D: Qual è la somiglianza tra auto e dati?

R: Dovrebbero entrambi essere puliti ogni 2-3 mesi!

Un recente sondaggio di Intelligent Car ha rivelato che oltre un quinto degli inglesi non pulisce mai la propria aiuto, con il risultato che gli interni diventano terreno fertile per i batteri (non il massimo nel bel mezzo di una pandemia globale…) e gli esterni diventano un pericolo per la sicurezza a causa dei finestrini e degli specchietti sporchi. Per non parlare del fatto che lo sporco può intaccare la vernice e creare la ruggine ed eventuali danni strutturali!

I vantaggi di pulire regolarmente l’auto sono chiari a tutti e le persone che hanno una routine di pulizia regolare si occupano di tutta l’auto – dentro e fuori – piuttosto che limitarsi a quell’approccio bizzarro che prevede un giorno la pulizia dei finestrini e il giorno dopo il passaggio dell’aspirapolvere sui sedili. Come la tua auto, anche i dati sono un’altra entità che dovrebbe essere pulita (almeno) su base trimestrale, ma purtroppo molte organizzazioni adottano un approccio frammentario nel pulire i database.

Quando viene loro posta la domanda, la maggior parte dei marketer sostiene che apprezzerebbe la possibilità di pulire l’intero database dei clienti su base regolare. Questo non solo aiuterebbe a dimostrare il commitment e l’adesione al GDPR, ma significherebbe anche un targeting superiore e un miglior processo decisionale. Ma la realtà è che pochi lo fanno, la maggior parte dei marketer infatti lo fa campagna per campagna a causa dei costi.

Questo approccio campagna per campagna significa che durante l’esecuzione delle campagne di marketing, viene prima definito il target audience e poi vengono selezionate le persone adatte all’interno del database. Quindi, e solo allora, i dati selezionati vengono puliti, mentre il resto dei dati viene ignorato.

Con questo metodo, tuttavia, significa che i marketer corrono il rischio molto reale di perdere prospect interessanti, di ridurre il ROI e di conseguenza potenzialmente di lasciare soldi sul tavolo. Le nostre stime suggeriscono che fino al 5% dei potenziali clienti non viene selezionato perché i dati non vengono puliti prima del processo di selezione.

Ad esempio: il potenziale cliente A è stato aggiunto al database tre anni fa quando aveva 28 anni; all’epoca aveva una ragazza ma viveva in una casa condivisa con i coinquilini. Finora non è mai stato selezionato per una campagna di email marketing perché non rientrava nel profilo. Tuttavia negli anni successivi ha ottenuto una promozione, ha cambiato lavoro, si è sposato, ha avuto un bambino e si è trasferito in una nuova casa. Ora è un prospect molto attraente, ma viene ignorato perché non è mai stato segnalato che si è trasferito. Questo succede molto spesso!

Ironicamente, il costo della pulizia alla base di un database sarebbe più che coperto dalle entrate incrementali ottenute targetizzando questi potenziali clienti. Quando si fanno i conti, il ROI è chiaro da vedere. Supponiamo che un database contenga 500.000 record e il 30% di questi non sia aggiornato. Al costo di 20 centesimi per flag, ciò comporterebbe un costo di 30.000£ per pulire l’intero database. Questo significa che il 5% delle persone che non sono state selezionate nel precedente modello di pulizia campagna per campagna dovrebbe spendere solo 4£ per coprire i costi della soppressione, ma a prescindere da ciò per la maggior parte delle aziende il profilo rischio/rendimento è ancora troppo incerto…

Questo fino ad ora…l’importanza data alla pulizia dei dati infatti sta cambiando! Invece di pagare su una base di record, ora è possibile pagare per la pulizia dei dati su abbonamento, dove il costo viene calcolato su una base di corrispondenza media (ad esempio tramite www.clean-contacts.co.uk). Ciò significa che i brand non solo risparmiano sulle fatture relative alla pulizia, ma allo stesso incrementano i profitti. Insomma…una vittoria per tutti!

Inoltre, la pulizia dei dati non è più solo un nice to have: nel mondo dell’intelligenza artificiale guidato dagli analytics rappresenta una necessità per ottenere un’analisi efficace dei dati. Si stima che il mercato dell’analisi varrà l’incredibile cifra di 21 miliardi di dollari in soli tre anni, crescendo a un tasso medio di crescita composto del 44%. É risaputo che algoritmi e analisi sono potenti quanto lo sono i dati su cui sono costruiti, quindi non sorprende che i data scientist trascorrano il 60% del loro tempo a pulire e preparare i dati per l’analisi. Tuttavia il 57% dei data scientist considera questa la parte meno piacevole del proprio lavoro.

Il risultato finale è che se i dati sono imperfetti, il modello che ne risulta sarà distorto e, nella migliore delle ipotesi, ciò si tradurrà in un targeting scadente e in uno spreco di budget di marketing, ma nella peggiore delle ipotesi potrebbe avere gravi ripercussioni in termini di targeting incorretto di clienti vulnerabili.

Le ragioni per pulire l’intero database sono molto più forti di quanto non lo siano mai state e si spera che con questo blog post lo abbiamo dimostrato perchè l’ordine naturale ha bisogno di un po’ di chiarezza.

Biografia dell’autore:

Martin Rides è Managing Director di The Software Bureau, un’organizzazione che sviluppa e distribuisce software leader di mercato in grado di mettere nelle mani dei clienti il potere della gestione dei dati per un marketing diretto. Ha recentemente lanciato Clean Contacts, un prodotto per la pulizia dei dati per i clienti di Microsfot Dynamics 365.