L’efficacia delle azioni con cui si interviene sul cliente è direttamente proporzionale alla capacità di ridurre il gap che esiste tra l’offerta e i bisogni ai quali il cliente intende dare soddisfazione.
Per questo l’attività di customer intelligence deve necessariamente focalizzarsi sulle motivazioni del cliente, un tema molto complesso, per il quale l’analisi dei dati transazionali non può assolutamente essere autosufficiente.
Infatti la lettura che normalmente viene fatta dei dati transazionali è viziata alla radice. Partendo dall’assunto che i comportamenti discendano dalle motivazioni, si classificano questi ultimi per inferire i primi.
I vizi sono almeno due ed entrambi sono relativi alla complessità del legame bisogni – comportamenti che difficilmente può essere risolto solo per via analitica:
- La relazione tra bisogni e comportamenti non è indipendente dall’offerta. Non è detto che il comportamento sia la miglior soddisfazione del bisogno, ma è probabile che sia la miglior soluzione tra quelle disponibili. Questo significa che lo stesso comportamento può essere generato da bisogni differenti soddisfatti con grado diverso. Per esempio facendo la spesa un cliente, non trovando il prodotto che vuole e che il punto vendita non ha in assortimento, potrebbe acquistarne uno sostitutivo. Ciò che si vedrà nello scontrino sarà il prodotto sostitutivo, non il suo bisogno originale che solo parzialmente è stato soddisfatto e quindi l’inferenza sarà distorta
- La relazione tra bisogni e comportamenti non è indipendente dal soggetto. Soggetti diversi possono mettere in atto lo stesso comportamento per motivi differenti. Ad esempio un soggetto compra un aceto “primo prezzo” perché non sensibile alla qualità, un altro perché lo utilizza abitualmente come rimedio della nonna contro il calcare. Ovviamente questa differenza sarà derivabile dai dati: probabilmente nel primo caso il prodotto sarà venduto in associazione ad altri prodotti low cost mentre con un analogo prodotto di marca nel secondo. Però per ricostruire questa differenza partendo dai dati è molto difficile. O si procede in modo induttivo, scontrandosi così con l’infinita varietà delle combinazioni possibili, o in modo deduttivo, riconducendo così tutta quella complessità a poche categorie interpretative definite a priori e che non è detto rendano conto della complessità di quelle usate dal cliente.
Allora è impossibile trasformare i dati transazionali in actionable knowledge?
No, ma bisogna avere l’avvertenza di aumentare la validità di questo schema arricchendolo con PicoData, una soluzione sviluppata da Kkienn che consente di superare l’ostacolo dell’interpretazione della grande mole di dati transazionali integrandoli con gli insight derivanti da survey ad hoc
Grazie a PicoData è possibile indagare la relazione che esiste tra Bisogni e Comportamenti, affrontando il complesso tema delle motivazioni. Le medesime chiavi interpretative vengono quindi applicati alla classificazione dei dati transazionali, assicurando una conoscenza più facilmente trasformabile in indicazioni operative.
The effectiveness of actions aimed at your customers is directly proportional to how much these actions are able to reduce the gap between your offer and customer needs.
Customer Intelligence must necessarily focus on customer motivations: a complex challenge that requires more than just transactional data analysis. The way we normally interpret data is flawed: assuming that behaviors come from motivations we classify the latter to infer the former.
There are two fundamental flaws in linking customer needs to behaviors and they can hardly be solved just using analytical means:
- The relationship between needs and behaviors depends on the type of offer. The behavior is not always the best match of a need though it might be the best solution among those available. This means that the same behavior can be triggered by different needs that are satisfied at different levels.
For example a customer that doesn’t find a product could replace it with another one. So what you’ll see in the receipt will be the substitute product while the original need has been only partially met. The inference will be distorted. - The relationship between needs and behaviors changes for each customer
i.e. customers can behave in the same way for different reasons. Customer X buys a “first price” vinegar because she’s price sensitive, customer Y buys the same product as grandmother’s remedy to remove limescale.
Yes, this difference can be derived from data: probably in the first example vinegar will be sold in combination with other low-cost products while in the second one it will be sold with a similar branded product. Though it is a quite difficult exercise: either you proceed inductively out of all possible combinations or you proceed deductively reducing all the complexity to a few predefined categories with the risk of missing those used by the customer.
It’s then impossible to transform transactional data into actionable knowledge?
No, but you have to go the extra mile. PicoData, a solution developed by KKienn allows you to interpret the large amount of transactional data by integrating them with the insights derived from ad-hoc survey
Thanks to PicoData you’ll be able to understand the relationship between needs and behaviors, address the issue of complex motivations and transform the knowledge contained in your data in operational guidelines.