Oggi viviamo in uno scenario digitale senza precedenti, le informazioni in nostro possesso, attraverso l’analisi dei dati, sono innumerevoli e differenziate, si parla di oltre 40 milioni di Tb di informazioni e dati raccolti e disponibili.
Sono in pochi però, quelli che sembrano abbiano capito dell’importanza che questa mole di informazioni possa assumere come leva di crescita del proprio business o del proprio progetto imprenditoriale.
Essere guidati dai dati
Dan Zarella in un’intervista a Forbes del 2012:
Fare marketing senza dati è come guidare ad occhi chiusi
Ma cosa significa praticamente “Essere guidati dai dati” o per meglio dire usando un inglesismo “data-driven“‘?
Avere un approccio realmente guidato dall’ analisi dei dati significa tenere sotto osservazione almeno tre aspetti:
- Rendersi consapevoli dei dati da tenere sotto osservazione.Non tutti le tipologie di dati che si possono raccogliere sono utili e sbagliare tenendo in considerazione informazione fuorvianti e imprecise può far sbandare il nostro business e dirigerlo nella direzione opposta a quella che ci auguravamo.
- Dare la giusta interpretazione ai dati raccolti. Rendersi conto che questi dati sminuiscono o addirittura contrariano quello di cui siamo convinti, potrebbe essere la svolta per il nostro progetto.
- Decidere in conseguenza ai dati raccolti ed analizzati. L’osservazione e la valutazione e l’analisi dei dati raccolti dovrebbe portarci a prendere le decisioni nella giusta direzione.
I 6 punti per un approccio Data-Driven efficace
Come propone l’esperienza di uno dei Growth Hacker migliori d’Italia e cioè Raffaele Gaito, per avere un approccio data-driven efficace bisogna tener presenti sei punti fondamentali da eseguire scrupolosamente:
Il Contesto è importante
Per non fare l’errore di andare alla “cieca” nell’interpretazione dei dati bisogna tenere sempre presente il “contesto”.Una singola informazione può essere pericolosa e procurare danni.
Il fatto che l’invio di una singola email abbia portato ad una vendita non presuppone che, inviando più email si venderà di più.
Tra le due potrebbe portare effetti negativi come disiscrizioni, infastidimeto degli utenti, segnalazioni di spam, recensioni negative ecc.
Ogni singolo dato va visto e valutato in un contesto molto più ampio e nel dubbio è meglio usare il caro vecchio buon senso.
Il contesto assume una rilevanza particolare in tutti quei casi in cui abbiamo pochi dati da analizzare, perchè un campione estremamente piccolo potrebbe portare ad assumere decisioni errate.
Nel caso ricevessimo dei segnali su qualsiasi aspetto del nostro business che possa dare problemi, è sempre meglio approfondire, con ulteriori dati.
Uso dei Dati quantitativi e qualitativi
Esistono due grandi categorie di dati da analizzare:
- Dati Quantitativi
- Dati Qualitativi
I dati quantitativi sono rappresentati dai numeri, informazioni che riportano dati freddi, oggettivi, ottenuti da fonti attendibili ed argute come gli strumenti di Web Analytics.
Essi consentono analisi e confronti sia interni che esterni.Esempi di dati quantitativi possono definirsi:
- Tasso di conversione delle Facebook Ads
- Bounce rate di un Sito Web
- Carrello del nostro E-Commerce
I dati qualitativi considerno il fattore umano, non sono rappresentati dai numeri, sono intangibili.
Sono costituiti da informazioni ed hanno come obbiettivo descrivere un argomento e non misurarlo.
Testare su campioni
Se si eseguono esperimenti che modificano l’esperienza utente, è buona norma testare piccoli insiemi di utenti.
Non tutti gli esperimenti devono coinvolgere tutti gli utenti, ed in molti casi è opportuno scegliere un gruppo “campione” sul quale testar l’eventuale miglioria o modifica.
In caso di esito migliorativo positivo si può scalarlo su tutta la nostra Audience.
Evitare la paralisi da analisi
Potremmo trovarci in situazioni nelle quali abbiamo una tale grossa quantità di dati a disposizione che otteniamo l’effetto oopposto e cioè ci si presenta un blocco, una paralisi da analisi.
Ci preoccupiamo talmente tanto del problema da non riuscire a prendere nessun tipo di decisione o di direzione.
Ci assale talmente la paura di dimenticare qualcosa, di lasciare qualcosa di inconsiderato o la sensazione di commettere un errore.
Lon Roberts nel suo Analysis Paralysis individua tre cause che potrebbero portarci alla paralisi da analisi o da dati:
- L’analisi del processo.
- La troppa precisione nel prendere decisioni.
- L’incertezza del rischio.
Per evitare questa paralisi potremmo aggrapparci ad alcuni suggerimenti quali:
- Porre dei limiti senza i quali sarà più facile paralizzarsi nell’analisi dei dati.
- Muoversi, procedere, eseguire degli step anche piccoli ma farli.
- Semplificare e ridurre le opzioni disponibili all’analisi.
Non si tratta Solo di Ottimizzazione
Esistono tante decisioni, strategiche e ad ampio spettro di visione che non si possono catalogare come ottimizzazione.
Quindi in questi casi teniamo sempre presente il contesto nel quale ci troviamo ad agire e l’utente.
Essere Utente centrici
L’utente ha priorità assoluta, deve essere centrale in ogni decisione venga presa piccola o grande che sia.
Per questo motivo dobbiamo Conoscere e comprendere gli utenti ed i propri bisogni, dobbiamo analizzare le nostre Buyer Persona.
Dobbiamo anche conoscere e tenere in considerazione gli utenti quando prendiamo decisioni e comprendere se sono coerenti con le attività che vogliono svolgere i nostri utenti e i vari scenari di utilizzo del nostro prodotto.
Semplificare e migliorare l’esperienza dei nostri utenti con i nostri prodotti dovrebbe essere un’altra metrica da conseguire.
Attivarci in un dialogo costante con i propri utenti per conoscere la loro esperienza con i prodotti, cosa pensano delle modifiche che stiamo sperimentando.
Quali informazioni tenere presenti
Secondo Alistair Croll e Benjamin Yoskovitz nel libro “Lean Analytics” ci sono determinate informazioni da tenere presenti nel mondo del business che sono:
I fatti per verificare i quali abbiamo bisogno dei dati anche per essere sicuri della giusta direzione intrapresa.
Le domande alle quali rispondere tramite i dati e la reportistica.
Le intuizioni da testare attraverso i dati per riuscire a migliorare e ad essere più efficiente.
Le esplorazioni, fondamentali per le grandi epifanie.Attraverso queste le startup introducono le giuste evoluzioni che stravolgono i loro mercati.
In un approccio Data-Driven queste sono categorie da tenere sempre in primo piano, queste sono quelle che permettono la crescita.
Sapere qual è il nostro Business Model nel dettaglio e quali sono i dati di crescita da osservare, è fondamentale.
A tal riguardo ci sono due modelli diversi utili da tenere sempre in mente, quello di Eric Ries e quello di Croll & Yoskovitz.
Modello Ries
In the Lean Startup, Eric Ries descrive tre modalità di crescita di un’azienda definiti “I tre motori della crescita”
- Sticky Engine.Basato sulla fidelizzazione. Ci si lega tanto al prodotto da non poterne fare più a meno e non considerare alternative.
- Viral Engine.Basato sulla diffusione.La diffusione del prodotto/servizio e collegata alla normale esperienza di utilizzo del prodotto/servizio(Referral).
- Paid Engine.Basato sugli investimenti in advertising(monetari).Siccome in questo caso si sostiene un esborso in termini monetari, l’attenzione verte nel tenere basso il costo di acquisizione ed alto il valore del cliente.
Nella vita aziendale ci possono essere e coesistere diversi motori di crescita.Accade in modo abbastanza naturale perchè ogni crescita col tempo rallenterà fino a fermarsi a causa della saturazione.
Modello Croll&Yoskovitz
in the Lean Analytics viene descritto un altro modello di crescita da Croll e Yoskovitz.
Esso si rifà ad un’affermazione di Sergio Zyman ex CMO di Coca-Cola che definì il marketing come il:
“Vendere di più, A più persone, più frequentemente, per più soldi, in modo più efficiente“.
Sergio Zyman
Quindi scomponendo quest’affermazione in più punti otteniamo:
- Vendere di più.Significa aggiungere più prodotti o servizi a quelli che si vendono cercando di far aumentare le vendite.
- A più persone.Cercare di aumentare il numero di clienti con qualsiasi mezzo a nostra disposizione.
- Più frequentemente.Significa aumentare la retention, cioè far si che il cliente torni più spesso da noi ad acquistare i nostri prodotti o servizi.
- Per più soldi.Cercare di massimizzare il ricavo da ogni singolo cliente, mettendogli a disposizione sempre più prodotti o servizi cercando di ottimizzare al massimo il ricavo.
- In modo più efficente.Aumentare gli utili il più possibile andando a lavorare sulla parte dei costi diretti, indiretti e nascosti.
Conclusioni
Questo secondo me anche se trattato a livello superficiale è l’approccio Data-Driven.
Ho usufruito di alcune fonti per esporre un pò il concetto che sta dietro all’argomento Data-Driven, tra cui
- Lean Analytics di A.Croll e B.Yoskovitz .
- The Lean Startup di E.Ries .
- Growth Hacking Mindset scritto dal maggior esperto di Growth Hacking in Italia nonchè Autore, Blogger, Consulente e Growth Coach Raffaele Gaito .
Tu hai cominciato ad implementare l’analisi e l’utilizzo dei dati nel tuo business?
Sarei felice saperti partecipe attraverso un tuo pensiero qui nei commenti.
