Copy
La SIM Conference 2016 si terrà il 20 e 21 ottobre.
Visualizza l'email sul browser

[Num. 1] Digital Magazine
Società Italiana di Marketing

SIM Conference 2016 – Marketing & Retail nei mercati che cambiano

di Marcello Sansone

La SIM Conference 2016 si terrà il 20 e 21 ottobre presso l’Università degli Studi di Cassino e del Lazio Meridionale focalizzando l’approfondimento scientifico sui modelli di risposta della moderna distribuzione commerciale alla situazione congiunturale, alle aspettative e al sentiment dei consumatori, in una fase di forte discontinuità dell’ambiente di riferimento, di variazioni nel comportamento d’acquisto e di ulteriore rivisitazione dei rapporti tra industria e distribuzione.


Marcello Sansone è Professore Associato di Marketing presso l’Università degli Studi di Cassino e del Lazio Meridionale, Docente di Marketing, Marketing Avanzato, Retail Management, Responsabile Scientifico di MARKLAB, Responsabile Scientifico del Master in Marketing & Retail Management, Coordinatore del Corso di Laurea Magistrale in Management.

La SIM Conference 2016 si terrà il 20 e 21 ottobre presso l’Università degli Studi di Cassino e del Lazio Meridionale focalizzando l’approfondimento scientifico sui modelli di risposta della moderna distribuzione commerciale alla situazione congiunturale, alle aspettative e al sentiment dei consumatori, in una fase di forte discontinuità dell’ambiente di riferimento, di variazioni nel comportamento d’acquisto e di ulteriore rivisitazione dei rapporti tra industria e distribuzione.
In un contesto economico caratterizzato da forte incertezza, da segnali di ripresa lenti, con previsioni di incremento del PIL nel 2016 dello 0,6% e con una crescita stimata dei consumi che si attesta intorno all’1.1% - sostenuta anche da fattori esogeni come la deflazione e le agevolazioni governative - si pone il problema di ridefinire gli assetti organizzativi e commerciali del moderno retail ed in particolare di analizzare la risposta da parte del sistema delle imprese della distribuzione commerciale in termini di acquisizione di competenze di marketing, declinate nella continua capacità di anticipazione e definizione di una visione chiara e peculiare del modello di business e del posizionamento attuale e prospettico nei mercati.
In mercati che cambiano, i retailer si misureranno nella interpretazione innovativa dell’assortimento, del pricing segnaletico, della marca del distributore, della varietà dei formati, delle competenze dinamiche come sintesi delle capacità strutturali - interne ed esterne- di riconfigurare continuamente i propri ambiti competitivi sulla base di aspettative anch’esse dinamiche degli stakeholder.
Si assiste ad una sostanziale conferma di alcune previsioni di qualche anno fa e all’accentuazione - a parere di chi scrive- della necessità da parte dei player distributivi di investire in conoscenza, in capitale umano qualificato, nella dotazione di set di capacità dinamiche in grado di garantire la gestione del cambiamento e vantaggi competitivi fondati sulla valorizzazione degli intangible quali l’identità, la percezione di valore dei clienti, la definizione di canali e formati: quest’ultima considerazione, che si connette al tema delle dynamic capability nel retail, si prefigge di disegnare uno scenario di governo di leve competitive endogene, non mutuate dai fornitori industriali, non cristallizzate sull’elemento negoziale e sulle price promotion continuate.
Dopo anni di ricorso intensivo alla leva promozionale come (presunto) fattore di attrazione dei clienti nel lungo termine, nel 2015 si è registrata una forte diminuzione di tale pratica, confermata dai dati parziali del 2016; si assiste alla necessità di riconfigurare in chiave strategica il ruolo della marca del distributore che dopo anni di crescita sostenuta ha manifestato una sostanziale stagnazione negli ultimi due anni, inducendo forti interrogativi sul suo posizionamento e sulle capacità dei retailer di riconsiderarla come driver strategico nei processi di differenziazione competitiva di tipo orizzontale.
Altro fattore di criticità e limite all’affermazione delle strategie di marketing da parte dei retailer è riscontrabile nell’elevato turnover delle insegne prevalenti nelle Centrali e Supercentrali distributive, forme originarie di aggregazione tra imprese del medesimo comparto finalizzate a realizzare economie di acquisto, ma non evolutesi nel tempo in service di marketing né tantomeno in soggetti strategici a sostegno di fenomeni di internazionalizzazione attiva delle nostre insegne, caratterizzandosi invero nel tempo per la discontinuità estrema nella partecipazione, per la prevalente finalità tattica dell’adesione, per la sostanziale evidenza di un approccio culturale e manageriale ancora in divenire.
Nell’ambito del connubio tra ricerca ed expertise imprenditoriale  lo staff di Marklab -unità di ricerca in seno all’Università degli Studi di Cassino e del Lazio Meridionale- alla luce dei cambiamenti in atto sul versante dell’offerta e della domanda si propone di validare, in via selettiva, un modello teorico di forte caratterizzazione alle imprese commerciali complesse del sistema distributivo italiano, identificando le capacità - declinate in abilità ed attività specifiche- in grado di determinare fonti di vantaggio competitivo difendibili.
Dopo anni di forti cambiamenti nelle relazioni verticali di filiera, di modernizzazione e concentrazione delle strutture distributive, di aumento della “personalità” della marca privata, il sistema della distribuzione commerciale dovrà ridefinire ed innovare di continuo i propri modelli di marketing, prevedendo ed anticipando gli scenari e dotandosi di schemi interpretativi del business differenti rispetto al passato. Si pensi, tra gli altri, ai casi di upgrade della marca commerciale verso un concept stabile di prossimità come Sapori & Dintorni CONAD e all’esperienzialità di un temporary store fortemente narrativo qual è il Viaggiator Goloso di UNES che ha sperimentato l’appeal sui consumatori di un format unico, con parametri economici di produttività e redditività nettamente superiori alla media, seppur ottenuti nel periodo natalizio: innovazioni di marketing che originano dalla capacità esclusiva dei retailer.
Il settore della distribuzione commerciale moderna, in conclusione, sembra essere entrato in una nuova e decisiva fase del ciclo di vita del valore, in cui dovrà definitivamente assumere consapevolezza che la capacità di sopravvivere e competere in contesti complessi dipenderà sempre meno dalla leva negoziale e sempre più dalla propria progettualità strategica della ricerca di valore. A tal fine occorrerà accrescere conoscenze e competenze interne, in un percorso anche culturale di crescita qualitativa del management distributivo che potrà anche derivare da partenariati stabili con Università, Business School, academy interne, reti conoscitive integrate, generando contenitori immateriali e giacimenti di competenze dinamiche non facilmente imitabili, riducendo peraltro il deficit di capacità di marketing strategico ed organizzativo rispetto alle imprese industriali, ancora evidente.
Un caso recente che sembra avvalorare la necessità di cambiamento supportata da capacità dinamiche diffuse è quello di Esselunga: la scomparsa di Bernardo Caprotti - straordinario esempio di abilità imprenditoriale attraverso la costante crescita di un’insegna top performer nella grande distribuzione, con 8 miliardi di fatturato, 22 mila dipendenti ed oltre 150 punti vendita sul territorio - pone forti interrogativi sul futuro di una realtà così strutturata, per le note vicende della sofferta e mai risolta questione della successione generazionale proprietaria, dell’interesse manifesto di gruppi internazionali, di una non chiara identificazione e formalizzazione  di una transizione manageriale con ruolo guida dell’impresa. In un mercato globale il fatto che un gruppo internazionale possa acquisire una realtà così performante è di per sé nella logica delle cose e del mercato; certamente è auspicabile, se dovesse verificarsi, che ciò non sia l’effetto di una non capacità sistemica del moderno retail di integrare non solo un big performer ma anche e soprattutto un’icona del made in Italy con chiara identità d’insegna e forte radicamento territoriale.
 “L’unica costante è il cambiamento”, affermava il filosofo greco Eraclito: sarà interessante osservare la vocazione all’innovazione continua nel retail e la capacità dinamica di configurare e riconfigurare di continuo le leve del valore.
 

L'INTERVISTA DOPPIA

Con Giuseppe Zuliani, Direttore Customer Marketing e Comunicazione, CONAD e Daniele Fornari, Professore Ordinario di Marketing presso l’Università Cattolica di Piacenza.

Giuseppe Zuliani, Direttore Customer Marketing e Comunicazione, CONAD. Ha lavorato per diversi anni in importanti gruppi industriali come Barilla, Reckitt Benckiser e Kellog’s ricoprendo ruoli di responsabilità nelle funzioni Marketing e Vendite. Nel Gruppo Kellog’s ha maturato una significativa esperienza internazionale coordinando le politiche di innovazione dei prodotti per i diversi paesi europei. Dal 2004 è in Conad dove attualmente è Direttore Marketing e dove per diversi anni ha diretto le politiche aziendali sulla marca commerciale contribuendo in modo determinante al grande successo del branding distributivo dell’insegna. Svolge da tempo una proficua attività di docenza e di formazione collaborando con alcune Università italiane e contribuendo con passione alla formazione delle future generazioni manageriali.
 

 
Daniele Fornari, Professore Ordinario di Marketing presso l’Università Cattolica di Piacenza. Ha insegnato per molti anni all’Università di Parma e all’Università Bocconi dove è stato Direttore del Cermes, il Centro di Ricerche sul Marketing e Servizi della stessa Università. Ha fondato e sviluppato il “Laboratorio di Trade Marketing” a cui hanno aderito le principali imprese industriali e commerciali del nostro paese. Attualmente è Direttore di REM-Lab, il Centro di Ricerche sul Retailing & Trade Marketing dell’Università Cattolica. Autore di numerose pubblicazioni sui temi dell’Economia delle Imprese Commerciali e dei Rapporti Industria-Distribuzione, ha svolto, nell’ambito universitario, un’intensa attività di formazione manageriale per conto di importanti e significativi gruppi aziendali.
 


1 Che cosa significa fare Marketing nel Retail?
 
G. Zuliani
Come in tutte le realtà settoriali ed aziendali, fare marketing nelle imprese del Retail significa realizzare una serie di attività, di tipo strategico ed operativo, finalizzate a rafforzare i “valori” distintivi delle insegne commerciali con l’obiettivo di soddisfare i bisogni dei consumatori in modo profittevole. In generale, dunque, il principio di fondo che ispira le politiche di Marketing delle imprese distributive è lo stesso di quello su cui su cui si basa il marketing delle imprese industriali. Ciò che cambia è la natura dei prodotti commerciali e le leve del cosiddetto retailing mix. I prodotti del Retail sono i punti di vendita fisici come i supermercati, i discount, gli ipermercati, i drugstore, i superstore, i bio-store, ma sempre di più anche i siti on-line di e-commerce.  Le leve del Retail-mix sono gli assortimenti, il personale, i servizi di pre-vendita e di post-vendita, gli spazi espositivi dei prodotti, le attività promozionali, i prezzi, la comunicazione off-line e on-line.
 
D. Fornari
Il marketing del Retail presenta una configurazione diversa da quello delle imprese di produzione. In primo luogo l’obiettivo di marketing dei distributori è quello di conquistare la “store loyalty” degli acquirenti mentre l’obiettivo di marketing dei produttori è quello di conquistare la “brand loyalty”dei consumatori. In secondo luogo ciò che conta per le imprese commerciali è il sistema di preferenze dei consumatori verso i punti di vendita e le insegne commerciali, mentre per le imprese industriali risulta più rilevante il sistema valutativo degli stessi consumatori nei confronti di specifiche categorie di prodotto e di specifiche marche. In terzo luogo l’industria offre prodotti mentre la distribuzione offre assortimenti. In quarto luogo le logiche di prodotto, di pricing, di promozione e di comunicazione del retail sono diverse da quelle delle imprese di produzione. Queste differenze ci permettono di capire le  situazioni di conflitto che si verificano stabilmente nei processi di marketing di filiera tra le  marche industriali e le insegne commerciali.
 
2 Quale è il livello della cultura di marketing nel Retail del nostro paese?
 
G. Zuliani
Posto che al riguardo il posizionamento “culturale” delle singole realtà aziendali è molto differente, con modelli di business più evoluti e modelli di business meno evoluti, la cultura di Marketing nella distribuzione italiana è ancora mediamente bassa. Per due ragioni. La prima ragione è riconducibile alla ridotta dimensione media delle imprese commerciali del nostro paese, decisamente inferiore a quella media europea e tale da penalizzare lo sviluppo di adeguate competenze specializzate di marketing. La seconda ragione è che la crisi economica e l’intensificazione della concorrenza tra i distributori hanno finito per spingere la maggior parte delle imprese a competere quasi esclusivamente con la leva del prezzo privilegiando più un approccio tattico che strategico con il risultato di “distruggere” valore, contrariamente alla missione di fondo del marketing che è quella di “creare” valore. La cultura che è prevalsa è stata quella del “Marketing del traffico” rispetto a quella del “Marketing della fedeltà” dove la prima si basa sull’utilizzo prevalente della leva del prezzo, mentre la seconda sull’utilizzo di tutte quelle leve che contribuiscono a differenziare l’insegna commerciale e a conquistare stabilmente la fiducia dei consumatori.
 
D. Fornari
La cultura di marketing nel Retail italiano è ancora molto condizionata dalla convinzione di molte imprese commerciali che la fonte principale del loro vantaggio competitivo risieda non tanto nelle politiche di marketing, ma principalmente nelle politiche di acquisto, vale a dire nella capacità di ottenere condizioni di fornitura dei prodotti dalle imprese industriali più favorevoli rispetto ai competitors commerciali. In quest’ottica tende a prevalere ancora un orientamento al fornitore piuttosto che un orientamento al consumatore. Si tratta di un orientamento dettato da un lato dalla diffusa origine “grossista” di molti dettaglianti italiani e dall’altro dalla consapevolezza che nel breve periodo è più facile ed immediato migliorare, a monte, le condizioni di acquisto dei prodotti industriali che migliorare, a valle, le relazioni con i consumatori e la produttività dei punti di vendita. Questo ci spiega perché in molte realtà distributive la funzione acquisti tende ad avere un ruolo più rilevante e “pesante” nelle politiche aziendali della funzione marketing.
 
3 Quali sono le competenze richieste ad un Marketing Manager del Retail?
 
G. Zuliani
Le competenze richieste sono tecniche e manageriali. Quelle tecniche riguardano la capacità di utilizzo dei nuovi tools tecnologici, la capacità di operare sui social network, la capacità di gestire sia i media di comunicazione digitali sia i media di comunicazione più tradizionali, la capacità di leggere i dati di mercato e di segmentare i comportamenti dei consumatori, la capacità di differenziare le politiche commerciali per i diversi canali di vendita/formati distributivi. Quelle manageriali riguardano invece la capacità di visione, la capacità di innovazione delle politiche commerciali, la capacità di interagire e di coordinarsi con le altre funzioni aziendali in modo da poter svolgere un ruolo guida nei processi di adattamento dell’azienda ai cambiamenti di mercato.
 
D. Fornari
Come dico spesso ai miei studenti di marketing, le competenze di un marketing manager, indifferentemente dai mercati e dai settori in cui opera, devono essere sempre di più multidisciplinari. In particolare il Marketing manager  deve  essere un po’ “economista” per valutare  gli scenari macroeconomici e l’impatto che possono avere sulle dinamiche di sviluppo delle imprese e dei mercati; deve essere un po’ “sociologo” per comprendere i cambiamenti della società e i nuovi modelli di consumo; deve  essere un po’ “psicologo” per capire meglio le percezioni e i bisogni dei consumatori e le reazioni alle politiche di marketing; deve essere un po’  “statistico” per saper leggere i numeri in modo da poter prendere le decisioni migliori; deve essere, infine, anche  un po’ “artista” per risultare creativo e poter realizzare politiche aziendali  distintive. Ma la formazione di questo profilo manageriale non è un compito delle imprese, ma dell’Università.

LE PILLOLE DEL MARKETING

- Zuckerberg copia Snapchat?
- iTunnel: il drone pompiere
- Kirobo Mini... robot da compagnia

Zuckerberg copia Snapchat?
Snapchat è un social che sta spopolando tra i giovanissimi, con circa 150 milioni di utenti attivi ogni giorno. Facebook, dal canto suo, è consapevole di aver perso appeal sui più giovani, e cerca quindi di riconquistare questo segmento attraverso App che creano storie e video fruibili in 24 ore. Anche WhatsApp, acquistato da Zuckerberg nel 2014 per 19 miliardi di dollari, cerca di recuperare terreno lanciandosi all’inseguimento di Snapchat e annunciando nuove funzioni della fotocamera che consentono di modificare foto e video, permettendo agli utilizzatori di scriverci, disegnarci e aggiungere emojii. Per adesso queste funzioni sono disponibili su Android, per gli iPhone si dovranno attendere alcune settimane.
http://www.lastampa.it/2016/10/04/tecnologia/news/whatsapp-insegue-snapchat-arrivano-i-ritocchi-per-le-foto-pQFcdvynrbPdF9Or2tsNGP/pagina.html


 
iTunnel: il drone pompiere
Si chiama iTunnel ed è un drone di ultima generazione, intelligente e telecomandato a distanza da operatori, ma anche capace di lavorare in autonomia, che è in grado di spegnere gli incendi che divampano nelle gallerie. È stato sviluppato in Italia, dal Gruppo Servizi Associati (GSA), in collaborazione con il Centro Internazionale di Scienze Meccaniche di Udine e il Dipartimento Costruzioni e Trasporti dell’Università di Padova ed ha appena superato la fase di sperimentazione realizzata nel Traforo del Gran Sasso. È dotato di telecamere a infrarosso e di sensori per rilevare i fumi che gli permettono di monitorare la galleria e di rilevare immediatamente un focolaio. Nel caso in cui vi sia un incendio, si attiva e raggiunge il rogo viaggiando a più di 40 km orari lungo un binario installato sulla volta della galleria ed è in grado di spruzzare acqua e schiuma estinguente con una potenza che equivale a quella di 32 vigili del fuoco in azione.
http://video.corriere.it/itunnel-drone-pompiere-supera-sperimentazione/68115656-7fd1-11e6-ac5a-22bb122bde3b
 

 
Kirobo Mini … robot da compagnia
Secondo uno studio condotto da Toyota, ognuno di noi spende circa 4,3 anni della sua vita in auto. Perché allora non trovare un modo per farci trascorrere piacevolmente questo tempo? La nota casa automobilistica giapponese ci ha pensato e ha trasformato questa idea in realtà. Ha creato Kirobo Mini, che sarà commercializzato al costo di circa 400$ nel 2017, riproduzione in miniatura dell’androide che nel 2013 ha accompagnato nello spazio il primo comandante giapponese della Stazione Spaziale Internazionale, Koichi Wakata. Kirobo Mini è stato costruito con il compito di interagire con l’uomo come se quest’ultimo stesse parlando a un bambino. Il robot parla, si muove e dondola come un bambino che non è ancora capace di svolgere tutte le funzioni motorie ma è in grado di imparare dal suo interlocutore. Secondo Toyota, Kirobo Mini è pensato come un componente in grado di arricchire l’esperienza di guida e sarà in grado di raccogliere dati, informazioni, emozioni e umore di chi viaggia, nonché a sviluppare connessioni uomo-macchina in grado di adattare le condizioni di viaggio in base alle esigenze dei guidatori.
https://www.toyota.it/mondo-toyota/news-eventi/kirobo-mini.json
http://it.blastingnews.com/tecnologia/2016/10/toyota-vendera-kirobo-mini-un-robot-da-compagnia-001158711.html


TRA IL DIRE E IL FARE

Industry 4.0 usa anche il Machine Learning: Come? di Nino Guarnacci
Nino Guarnacci è Business Solution Developer per Oracle relativamente alle Middleware Technologies, membro della Task Force Federmeccanica, svolge attività di formazione presso Università italiane nell’ambito di corsi di laurea e master.

In queste poche righe proverò a illustrare come tecnologie digitali largamente utilizzate in altri ambiti, come quella del Machine Learning, possano, con estrema semplicità portare un valore di Business facilmente predicibile nel contesto dell’industria Italiana, aiutandola a proiettarsi sempre più verso quel fenomeno crescente che è l’Industry 4.0. Pochi cenni a cosa si intenda Industry 4.0, partendo da cosa non è Industry 4.0. Non è l’antivirus sui pc della fabbrica. Non è il contatore di pezzi prodotti installato sul macchinario. Non è un ERP (https://it.wikipedia.org/wiki/Enterprise_resource_planning). Non è una rete di connessione interna all’impianto. E potrei continuare per molto, forse parte di ciò che “non è” contribuisce a far sì che lo diventi ma di base la digitalizzazione del nostro comparto industriale passa attraverso un assunto che è dato dalla contemporanea presenza di 4 ingredienti fondamentali, come in ogni buona ricetta di cucina che si rispetti: Persone, Processi, Oggetti Connessi, Dati. Questi i quattro ingredienti fondamentali e questo un ottimo documento dell’Europarlamento da cui partire per la comprensione di questa incredibile opportunità dell’Industry 4.0: http://www.europarl.europa.eu/RegData/etudes/BRIE/2015/568337/EPRS_BRI(2015)568337_EN.pdf.

Smarcato questo prima tema, proviamo a dare qualche elemento di base su cosa si intende per Machine Learning e quali tipi di vantaggi ha da offrirci, comincerei quindi con una prima citazione da parte di un pioniere di questo argomento: “Machine Learning relates with the study, design and development of the algorithms that give computers the capability to learn without being explicitly programmed”. Arthur Samuel (https://en.wikipedia.org/wiki/Arthur_Samuel). Essere in grado di estrarre automaticamente il sapere dalla conoscenza attraverso i dati, è sicuramente una tematica che ci accompagna da diversi anni, basta pensare al nostro estratto conto bancario, quello cartaceo che teniamo in mano cercando di interpretare le diverse righe di addebito alla ricerca di una frode, di un prelievo non riconosciuto. Questa è forse la nostra prima attività di estrazione di sapere se siamo stati truffati attraverso la conoscenza delle righe del nostro estratto conto. Alcuni sistemi hanno già imparato a capire se rispetto ai nostri comportamenti abituali qualcuna di quelle righe possa risultare sospetta. Altri sistemi si sono così tanto evoluti che riescono a fare questo tipo di analisi contestualmente all’addebito sul conto (meantime) cercando quindi di ridurre al minimo i rischi di frode e di perdita di denaro da parte dei correntisti. Risulta particolarmente affascinante sapere che questi sistemi continuano ad evolvere introducendo al loro interno una fase del processo in più, ovvero: l’auto-apprendimento. Per motivi di tempo (i tuoi) e di spazio (quelli di Marketing Post) non voglio dilungarmi troppo anche su questo argomento, e ti rimando ad una lettura introduttiva anche per chi non è un cosiddetto “Data Scientist”: https://en.wikipedia.org/wiki/Machine_learning , anche se vorrei comunque introdurti quali sono le macro categorie in cui si dividono i più importanti e comuni algoritmi di machine learning: Unsupervised Learning: algoritmi che non hanno bisogno e non usano dati storici per la fase di apprendimento (training), e ci aiutano a scoprire fenomeni nascosti che possono verificarsi a nostra insaputa a causa dell’enorme quantità di dati in transito, impossibili da essere analizzati da noi umani in una unita di tempo considerabile un differenziatore di business in termini di reazione. Supervised Learning: la realizzazione di un modello attraverso una fase continua di apprendimento (training) contraddistingue questo tipo di algoritmi, i quali ci aiutano a classificare, indovinare ed interpretare i dati numerici, di testo e le immagini. Reinforced Learning: questo tipo di algoritmi interagiscono attraverso la logica degli stati e delle ricompense attraverso una enormità di variabili, anche di contesto, alla ricerca della ricompensa più alta rispetto al passaggio di stato richiesto (la migliore policy da scegliere): basta pensare agli algoritmi per la guida senza conducente, dove le scelte sono dettate da fattori e condizioni sempre differenti, o alla nascente pratica dei “bot” su tematiche di Customer Care.

Per questo contributo ci concentriamo esclusivamente su algoritmi di tipo “Supervised”, utilizzati tipicamente per classificare dinamicamente delle informazioni eterogenee (Industry 4.0: Increase Flexibility), oppure per aiutarci a predire il valore del prossimo dato rispetto alle informazioni già salvate con un buon livello di affidabilità che non sia la monetina (Industry 4.0: Predictive Maintenance), e più nello specifico, per le prossime restanti righe, algoritmi supervised utili a ricercare pattern nascosti e ricorrenti (Affinity Analysis) attraverso quella enormità di segnali e dati che la nostra fabbrica produce ma che non vengono interpretati o come spesso accade nel peggiore dei casi: Ascoltati.
La cosiddetta “Affinity Analysis” è alla base di quella che viene comunemente chiamata, nel mercato al consumo tipo i supermercati reali o virtuali: Market Basket Analysis (MBA).
La MBA si occupa di comprendere le relazioni evidenti e nascoste tra tipologie e prodotti differenti, alfine di comprendere al meglio il comportamento dei clienti per facilitare operazioni di vendite congiunte (cross-selling) e di vendite addizionali (up-selling): promozioni, campagne sconto, programmi fedeltà…
Da un punto di vista più tecnico questo tipo di algoritmo di analisi ci permette di comprendere: Item Affinity (la probabilita che due o più prodotti vengano acquistati insieme), Driver Items (identificare quali prodotti spingono i clienti a venirci a visitare e che quindi debbono essere sempre in magazzino), Revenue Optimization (determinare il miglior prezzo di vendita rispetto al prodotto, il negozio e la tipologia di acquisti abituali), Store-to-Store (comparare punti vendita differenti rispetto ad aree geografiche e tipologia di spesa), Marketing (profilare al meglio le campagne e le promozioni rispetto alle informazioni analizzate incidendo direttamente sul ROI delle iniziative.

Esistono chiaramente delle affinità evidenti tra prodotti, ad esempio se ho nel carrello della spesa hamburger, insalata e pane, esiste una alta possibilità che mi trovi difronte allo scaffale delle salse: il ketchup. Altresì esistono anche affinità/pattern molto meno evidenti e intuitive come la pasta dentifricia e il tonno, forse perché quando sappiamo di dover mangiare pesce ci viene in mente di aver terminato il dentifricio. Siamo quindi alla ricerca di quelle che possiamo definire regole di associazione (association rules), per poter identificare dei pattern di interesse direttamente legati al nostro business, ad esempio:
{hamburger, insalata, pane}  -->  {ketchup}
Quindi se la regola {insalata, hamburger, pane} -> {ketchup} avesse un livello di “CONFIDENCE” del 100% avremmo 0.5/0.5 = 1.0 ovvero quando nello scontrino c’è il primo itemset c’e sempre anche il secondo: {ketchup}

Chiaramente non è sempre così semplice, ma fortunatamente il lavoro sporco lo fanno per noi gli algoritmi di machine learning che si occupano di fare questo tipo di analisi, come ad esempio quello comunemente conosciuto con il nome “Apriori” oppure il più nuovo “FP-grow” (FP=frequent pattern).
Non è certo il più efficiente ma probabilmente il più semplice da far comprendere, “Apriori” utilizza un approccio “bottom-up”, dove sottoinsiemi frequenti (itemset) vengono estesi un elemento alla volta, terminando solo quando non vengono rilevati ulteriori estensioni degli item correlabili. Comunque per maggiori informazioni e approfondimenti tecnici su questo semplice algoritmo vi rimando a questa breve introduzione (https://en.wikipedia.org/wiki/Apriori_algorithm).
Oltre che nel mondo della vendita di prodotti, dove potrebbe tornare utile utilizzare questo tipo di analisi?
Diagnosi Mediche: per la scoperta di sintomi correlati rispetto alle diagnosi;
dati di Censimento: per la scoperta di fenomeni ricorrenti rispetto alle aree geografiche;
nei CRM: per intercettare il cambiamento nelle abitudini dei clienti;
ma anche gli impianti produttivi industriali al meglio collegati e contestualizzati rispetto alle condizioni esterne possono trarne immediatamente beneficio.
Facile ora comprendere dove indagare per ridurre al minimo gli stop improduttivi degli impianti, affinare i processi e identificare eventuali successive criticità potendo interpretare i dati nella loro interezza complessiva tra macchinari, infrastrutture e variabili ambientali, come direbbe un mio amico allenatore: tenendo gli occhi sulla porta e non sulla palla.

Questo contributo ha lo scopo di raccontare con semplicità come l’ingresso della digitalizzazione all’interno del comparto industriale, attraverso tecnologie oramai consolidate in altri ambiti come il Machine Learning, porti dei vantaggi chiari, immediati e misurabili all’intero comparto, lungo tutta la filiera produttiva, nei diversi step del processo con diversi casi d’uso conosciuti e/o tutti da scoprire. Vorrei quindi concludere con un estratto del documento citato all’inizio da parte dell’europarlamento sul tema dell’Industry 4.0: “Productivity can also increase through various Industry 4.0 effects. By using advanced analytics in predictive maintenance programmes, manufacturing companies can avoid machine failures on the factory floor and cut downtime by an estimated 50% and increase production by 20%”.

IL LIBRO LETTO PER TE

Giuseppe Bertoli intervista l’autore.
Giorgio Marbach
Le migliori pratiche nelle ricerche di mercato
Rogiosi editore, 2016, pp. 443. € 30,00 in libreria


  1. Nel libro ci sono novità sul tema del marketing?
Si. Ritengo che tradizionalmente la disciplina si sia occupata di beni e servizi destinati ad un pubblico almeno abbiente fino alla soglia di quel che resta del ceto medio. Ma ora è tempo di orientarsi anche ad un nuovo registro. Appare «sempre più imperativo il dare risposta a moltitudini che domandano alimenti e bevande, vestiario, beni per la casa, tutto a prezzi per essi idonei e con livelli di qualità più che accettabili. Si tratta di milioni di persone, italiani e cittadini di ogni paese, oltre che di migranti». (p. 2). Ad essi dovrà dedicarsi un nuovo ramo del marketing, con l’obiettivo di indurre la tecnologia a forgiare prodotti ad hoc, a prezzi assai contenuti. I margini per le imprese risulteranno dal grandissimo numero dei fruitori.
  1. Ho notato che è presente una stimolante sintesi sui Big Data
Non potevo più tralasciare questo aspetto. Ha una storia di meno di 20 anni; ora ha pervaso l’intera rete di analisi, con àmbiti applicativi che non conoscono confini. Ovviamente mi sono concentrato sui contenuti e gli esempi rilevanti per la nostra disciplina: Amazon; i milioni di dati elaborati per focalizzare il richiamo turistico di alcune città; la gestione in tempo reale del booking di attività e acquisti nel corso di una crociera; la gestione del noleggio di autovetture in un organismo che opera in 150 paesi.
Richiamo la circostanza che i Big Data costituiscono un settore di attività con un enorme potenziale, ma esige una pluralità di skills. Ma l’Università in Italia muove appena i primi passi per la realizzazione di progetti didattici aventi i necessari contenuti formativi integrati.
 
  1. Il campionamento è da sempre un cavallo di battaglia per te nella prospettiva delle ricerche di mercato. Ci sono novità?
Mi è apparso opportuno estendere la trattazione al campionamento di popolazioni difficili, quali: le ricerche sugli homeless in Italia ed a Los Angeles; il time-location sampling; il campionamento snowball o chain sampling, con indicazioni di fallimenti registrati negli Stati Uniti; il Respondent Driven Sampling.
Inoltre, a proposito di cavalli di battaglia, ribadisco l’improprio ed esteso utilizzo del termine campione rappresentativo, utilizzato alla stregua di un bollino di qualità. Trattasi di una aspirazione a buoni risultati perché la struttura campionaria, a seguito di post-stratificazione delle variabili costituite da genere, età, distribuzione territoriale, ecc. determinerebbe la qualità degli aspetti oggetto di indagine. Questo sillogismo non è vero, come risulta nella letteratura statistica da oltre 80 anni.
  1. Sono in arrivo forti modifiche in Auditel. Di cosa si tratta?
Premetto che ho seguito l’avvio della rilevazione degli ascolti televisivi sin dagli inizi, dapprima in Rai, poi con la nascita e lo sviluppo di Auditel. Nel libro riscontro la rivoluzione in atto a partire dall’autunno 2015. Questa estenderà la rilevazione a due panel, uno di circa 5.600 casi per l’ascolto individuale e l’altro di 10.000 per gli ascolti familiari. A regime, a partire dall’autunno 2016, sarà rilasciato un unico file di poco meno di 16.000 casi, originato da un algoritmo atto a ricevere dal secondo panel una stima degli ascolti individuali da aggiungere a quelli del primo meter.
  1. Siamo prossimi ad elezioni amministrative ed ai referendum sulla Costituzione. Ci sarà quindi una nuova stagione di sondaggi politici. Su questi quale è la posizione del libro?
Le indagini campionarie su temi politici ed elettorali si sviluppa su ben 43 pagine, sotto la supervisione del professor Giancarlo Gasperoni dell’Università di Bologna, autorevole studioso di tali tematiche.
Sono trattati gli effetti possibili che sulle intenzioni di voto esercita la pubblicazione dei sondaggi. Viene discussa la normativa in tema di tali indagini, in Italia nonché in altri importanti paesi.
Si approfondiscono le sfide metodologiche vecchie e nuove, con analisi dei motivi di fallimento nel 2013; sono riportati alcuni risultati delle proiezioni elettorali in occasione delle elezioni regionali di maggio 2015.
  1. Come sono giudicate le indagini sul Web?
Sono analizzate con attenzione, con la competente supervisione della prof. Silvia Biffignandi dell’Università di Bergamo. Si approfondiscono le caratteristiche delle indagini ad hoc tratte da bacini spesso di grandi dimensioni, con le distorsioni che si possono verificare ed i problemi aperti. Si riportano riferimenti ai cosiddetti panel sul Web in importanti paesi. La trattazione conclude con le prescrizioni per una best practice.
  1. Quale è il messaggio centrale del libro?
Il filo rosso che attraversa il volume in tutti gli aspetti trattati è quello dell’imperativo di qualità. Lo richiedono la professionalità e la immagine degli Istituti, in stretta connessione con la esigenza di attendibilità dei risultati per un  proficuo utilizzo da parte dei committenti. La qualità costa, ma la cattiva qualità può sortire effetti deleteri. Chi richiede ricerca e chi la effettua sono esortati a trovare un punto di equilibrio tra qualità adeguata e vincoli accettabili per entrambe le parti, sotto il profilo sia dei costi sia dei tempi.

STARTingUP

Bemyguru. Bemyguru è la piattaforma dove si incontrano domanda e offerta nell’ambito della consulenza aziendale. Si tratta di un marketplace con più di 200 esperti altamente selezionati che offrono alle piccole e medie imprese e alle startup la propria esperienza e competenza su più di 500 argomenti.


Bemyguru
Il progetto nasce a Verona presso gli spazi di coworking di Startup Gym; la startup è stata fondata quest’anno con l’obiettivo di mettere in contatto diretto aziende e consulenti, risolvendo i loro rispettivi problemi.
Bemyguru è stata selezionata tra circa 350 progetti da Luiss EnLabs e ha ricevuto un primo investimento da LVenture Group, primo e unico Seed Venture Capital al MTA della Borsa Italiana. È stata scelta da Wind Business Factor per partecipare al Wind Startup Award, competizione in cui si è classificata tra le prime cinque.
 
Il target: PMI e startup
Più di 1.000 le PMI registrate su Bemyguru accedono in modo innovativo al know-how sui temi più caldi come l’internazionalizzazione, l’accesso al credito, il Digital Marketing e l’analisi della concorrenza. L’altro target è composto proprio dalle startup che hanno bisogno di formazione e consulenza su Fundraising, Traction, Content & Affiliate Marketing, Mobile Advertising, Remarketing, attività di SEO e SEM.
 
Il modello di business
Bemyguru ha portato in Italia un modello che all’estero si è rivelato vincente, adattandolo al contesto europeo: la formula della consulenza on demand, già adottata oltreoceano da imprese quali Clarity.fm, Catalant o MBA & Company. Bemyguru offre alle aziende un servizio pay-per-use: il cliente può ricercare l’ambito di interesse e selezionare il guru, con il quale concorda data, orario e durata della consulenza in call. La tariffa oraria è stabilita dall’esperto e si attesta mediamente su 80 euro l’ora. Bemyguru trattiene il 20% sul transato di ogni call.
Gli esperti presenti in piattaforma sono dei veri “guru”. Ciascuno di loro è estremamente preparato su uno o pochi specifici argomenti ed è in grado di fornire tutte le risposte necessarie per portare l’azienda nella giusta direzione. Durante il processo di selezione vengono valutati diversi aspetti come gli anni di esperienza nel settore, i libri che ha pubblicato e quanto successo hanno riscosso, se gestisce un blog personale, le dimensioni della community che lo segue e il livello di interazione con essa, la sua presenza a convegni ed eventi di settore, il suo network e in generale la sua reputation. 
Le PMI nella maggior parte dei casi faticano nella ricerca e valutazione di un consulente: con Bemyguru possono trovare in meno di due minuti l’esperto adatto alle proprie esigenze e conoscere l’effettivo costo del servizio, certi di scegliere tra i migliori consulenti italiani.
Dall’altra parte Bemyguru si propone di risolvere le problematiche degli esperti, fornendo loro un grande valore aggiunto: hanno a disposizione degli strumenti per fare personal branding, conoscono in anticipo tutti i dettagli della prestazione, ricevono ogni settimana le richieste dei clienti (lead qualificati) e il pagamento è garantito entro 48 ore dalla consulenza.
Bemyguru si occupa anche dello scouting e della selezione di esperti per eventi di formazione con speaker italiani e internazionali. Attualmente sta collaborando con Lazio Innova, Bic Lazio e Startup Europe per seminari rivolti alle startup, finanziati dalla Commissione Europea.
 
Il team
È composto da cinque ragazzi under 35 che lavorano con una mentalità comune, verso un obiettivo comune, perseguendo una strategia condivisa. Jegor Levkovskiy (CEO & Co-founder), Gian Andrea Fanella (CFO & Co-founder), Walter Franchetti (CTO), Elettra Quadrini (Marketing Manager), Aurelia Vittoria Branconi (Graphic Designer)


È un progetto editoriale della Società Italiana Marketing,
ideato da Alberto Mattiacci e Carlo Alberto Pratesi.
Direttore: Costanza Nosi
Redazione: Carlo Alberto Pratesi, Alberto Mattiacci
Consigliere Delegato: Giuseppe Bertoli


Copyright © 2017 SIM, All rights reserved.

Aggiorna le preferenze di ricezione email o annulla l'iscrizione alla newsletter

Email Marketing Powered by Mailchimp