Abbiamo troppi dati e conosciamo sempre meno i clienti

Un articolo di Alessandro Aralla 

 

Oggi mi dite quanto siano importanti i dati? Non abbiamo mai avuto così tante informazioni sui clienti.

Sappiamo quali pagine visitano, dove cliccano, quanto tempo rimangono su un sito, quali prodotti acquistano e quali abbandonano nel carrello. Registriamo le telefonate al customer care, analizziamo le conversazioni sui social, misuriamo l’apertura delle e-mail e conserviamo anni di transazioni nei nostri CRM.

Possiamo conoscere il dispositivo utilizzato, la posizione geografica, il canale di provenienza, la frequenza di acquisto e, almeno in teoria, persino la probabilità che una persona compri nuovamente o decida di abbandonarci.

Eppure, nonostante questa enorme quantità di informazioni, capita sempre più spesso che un’azienda dimostri di non conoscere affatto la persona che ha davanti.

Un cliente chiama il servizio di assistenza per segnalare un problema e, poche ore dopo, riceve una comunicazione commerciale che gli propone di acquistare un altro prodotto. Un utente disdice un servizio dopo mesi di reclami e il giorno successivo viene inserito in una campagna automatica di benvenuto. Una persona acquista un’auto e continua per settimane a essere inseguita online dalla pubblicità dello stesso modello.

Sono episodi apparentemente banali, ma raccontano qualcosa di più profondo: le aziende possiedono moltissimi dati sui propri clienti, senza necessariamente possedere una vera conoscenza dei clienti.

Il problema non è che mancano le informazioni. Il problema è che ogni reparto conosce soltanto un frammento della persona.

Il marketing vede un lead. Le vendite vedono un’opportunità. Il customer care vede un ticket. L’amministrazione vede una fattura. Il reparto digitale vede una visita al sito. Il CRM vede una sequenza di campi compilati. Nessuno, però, sembra vedere il cliente nel suo insieme.

Ogni funzione osserva la relazione dalla propria finestra, utilizzando piattaforme, metriche e obiettivi differenti. Alla fine, l’azienda dispone di tanti ritratti parziali, ma non di un’immagine completa.

Immaginiamo il cliente di un’azienda energetica che, dopo aver ricevuto una bolletta molto più alta del previsto, contatta il servizio clienti per chiedere spiegazioni. La telefonata viene registrata, la pratica viene aperta e il reclamo finisce correttamente nel sistema dedicato.

Nel frattempo, però, la piattaforma di marketing automation continua a considerarlo un cliente “attivo e ingaggiato” e gli invia un’e-mail con una nuova offerta per installare pannelli solari o sottoscrivere un servizio aggiuntivo.

Dal punto di vista dei singoli sistemi non è accaduto nulla di sbagliato. Il customer care ha aperto il ticket. Il CRM ha registrato il contatto. La piattaforma marketing ha eseguito la campagna programmata.

Dal punto di vista del cliente, invece, l’azienda ha dimostrato di non ascoltarlo.

È questo il paradosso: ogni tecnologia ha funzionato correttamente, ma l’esperienza complessiva ha fallito.

Lo stesso accade nel retail. Una cliente fedele acquista regolarmente prodotti di una determinata categoria, utilizza l’app, accumula punti e apre le newsletter. Quando entra in negozio, però, il personale non conosce la sua storia, le sue preferenze o il problema avuto con un ordine precedente.

Online viene trattata come una cliente importante. Nel punto vendita torna a essere una sconosciuta.

Il contrario può accadere a un cliente che riceve un’assistenza eccellente in negozio, grazie alla sensibilità di un addetto che lo conosce personalmente, ma viene poi bombardato da comunicazioni digitali completamente irrilevanti. L’esperienza dipende dalla memoria e dalla capacità di una singola persona, non dalla conoscenza realmente posseduta dall’organizzazione.

Pensiamo anche a una banca. Conosce reddito, patrimonio, spese, comportamenti di pagamento e abitudini finanziarie di un cliente. Potrebbe comprendere molto bene la sua situazione. Eppure può capitare che proponga un finanziamento a chi sta cercando di ridurre il proprio livello di indebitamento, oppure un prodotto standardizzato a chi ha già manifestato esigenze completamente diverse.

Non perché la banca non possieda le informazioni necessarie, ma perché quei dati si trovano in archivi diversi, sono governati da funzioni differenti o non vengono trasformati in una decisione utile.

Il problema, quindi, non è soltanto tecnologico. È organizzativo.

Abbiamo costruito aziende capaci di raccogliere qualsiasi segnale, ma ancora poco capaci di collegarlo agli altri. Per anni ci siamo concentrati sull’acquisto di nuove piattaforme: CRM, Customer Data Platform, sistemi di marketing automation, social listening, business intelligence, intelligenza artificiale.

Ogni tecnologia prometteva di restituirci una visione unica e completa del cliente. Molto spesso, però, abbiamo semplicemente digitalizzato la frammentazione organizzativa che esisteva già.

Se marketing, vendite, amministrazione e assistenza lavorano separatamente, collegare tecnicamente i loro sistemi non significa automaticamente costruire una vera conoscenza condivisa. Un database integrato non crea, da solo, un’organizzazione integrata.

Possiamo avere una “single customer view” perfetta sullo schermo e continuare a prendere decisioni incoerenti nella realtà.

Questo accade perché ogni funzione viene valutata sulla base dei propri obiettivi. Il marketing deve generare contatti e conversioni. Le vendite devono chiudere contratti. Il customer care deve ridurre i tempi medi di gestione. L’amministrazione deve recuperare i crediti. Il digitale deve aumentare traffico e utilizzo dei canali online.

Tutti possono raggiungere i rispettivi KPI e, contemporaneamente, peggiorare l’esperienza del cliente.

Un operatore può chiudere rapidamente una chiamata e rispettare il proprio obiettivo di efficienza, senza avere realmente risolto il problema. Una campagna può registrare un buon tasso di apertura, pur raggiungendo persone alle quali non avrebbe dovuto essere inviata. Un commerciale può concludere una vendita che, pochi mesi dopo, si trasformerà in un reclamo o in un abbandono.

Il singolo numero è positivo. La relazione complessiva, invece, perde valore.

La conoscenza del cliente non nasce dalla quantità dei dati, ma dalla capacità di interpretarli all’interno di un contesto.

Sapere che una persona ha visitato cinque volte la stessa pagina non significa necessariamente che sia interessata all’acquisto. Potrebbe non aver trovato l’informazione che cercava. Potrebbe essere confusa. Potrebbe voler verificare una condizione contrattuale. Potrebbe confrontare le offerte perché sta pensando di andarsene.

Il comportamento è un segnale, non ancora una spiegazione.

Anche l’assenza di un comportamento può raccontare qualcosa. Un cliente che smette di aprire le comunicazioni, riduce progressivamente gli acquisti o non utilizza più un servizio potrebbe non essere semplicemente “inattivo”. Potrebbe essere deluso, aver trovato un’alternativa o non percepire più alcun valore nella relazione.

Se l’azienda legge soltanto i dati transazionali, si accorgerà del problema quando il cliente sarà già andato via. È qui che molte strategie di personalizzazione mostrano i propri limiti.

Inserire il nome del destinatario nell’oggetto di un’e-mail non significa conoscerlo. Suggerire un prodotto simile a quello appena acquistato non significa comprenderne il bisogno. Inseguire una persona con annunci costruiti sulla sua ultima ricerca non significa costruire una relazione.

In alcuni casi, quella che definiamo personalizzazione è soltanto un’automazione più raffinata.

 

La vera personalizzazione non consiste nel dire: “So chi sei”.

Consiste nel dimostrare: “Ho capito di cosa hai bisogno in questo momento”.

 

A volte significa proporre un’offerta. Altre volte significa fornire una spiegazione, risolvere un problema o scegliere di non inviare alcuna comunicazione commerciale.

Se una compagnia aerea sa che un passeggero ha appena subito la cancellazione di un volo, il messaggio più rilevante non è la promozione per la prossima vacanza. Se un cliente sta aspettando da dieci giorni la consegna di un prodotto, non ha bisogno di ricevere un codice sconto per comprarne un altro. Se una famiglia ha chiesto chiarimenti su una bolletta, probabilmente non è il momento di proporle un contratto aggiuntivo.

Comprendere il cliente significa anche sapere quando fermarsi.

 

Prendiamo il caso di un servizio in abbonamento. Un cliente inizia a utilizzarlo meno frequentemente. L’azienda potrebbe interpretare il calo come un segnale di disinteresse e inviargli immediatamente una promozione. Ma prima di farlo dovrebbe comprendere la ragione: ha avuto un problema tecnico? Non trova più contenuti rilevanti? Considera il prezzo troppo alto? È cambiata una sua esigenza personale?

La stessa azione osservabile può nascondere bisogni completamente diversi. Una promozione può essere efficace in un caso, inutile nel secondo e persino fastidiosa nel terzo.

Conoscere davvero il cliente richiede quindi di unire dati quantitativi e qualitativi. Non bastano click, conversioni e frequenze di acquisto. Servono anche le conversazioni con il customer care, le ragioni dei reclami, il contenuto delle recensioni, le domande fatte nei punti vendita e i motivi per cui una persona decide di andarsene.

Spesso le informazioni più importanti non si trovano nella dashboard del marketing, ma nelle parole utilizzate dai clienti quando qualcosa non funziona.

Un’azienda può investire milioni in ricerche di mercato e ignorare contemporaneamente migliaia di conversazioni che avvengono ogni giorno nel servizio clienti. Può acquistare sofisticati strumenti di social listening e non coinvolgere mai chi risponde direttamente alle persone. Può misurare il sentiment online, senza analizzare le cause reali che lo determinano.

Anche in questo caso, i dati esistono. Semplicemente, non diventano conoscenza organizzativa.

L’AI potrebbe aiutarci enormemente. Può analizzare migliaia di chiamate, classificare le ragioni dei reclami, individuare segnali di insoddisfazione, anticipare il rischio di abbandono e suggerire la migliore azione successiva.

Potrebbe riconoscere, ad esempio, che un cliente ha contattato l’assistenza tre volte per lo stesso problema, che il tono delle conversazioni è progressivamente peggiorato e che la probabilità di abbandono è aumentata. In quel momento, invece di inserirlo in una campagna commerciale automatica, il sistema potrebbe attivare un contatto umano, sospendere le promozioni e assegnare la pratica a un operatore specializzato.

Questa sarebbe una tecnologia utilizzata per comprendere e agire, non soltanto per produrre più velocemente.

Ma l’AI non risolve automaticamente la frammentazione. Se viene alimentata da dati incompleti, duplicati, vecchi o privi di contesto, renderà più sofisticato lo stesso errore che commettevamo prima. Potremo sbagliare cliente, messaggio e momento con una precisione straordinaria.

Esiste poi un’altra questione: non tutto ciò che possiamo sapere deve necessariamente essere utilizzato.

La conoscenza del cliente richiede fiducia. Le persone condividono dati perché si aspettano un servizio migliore, maggiore semplicità o una relazione più rilevante. Se quelle informazioni vengono utilizzate in maniera invasiva, poco trasparente o lontana dalla finalità originaria, la personalizzazione smette di essere un valore e diventa sorveglianza.

C’è una differenza profonda tra un’azienda che ricorda una preferenza e una che fa sentire il cliente osservato.

Il confine non dipende soltanto dalla normativa o dal consenso formalmente raccolto. Dipende dalla coerenza e dalla percezione di utilità. Una persona può accettare che un supermercato utilizzi la sua storia di acquisto per proporle offerte pertinenti. Potrebbe però sentirsi a disagio se la stessa informazione venisse impiegata per dedurre aspetti sensibili della sua vita e influenzarne le decisioni.

La domanda non dovrebbe essere soltanto: “Possiamo usare questo dato?”. Dovrebbe essere anche: “Il cliente si aspetta che lo utilizziamo in questo modo? E quale beneficio ne riceve?”. La sfida non è raccogliere ancora più informazioni. È stabilire quali siano davvero utili, chi debba potervi accedere e come debbano modificare le decisioni dell’azienda.

Serve una responsabilità condivisa sull’esperienza del cliente. Servono sistemi capaci di dialogare, ma soprattutto funzioni aziendali disposte a farlo. Serve passare da una visione organizzata intorno ai prodotti, ai dipartimenti e ai canali a una costruita intorno ai bisogni e ai momenti della relazione. Questo significa anche ripensare le metriche.

Non possiamo continuare a valutare una campagna soltanto sulla base dei click se genera contatti di bassa qualità. Non possiamo misurare il customer care soltanto attraverso la durata delle chiamate. Non possiamo considerare riuscita una vendita senza osservare ciò che accade nei mesi successivi.

Acquisizione, soddisfazione, fidelizzazione e valore del cliente non sono fasi isolate. Sono parti della stessa relazione.

Un cliente acquisito con un’offerta aggressiva, gestito male durante l’attivazione e ignorato quando manifesta un problema può apparire come una conversione positiva nelle dashboard del marketing. Ma potrebbe diventare rapidamente un costo per l’assistenza, una recensione negativa e un contratto disdetto.

Il marketing rivendicherà la vendita. Il customer care registrerà il reclamo. L’amministrazione annoterà la chiusura. Nessuno si assumerà la responsabilità dell’intera storia. È proprio questa storia, invece, che dovremmo imparare a leggere.

Conoscere un cliente non significa sapere tutto di lui. Significa ricordare ciò che è rilevante, interpretarlo correttamente e comportarsi in modo coerente nel tempo. Forse dovremmo smettere di chiederci quanti dati possediamo e iniziare a porci domande molto più semplici.

Quando un cliente entra in contatto con la nostra azienda, siamo davvero in grado di riconoscerlo? Ricordiamo ciò che è accaduto in precedenza? Sappiamo se ha un problema ancora aperto? Riusciamo a distinguere un’opportunità commerciale da una richiesta di aiuto? E siamo capaci di cambiare il nostro comportamento sulla base di queste informazioni?

Se la risposta è no, non abbiamo ancora un problema di dati. Abbiamo un problema di conoscenza. E probabilmente anche un problema di organizzazione, responsabilità e cultura aziendale.