C’era una volta il call center cui facevano capo le telefonate dirette alle aziende; oggi con l’affermarsi di fenomeni quali la digitalizzazione e l’omnicanalità, il connubio tra call center, analytics e big data rappresenta un fattore competitivo per le organizzazioni che hanno visto trasformarsi il loro rapporto con i clienti. Il call center è diventato a tutti gli effetti un contact center dal quale vengono gestiti tutti i canali di comunicazione resi disponibili dalle organizzazioni. E sono soprattutto fonte inesauribile di dati utili, se gestiti ed elaborati in maniera adeguata, per migliorare e consolidare il rapporto tra consumatore e produttore di un determinato bene o servizio.
Omnicanalità, i dati si moltiplicano
Secondo gli studiosi degli Osservatori della School of Management del Politecnico di Milano per omnicanalità si intende la gestione sinergica dei diversi punti di contatto e canali di interazione messi a disposizione da un’azienda ai consumatori; gestione che è finalizzata a ottimizzare l’esperienza di acquisto (più in generale, la customer experience) di un cliente.
Questo naturalmente implica l’integrazione tra punti di contatto fisici e virtuali, per un percorso di acquisto sempre più diversificato e personale a seconda delle singole abitudini. Tale percorso, prima di approdare in negozio o su un portale di e-commerce, si può snodare mediante azioni condotte sulle applicazioni mobile dell’azienda, interfacciandosi con sollecitazioni e-mail marketing, colloquiando con chatbot o via messaging, sui social network e presso tutti questi touch point poi proseguire per acquisire ulteriori informazioni e aggiornamenti.
Così facendo sono generati dati, una quantità infinita di informazioni facilmente recuperabili. Nonostante questo, secondo quanto rilevato nel 2019 dell’Osservatorio Omnichannel Customer Experience però nel 70% delle aziende grandi e medie, nonostante si parli di omnicanalità ai vertici, non sono stati formalizzati obiettivi e strategie in merito. C’è quindi molta strada da fare in generale e sul fronte di call center e big data analytics, ma ne vale la pena.
Il valore dei big data
Con big data non si intende solamente un grande volume di dati, ma si fa soprattutto riferimento all’eterogeneità, alla loro varietà, in gergo tecnico si parla di dati destrutturati, cioè che richiedono tecnologie specifiche per essere trattati; essi infatti provengono da fonti diverse e senza un adeguato trattamento non potrebbero essere integrati e utilizzati per trarne informazioni utili (pensiamo alle immagini, ai video e agli audio sino ai dati raccolti in real time, in streaming dai dispositivi IoT – Internet of things).
È infatti fondamentale ottenere valore dai big data, un valore che ormai rappresenta un fattore competitivo in quanto si esprime nella possibilità di capire le reazioni dei mercati a determinati fenomeni oppure al lancio di un prodotto/servizio, di identificare la percezione del brand, di comprendere quali sono gli elementi che conducono gli individui a fare le loro scelte d’acquisto, perché offrono la possibilità di profilare i potenziali clienti per personalizzare il più possibile le strategie di marketing e le iniziative di comunicazione.
E le aziende iniziano a investire in tale ambito, secondo l’Osservatorio Big Data Analytics & Business Intelligence le revenue generate sono aumentate del 23% portando in valori assoluti questo mercato a valere 1,7 miliardi di euro nel 2019. Per lo più le aziende spendono per il software che rappresenta la principale voce di spesa (47% sul totale) in cui si distingue il fatturato (47%) riconducibile a strumenti per integrazione, preparazione e governance dei dati da quello (53%) relativo a strumenti per la visualizzazione e l’analisi dei dati stessi.
Che cosa significa fare big data analytics
Fare big data analytics significa utilizzare l’insieme di dati raccolti da fonti differenti tra loro e trarne, mediante analisi approfondite e specifiche, interpretazioni che consentano di disegnare modelli significativi dei dati stessi per agevolare e rendere più efficace il processo decisionale. Si tratta, in pratica, di capire perché qualcosa è successo e cosa aspettarsi dopo, cioè ottenere dai dati informazioni utili al business, o per essere ancora più precisi, all’ottimizzazione di varie attività aziendali.
La società di ricerca Forrester identifica 3 grandi ambiti di utilizzo di questo tipo di analisi dei dati ossia: la maggior efficienza e la riduzione dei rischi operativi (in questo caso un esempio per tutti è offerto dall’utilità di queste operazioni nella riduzione del rischio nelle analisi finanziarie); la sicurezza e le performance applicative e, non ultimo, la conoscenza dei clienti per migliorare i servizi loro dedicati.
Call center, analytics e big data
Sempre secondo l’Osservatorio Big Data Analytics hanno bisogno di big data management in prima linea l’87% delle business unit marketing e vendite, cui seguono le aree finanza e controllo (77%) e supply chain (45%). Il fine è quello di gestire al meglio le relazioni con gli interlocutori e addirittura, se possibile, anticipare le domande per favorire la capacità di risposta in tempo reale. In quest’ottica il call center svolge un ruolo fondamentale nel far fronte a un consumatore ormai permanentemente connesso.
Più nello specifico, l’evoluzione dei sistemi di contatto ha consentito alle aziende di lavorare sui processi di scambio delle informazioni sia a livello quantitativo sia qualitativo al fine di studiare nuovi servizi a supporto di una migliore relazione.
L’integrazione dei sistemi stessi con i database aziendali (e quindi il poter sfruttare anche i dati in essi contenuti) e l’utilizzo di tecnologie di business intelligence offrono output sempre più precisi per migliorare il servizio offerto da vari punti di vista.
In primo luogo, è possibile implementare sistemi di monitoraggio delle chiamate evase, di controllo dei tempi medi di attesa o delle chiamate perse, i tempi di pausa, eccetera. Fruire di dati di questo tipo significa ottimizzare la gestione delle risorse e ottimizzare la customer experience.
Per quanto riguarda il front end, un call center che sfrutti la big data analytics è in grado di promuovere azioni di proactive engagement, supportando programmi di fidelizzazione promosse dal marketing. L’individuazione nei canali di comunicazione, per esempio, di parole chiave che indicano emozioni, interessi possono essere usate per attivare, magari anche in automatico, azioni focalizzate sul consumatore specifico per innalzare il livello di customer experience in maniera significativa.
Call center: le nuove frontiere tecnologiche
I consumatori, sempre più bravi nel gestire risponditori automatici e in generale le tecnologie digitali, hanno aspettative molto elevate rispetto ai call center, desiderano risposte coerenti, adeguate al loro contesto; vogliono infatti essere riconosciuti e quindi non sopportano di ricevere richieste di informazioni che hanno già trasmesso o di ottenere comunicazioni che non siano di loro interesse.
In questo senso le piattaforme di call center di nuova generazione, caratterizzate da tecnologie di big data analytics, devono offrire interfacce conversazionali smart e, inoltre, saper apprendere, cioè riuscire a immagazzinare e processare le informazioni in tempo reale in modo da non rischiare che l’interlocutore abbandoni la conversazione perché viene rallentato il ritmo o vi sono rimandi ad altri interlocutori eccetera. Questo significa sfruttare le tecnologie di machine learning ovvero i meccanismi che permettono a una macchina di migliorare le proprie prestazioni in autonomia, in base ai dati raccolti e non a una specifica programmazione.
La sfida poi è quella dell’assistenza 24 ore su 24, un obiettivo raggiungibile grazie all’utilizzo di assistenti virtuali che, integrati nei contact center, potendo attingere al valore della big data analytics, offrano un servizio che si avvicini a quello dell’operatore umano, o comunque il più possibile efficiente nel gestire velocemente l’inoltro di problemi ad addetti che possano rapidamente risolverli (in base all’orario di lavoro, alle competenze eccetera).
In tale contesto, è sempre più importante, infine, offrire la tecnologia che consenta l’interpretazione del linguaggio naturale, si tratta cioè di sfruttare appieno il potenziale delle tecnologie analitiche per fare analisi semantica e analizzare in profondità il contenuto delle conversazioni il che non si limita alle singole parole, ma sempre più si estende a concetti quali sentiment analysis e opinion mining (ovvero quegli ambiti dell’elaborazione del linguaggio naturale che si occupano della costruzione di sistemi per l’identificazione e l’estrazione di opinioni).
Marketing e big data analytics esempi di innovazione possibile
Raccogliere i dati su clienti e prospect, omogeneizzarli e metterli a fattor comune per fare big data analytics: tutto questo rappresenta un valore enorme per il marketing. Sulla base dell'elaborazione di tante tipologie di dati è infatti possibile prendere decisioni più consapevoli e non solo dettate dalla propria esperienza professionale.
Le informazioni importanti in ottica big data analytics per il marketing possono provenire dall'interno dell'azienda (amministrazione per le anagrafiche, reparto vendite per verificare i consumi e ovviamente dagli uffici che si occupano delle relazioni con i clienti mediante contact center) e dall'esterno, si pensi ai partner di filiera, così come ai data base che si possono acquisire da terze parti.
Il ruolo della big analytics nel marketing risulta evidente nel fatto che è possibile capire meglio i fenomeni che caratterizzano i mercati e le loro reazioni alle attività e anche la percezione che essi hanno dei vari brand; è quindi più facile comprendere quali sono i fattori chiave su cui scommettere per aumentare l’interesse e il coinvolgimento.
Grazie all’analisi dell’insieme di dati presenti in azienda è possibile, inoltre, conoscere a fondo i propri interlocutori e perciò segmentare meglio i target per poi personalizzare la comunicazione.
Naturalmente, potendo fruire di dati precedentemente mai avuti, una volta adottate soluzioni di big data analytics e predictive analytics (soluzioni capaci di elaborare previsioni sulla base delle informazioni) in ambito marketing si possono avviare attività nuove, sperimentazioni e costruire innovativi modelli di business.
Esempi pratici di iniziative marketing che possono essere ottimizzate dal punto di vista della loro efficacia facendo uso di tecniche di big data analytics riguardano, per esempio, l’e-mail marketing, un’attività che può essere decisamente raffinata mediante, per esempio, l’analisi delle aperture e dei tempi di lettura dei contenuti inviati.
D’altra parte, possono nascere nuovi spunti d’azione usando i dati collezionati da dispositivi e tecnologie nuovi quali app, touch point interattivi, NFC - Near Field Communication e beacon. Le tecnologie di geolocalizzazione consentono di capire come si comportano i consumatori, come si muovono nel punto vendita, addirittura su cosa focalizzano maggiormente l’attenzione. E questo a beneficio, per esempio, di una migliore organizzazione delle vetrine, delle merci sugli scaffali, dei luoghi dove collocare i propri messaggi, eccetera.
In generale, incrociando tutte le informazioni e facendo big data analytics sarà più facile per gli uomini di marketing riuscire a interpretare o anticipare i bisogni, inventando nuovi programmi di fidelizzazione, organizzando lanci di prodotto che risultino efficaci senza disperdere inutilmente risorse e così via.
