eCommerce, non abbassare i prezzi per vincere (eCommerce – Dropping prices is not a win)

English version below

La fidelizzazione del cliente che acquista sul web è merce rara, solo pochi brands hanno questo tipo di legame con gli utenti, come per esempio Apple. Generalmente l’utente che sa cosa acquistare (un elettrodomestico, un capo di brand fashion, ecc.), guarda per prima cosa il prezzo navigando su vari siti o direttamente sui portali di comparazione, per poi acquistare da chi applica le condizioni migliori. Ovviamente non è sano intraprendere una guerra al ribasso per battere i competitors su ogni articolo.

I retailers più accorti sanno individuare le categorie e gli items di valore, che generalmente gli utenti usano per fare le comparazioni tra siti di eCommerce. Adottando una politica di prezzi aggressiva su queste categorie, si possono gestire i prezzi degli altri articoli mantenendo una marginalità maggiori.

Per esempio i retailers potrebbero fare una politica di sconti visibili in homepage per attirare i clienti che sono più sensibili a comparare articoli a prezzi scontati sui vari siti, per poi vendere gli altri items mantenendo una marginalità maggiore.

Molti si affidano al “naso” dei loro  “category managers”, altri combinano i pesi dei dati di frequenza di acquisto e percezione del brand per  definire su quali prodotti applicare la strategia.

Ma al giorno d’oggi i retailers hanno a disposizione tantissimi dati per individuare i prodotti e le categorie su cui agire. Dati transazionali, carte fedeltà, ricerche online. Il vero problema è come unire le sorgenti di dati differenti e di avere la capacità di analizzare questa mole di BigData per capire la percezione dei prezzi e poter incrementare i margini per rimanere competitivi sul mercato.

Una soluzione di BigData può tracciare il comportamento degli utenti sui siti dei retailer o esposti a campagne display, le DEM, le transazioni a livello di singolo item nel carrello e può importare dati del CRM e delle carte fedeltà, con la possibilità di ricongiungere i comportamenti online e offline.

Non solo il retailer ha la possibilità di segmentare gli utenti in base al loro canale di acquisto preferito, verificare eventuali correlazioni tra la tipologia di prodotto acquistato e il canale prescelto, la sorgente da cui arriva  e tutti i dati tracciabili. Il valore più importante è dato dalla possibilità di utilizzare le informazioni acquisite sugli utenti conosciuti per alimentare gli algoritmi di intelligenza artificiale che, individuando comportamenti di navigazione similari tra gli utenti anonimi, possono associare a questi ultimi caratteristiche di profilazione (genere, età, interessi) già acquisite per gli utenti registrati.

Il retailer avrà a disposizione tutti gli attributi per poter creare dei cluster di utenti su cui  poter targettizzare le proprie strategie, e comprendere per esempio che articoli mostrare ai segmenti di utenti per farli acquistare sul proprio sito sia i prodotti a basso prezzo che gli articoli a più alta marginalità.

L’adozione di una soluzione BigData di Data Management non deve essere vista solo come funzionale all’analisi del traffico o al targeting per l’advertising, come le tradizionali DMP, ma deve essere capace di integrare algoritmi di analisi concepiti, sviluppati e testati per individuare ed attivare i segmenti di maggiore profittabilità, oltre che per l’advertising, soprattutto per l’esposizione a contenuti e, in caso di ecommerce, ai prodotti su cui sono state applicate strategie capaci di creare fidelizzazione con i clienti.

Per approfondire:

Articolo da McKinsey

exaudi DMP

eCommerce – Dropping prices is not a win

Italian version above

Only few brands (Apple overall) can count on a large loyal customer base. Normally users who already know what to buy look it up on the internet searching for the best purchasing options.

Entering a price dropping war with your competitors is a very unhealthy choice for your business.

The smarter retailers know that they have to find the value categories and value items that usually are taken as benchmark by users to understand which sites provide the best conditions. The retailer can adopt an aggressive price policy on those items or categories and can maintain higher margins on other items/categories.

For instance, retailers could set a discount policy in homepage to attract t price-sensitive users and keep full margins on other items.

Many retailers count on the intuition of their “category managers” in order to define the value items or categories; others try to weight the purchase frequency and brand perception data to identify the items to include into their aggressive pricing strategy. Today retailers have large amounts of data at their disposal to find the value items, such as transactional data, loyalty programs, online search. The real problem is managing the different data sources and analyzing the huge amount of data to understand price perception and have the possibility to increase margins and be competitive on in the market.

A BigData solution can track users’ behavior on digital properties, identifying those who have been exposed to adv campaigns or email marketing and those who have made a transaction. It can also import data from CRM and loyalty programs, allowing reconciliation of online and offline behavior.

Retailers can create user segments based on their preferred purchase channel, verify correlations between products bought and purchase channels, find out where those users came from and enrich their profiles with all trackable data..

The most important value is the possibility to use available data of known users to feed Artificial Intelligence algorithms by comparing navigation behavior of known and unknown users, unknown profiles can be enriched with inferred information, such as gender, age, interests.

The Data Management solution should not only be used for advertising targeting or for traffic analysis. It should rather integrate analytics algorithms that have been designed, developed and tested to identify and activate the most profitable segments. Applications should not only include advertising, but also content management, pricing strategies and customer loyalty programmes.

Learn more:

Articolo da McKinsey

exaudi DMP

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *