Quindi una volta racconti i nostri dati, il pasto successivo è quello di analizzarli per trovare um pattern e tendenze.

Ma dove li troviamo tutti questi dati? allora Nel vostro tool CRM e tramite strumenti di Business Intelligence, DBI um puoi già trovare una grande quantità di dati, um in particolare dati demografici, comportamentali e transazionali.

Questi dati ti consentono di già cominciare a individuare tendenze e um poter ottimizzare le tue strategie CRM e personalizzarle.

Vediamo però alcuni esempi di strumenti e tipologie di dati che puoi trovare.

In questo primo esempio um puoi trovare i dati comportamentali e transazionali di un utente.

um Sul tuo um CRM o sul tuo SP potresti avere un'interfaccia simile, um dove puoi vedere per esempio il lo status.

um Puoi vedere anche i punti che sono stati accumulato dal tuo cliente.

Puoi vedere quanto ha speso e puoi vedere anche il suo canale preferito.

Inoltre puoi notare che Sara, in questo caso apre l'email meno frequentemente rispetto alla media, però fa anche più click e acquista di più della media.

Puoi anche vedere quali sono gli ultimi prodotti che hai visitato, che in questo caso sono degli shampoo e puoi anche vedere la categoria, che in questo caso è skincare.

Questo, queste informazioni ti permettono di proporre dei prodotti personalizzati.

In questo specifico ESP vengono create automaticamente le raccomandazioni secondo gli elementi um della categoria preferita, i le pagine visitate e gli acquisti precedenti.

In modo tale da poterle inserire nelle nostre comunicazioni CRM.

Possiamo per- personalizzare l'email, possiamo magari um far vedere uno di questi prodotti in un mobile push, possiamo personalizzare le audiences di meta, mettendo questi prodotti in evidenza.

Possiamo personalizzare anche il nostro direct mailing, ad esempio mostrando questi specifici prodotti.

Possiamo creare una journey su WhatsApp di prodotti raccomandati, sulla base delle preferenze, e possiamo anche usarlo per personalizzare magari il sito quando il cliente fa login.

Nel suo account, per esempio.

In questo esempio facciamo un ulteriore passo avanti, nel senso che nel B possiamo vedere i dati aggregati in modo tale da vedere delle tendenze.

In questo caso puoi ve- in questo esempio puoi vedere le vendite per mese, puoi vedere per gender, male e female, e puoi vedere anche per fascia di età.

E per fascia d'età puoi vedere anche um che cosa hanno acquistato, che tipo di prodotto hanno acquistato.

Per esempio possiamo vedere che, Gli over 45 acquistano meno desktop rispetto a um i 1824 e 25:45, ad esempio.

Possiamo anche vedere che i laptop è la te- la categoria più acquistata per questo brand.

In quest'altro esempio um possiamo vedere um i dati di vendita.

um Possiamo anche vedere quali sono i prodotti top, e i prodotti flop um per per questo specifico brand.

um In questo caso c'è già una segmentazione, un inizio di segmentazione perché vediamo già i new i returning e i top buyer e ci consente di vedere che cosa comprano o che tipologia di prodotto, qual è il segmento che acquista di più per tipologia di prodotto.

Possiamo anche vedere la distribuzione geografica, e vedere per ogni um per ogni um um nazione quali sono gli acquisti.

um Se clicchiamo sullo Stato, possiamo vedere che i dati si personalizzano sulla base di quello specifico stato.

E anche le altre tabelle si aggiornano.

Ad esempio possiamo vedere che i- in Texas il cinquattro qua- 54 percento dei vestiti è acquistato dai new buyers, e il 68 percento delle acquistano le scarpe.

Se invece clicco su un altro stato, um per esempio magari la la California, um La percentuale invece varia e passa al um 45 percento, per esempio in questo caso.

In generale, una um quello che trovo molto interessante è non solo analizzare il comportamento di un singolo utente, ma um analizzare la il dato aggregato in audience.

Quindi, confrontare una audience con un'altra, ad esempio in questo caso, i clienti di uno stato rispetto ai clienti di un altro, um Può avere delle um informazioni molto interessanti, puoi mettere in luce magari degli interessi diversi, e puoi avere delle learn- dei dei learning e degli insights su già come- come cominciare a personalizzare le tue strategie di comunicazione.

Mettiamo caso, per esempio che dobbiamo fare una campagna che ha a tema attività del weekend, potrebbe essere utile magari in California se abbiamo visto che, Una determinata categoria di prodotto, mettiamo scarpe da running, è più popolare, possiamo fare un focus sulle scarpe da running.

Piuttosto che in un altro stato come il Montana, vediamo che va più um di moda la la um, E le scarpe da trekking, allora magari faremo un focus sulle scarpe da trekking, per esempio.

Lo stesso tipo di analisi può anche essere fatto per le mail o um altri canali CRM allo stesso modo, possiamo fare esattamente la stessa cosa anche per SMS.

WhatsApp, eccetera.

E um in questo in questa tabella puoi vedere le performance delle campagne come open rate, click rate, le performance per campagna, um l'open rate per per esempio customer e prospect è la stessa cosa per il click rate.

Puoi anche volendo um filtrare per segmento.

Quindi se noi um torniamo sui filtri e andiamo a selezionare per esempio Prospect o um customer, possiamo vedere, che um i customer hanno cliccato su B in stock e fi- fitness per experts.

Se andiamo a vedere i prospect, invece vediamo che i prospect hanno preferito di più la prima rispetto alla seconda.

Quindi tutte queste sono delle indicazioni che sono utili per comprendere le tendenze e possono servire come base per cominciare a personalizzare le tue comunicazioni in maniera più pertinente.

Per il tuo utente, quindi capire con cosa ingaggiano, capire cosa acquistano, capire cosa vogliono, per poi andare a personalizzare e rendere più pertinenti le comunicazioni.

Un ultimo esempio, nel caso in cui magari il tuo il tuo business avesse degli store, um puoi creare delle dashboard anche con le vendite per store.

um Puoi inserire una parte anche di um confronto tra i diversi stores.

um tra i diversi paesi.

Però per esempio se vogliamo, se volessimo andare a confrontare i dati magari di un negozio, mettiamo caso di Londra, um ad esempio, con invece un altro negozio di Lisbona, um per vedere quali sono i principali TPI, e quello che possiamo vedere è anche la differenza nei comportamento di acquisto dei prodotti.

Ad esempio magari possiamo vedere che, Da un lato c'è più acquisto di cappelli e cappotti e dall'altro invece più alte vendite di jeans e jewelry in questo caso.

Quindi anche questo ci permette ancora di più di affinare la nostra conoscenza del cliente anche in base allo store, in base alla città, in base a una serie di elementi che decidiamo di inserire nella nostra personalizzazione, che ci permette di um andare a inviare dei messaggi, um mirati.

Un altro tool molto interessante è Square um Content Square ci consente di vedere quali sono le zone più cliccate del sito, um per pagina o per segmento.

Possiamo vedere quali sono le zone che sono più visualizzate, con le quali il cliente ingaggia di più, possiamo vedere anche le vendite per ogni segmento e per ogni area del sito.

um e questo per esempio è molto interessante.

soprattutto noi lo usiamo per capire qual è il differente il diverso comportamento magari dei nuovi visitors, dei returning, dei clienti che vengono da e-mail, dei clienti che vengono invece magari da paid o dei clienti che vengono dall' SMS.

Quindi a seconda del canale che ha portato traffico, possiamo monitorare qual è il diverso comportamento degli utenti e ci fornisce già delle informazioni.

molto interessanti per andare a, um come dicevo prima, capire il nostro cliente e comunicare e andare a, diciamo mostrargli quali sono le cose che interessano di più.

Quindi ricapitolando, um grazie ai nostri BI T e CRM tool, um puoi analizzare una grande quantità di dati e cominciare a identificare le tendenze chiave.

Come, giusto per citarne 4.

La prima sono le categorie di prodotto più acquistate, per paese, per tipo di cliente, per negozio, eccetera, in modo da identificare quali prodotti sono più richiesti dai diversi segmenti.

Secondo è um periodo dell'anno con maggiore attività, quindi per esempio capire quando i clienti tendono a fare più acquisti, può essere durante le festività, può essere durante i saldi, sicuramente molti periodi sono comuni.

Il terzo punto è sono i tempi medi di riacquisto e l'average order value.

Quindi analizzare il comportamento di acquisto come frequenza con cui i clienti riacquistano quanto spendono mediamente per acquisto sono tutte degli elementi molto importanti che possono essere utilizzati.

Per andare a costruire i nostri customer journey e andare a personalizzare la nostra comunicazione con l'utente.

E infine sono i tassi di sconto e il loro impatto.

È molto importante monitorare l'efficacia delle promozioni e gli sconti per migliorare le vendite e la fidelizzazione.

Concludo con un esempio.

um da tutte queste informazioni, per esempio possiamo immaginiamo un retailer, um che ha notato che il tempo medio tra un acquisto di un prodotto e quello successivo è di 60 giorni.

Utilizzando questa informazione, il nostro retailer ha creato una campagna di reminder personalizzata il cinquantesimo giorno, comunicando la possibilità di acquistare questo prodotto online, indicando lo stock, e, um se ipoteticamente il cliente preferisse lo store fisico, ha aggiunto questo retailer um l'indirizzo del negozio più vicino che ha il prodotto disponibile in negozio, così che il cliente, um Posso andare a acquistare il prodotto sia in store che online secondo le sue preferenze.

Quindi questo è giusto un esempio molto semplice per farti capire che questi tipo di informazioni in realtà ti possono permettere di anticipare le esigenze dei tuoi clienti e pianificare le strategie su dei dati concreti, che possono poi portare a un miglioramento dell'efficacia delle tue comunicazioni.