Massimizzare le performance della rete vendita

Via Durini, 23 - 20122 Milano (MI)
Tel.+39.02.77.88.931 Fax +39.02.76.31.33.84
Piazza Marconi,15 - 00144 Roma
Tel.+39.06.32.80.37.33 Fax +39.06.32.80.36.00
www.valuelab.it [email protected]
MASSIMIZZARE LE PERFORMANCE
DELLA RETE DI PUNTI DI VENDITA
INTEGRANDO GEOMARKETING, DATA MINING E CUSTOMER
RELATIONSHIP MANAGEMENT
MARCO DI DIO ROCCAZZELLA – ALESSANDRA VULTAGGIO
[email protected]
[email protected]
1.
LE CARTE FEDELTA’ E IL CRM
I dati che ormai molti punti vendita raccolgono attraverso le carte fedeltà distribuite ai
consumatori aprono varie opportunità per studiare il comportamento dei clienti: per la prima volta
nell’economia dei negozi al dettaglio a libero servizio emerge con evidenza tangibile che i dati,
opportunamente trasformati in informazioni, generano una conoscenza di valore, prima non
disponibile o difficilissima da acquisire.
Non è tuttavia semplice trasformare tantissimi dati in poche informazioni rilevanti che siano un
valido supporto alle scelte e, soprattutto, non è facile districarsi in dati che, producendosi
continuativamente, provocano il dubbio che qualunque scelta possa essere resa obsoleta dai dati
più recenti. Dunque, l’abbondanza di dati è contemporaneamente fonte di grandi opportunità, di
altrettanto grandi ansie e naturalmente di molti interessi.
Fino a quando le transazioni di vendita rimangono anonime, anche se registrate dagli scanner,
per ciascuno scontrino le imprese commerciali memorizzano i prodotti acquistati con i relativi
prezzi; quando lo scontrino diventa nominativo non soltanto ciascuna transazione è abbinata al
nominativo e all’indirizzo di chi l’ha effettuata ma, ciò che rappresenta il vero valore aggiunto
dell’identificazione, l’impresa è in grado di osservare il comportamento del cliente in transazioni
successive.
Nel momento in cui un consumatore accetta la proposta di un supermercato di sottoscrivere
una carta fedeltà offre immediatamente al promotore la possibilità di conoscere la sua anagrafica,
l’anagrafica della sua famiglia, alcuni elementi relativi alle sue abitudini («Che quotidiani legge?»,
«Quali animali ha in casa?») e alla dotazione di prodotti della sua famiglia («Ha il videoregistratore,
ha il forno a microonde», ecc.). Se usa la carta sottoscritta (aver compilato il modulo per entrare in
possesso della carta non significa necessariamente che la carta sarà utilizzata) offre al promotore
ulteriori elementi di conoscenza, relativi al suo comportamento d’acquisto, almeno per quanto
riguarda la spesa effettuata presso quel punto vendita permettendogli di instaurare una relazione
continuativa con il proprio cliente.
Combinando i dati anagrafici e i dati sugli acquisti dei titolari delle carte, il punto vendita può
stimare il suo potenziale di vendita nel territorio di insediamento e, attraverso il confronto tra il
2
giro d’affari effettivo e potenziale, valutare l’importanza della sua presenza per qualificare gli
obiettivi di crescita.
In estrema sintesi, grazie all’anagrafica dei clienti sottoscrittori di carte si possono disegnare i
confini del bacino d’attrazione e, quindi, calcolare la percentuale di penetrazione delle carte
rispetto al numero degli abitanti.
Con l’analisi della quantità e della qualità della spesa degli stessi clienti si individuano tutte le
numerose opportunità di crescita del fatturato che agevolano la formulazione di obiettivi più
precisi e mirati.
La costruzione di un sistema di CRM che consenta un uso intelligente dei dati prodotti dalle
carte fedeltà dovrebbe essere il motore dello sviluppo di approcci di micromarketing - one to one
marketing finalizzate a:
• garantirsi la fedeltà del cliente;
• aumentare gli acquisti nel punto vendita;
• orientare gli acquisti verso i prodotti più profittevoli.
3
1.1. IL PROFILO AZIENDALE E I BUSINESS REQUIRMENTS
Il management di Gamma, primaria catena di distribuzione alimentare italiana, dopo aver
aderito al lancio della carta fedeltà ha ritenuto strategico non solo “adeguarsi a una moda” in voga
nella grande distribuzione food, ma di utilizzare la carta fedeltà come strumento che potesse
generare un reale vantaggio competitivo, esplorando le possibili vie di analisi del comportamento
dei consumatori: quanto comprano, quali prodotti acquistano e quando, quali marche prediligono,
se sono fedeli alle marche, quanto sono sensibili alle promozioni, ecc. Tra queste tante direzioni,
Gamma ha scelto di concentrare l’attenzione innanzitutto sulla creazione di un sistema di CRM
analitico incentrato sulle analisi di geomarketing e volto alla comprensione complessiva delle
caratteristiche del bacino d’utenza, per valutare il potenziale di vendita, ritenendolo un primo
passo comunque necessario prima di implementare un sistema CRM supportato da una solida
base analitica sia di geomarketing sia di datamining. L’obiettivo delle analisi poste in essere è stato
quello di implementare azioni mirate su segmenti differenziati, per poi tracciare la risposta e,
quindi, implementare un sistema di CRM operativo incentrato sull’uso della carta fedeltà.
Per la creazione del sistema di CRM analitico, Gamma si è rivolto a Value Lab che ha fornito il
know how specifico nelle loyalty card e ha deciso di affiancare alla funzione EDP un nuovo ruolo
organizzativo: il responsabile dei sistemi informativi di marketing e CRM.
4
1.2. IL MODELLO ARCHITETTURALE
Il sistema di CRM per un punto di vendita della grande distribuzione deve consentire di
tracciare il comportamento di acquisto del consumatore, al fine di permettere alla direzione
marketing di focalizzare le azioni di micromarketing e promozionali sul punto vendita, ma,
soprattutto, di identificare i cluster di consumatori su cui attivare specifiche azioni di
comunicazione e di stimolo alla visita del punto vendita e all’acquisto.
In tal senso, è stata definita un’architettura che, oltre ai tools di analisi classici, prevedesse
l’utilizzo di tools specialistici in grado di soddisfare i marketing requirements. In particolare, il
sistema prevede, in un primo momento, l’utilizzo dei Geographic Information System (GIS), e in un
secondo momento, l’utilizzo di software di datamining.
I GIS sono software che permettono di visualizzare su una carta geografica dei dati di business, a
condizione che vengano georeferenziati, ossia attribuiti univocamente all’unità geografica su cui
debbono essere mappati. Tali software abilitano anche il calcolo delle distanze e l’analisi di
fenomeni legati alle variabili territoriali.
Il sistema prevede l’invio giornaliero dei dati scanner dal supermercato al gestionale e,
settimanalmente, vengono attivate le procedure di caricamento nel datawarehouse, dei dati
relativi agli acquisti totali, agli acquisti in promozione, al totale sconti goduti, alla data dell’ultimo
acquisto, sinterizzati per carta fedeltà e a livello di settimana.
Contestualmente, nel datawarehouse vengono caricati i dati personali contenuti nella application
form, compilata dai nuovi sottoscrittori della carta, imputati e inviati direttamente dal punto
vendita.
Gamma ha deciso di non utilizzare i dati scanner a livello scontrino / giorno, ma solo quelli
sintetici per carta, al fine di ridurre i tempi e costi di realizzazione del progetto e adottare un
approccio graduale.
L’attività di caricamento e cleaning dei dati risulta particolarmente complessa e dispendiosa e si
concentra sui seguenti aspetti:
• validità logica del contenuto dei singoli campi di anagrafica;
• attribuzione al campo « creazione carta » della data del primo acquisto, rilevabile
automaticamente dalla lettura dei dati scanner;
• gestione delle carte doppie;
5
• accorpamento di quelle smarrite;
• creazione di un codice padre per quelle appartenenti al medesimo nucleo familiare;
Vengono, inoltre, escluse dall’analisi tutte le carte che presentano uno o più dati palesemente
errati quali:
• ampiezza del nucleo familiare superiore a 10 persone;
• sottoscrizione della carta antecedente al 1996;
• data dell’ultimo acquisto antecedente al 1996;
• età del sottoscrittore maggiore di 95 anni;
• carte che riportano nel campo Cognome ragioni sociali di aziende o enti.
Il datawarehouse prevede, quindi, l’arricchimento dei dati attraverso la creazione di alcuni
indicatori rilevanti per le analisi successive, definite nei Business Requirments:
• la creazione di dati sintetici, come il numero di giorni dall’ultimo acquisto, l’età del possessore
della carta, il segmento d’acquisto;
• la relativizzazione di dati assoluti (es. % degli sconti sull’acquisto, incidenza degli acquisti in
promozione, acquisto pro capite per componente familiare);
• la temporalizzazione dei dati (es. calcolo dei valori economici relativi al periodo compreso tra
gli aggiornamenti) al fine di valutarne i delta;
• l’integrazione dei dati sociodemografici e distanza dal punto vendita, derivata dalla
georeferenziazione dei clienti, tramite l’indirizzo indicato sulla scheda.
In ambiente client-server, il datawarehouse è stato strutturato in due fasi distinte. Nella prima
fase ha permesso di analizzare a livello macro i comportamenti dei consumatori al fine di
identificare il bacino di mercato del punto vendita (attraverso i GIS) e le performance del
programma fedeltà (attraverso strumenti di query e reporting), in ottica di CRM analitico.
Nella seconda fase sono stati aggiunti all'architettura software, specialisti di datamining e di
statistica avanzata, con la finalità di analizzare i dati in modo più completo, porre in essere azioni
di one to one marketing e tracciare la reazione del consumatore ad azioni di couponing mirate,
creando un primo prototipo di CRM operativo.
6
7
1.3.
IL CRM ANALITICO SUPPORTATO DA ANALISI DI
GEOMARKETING
Un sistema di CRM analitico che permette di analizzare i dati ottenuti attraverso le carte fedeltà
con applicazioni GIS offre al supermercato notevoli vantaggi.
Innanzitutto, lo studio del bacino geografico d’attrazione, prima realizzato una tantum, diventa
dinamico, grazie al continuo aggiornamento; in secondo luogo, grazie alle nuove tecniche del
geomarketing, i responsabili dell’impresa sono in grado di combinare i dati interni di vendita con i
dati esterni di territorio, già segmentati per zone con profili socio-economici differenti.
Il geomarketing valorizza i dati raccolti attraverso la carta con l’aggiunta di un semplice dato,
che possiamo sintetizzare con la parola «DOVE», ossia un dato legato al territorio, rilevante nel
processo di marketing, perché la geografia diventa un’unità o addirittura l’unità privilegiata di
analisi dei dati di vendita; «dove» si riferisce al luogo in cui risiedono i consumatori, alla distanza
che percorrono per raggiungere il supermercato, alla localizzazione dei supermercati concorrenti.
Da questo paragrafo in poi ci si focalizzerà sul punto vendita su cui è stato testato il
sistema che successivamente è stato esteso a tutta la catena di punti vendita.
Localizzati su una mappa il supermercato Gamma e i suoi concorrenti, i clienti del supermercato in
questione vengono «geo-referenziati», nel senso che, tramite l’indirizzo, ciascuno riceve
coordinate spaziali che ne consentono la localizzazione sulla mappa stessa. Come si può vedere
dalla Figura 3, l’area di insediamento del supermercato è suddivisa in sub-aree, corrispondenti ai
comuni, a loro volta suddivisi in zone censuarie. La zona censuaria è l’unità minima di analisi e,
come il nome lascia intendere, è la zona minima di raccolta dei dati dei censimenti Istat.
Nell’ultimo censimento 1991 l’intero territorio nazionale è stato suddiviso in 323.395 sezioni; di
queste 54.234 hanno popolazione nulla o inferiore a 10 abitanti (parchi o aree agricole), nelle
restanti 269.161 risiedono mediamente 193 abitanti e 67 famiglie: ogni sezione è identificata da
un insieme di indirizzi completi di numero civico.
8
La figura rappresenta l’area geografica in cui è situato uno dei più importanti supermercati
dell’azienda Gamma: è un’area della Lombardia che comprende diciotto comuni contrassegnati da
diversi colori. Nella stessa area è evidenziata l’ubicazione di sette supermercati concorrenti; il
punto vendita indicato con una stella è il supermercato Gamma su cui è stato realizzato il progetto
CRM. In realtà, nella medesima area sono presenti ben più di sette supermercati e numerosi
negozi di minori dimensioni, ma in questa sede si considerano soltanto i sette che possono
ritenersi concorrenti più o meno diretti sia per vicinanza fisica sia per somiglianza di forma
distributiva (dimensione della superficie di vendita e caratteristiche dell’assortimento).
Ai fini delle analisi di geomarketing, dal datawarehouse sono stati estratti i seguenti dati:
• codice carta
• intestatario
• indirizzo
• data di sottoscrizione della carta
• data dell’ultimo acquisto
9
• ammontare complessivo degli acquisti dalla data di sottoscrizione alla data dell’ultimo
acquisto
• ampiezza del nucleo familiare.
I primi tre dati sono utili innanzitutto per localizzare sulla mappa della zona i punti di residenza
dei clienti; gli stessi dati, opportunamente incrociati con analoghi dati esterni riferiti ai residenti
non clienti, permettono analisi approfondite sulla penetrazione geografica delle carte fedeltà. Con
i successivi tre dati si definiscono i confini precisi del bacino d’attrazione primario e si costruisce il
profilo del portafoglio clienti in termini sia quantitativi sia qualitativi: pesantezza d’acquisto,
fedeltà all’insegna, effettivo utilizzo e quindi fedeltà alla stessa carta.
Infine, il dato della numerosità dei componenti della famiglia è stato utilizzato al fine di
determinare la spesa pro-capite dei titolari della carta. Una carta fedeltà raccoglie gli acquisti non
soltanto del titolare che l’ha sottoscritta, ma di tutti i membri della famiglia di cui egli si configura
appunto come un responsabile d’acquisto; ai fini della determinazione del potenziale è, quindi,
molto interessante conoscere non tanto la spesa relativa alla singola carta quanto la spesa relativa
a ogni singolo individuo a cui la stessa carta è riferibile.
Il database dei sottoscrittori comprendeva 7.552 anagrafiche e nel supermercato Gamma il giro
d’affari generato dalle carte incideva per quasi l’80% sul fatturato complessivo, una percentuale
relativamente elevata che rassicura sulla validità delle analisi successive. L’importanza di questo
dato iniziale è infatti connessa proprio al suo livello, nel senso che di fronte a percentuali di
incidenza contenute, diciamo inferiori al 50%, Gamma avrebbe dovuto accertare se e in quale
misura il comportamento d’acquisto dei titolari di carta potesse evidenziare sistematiche e
significative differenze rispetto al comportamento d’acquisto dei non titolari, ad esempio
attraverso un’analisi comparata degli scontrini relativi ai due segmenti di consumatori.
Dal punto di vista dell’opportunità di segmentare la domanda, la presenza di clienti titolari e
non titolari di carta era già un’occasione di segmentazione, perché poteva già denunciare una
diversa sensibilità alle politiche di marketing del supermercato e in questo caso sembrava che il
programma fedeltà avesse avuto successo, avendo colpito l’80% dei clienti del supermercato .
In realtà, delle 7.552 carte soltanto il 45% era utilizzato dai consumatori con una certa
sistematicità realizzando l’88% del giro d’affari generato dalle carte; del 12% mancante al 100% del
fatturato l’11,6% era determinato dalle 1.674 carte che si potrebbero forse denominare «perse»,
nel senso che appartenevano a consumatori che non le avevano utilizzate nell’ultimo mese; infine,
10
i 131 clienti che avevano sottoscritto la carta nell’ultimo mese contribuivano per il restante 0,4%.
Tenendo conto della frequenza media di visita a un supermercato, che tipicamente è superiore a
una volta alla settimana, Gamma riteneva che chi non visita un supermercato per un mese intero
possa ritenersi un consumatore quasi perso, poiché sicuramente sta provvedendo diversamente ai
propri acquisti. A questi tre segmenti, che insieme sommavano il 67% delle carte, se ne aggiungeva
un quarto che, pur contando ben il 31% delle anagrafiche, non aveva mai generato alcun fatturato:
sono le carte che non sono state utilizzate neppure una volta nell’intero periodo. I consumatori le
hanno richieste e sottoscritte probabilmente al termine di un acquisto e poi non le hanno mai
utilizzate.
La Figura 4 rappresenta la segmentazione delle carte appena descritta, evidenziando il
contributo dei quattro segmenti alla dimensione del parco clienti e al giro d’affari del
supermercato.
Già queste poche analisi hanno dimostrato che la caratteristica dominante del portafoglio
clienti non era la classica regola dell’80/20, bensì la sua instabilità; in soli sei mesi, oltre il 50% dei
titolari ha abbandonato le carte, privando il supermercato di una consistente quota di fatturato:
...e si chiamano carte fedeltà1 .
Le considerazioni effettuate dalla direzione marketing di Gamma sono state:
1
Gli acquisti dei clienti che non avevano utilizzato le carte nell’ultimo mese sono significativamente inferiori rispetto
agli analoghi riferiti alle carte ancora attive, in termini sia complessivi sia medi per carta. Per avere un’idea dell’entità
di tale divario, il rapporto tra acquisti imputabili alle carte non più utilizzate e acquisti imputabili alle carte rimaste
attive era di 1 a 7 nel periodo considerato.
11
“Crediamo tuttavia che il danno maggiore sia un altro: la carta, prima di essere uno
strumento di fidelizzazione dei clienti, è uno strumento per conoscerne le abitudini
d’acquisto; è proprio tale conoscenza che dovrebbe consentirci la messa a punto di
un’offerta in linea con le aspettative dei clienti e, per questa via, di affezionarli
all’insegna. Se, però, il cliente decide di rinunciare all’uso della carta, magari senza per
questo abbandonare il nostro supermercato, provoca l’oscuramento del capitale
informativo sin lì accumulato, depauperando il valore della conoscenza acquisita.”
Una seconda osservazione immediata e conseguente è stata:
“Quando il consumatore accetta di sottoscrivere la nostra carta fedeltà non significa
affatto che possa ritenersi un cliente acquisito. Tale comportamento lascia intendere:
disattenzione, scarso interesse ad avviare una relazione con un fornitore quale il
supermercato, progressiva disaffezione per mancanza di reali vantaggi, preferenza per
offerte concorrenti.”
In questo senso è importante sottolineare come una strategia di CRM non debba essere
semplicemente volta all’acquisizione dei clienti, quanto debba anche attivare dei canali di
relazione apprezzati e utilizzati dal cliente. Ricordiamo, infatti, che i touch-points rappresentano
l’unico modo con cui riconoscere il cliente, analizzare i suoi comportamenti d’acquisto e di
relazione consentendo, quindi, di finalizzare tale conoscenza alla retention del cliente e al suo
sviluppo nel tempo.
Alla luce dei risultati emersi dalla segmentazione delle carte, l’analisi è proseguita avendo come
base soltanto le carte attive, quelle 3.382 carte che generano l’88% degli acquisti complessivi dei
titolari. La disponibilità dell’indirizzo dei sottoscrittori, della composizione del loro nucleo familiare
e dell’ammontare dei loro acquisti ha consentito di identificare e caratterizzare il bacino d’utenza
del supermercato, quindi di determinare il relativo potenziale di vendita.
Normalizzato l’indirizzo, ovvero ricondotta la sua sintassi a un codice standard, è stato possibile
geo-referenziarlo, ossia attribuirgli le coordinate geografiche della relativa sezione censuaria: è
questo il primo passo per disegnare il bacino d’utenza.
In un cerchio con raggio di due chilometri, il supermercato realizzava circa l’85% del fatturato;
allungando tale raggio di un chilometro si raggiungeva il 95%.
12
E’ opinione diffusa che la propensione all’acquisto di beni di largo consumo dei residenti in una
certa area geografica, decresca in relazione alla distanza dal negozio; per cui ci si aspettava che le
vendite pro-capite si smorzassero gradualmente passando dal centro alla periferia del bacino
d’attrazione: non sempre è chiaro, tuttavia, se lo smorzamento sia imputabile alla riduzione del
numero dei clienti, oppure alla diminuzione degli acquisti dei clienti. Se è indubbio che il
supermercato ottiene gran parte del fatturato da un’area che potremmo definire di prossimità, ciò
che l’analisi condotta ha messo in evidenza è la notevole eterogeneità di situazioni esistenti in
quest’area.
La Figura 7 illustra la distribuzione delle sezioni censuarie localizzate nel bacino d’attrazione in
funzione del fatturato medio che il supermercato otteneva da ciascun residente2 : il fatturato
medio pro-capite di L.80.160 risulta da un campo di variazione molto ampio, che va da un minimo
di L.10.000 per oltre 80 sezioni, ad un massimo di oltre L.300.000 per poco meno di 20 sezioni.
2
Tale fatturato si ottiene dividendo il fatturato attribuibile alla zona, ricavato dalle carte fedeltà dei residenti, per il
numero degli abitanti. E’ quindi un dato utile soltanto a fini di analisi statistiche e di confronti, in quanto non
corrisponde a un comportamento effettivo.
13
Il dato delle vendite medie pro-capite per sezione è calcolabile anche come prodotto di due
indicatori di grande interesse per l’economia di un programma fedeltà: le vendite pro-capite
riferite alle famiglie di appartenenza dei titolari di carta fedeltà e la percentuale di tale
popolazione rispetto a quella totale residente nell’area di insediamento del supermercato.
Vendite totali carte fedeltà/Abitanti nell’area =
Vendite totali carte fedeltà/Σ Numerosità nuclei famigliari titolari
x
Σ Numerosità nuclei famigliari titolari/Abitanti nell’area
Secondo i canoni del programma di fidelizzazione della clientela, il primo indicatore dovrebbe
essere assai più rilevante del secondo; in altri termini, ci si aspetterebbe che l’aumento del
fatturato dipenda più dal contributo dei clienti fedeli, che premiano il supermercato con acquisti
crescenti stimolati appunto dagli incentivi alla fedeltà, che non dalla distribuzione di un numero
elevato di carte.
I dati hanno dimostrato, al contrario, che il giro d’affari generato dalle carte attive era correlato
in misura molto maggiore alla loro diffusione che non all’acquisto medio effettuato dalla singola
carta.
14
Ponendo come variabile dipendente le vendite pro-capite della popolazione residente e come
variabili indipendenti prima le vendite pro-capite dei clienti titolari di tessera poi la percentuale di
diffusione delle tessere nell’area, si osserva che la seconda curva di regressione «legge» i dati
molto meglio della seconda, come si deduce anche dal livello del coefficiente di determinazione r2
( Figura 8 e Figura 9).
Le ragioni squisitamente statistiche che spiegavano questa evidenza hanno offerto notevoli
spunti di riflessione per valutare l’efficacia e l’efficienza del programma fedeltà. Osservando la
distribuzione delle sezioni censuarie (ogni punto rappresenta una sezione) del primo grafico, lungo
15
l’asse orizzontale, si notava che, in gran parte delle sezioni, le famiglie dei titolari nel periodo di
cinque mesi avevano effettuato acquisti nel supermercato per un valore inferiore al milione di lire
pro capite, con una notevole concentrazione intorno alle 500.000 lire. Diversamente, la
distribuzione dei punti del secondo grafico segue la retta. Ciò significa che la varianza della
variabile dipendente - nel nostro caso le vendite medie per residente - è spiegata più dalla
percentuale di diffusione delle tessere attive rispetto alle famiglie residenti nell’area che non dalla
loro propensione all’acquisto.
La conclusione più immediata è stata che il supermercato è in grado di ottenere significativi
aumenti del fatturato focalizzando gli sforzi più sull’acquisizione di nuove carte, a condizione che
vengano poi effettivamente utilizzate, che non sull’aumento della pesantezza dei clienti già
acquisiti che usano la carta.
Se da un lato l’evidenza risultante dall’analisi poteva essere riconducibile alla giovane età del
programma di fidelizzazione sviluppato dal supermercato, dall’altro la sua forza ha lasciato pochi
dubbi: il punto critico, prima di stimolare i clienti ad acquistare di più, è quello di affezionarli alla
carta.
Ricordiamo che la correlazione elevata riguarda le carte attive, non le carte distribuite, e tra le
prime e le seconde si registra un calo di oltre il 50%.
Un ultimo interessante aspetto, per certi versi una sorpresa, ma in fondo coerente con le
osservazioni precedenti, è stato l’assenza di un decadimento sistematico degli acquisti
all’aumentare della distanza; ciò che varia all’aumentare della distanza è piuttosto la percentuale
di diffusione delle carte, per cui ogni carta all’interno del bacino d’utenza aveva un valore
indipendente dalla distanza. Insomma, la percentuale di consumatori che partecipano al piano
promozionale della carta fedeltà diminuisce con l’allontanamento dal supermercato, ma una volta
decisa l’adesione, il loro comportamento d’acquisto non dipende più dalla distanza.
In sintesi, i punti principali emersi dalle prime analisi dei dati sono stati:
1. l’ampiezza del bacino d’attrazione primario del supermercato è compresa in un’area con
raggio di 3 chilometri;
2. all’interno di questa area, sia la diffusione sia il comportamento d’acquisto dei titolari delle
carte attive, sono fortemente disomogenei, rendendo prioritaria la questione della
fidelizzazione.
Da queste prime analisi è stato deciso dalla direzione di:
16
• modificare il programma fedeltà, rendendo più vantaggioso per il possessore l’utilizzo della
carta ;
• focalizzare le attività di comunicazione e di volantinaggio all’interno del bacino di attrazione di
3 km, e non più nei comuni limitrofi al punto vendita (con un risparmo del 42% in termini di
budget di comunicazione) e finalizzarle a fare conoscere meglio sia ai già titolari sia ai non
titolari di carta i vantaggi dell’utilizzo della carta fedeltà comunicando in modo più diretto
convenzioni e promozioni ad essi riservati perseguendo l’obiettivo di affezionarli alla carta.
17
1.4. IL CRM ANALITICO SUPPORTATO DA ANALISI DI
DATA MINING
Inizialmente, l’incremento del fatturato del punto vendita e il contestuale incremento delle
carte fedeli aveva portato a reputare positivamente le azioni poste in essere. In realtà, da una
analisi condotta mettendo a confronto la distribuzione delle carte tra i segmenti
• fedeli: carte utilizzate negli ultimi 30 giorni,
• discontinue: carte che hanno acquistato, ma non sono state utilizzate negli ultimi 30 giorni,
a distanza di sette mesi (ottobre 1999 e maggio 2000) hanno evidenziato un significativo calo delle
carte considerate fedeli in quanto delle 2433 carte fedeli di ottobre solo 1723 erano rimaste fedeli,
con un calo netto del 29,2% e contestualmente che delle 1450 carte discontinue di ottobre il
22,3% era diventata fedele.
Da queste evidenze la direzione marketing si è posta due quesiti:
“Come individu,o tra i clienti fedeli, quelli a rischio di abbandono ?”
“Come individuo, tra i clienti discontinui, quelli che hanno maggiori probabilità di essere
fidelizzati ?”
La necessità di realizzare azioni promozionali di customer specific marketing mirate da un lato
sui clienti a maggior rischio di infedeltà, dall’altro sui clienti che acquistano con discontinuità ma
che potrebbero essere in parte fidelizzati se stimolati adeguatamente, hanno determinato la
18
necessità di sviluppare un sistema di CRM supportato da strumenti di datamining quali le reti
neurali.
All’interno del datawarehouse è stato costruito un database contenente 114 informazioni
riconducibili a tre tipologie:
• Dati anagrafici in termini di Codice del cliente riportato sulla carta e bar code, Data di
sottoscrizione della carta, Cognome e Nome, Sesso, Indirizzo, Distanza dal pdv (in km), Età,
Grado di istruzione, Professione, Ampiezza del nucleo familiare;
• Dati sociodemografici ossia i 131 indicatori che descrivono ogni sezione di censimento in
termini di aspetto demografico, aspetto socioeconomico, aspetto occupazionale, aspetto
abitativo, aspetto urbano rurale;
• Dati di acquisto in termini di data dell’ultimo acquisto, giorni di vita della carta (giorni
intercorsi tra la data di aggiornamento dei dati e la creazione della carta), giorni di inattività
della carta (giorni intercorsi tra la data di aggiornamento dei dati e l’ultimo acquisto), segmento
carta ad ottobre 1999 e a maggio 2000 (sottoscritta, discontinua, fedele, nuova), acquisti totali,
acquisti in promozione, incidenza dell’acquisto in promozione sull’acquisto totale, sconti
progressivi, incidenza degli sconti sull’acquisto totale, incidenza degli sconti sull’acquisto in
promozione, numero di scontrini, valore medio dello scontrino, acquisto pro capite.
“Come individuo, tra i clienti fedeli, quelli a rischio di abbandono ?”
Per l’analisi finalizzata a “mantenere fedeli le carte fedeli” sono state estratte dal database
generale le carte fedeli a Ottobre 1999 (2.433 carte). Le stesse carte sono state analizzate a
Maggio 2000 ed erano suddivise in due segmenti:
• non più fedeli 29,18 %
• fedeli 70,82%
Le reti neurali, dopo che l'utente ha scelto il fenomeno, o la variabile che intende analizzare (es.
scontrino medio, grado di fedeltà, ecc), permettono, scandagliando il database secondo algoritmi
interattivi di analizzare il potere discriminante di tutte le altre variabili in esso contenute e
identificare quelle che meglio spiegano il fenomeno di partenza.
Ponendo come variabile target della rete neurale, lo status della carta a maggio 2000, sapendo
che la stessa carta era fedele a ottobre 1999 è emerso che la fedeltà della carta aumenta
proporzionalmente all’aumentare degli acquisti in promozione effettuati nel periodo.
19
Ciò è evidenziato dal fatto che il mix iniziale (calcolato su 2433 casi analizzati) tra carte fedeli
(70,82% -in verde) e non più fedeli (29,18% - in rosso) cambia a favore delle carte fedeli,
all’incremento dell’acquisto in promozione effettuato dal possessore di carta, come osservabile
dai grafici a torta evidenziati sotto i diversi cluster di clienti, creati dalla rete neurale.
In altri termini, nell'output di una rete neurale, la radice dell’albero rappresenta il campione che si
sta analizzando secondo il fenomeno che si intende esplorare, ossia il mix tra carte fedeli ed
infedeli a maggio 2000 che a ottobre erano fedeli. Partendo dal campione, la rete neurale
identifica una o più variabili discriminanti (in questo caso l’acquisto in promozione) che permette
di suddividere il campione iniziale in sottocluster, all’interno dei quali ci sia la massima omogeneità
e tra i quali vi sia la massima disomogeneità in termini di mix percentuale tra carte fedeli e non
fedeli.
La rete neurale ha anche evidenziato che le carte che visitano più frequentemente il
supermercato hanno più probabilità di rimanere fedeli.
20
Si nota, infatti come, al crescere del numero di scontrini realizzati da una singola carta, la
fedeltà della stessa tenda a crescere passando dal 26,6% nel caso in cui in 7 mesi sono stati fatti 7
scontrini (1 al mese !) al 97,32% nel caso in cui nel periodo sono stati realizzati oltre 21 scontrini
(più di 3 al mese).
Gli stessi dati di output, mappati sugli assi cartesiani in Figura 13, hanno permesso di stimare un
modello di regressione che evidenzia come una cadenza di visita settimanale potesse garantire
una buona fedeltà nel tempo.
Le variabili esaminate precedentemente in modo disgiunto, quindi, sono state incrociate per
creare uno schema interpretativo completo: le carte che non acquistano in promozione
dimostrano di avere un tasso medio di fedeltà di solo 30,81% (e sono, pertanto, da considerare a
21
rischio) rispetto all'82,28% di quelle che hanno effettuato almeno un acquisto in promozione.
All'interno di quest'ultimo segmento si evidenziava come, al crescere del numero di scontrini
registrati dalla carta, la fedeltà cresca più che proporzionalmente rispetto al mix medio della
radice dell'albero se il cliente ha realizzato nel periodo (sette mesi) almeno dai 14 ai 24 scontrini
(circa 3 scontrini al mese).
Queste analisi hanno permesso di identificare le regole di individuazione delle carte fedeli “a
rischio” verso cui indirizzare azioni promozionali:
• carta che negli ultimi 3 mesi non ha effettuato acquisti in promozione
(indipendentemente dal n° di scontrini realizzato);
• carta che ha effettuato acquisti in promozione, ma che ha realizzato nelle ultime 4
settimane meno di 3 scontrini.
“Come individuo, tra i clienti discontinui, quelli che hanno maggiori probabilità di essere
fidelizzati ?”
L’obiettivo è stato quello di fidelizzare un parco clienti che acquistano con discontinuità se
stimolati adeguatamente.
A tale scopo, sono state estratte dal database generale le carte che erano classificate come
discontinue a Ottobre 1999 (1.450 carte); le stesse carte, a Maggio 2000, erano suddivise in due
segmenti:
22
• rimasta discontinua 77,72%,
• diventata fedele 22,28%.
Anche in questo, caso un algoritmo di rete neurale ha evidenziato che la probabilità di
rivitalizzare una carta appare discreta se l’ultimo acquisto è stato effettuato non oltre gli ultimi 90
giorni, risultando del 31,54% se dall'ultimo acquisto non erano passati più di 42 giorni e del 28,22%
se non erano passati più di 88 giorni.
Anche in questo caso, come già evidenziato nelle analisi precedenti, gli acquisti in promozione,
quasi indipendentemente dalla loro entità, spiegavano significativamente la fedeltà del
consumatore. Il consumatore aveva una fedeltà dell'11,46% nel caso in cui non aveva acquistato in
promozione contro il 58,39% nel caso in cui aveva acquistato per oltre 14.150 lire in sette mesi.
Una dinamica simile si osservava dall'andamento dell'utilizzo degli sconti riservati alla carta.
23