settore.
    

Pensando proprio a queste sfide e a come poter supportare al meglio le aziende del settore Retail, abbiamo deciso di proporre, congiuntamente con SAS, una nuova piattaforma di AI & Analytics in Cloud. L’obiettivo è aiutare i retailer ad usare al meglio i dati - mediante una piattaforma semplice, che sfrutta una serie di soluzioni già pre-elaborate e accelerate dal cloud - per personalizzare i processi e per definire in modo dinamico pricing e promozioni.

22 gennaio 2024