Data Basics – Alle fondamenta della segmentazione: la Cluster Analysis
Per porre le basi della propria value proposition, ancora prima della fase di ideazione di un concept di prodotto o di servizio, il primo imprescindibile passaggio che dovrai verificare è quello del posizionamento. Dovrai quindi identificare i benefit che distingueranno il tuo prodotto/servizio da quello degli attuali player, a seguito di analisi di mercato, valutando i vari insight che emergono non solo dai consumatori, ma anche da fornitori, distributori e dai competitor stessi.
Questo processo implica la definizione del perimetro dentro il quale il tuo prodotto/servizio verrà diffuso. Ci riferiamo alla scelta del mercato di riferimento e dei relativi segmenti, un processo che prende il nome, appunto, di segmentazione. Concentrarsi su questa fase significa mettere delle solide basi per differenziare ciò che offri, frammentando la domanda in unità specifiche, così da intercettare potenziali clienti non ancora raggiunti dai competitor.
Ma come si effettua la segmentazione?
Per farlo è necessario ricercare delle variabili omogenee che permetteranno di suddividere la domanda in piccoli gruppi, chiamati cluster. Vediamo come, introducendo una delle più importanti tecniche di data-mining (riduzione dei dati) di cui il marketing si avvale, la Cluster Analysis.
LA CLUSTER ANALYSIS
La Cluster Analysis è una tecnica statistica multivariata che ha come obiettivo l’individuazione di una o più partizioni di un insieme di n unità statistiche in gruppi (cluster), in base ad un set di variabili osservate su esse, tale che i cluster abbiano le caratteristiche di:
- Coesione interna, le unità assegnate ad uno stesso gruppo devono essere tra loro simili (gruppi omogenei);
- Separazione esterna, i cluster devono essere il più possibile distinti tra di loro.
Esistono diverse tipologie di tecniche di Clustering:
- Metodi tradizionali, dove ogni unità statistica appartiene ad uno ed un solo cluster;
- Metodi non tradizionali (cluster con overlapping, o clumping, e metodi di clustering fuzzy), dove invece ogni unità può appartenere a più cluster.
Negli ultimi decenni, con lo sviluppo di hardware e software, sono stati risolti numerosi problemi computazionali legati a queste tecniche, che ne avevano limitato l’utilizzo, così da sviluppare algoritmi facilmente implementabili. Questo ha consentito la diffusione e l’applicazione della cluster analysis ben oltre il marketing e l’economia, abbracciando scienze come la medicina, sociologia, antropologia, ecc.
L’applicazione delle tecniche di clustering risulta molto efficace per:
- Ridurre i dati (in termini di unità statistiche considerate);
- Identificare tipologie, categorie e segmenti di mercato, per studiare i comportamenti di specifici consumatori;
- Stratificare popolazioni da sottoporre a campionamenti;
- Individuare aree omogenee (geo-marketing e aree-test di mercato).
Infine, vediamo un’ulteriore importante distinzione tra:
- Metodi gerarchici, che permettono di ottenere una famiglia di partizioni, con uno specifico numero di cluster:
- Metodi non gerarchici, che forniscono un’unica partizione delle n unità in M gruppi, con M fissato a priori.
Ma quale partizione, tra quelle appena viste, rappresenta quella più veritiera e affidabile?
La risposta viene fornita dall’individuazione della cosiddetta partizione ottimale (numero ottimale di cluster). Tale obiettivo può essere raggiunto considerando le condizioni desiderabili di coesione interna (ad esempio: preferisco poca variabilità all’interno dei cluster) oppure di separazione esterna (ad esempio: preferisco cluster ben distinti tra di loro).
SELEZIONARE LE GIUSTE VARIABILI DI SEGMENTAZIONE
Come abbiamo visto, un elemento fondamentale per procedere con una Cluster Analysis è quello di essere in possesso delle caratteristiche delle unità statistiche (nel nostro caso i clienti attuali o potenziali), informazioni preziose, che oggi sono sempre più disponibili grazie all’utilizzo delle tecnologie digitali.
Attraverso un CRM o un software di Marketing Automation, come quelli offerti da Salesforce (Marketing Cloud, Sales Cloud, Pardot, ecc.) e con l’implementazione di un’efficace strategia digitale, il tuo business acquisterà sempre più un’accezione data-driven.
Salesforce Pardot, ad esempio, grazie alle sue svariate funzionalità, permette una rapida e accurata segmentazione dei contatti presenti nella tua mailing list, così da costruire e verificare continuamente le tue buyer personas.
Leggi i case study di alcuni nostri clienti che si sono già mossi in questa direzione.