Huawei Developer Day
Applicazioni
 

27/07/2016

Share    

Capire i bisogni dei clienti per fidelizzarli

Gli strumenti per interagire con i clienti si moltiplicano, e con essi le informazioni che si possono raccogliere in tema di abitudini e preferenze. La sfida è trasformare una mole destrutturata di dati in idee vincenti.

Il business per molte aziende sta diventando sempre più digitale, ovvero i canali ‘tecnologici’ con i quali si gestiscono le relazioni con clienti e prospect si stanno moltiplicando: oltre ai sistemi di CRM a supporto della forza commerciale tradizionale, ai contact center, al direct-marketing via mail e all’ecommerce, la customer relationship, le attività di marketing, ma in alcuni casi anche le attività commerciali, oggi si possono realizzare attraverso le app mobile, i social più popolari e in prospettiva si implementeranno anche con gli strumenti chat più immediati. Tutto ciò ha portato un ribaltamento nelle interazioni delle aziende con i propri clienti e con gli altri anelli della catena del valore di appartenenza: da una comunicazione monodirezionale (dall’azienda ai suoi clienti), infatti, si è passati ad una di tipo paritario, dove diversi attori (azienda, consumatori, influencer...) agiscono su un piano di parità, o quasi. L’obiettivo principale è quello di conoscere sempre meglio i propri target di riferimento offrendo a ciascuno un’esperienza il più possibile personalizzata, vuoi che si tratti dell’acquisto di un prodotto o della fruizione di un servizio: l’unico modo, oggi, per innalzare il livello di fidelizzazione. Questi i temi affrontati in questo articolo, dedicato all’analisi dei nuovi modelli di business digitali, a cui hanno aderito player che ogni giorno affiancano le aziende italiane nel loro percorso di digital transformation. 

Per quanto riguarda le analisi dei risultati di business delle attività marketing/commerciali realizzate nei canali digitali vecchi e nuovi, quali sono le ragioni del perché oggi nella maggior parte dei casi non viene utilizzato uno strumento di analisi unico per i dati provenienti da queste diverse fonti?

Danilo Poccia, EMEA evangelist di Amazon Web Services - Quello che vediamo è che le piattaforme di analisi dei dati tradizionali non riescono a tenere il passo delle nuove piattaforme digitali e social. Il motivo principale è che i volumi trattati sono particolarmente elevati, i dati non sono strutturati e presentano una elevata variabilità, e la velocità con cui nuovi dati sono introdotti è di ordini di grandezza superiore ad un approccio di data warehouse tradizionale. È per questo motivo che spesso
i sente parlare di ‘Big Data’, perché è necessario un approccio differente, che utilizza hardware computazionale e standard come ‘building block’ per assemblare rapidamente una soluzione in grado di scalare in modo orizzontale, senza necessità di effettuare investimenti iniziali elevati in piattaforme costose e complesse da gestire.

Michele Gugliemo, regional sales director di Cloudera Italia - I set di dati più grandi e più complessi hanno sempre richiesto soluzioni di gestione e di analisi altamente personalizzate: questo ha limitato le scelte strategiche sui clienti, sulle operazioni e sui mercati. Oggi, l’introduzione di un Enterprise Data Hub (EDH), come Cloudera Enterprise, al centro dell’architettura di informazioni favorisce la centralizzazione e l’elaborazione di tutti i dati di qualsiasi formato, rendendoli disponibili in modo conforme a tutti gli utenti aziendali, con una riduzione della spesa per terabyte del 99% rispetto a un tradizionale data warehouse. Aumenta, infatti, la disponibilità e l’accessibilità dei dati rispetto a tutte le attività che supportano la crescita del business, fornendo così un quadro completo delle operazioni. L’EDH è un repository flessibile con numerose funzionalità, tra cui spiccano il rilevamento delle anomalie in tempo reale e un miglioramento del reporting di business intelligence e di analisi.

Costantino Talia, marketing solutions manager IBM Italia - Oggi esistono tecnologie molto potenti che consentono I’uso di un singolo strumento di analisi multicanale. Per integrare dati strutturati, provenienti da canali ‘tradizionali’, e dati non strutturati provenienti da canali per lo più social è necessario avere un’architettura informatica sofisticata. La condizione di base è un data warehouse in grado di elaborare dati nell’ordine di grandezza di Zettabyte e di supportare tecnologie Big Data: capacità che vanno ben oltre quelle dei tradizionali sistemi relazionali. In questo modo le aziende potrebbero trarre un vantaggio competitivo notevole sfruttando la disponibilità di dati prima inusabili o inaccessibili, elaborati con tecniche analitiche avanzate, quali text analytics, machine learning e predictive analytics, per ricavare nuovi insight sui clienti. Tuttavia non sempre le aziende italiane sono in grado di percepirne il valore aggiunto e di fare gli investimenti necessari. È per questo che di norma coesistono diversi strumenti che si limitano a creare un framework interpretativo a silos piuttosto che a generare un approccio integrato cross-channel.

Franco Coin, MHT CEO - Perché, parafrasando il detto, se il saggio indica la customer experience, troppo spesso si guarda lo smartphone. Con la diffusione di device mobili, di tecnologie digital come beacons, custom sensors, Rfid, ecc. a supporto dei canali di marketing, le aziende stanno ridisegnando il proprio modello di business a favore di una migliore customer proximity. Un passo importante che necessita però di un secondo step, propedeutico e strategico, ovvero investire in strumenti di analisi che permettono di interpretare al meglio i dati raccolti, anticipando i bisogni dei consumatori e ottimizzando così la customer satisfaction. L’acquisizione di competenze specifiche e tecnologie avanzate come il machine learning e la predictive analysis consentono di creare strategie efficaci di customer engagement. Oggi, i sistemi CRM come Microsoft Dynamics CRM, integrano i tools più innovativi di Big Data Analytics, che consentono all’azienda di monitorare in tempo reale il ciclo di vita del cliente, analizzando i dati provenienti dai diversi canali, sia digitali che tradizionali.

Mattia De Rosa, Data Platform product marketing manager di Microsoft Italia - Le ragioni sono a mio avviso principalmente due: tecnologiche ed organizzative. Per quello che riguarda le tecnologie, i dati che è necessario analizzare per raggiungere una vista integrata dei fenomeni di business sono molto diversi tra loro, alcuni disponibili on premise ed altri sul cloud. È necessario quindi avere una piattaforma che offra elevati livelli di flessibilità ed economicità. Oggi non sono molte le aziende che possono vantare una di questa piattaforme. Microsoft è sicuramente una di queste, ed a detta degli analisti (per esempio Gartner, Forrester), una delle migliori. Le ragioni organizzative invece riguardano come le aziende si sono strutturate nel tempo, e come questa strutturazione mostri ormai i suoi limiti nel rispondere a opportunità ed esigenze che sono invece trasversali. Per esempio è necessario che l’esperienza di un utente sull’applicazione mobile di un azienda sia nota alle persone del customer care della stessa azienda che interagiscono con lo stesso cliente per gestire le sue richieste o per promuovere nuovi prodotti e servizi, ma spesso i due sistemi sono gestiti da divisioni diverse. Al netto di queste difficoltà, questo è il momento opportuno per una trasformazione che traendo vantaggio dalle tecnologie disponibili, come Microsoft Cortana Intelligence Suite, favorisca anche le sinergie aziendali necessarie per crescere nel proprio business e monetizzare le diverse informazioni che abbiamo sui nostri clienti.

Stefano Maio, country leader Business Analytics, Oracle Italia - L’utilizzo di strumenti in grado di fare un’analisi unica su tutti questi dati non ha una penetrazione capillare per molti motivi. In primo luogo, c’è ancora una mancanza di conoscenza e maturità da parte del mercato, da cui consegue la scarsa capacità di interpretare e valutare il ritorno dell’investimento. Un esempio lampante è la situazione nel marketing: un settore in cui le metriche si stanno teorizzando da pochi anni, in particolar modo per quanto riguarda il marketing sui canali digitali. Un secondo tema è legato all’implementazione, che può richiedere un investimento iniziale sia economico sia di formazione di competenze; c’è da dire però che optare per una piattaforma unica, magari in cloud, rende meno rilevante il problema dei costi anche in ottica di manutenzione. Questo è un tema da fare comprendere al mercato. Il terzo elemento, che è sempre legato alla conoscenza e alle competenze, è l’opportunità offerta dalla raccolta e analisi dei dati da più fonti. Creare correlazioni può contribuire fortemente a una maggiore e più approfondita conoscenza del mercato, le capacità di discovery possono fornire informazioni di valore per le aziende. Molti lo stanno comprendendo ora, soprattutto quelle realtà che hanno a che fare con grossi volumi di dati.

Enrico Galimberti, direttore dei Servizi Professionali di Teradata Italia - Noi di Teradata constatiamo sempre più la tendenza delle aziende a dotarsi di sistemi di CRM potenziati da nuove piattaforme di analytics in grado di raccogliere le informazioni da più fonti, tra cui le apps e i social, trasformando gli insight che vengono trovati in azioni che vengono eseguite direttamente all’interno delle applicazioni di campaign, allo scopo di abilitare delle campagne ad evento (event based marketing). Porto ad esempio una delle maggiori società Telco, nostra cliente, che ha potenziato con un motore analitico la sua applicazione CRM per cambiare completamente le campagne di marketing e per abilitare in near real time event based marketing. Un altro cliente Teradata - una delle più importanti banche italiane - si sta dotando di una soluzione Aster Data per dare vita a tutta una serie di campagne generate dai modelli automatici a supporto di molteplici azioni di marketing. Ci sono già quindi diverse aziende che si sono attrezzate con strumenti in grado di analizzare più fonti di dati e raccogliere quegli elementi che permettono loro di utilizzare al meglio i tool di campaign. È fondamentale che questi strumenti per l’analisi di business non siano solo in grado di analizzare i dati provenienti da più fonti - attraverso connettori che facilitano l’integrazione con il canale web e con il canale social oltre alle informazioni già disponibili nel sistema operazionale dei clienti - ma siano strumenti di facile utilizzo in grado di fare analisi sofisticate in modo facile e in tempi ridotti, con un approccio agile alla business discovery che dipenda in misura sempre minore da figure con skill tecnici.

Vista l’eterogeneità dei dati generati attraverso i diversi canali digitali, come cambia l’approccio al tema del data warehouse?

Stefano Maio, Oracle Italia - Oggi parliamo di Data Reservoir e/o Data Lake, due concetti che in parole semplici, significano: mettiamo tutti i dati che ci interessano in un unico ‘calderone’ e navighiamo all’interno di questo enorme ‘spazio’ per ricavare informazioni utili e interessanti. La navigazione efficace in questo unico spazio è possibile solo se ci dotiamo di strumenti che siano capaci di trovare le relazioni tra tutti i dati da acquisire (per es. grazie ad algoritmi semantici e statistici) e consentire quindi un popolamento avanzato di quello spazio; di manipolare ed eliminare eventuale ‘rumore’, per elevare la qualità del dato; di fornire mezzi per ‘scoprire’ informazioni utili proprio attraverso la navigazione. Oggi, strumenti di questo genere ci sono, anche coadiuvati da semplici e intuitive capacità di data visualization, molto interessanti per i business manager in quanto contribuiscono a dare loro abilità di usufruire di informazioni ‘self-service’. In tale ‘spazio’ possono coesistere dati provenienti dai social, da internet, strutturati, non strutturati, ecc. Il tutto può essere in cloud, contribuendo quindi anche ad un risparmio dei costi di gestione della soluzione.

Franco Coin, MHT - Mobile, Social, Cloud, Big Data, IoT... sono tante le onde che si susseguono dando vita alla digital transformation. Molte aziende stanno percorrendo la strada dell’innovazione, lo vediamo oggi in particolare nel mondo del process manufacturing, dei trasporti, della logistica, del retail e finanziario. Nel loro processo di digitalizzazione, le imprese si trovano a fare i conti con enormi quantità di dati da conoscere per pianificare nuove strategie e processi aziendali. MHT, specializzata nell’implementazione di sistemi gestionali ERP e CRM basati su piattaforma Microsoft Dynamics e di soluzioni Microsoft di Business Intelligence e Data Science, da tempo supporta il processo di digitalizzazione delle imprese, assicurando alle aziende vantaggi competitivi grazie alla gestione efficiente e predittiva dei dati, soprattutto a supporto del time-tomarket. Per osservare da vicino quelle che sono le esigenze delle aziende, inoltre, MHT è diventata Partner della Ricerca 2016 dell’Osservatorio Big Data Analytics & Business Intelligence, School of Management del Politecnico di Milano.

Mattia De Rosa, Microsoft Italia - Il punto di vista di Microsoft su questo tema è molto semplice: noi lasciamo libertà di scelta. Lasciamo scegliere i nostri clienti e partner, in base alla loro propensione al cloud, alle loro conoscenze e all’opportunità di business. In questo momento Microsoft ha un’offerta per il data warehouse unica nel suo genere, siamo in grado di fornire una soluzione totalmente on premise, totalmente sul cloud o ibrida che sia in grado di estendersi nel cloud dinamicamente secondo le esigenze. Chiamiamo questa cosa Stretching Database. Possiamo fornire anche un’appliance, ossia un prodotto che combina hardware e software che deve essere solo attaccato alla rete e alla correte ed è pronto a funzionare con il massimo delle performance. I dati quindi possono essere su database relazionale, SQL Server, o su un cluster Hadoop, possono essere on-premise o sul cloud o in una configurazione mista, possono essere interrogati in T-SQL, linguaggio di interrogazione standard per i database, ovunque si trovino e anche se sono gestiti da Hadoop. È possibile fare analisi avanzate sui dati senza necessità di spostarli grazie a Microsoft R disponibile per SQL e per le maggiori piattaforme Hadoop. L’approccio quindi deve essere in ogni caso inclusivo e completo, demandando alla piattaforma tecnologica, meglio se Microsoft ovviamente, la gestione della complessità sottostante.

Enrico Galimberti, Teradata Italia - Con i dati divisi su più piattaforme è importante disporre di strumenti che facilitino l’integrazione dei dati, perciò l’approccio al tema del DW cambia e prende forma il concetto di ecosistema. Il DW cioè è in grado di offrire o ampliare capacità di collaborazione tra i vari utenti o di utilizzare dei meccanismi automatici di supporto delle decisioni. I dati possono risiedere su più piattaforme - cloud, modalità ibrida, tecnologia Rdbms piuttosto che open source – che però sono integrate tra di loro attraverso connettori in grado di rendere trasparente l’utilizzo di questi dati per ridurne la complessità. A questo scopo Teradata offre la sua soluzione QueryGrid, pensata per coordinare l’uso di motori analitici e file system multipli in un ecosistema analitico strutturato: in questo modo le piattaforme Teradata - Aster e Hadoop - sono in grado di connettersi tra di loro o con piattaforme di altri vendor, ma anche di aprirsi alla connessione verso altri mondi attraverso API (Presto, Cassandra, Kafka, Mysol, Postgresol, etc.) per realizzare un unico ecosistema analitico. Teradata QueryGrid è una piattaforma analitica chiavi in mano e supporta la Teradata Unified Data Architecture che aiuta i clienti a progettare l’architettura, implementando e gestendo motori multipli, strumenti e tecnologie emergenti in un ecosistema analitico ben strutturato.

Michele Gugliemo, Cloudera Italia - È in atto un cambiamento di infrastrutture all’interno dell’azienda e nella maggior parte dei casi vi è un ambiente ibrido, on premise e/o cloud. Cloudera è in grado di consolidare i dati qualunque essi siano, contribuendo a massimizzare il valore di ogni dato. A causa delle nuove tendenze sullo streaming di dati e l’IoT, le aziende valutano sempre più spesso ambienti cloud per le proprie soluzioni big data, sfruttando la velocità di implementazione e la flessibilità che il cloud offre. Il cloud è sempre più presente all’interno delle moderne architetture enterprise, e Cloudera assicura tutti i vantaggi della piattaforma Hadoop, veloce, semplice e sicura, e allo stesso tempo conserva l’agilità offerta dal cloud, consentendo alle imprese di elaborare e gestire i big data a un ritmo più veloce. Uno dei casi d’uso più comuni di Hadoop, indipendentemente dall’ambiente di distribuzione, è rappresentato dai carichi di lavoro ETL/batch: la caratteristica comune di questi carichi di lavoro è che tendono a essere di breve durata e che utilizzano risorse già in uso Danilo Poccia, Amazon Web Services - Con AWS è possibile implementare una architettura ibrida che connette le risorse on-premise con un virtual private cloud dove sono disponibili servizi come Amazon Redshift, un servizio di data warehouse che può scalare da un singolo sistema all’ordine dei petabyte con dei semplici click sulla console di gestione, o Amazon Elastic MapReduce (EMR), che permette di implementare in pochi minuti un cluster di risorse per gestire analisi con framework come Hadoop o Spark. Inoltre vediamo che i nostri clienti sono sempre più interessati ad analizzare non solo cosa è avvenuto nel (recente) passato, ma conoscere in tempo reale lo stato dei propri servizi e sistemi (utilizzando servizi di streaming dati come Amazon Kinesis) e fare previsioni in modo da ‘apprendere’ dai dati. Per questo lo scorso anno abbiamo rilasciato la piattaforma Amazon Machine Learning (ML), che permette di effettuare analisi predittive senza essere data scientist e utilizza lo stesso ‘motore’ di analisi che utilizziamo internamente ad Amazon per i servizi retail.

Costantino Talia, IBM Italia - Non esiste un approccio univoco alla gestione dei dati, che dipende da numerosi fattori: sistemi di storage preesistenti, business di riferimento, dimensione aziendale e quantità di dati da elaborare. Di norma aziende di grandi dimensioni hanno data warehouse corposi, che in alcuni casi contengono dati sensibili, per cui il trasferimento in cloud spesso risulta inapplicabile. In questi casi si opta per il mantenimento dei sistemi preesitenti e il progressivo incorporamento dei dati provenienti da piattaforme cloud. Invece in aziende di piccole e medie dimensioni l’approccio è diverso: il cloud è un sistema scalabile per capacità e pricing, ideale quando c’è bisogno di flessibilità e di cadenzare gli investimenti nel tempo. Tuttavia anche il cloud ha i suoi limiti: tecnologici, considerando che lavorare su dati in cloud presuppone l’accesso da remoto che potrebbe avere un impatto sulle performance quando i volumi di dati in gioco sono elevati; e legislativi poiché per motivi di legge non sempre i data center sono compliant alla attuale legislazione italiana.

Potete raccontare brevemente un caso particolarmente interessate di analisi di dati di business generato su più canali digitali implementato presso un vostro cliente?

Mattia De Rosa, Microsoft Italia - Uno dei casi più interessanti, recenti e che abbraccia l’approccio inclusivo e completo a cui accennavamo prima, è quello di Arca Continental, uno dei più grandi imbottigliatori e distributori di Coca-Cola nel mondo. Arca Continental ha deciso di raccogliere le informazioni provenienti dai suoi sistemi interni di produzione, distribuzione e vendita, di arricchirli con dati metereologici, analisi dei social network e sistemi IoT (vending machines) e di analizzare tutte queste informazioni con algoritmi di machine learning al fine di determinare le dipendenze tra queste grandezze e l’andamento del business. Individuati i modelli previsionali dipendenti da tutte queste variabili, Arca è nelle condizioni di valutare in maniera preventiva, e previsionale, l’effetto delle sue decisioni di business, ossia come varierebbe il suo fatturato se aumentasse del 20% l’investimento in campagne di marketing, oppure se variasse il prezzo dei prodotti o producesse packaging diversi e altri scenari tipici che l’azienda si trova ad affrontare ogni giorno. Tutti gli strumenti necessari per realizzare questa soluzione sono all’interno della Cortana Intelligence Suite di Microsoft, appositamente pensata per aiutare i clienti a valorizzare e monetizzare i loro dati aiutandoli a prendere decisione informate.

Enrico Galimberti, Teradata Italia - Due nostri clienti italiani li ho già citati prima anche se non per nome. Nel Retail Banking posso citare un caso americano. Una miriade di canali stanno evolvendo all’interno del mondo bancario: telefono, IVR, SMS, email, ATM, siti per fisso e soprattutto per mobile, canali social. Le attività basate sui dati sono alla base del successo di Wells Fargo, che tra i primi ha iniziato a scoprire il vantaggio di una vista multidimensionale del cliente. Wells Fargo è una delle quattro più grandi banche degli Stati Uniti. Loro sono stati un early adopter, e come tale hanno dovuto passare attraverso una fase di sperimentazione e un periodo di assestamento perché la struttura di marketing fosse in grado di trarre il massimo beneficio da questi strumenti. Una volta superata questa fase di messa a punto hanno iniziato poi ad utilizzare la soluzione in modo intensivo, inizialmente come sperimentazione e poi, definito il valore della soluzione, con un uso intensivo con apertura a 360° sulle varie aree di marketing. 

Stefano Maio, Oracle Italia - Un caso italiano molto interessante e innovativo è quello che riguarda la soluzione di Precision Marketing che sviluppata per la struttura di marketing di Trenitalia. Tale soluzione ha risposto all’esigenza del marketing di ‘conoscere meglio’ il proprio cliente al fine di: poter fornire offerte ritagliate sul suo profilo e sui suoi comportamenti, poterlo fare in modalità quasi real-time, prevenire e anticipare eventuali problematiche nell’utilizzo dei servizi di Trenitalia, ecc. L’utilizzo del prodotto di Real Time Decisioning, integrato con Oracle Business Intelligence, ha abbattuto importanti barriere funzionali e tecnologiche, consentendo il superamento di alcuni limiti quali una ridotta visione Customercentrica del cliente fruitore dei servizi di Trenitalia; la scarsa integrazione tra i sistemi di gestione del Cliente (CRM) e la mancanza di strumenti a supporto del marketing.

Michele Gugliemo, Cloudera Italia - Marks & Spencer, principale retailer del Regno Unito, ha adottato Cloudera Enterprise, Data Hub Edition come strumento per le analisi dei dati aziendali. La piattaforma è in grado di analizzare dati di ogni tipo provenienti da numerose fonti, aggiungendo valore al dato in funzione del business. Il sistema di analisi fornisce inoltre una migliore comprensione del comportamento dei consumatori in un ambiente multicanale e una migliore modellazione dell’attribuzione dei dispositivi, aiutando M&S nel continuo miglioramento della sua piattaforma digitale. Uno degli utilizzi principali della piattaforma di Cloudera per le analisi dei big data è stato, infatti, quello di sviluppare una visione del cliente a 360 gradi, offrendo una migliore comprensione dei modelli e dei comportamenti d’acquisto attraverso i canali, raggiungendo l’obiettivo di creare la customer experience perfetta.

Danilo Poccia, Amazon Web Services - Channel 4 è uno dei canali televisivi principali della TV pubblica nel Regno Unito e sta utilizzando AWS per 4oD, servizi digitali e di video-on-demand (VOD). Rappresenta un esempio particolarmente interessante in quanto il pubblico del canale che accede al servizio 4oD di Channel 4 è composto da circa 46 milioni di persone, e quando il servizio è stato introdotto per la prima volta, il volume dei dati web in gran parte non strutturati derivanti dalle piattaforme VOD cresceva più velocemente rispetto a quanto il suo ambiente on-premise esistente potesse gestire. Channel 4 necessitava di una soluzione di data analytics collaudata e ad alte prestazioni – un servizio flessibile e integrato in grado di raccogliere, memorizzare , indicizzare, ricercare, creare la mappatura, analizzare e confrontare elevati volumi di dati sugli spettatori e sulla piattaforma on demand. Questa esigenza ha portato il passaggio ad AWS. Channel 4 inizialmente verificò la possibilità di utilizzare il proprio software esistente di analisi dei dati per eseguire le attività principali, ma subito comprese che avrebbe impiegato otto mesi per fornire la base dati pertinente per permetterne l’accesso agli analisti. Di contro, utilizzando Amazon Web Services (AWS) e Amazon Elastic Map Reduce (Amazon EMR), Channel 4 avrebbe iniziato ad analizzare e a fare il data modeling in appena due giorni e mezzo. L’utilizzo di AWS Cloud ha permesso a Channel 4 di non investire in una infrastruttura server imponente né di dover acquistare dischi di memoria e CPU, e le ha permesso di portare i suoi abbonati più vicino sia al contenuto sia agli inserzionisti, con benefici per entrambe le parti.

Costantino Talia, IBM Italia - Gli insight raccolti sull’efficacia delle campagne orientate a comunicazioni di tipo Outbound multi canale di una azienda del settore energetico mostrano la tendenza a saturare alcuni canali piuttosto che a distribuire la comunicazione in modo assai più bilanciato. Infatti dai risultati raccolti tra call center, email ed SMS, il canale più efficace risulta essere l’SMS. Nonostante il canale sembra aver perso appeal con l’avvento di smartphone/tablet, il risultato sottolinea che nel modello Outbound il canale eMail, pur essendo assai più personalizzabile e contestualizzabile sia ormai inflazionato. Invece l’SMS genera ritorni maggiori perché come canale è sottoutilizzato ed evidentemente percepito dal consumatore finale come meno invasivo.

Franco Coin, MHT - Oggi, non è più sufficiente per le aziende controllare l’ingente quantità di informazioni in loro possesso, ma serve integrare il mondo tradizionale con quello digitale per poter avere un vero e proprio controllo sul business. MHT è in grado di aiutare i manager a prendere le decisioni di business migliori e in tempi più rapidi, permettendo di convogliare tutti i dati aziendali in un unico sistema grazie all’integrazione di soluzioni di Business Intelligence e Big Data Analytics

 
TAG: CRM

TORNA INDIETRO >>