Customer Relationship Management

Customer Relationship Management


Il concetto di Customer relationship management o Gestione delle Relazioni coi Clienti è legato al concetto di fidelizzazione dei clienti. Solitamente In un'impresa "Market-oriented" il mercato non è più rappresentato solo dal cliente ma dall'ambiente circostante, con il quale l'impresa deve stabilire relazioni durevoli di breve e lungo periodo, tenendo conto dei valori dell'individuo/cliente, della società e dell'ambiente. Quindi l'attenzione verso il cliente è cruciale e determinante. Per questo motivo il marketing management deve pianificare e implementare apposite strategie per gestire una risorsa così importante. Quindi il CRM si spinge sostanzialmente secondo quattro direzioni differenti e separate:
L'acquisizione di nuovi clienti clienti potenziali.
L'aumento delle relazioni con i clienti più importanti.
La fidelizzazione più longeva possibile dei clienti che hanno maggiori rapporti con l'impresa definiti "clienti primo piano".
La trasformazioni degli attuali clienti in procuratori, ossia consumatori che lodano l’azienda incoraggiando altre persone a rivolgersi alla stessa per i loro acquisti
Il CRM si articola comunemente in 3 tipologie:
CRM operativo: soluzioni metodologiche e tecnologiche per automatizzare i processi di business che prevedono il contatto diretto con il cliente.
CRM analitico: procedure e strumenti per migliorare la conoscenza del cliente attraverso l'estrazione di dati dal CRM operativo, la loro analisi e lo studio revisionale sui comportamenti dei clienti stessi.
CRM collaborativo: metodologie e tecnologie integrate con gli strumenti di comunicazione (telefono, fax, e-mail, ecc.) per gestire il contatto con il cliente.
L'errore più comune in cui ci si imbatte quando si parla di Customer Relationship Management è quello di equiparare tale concetto a quello di un software. Il CRM non è una semplice questione di marketing né di sistemi informatici, bensì si avvale in maniera sempre più massiccia, di strumenti informatici o comunque automatizzati, per implementare il management. Il CRM è un concetto strettamente legato alla strategia, alla comunicazione, all'integrazione tra i processi aziendali, alle persone ed alla cultura, che pone il cliente al centro dell'attenzione sia nel caso del business-to-business sia in quello del business-to-consumer.
Le applicazioni CRM servono a tenersi in contatto con la clientela, a inserire le loro informazioni nel database e a fornire loro modalità per interagire in modo che tali interazioni possano essere registrate e analizzate.
Componenti di una strategia CRM
Le componenti strutturali di una strategia di CRM sono:
Analisi e gestione della relazione con i clienti: contatto con i clienti e analisi dei bisogni attraverso molteplicità di strumenti come mailing, lettere, telefonate, SMS, eccetera. Il contatto è fondamentale se si vuole mappare ogni singolo cliente per poi organizzare tutte le informazioni raccolte in un database strutturato. Queste informazioni sono preziose in quanto permettono di conoscere, e, se possibile, anticipare le esigenze del cliente.
Lo sviluppo di contenuti e servizi personalizzati: i dati raccolti vengono gestiti per elaborazioni statistiche utili a segmentare i clienti in specifiche scale. Una volta organizzati, è possibile procedere con l'analisi dei dati per sviluppare una comunicazione e un'offerta commerciale e personalizzata.
L'infrastruttura informatica: attivazione di strumenti informatici che aiutano in questo processo di gestione del cliente.


Profiliazione

È l’attività per mezzo della quale una serie complessa di dati relativi ad utenti/clienti viene elaborata da specifici programmi come ad esempio l’Observation Management Server del notissimo Vignette, per generare alla fine la segmentazione della propria utenza in gruppi omogenei di comportamento. I dati che possono essere presi in considerazione per la profilazione sono molteplici. Tra questi abbiamo: la serie delle scelte di navigazione effettuate sul sito in esame dagli utenti unici identificati; la dichiarazione esplicita di preferenze e interessi ottenuta tramite procedure di registrazione o sondaggi; la raccolta di dati demografici; la risposta degli utenti identificati a promozioni o a contenuti particolari.I sistemi di profilazione più avanzati mettono a disposizione del settore commerciale di un’azienda la possibilità di segmentare in gruppi la propria utenza sia manualmente, scegliendo i parametri da prendere in considerazione, sia automaticamente, in base alle capacità native del software utilizzato. In entrambi i casi, il valore aggiunto è dato dalle molteplici correlazioni che è possibile istituire tra i dati raccolti, al fine di ricavarne informazioni commercialmente utili. Ecco elencate alcune di queste correlazioni: Content affinities (affinità di contenuto) gli insiemi di contenuti che tendono ad essere visti insieme dagli utenti del sito esaminato; Content effectiveness (efficacia dei contenuti) per i siti di commercio in Rete, i contenuti che tendono ad essere visti in sessioni-utente che si concludono con un acquisto; Product affinities (affinità di prodotto) sempre per i siti di commercio in Rete, l’elenco dei prodotti che sono più spesso acquistati insieme.

Market Basket Analysis

Il market basket analysis letteralmente "analisi del paniere" in inglese è quel processo di analisi di affinità che analizza le abitudini di acquisto dei clienti nella vendita al dettaglio, trovando associazioni su diversi prodotti comprati, tale processo è utile per l'adozione di strategie di marketing ad hoc. Tecnicamente si pensa all'insieme degli oggetti che possono essere comprati al supermercato, ogni oggetto sarà rappresentato da una variabile booleana che starà ad indicare se è stato acquistato o meno, ogni carrello quindi sarà rappresentato da un vettore di booleani. È ora possibile scoprire pattern sotto forma di regole di associazione A=>B dove A e B sono sottoinsiemi dell'universo di oggetti che possono essere acquistati, la loro intersezione deve essere l'insieme vuoto. Un insieme di oggetti venduti è detto itemset, un itemset contenente k oggetti è denominato k-itemset. A corredo di ogni regola di associazione si utilizzano misure quali il supporto e la confidenza, regole che avranno tali indici inferiori rispetto a una predeterminata soglia (minimo supporto e minima confidenza) saranno scartate in quanto non interessanti, viceversa saranno dette regole forti, l'itemset dal quale la regola forte è stata generata è usualmente denominato frequent itemset.


Decision Tree


Detto anche albero decisionale, è uno strumento di supporto risolutivo che utilizza un albero grafico o un modello delle decisioni. Valuta le possibili conseguenze, compresa la possibilità di stilare i costi delle risorse e utilità, in un determinato contesto aziendale. Gli alberi di decisione sono comunemente utilizzati nelle operazioni di ricerca, per analizzare le future decisioni e per aiutare a identificare una strategia x per raggiungere un obiettivo