Modelli di clustering
per l’analisi del parco clienti
Il rapporto commerciale verso i clienti è cambiato fortemente con l’avvento della digitalizzazione: un approccio generalista non colpisce l’attenzione di chi acquista. Con tutte le informazioni che si possono estrapolare dai dati di vendita raccolti, si possono costruire pattern comportamentali (cluster) che portano alla differenziazione e targetizzazione delle campagne di vendita.
Quando si deve gestire un parco cliente vasto e dalle caratteristiche variegate, può risultare difficile colpire l’attenzione della platea completa con un’unica strategia di marketing: la strada ottimale è quella di identificare i punti di maggiore sensibilità dei vari clienti, e targetizzare le promozioni.
è esattamente ciò che succede quotidianamente quando navighiamo in internet: le pubblicità proposte sono mirate alla nostra persona, ai nostri interessi che abbiamo mostrato navigando. ciò è possibile costruendo una profilazione, per poi costruire delle famiglie di soggetti con interessi comuni e correlati.
La strada per familiarizzare i nostri interlocutori è la cluster analysis: partendo dai dati di vendita, si estrapolano variabili che descrivono volumi, frequenza, categorie di prodotti preferite e si individuano i cluster, ovvero le famiglie, che i singoli conformano grazie alle caratteristiche che li accomuna.
Fasi del progetto
Discover
un preliminare incontro per capire quali sono gli obiettivi che si vogliono raggiungere una volta clusterizzati i clienti, ed eventualmente decidere il perimetro di analisi, che potrebbe ad esempio concentrarsi sui prodotti a marginalità maggiore
Understand
esplorazione della base di dati a disposizione, per individuare ed estrapolare le variabili più interessanti utili a pilotare la clusterizzazione nella direzione che possa generare vantaggio
Solve
analisi dei risultati emersi e approfondimento di come trasformarli in valore, pensando anche alle possibilità di visualizzazione per fruire dei risultati