Il marketing data-driven: come migliorare l’esperienza del cliente online e aumentare le vendite sull’e-commerce grazie a data science e marketing automation. Applicazioni al caso Tognana Porcellane.

Abstract

Negli ultimi anni, soprattutto in seguito alla pandemia da covid-19, il mondo del business si è evoluto alla velocità della luce. Il passaggio al digitale e lo sviluppo delle aspettative dei consumatori hanno spinto le aziende e soprattutto i reparti di marketing ad un approccio sempre più data-driven, per cui diventa essenziale l'utilizzo dei dati nelle strategie di decision making. Saper ricavare informazioni dai dati lasciati dagli utenti attraverso le loro attività online è oggi fondamentale per offrire al cliente il prodotto o il contenuto giusto al momento giusto, fidelizzarlo e conquistare vantaggio competitivo sulle aziende del settore. L'elaborato, dopo aver presentato l'evoluzione delle pratiche di marketing nel tempo, si focalizza sull'importanza dello sfruttamento delle potenzialità dei big data nel marketing, soprattutto digitale, per soddisfare le richieste dei clienti e per migliorare, attraverso strumenti di data analysis avanzata e tecniche di data mining, le performance aziendali. L'obiettivo della trattazione è quello di presentare un approccio combinato che permetta di migliorare la customer experience online e le vendite sull'e-commerce attraverso l'utilizzo degli strumenti di analisi dei dati, tipici della data science, e della marketing automation che permette, attraverso il machine learning e l'intelligenza artificiale, di raccogliere dati sugli utenti, elaborarli e definire campagne di marketing personalizzate e mirate. Il tutto viene poi applicato al caso aziendale: Tognana Porcellane. Dopo aver presentato l'azienda e le caratteristiche del settore di appartenenza, l'elaborato presenta le attività di marketing automation implementate sull'e-commerce, approfondite durante lo svolgimento dello stage curriculare, ed una serie di analisi effettuate sul database clienti. Nello specifico, si focalizza sul commento ad un'analisi RFM e sull'elaborazione personale di una cluster analysis, effettuata attraverso l'utilizzo del software KNIME.