Parte di Digital Communication

Cap 1. Marketing

Definizioni di marketing

• Smith: produzione di un unico consumo.
• Druker: scopo dell'attività di imprese: creare e soddisfare il cliente.
• Hepher/Keith: focus sui consumatori attuali e potenziali.
• Levitt: il fallimento è un metodo scientifico incentrato sul consumo.
• Kotler: il marketing è il processo con cui le imprese creano valore e instaurano relazioni con i clienti.

Livelli di marketing

• Marketing strategico: identifica e determina la strategia competitiva, gli obiettivi e il raggiungimento nel medio-lungo termine; focus sull'analisi continuativa dei bisogni.
• Marketing operativo: pianificazione e creazione di attività operative nel breve-medio termine.
• Marketing analitico: raccolta e analisi di informazioni di marketing; obiettivo: fornire supporto alla definizione della strategia.

Marketing mix

Il marketing mix è improntato su una logica paritetica, bottom-up, con il potere del consumatore.

• 4 leve decisionali: product, price, place, promotion.
• 7P: people, process, physical environment.
• 4C: customer, cost, convenience, communication.
• 6C: content, community, contest.

Alla promotion si aggiunge il CRM, customer relationship management, con l'obiettivo del miglioramento della customer experience, dello sviluppo di relazioni multicanale e della garanzia di alta qualità della relazione con i clienti, per incrementare la customer loyalty.

Digital marketing

Il digital marketing utilizza tutti i canali digitali: internet, mobile, TV, mail, comunicazione integrata e marketing tradizionale, con attività di marketing interattiva e fidelizzazione.

Piano di marketing digitale

Analisi del contesto

• Focus sul settore: studi di customer survey, focus group e comportamento dei consumatori.
• Analisi della concorrenza: ascolto della rete, posizionamento e analisi dell'acquisto.
• Elementi condivisibili.

Definizione operativa della strategia

• Definizione di obiettivi chiari e misurabili.
• Studio del posizionamento del brand.
• Definizione del piano promozionale e di comunicazione.

Marketing funnel

Il marketing funnel è il percorso strategico che il consumatore compie dalla conoscenza dell'azienda, inizialmente sconosciuta, fino all'acquisto.

• Attrarre: fase per attirare utenti digitali giusti attraverso touchpoint.
• Convertire: trasformare il visitatore in lead, ovvero un potenziale contattabile.
• Chiudere: trasformare il lead in cliente, convincendolo ad acquistare.
• Deliziare: garantire nel tempo relazioni durevoli con il cliente e trasformarlo in ambasciatore.

Contenuti da proporre al lead

La strategia di content marketing prevede contenuti di qualità.

Piano di content marketing

• Piano editoriale dei contenuti.
• Flusso creativo: chi partecipa, chi è responsabile, come si costruisce e chi condivide.
• Linee guida da seguire: timing, produzione dei contenuti, ruoli e responsabilità.
• Ruolo di chi creerà il contenuto.

Dove uso i contenuti

Influencer, SEO, SEA, email marketing, social media marketing.

Search engine marketing

Il Search Engine Marketing, SEM, è un'attività/strategia focalizzata sulla visibilità e sul traffico.

• SEO: migliorare il posizionamento sui motori di ricerca, mantenere un buon livello di sviluppo alto e notorietà.
• SMO: uso dei social network per aumentare la notorietà.
• SEA: online advertising con keyword/display advertising.

Email marketing

L'email marketing è un canale diretto tramite mail, con contatto personalizzato per clienti e lead.

Affiliate marketing

L'affiliate marketing è basato su cost per action e cost per mille: affiliati o siti ricompensati per le azioni che convengono.

Referral marketing

Il referral marketing fa del buon cliente un ambasciatore che promuove.

Cap 2. Tecnologie

Servizi cloud

• Platform as a service, PaaS: piattaforme cloud gestite.
• Infrastructure as a service, IaaS: infrastrutture come servizio.
• Software as a service, SaaS: software con uso remoto, licenziati o pay per use.

Benefici

Il pay per use porta a un investimento iniziale ridotto e quindi a profitti nel breve termine, minori costi di infrastrutture, consulenti specializzati e personale; servono meno tempi di aggiornamento.

CRM strategico

Il CRM strategico è customer-centrico e orientato alla creazione di valore per il business.

CRM operativo

Il CRM operativo riguarda l'automatizzazione dei processi.

CRM analitico

Il CRM analitico riguarda raccolta ed elaborazione dati.

Marketing automation

Il sistema permette la pianificazione di cosa?

• Identificare efficacemente il target.
• Aumentare l'efficienza nella gestione dei diversi canali di direct contact e delle azioni.
• Incrementare la redemption delle campagne di reclutamento di nuovi clienti e la fedeltà.

Attività disponibili all'utente

• Analisi e integrazione della clientela con i canali.
• Pianificazione delle azioni e monitoraggio.
• Selezione del target.

Real time decision management

Consente a Sales/Marketing di rispondere alle domande dei clienti sfruttando ogni occasione di contatto.

Benefici

• Aumento della redditività del processo decisionale grazie all'automazione.
• Soddisfare, al posto giusto e nel momento giusto, bisogni e contesto.
• Ridurre la dipendenza delle risorse IT.

Caratteristiche

• Costruzione agile del processo decisionale real time analytics.
• Connettività a tre prestazioni.

Cap 3. Dati e sistemi analitici

Cosa sono i dati?

I dati sono elementi registrati, eventi e procedure automatiche disponibili all'interno dell'organizzazione aziendale.

Cos'è l'informazione?

L'informazione è il risultato dell'analisi dei dati, lo stato di sintesi e catturare attività prefissate dell'azienda rispetto ai dati.

Cos'è la conoscenza?

La conoscenza è la combinazione tra dati e informazione, utilizzata per attivare processi di decisione.

L'approccio data-driven

Il ruolo dei sistemi analitici business è all'interno dell'informazione e delle performance.

Modelli descrittivi

I modelli descrittivi analizzano le relazioni di comportamento di un'impresa e gli indicatori, con un assetto tecnico-razionale delle decisioni.

Modelli normativi

I modelli normativi si basano su basi quantitative, con un'analisi computazionale e modelli di intelligenza umana; portano avanti problemi e soluzioni.

Modelli decisionali

I modelli decisionali prescrittivi derivati dai modelli normativi e intelligent, automatizzati, forniscono la soluzione al problema.

Ruolo dei modelli quantitativi nella information value chain

I dati transazionali e operazionali consolidati sono un'importante componente. I dati sono preparati e analizzati per creare informazione analitica.

I Data Marts sono insiemi di dati della IVC, sotto-anello della data warehouse, in cui vengono memorizzati dati analitici.

La data warehouse è una collezione completa di dati, piattaforme e tutti i componenti del sistema: database, modelli e strategie.

Expert technical

Gli expert technical hanno accesso ai dati e possono variare i modelli sottostanti secondo gli scenari e i risultati ottenuti.

Decision makers

I decision makers utilizzano modelli e dati delle piattaforme, hanno accesso e utilizzano le black-box per valutare risultati, performance, efficacia e ottimizzazione delle performance.

Dati transazionali

I dati transazionali sono dati con focus sulle strutture di gestione e sui valori in ingresso nei sistemi.

Dati analitici

I dati analitici, invece, hanno un'informazione storicizzata e orientata all'analisi. I data warehouse contengono dati registrati in modo concreto per agire rapidamente sulle decisioni.

Information value chain

L'information value chain parte dall'analisi dei dati transazionali e crea sintesi e conoscenza analitica.

Sistemi OLAP

I sistemi OLAP, basati su analisi multidimensionale, abilitano il supporto alla decisione su grossi volumi di dati, presi da diverse sorgenti di dati aggregati.

Organizzano ed espongono grossi volumi per facilitare una veloce valutazione delle osservazioni con tool grafici.

Cubo multidimensionale

Il cubo multidimensionale è un sistema OLAP. Le operazioni sui cubi organizzativi sono drill down, roll up, slice e pivot. Un cubo OLAP è una collezione di cubi, ognuno rappresentante un livello di unità organizzativa.

Consistenza del dato

Le dimensioni dell'infrastruttura del database devono essere definite, solide e compatte nel tipo di dato contenuto e nel formato.

Comunicazione del dato

Il dato deve avere una rappresentazione stabile, validata, per mantenere analisi e trasmissione.

Interoperabilità delle strutture

I sistemi coinvolti devono essere indipendenti e avere interfacce efficienti, consolidate e anche comunicazione.

Modellazione dati e viste

Protocolli standard di interfaccia permettono di storicizzare il dato, avere modelli modulari e svolgere analisi.

Interfaccia esterna

L'interfaccia esterna permette estrazioni e query analitiche, generare in modo semplice visualizzazioni e generazione del repository.

Database

Database: dati raggruppabili in tabelle, gruppi, procedure input-output. I dati sono ripartiti in 3 piattaforme.

Modellazione di sistemi analitici

La modellazione di sistemi analitici comprende tutti i modelli analitici utilizzabili e data-mining per il supporto alla decisione.

Avvento del big data

• Volume: grosse quantità di flussi dati continui e destrutturati.
• Velocità: vanno gestiti in modo tempestivo.
• Varietà: qualsiasi tipologia di sorgente.

Cap 4. Modelli analitici

Data mining

Il data mining analizza ed esplora dati nella forma di algoritmi per estrarre informazioni dai database.

Applica regole di machine learning, uncertainty methods e techniques ai dati, attraverso l'esame di relazioni. L'utente formula un'ipotesi e svolge un'investigazione sui dati.

• Approccio Top-Down: verifica di un'ipotesi formulata dall'utente.
• Approccio Bottom-up: l'obiettivo è la scoperta di conoscenza non a priori; l'utente può prevedere il risultato e approfondire.

Analytics

Tramite deep learning e machine learning, le aziende possono generare insight della propria base clienti, massimizzare la profittabilità delle relazioni customer e sviluppare conoscenza.

A cosa servono?

• Permettono di ottenere una visione approfondita e strategica del comportamento del cliente.
• Abilitano lo sviluppo di una strategia data-driven customer-centrica sui diversi segmenti tailor-made.
• Permettono l'implementazione della strategia di marketing, proponendo prodotti al portafoglio.
• Garantiscono il prodotto giusto nella fase giusta e la massimizzazione del valore ultimo.

Focus sul cliente

La segmentazione deterministica classifica sulla base di 3 variabili chiave: Recency-Frequency-Monetary, RFM, ovvero quanto, quanti e quando.

Si ottiene la possibilità di identificazione, sulla customer base, di azioni di marketing tailor-made, sviluppare insight strategici e offerte dedicate ad alto valore.