E' ancora complesso e costoso servirsi di tecniche di mining per prevedere come andranno le vendite. Vi sono pero' alcune nuove partnership tra produttori software che fanno ben sperare.

Genova - Bon-Ton, un grande dettagliante statunitense che, online, vende dall'elettronica di consumo all'abbigliamento, ha recentemente sottoposto a mining 10 milioni di record dei propri clienti relativi al settore abbigliamento. Ne ha estratto un set di 100 milioni di transazioni. Di queste, ha esaminato 200 diversi fattori, tra cui il tipo di articolo acquistato, l'associazione tra prodotti, quanti articoli scontati sono stati scelti, e così via. Il motivo: creare un modello idoneo a plasmare le campagne di direct mailing con clienti ritenuti possibili compratori presso lo store nell'arco dei prossimi 30 giorni.

Per dettaglianti come Bon-Ton, l'uso di software in grado di fare previsioni su come andranno le vendite è visto con un certo grado di diffidenza. E altrettanto succede in Europa. "È un processo lungo e difficile al punto da minare il vantaggio competitivo che genera", dice Mike Hayes, senior VP dell'area marketing di Bon-Ton. "Molte aziende non vogliono farsi carico di assumere personale dotato delle necessarie conoscenze per farlo, oppure di consentire al personale di sottrare tempo alla normale attività per tale compito".

Questo parere deriva da un'attenta analisi svolta con gli strumenti di SPSS che Bon-Ton ha avviato da oltre un anno e che solo ora comincia a dare qualche risultato. L'analisi avanzata basata sul mining, di cui l'analisi delle previsioni di vendita è un subset, è sempre stato un segmento a parte nel mondo della Business Intelligence, offerta da strumenti come quelli di Business Objects, Cognos e Hyperion (ora rispettivamente in corso di acquisizione da parte di SAP, IBM e Oracle).

Lo scorso anno il mercato dell'analisi avanzata è cresciuto dell'11,3 per cento raggiungendo quota 1,24 miliardi di dollari, secondo uno studio svolto da Dan Vesset di IDC, che prevede una crescita ulteriore del 10 per cento entro il 2011. Cifre, dunque, in modesta evoluzione.

Ciò che lascia ben sperare è che le aziende specializzate nel campo, sotto la guida del SAS Institute e di SPSS stessa, abbiano capito che è necessario rendere più facile l'impiego dell'analisi e più veloce accedere ai risultati dell'analisi stessa. Molto probabilmente l'adozione di tali strumenti resterà comunque appannaggio dei grandi player, ma alcuni segnali confermano che se quella tecnologia diventerà più accessibile, la crescita sarà quasi certa.

Business Objects, ad esempio, la scorsa settimana ha concluso un accordo con SPSS per offrire gli strumenti analitici di quest'ultima ai propri clienti. L'intenzione è di rendere più semplice per le aziende presentare quadri, grafici e rapporti - il lato forte di Business Objects - con l'approfondita analisi di SPSS. Analoghe mosse sono state fatte a ottobre da IBM e SPSS, così come da Teradata e SAS Institute.

La scorsa settimana SAP ha annunciato un accordo per includere la libreria numerica Visual Numerics di Teradata nel motore di NetWeaver. La Visual Numerics, lo ricordiamo, contiene migliaia di algoritmi usati per svolgere analisi previsionale sulle applicazioni SAP e su quelle di partner che supportino NetWeaver. I potenziali impieghi, secondo SAP, vanno dalla cosiddetta shopping-bag analysis (l'analisi del "carrello" dell'e-commerce italiano) fino a quel che sta facendo Bon-Ton, ovvero analizzare le ricerche svolte sul sito per prevedere gli articoli più richiesti ed indirizzare così sia l'area marketing che quella IT, con lo scopo di prevenire eventuali colli di bottiglia.

Volendo andare oltre il concetto di Business Intelligence, occorre tenere presente che le aree di maggior applicazione sono proprio i beni di consumo, i servizi finanziari, quelli sanitari e l'industria delle telecomunicazioni. Ciò che tutte queste aree hanno in comune è il bisogno di capire il comportamento di milioni di clienti che diventano ogni giorno più scaltri e ardui da conquistare, grazie anche ai paragoni che il Web facilita. Tutti gli strumenti di Business Intelligence offrono delle possibilità di analisi previsionale. La differenza, dice Hayes di Bon-Ton, "la fa la possibilità di costruire modelli di analisi personalizzati".

Altro esempio è quello di Eric Williams, CIO di Catalina Marketing, che dispone di uno dei maggiori archivi mondiali. Un database che dispone di 45 Terabyte di righe, riguardanti il 70 per cento delle transazioni fatte in un dato giorno da praticamente tutti i negozi di alimentari d'America - circa 850 miliardi di righe. Catalina analizza dati dei clienti di 35 mila magazzini al dettaglio e di beni consumer prodotti da aziende del calibro di Procter & Gamble e Unilever.

Di tutto quel "ben di Dio", secondo Hayes, si fa poco se il processo di analisi non viene reso più usabile. Hayes, forte di questa teoria, ha infatti voluto automatizzare il processo dell'analisi previsionale impiegando l'applicativo Netezza, il SAS Enterprise Miner e un tool sviluppato in proprio. Come risultato, il tool chiede ai clienti informazioni sui propri "costumi" di acquisto; in cambio, offre sconti sugli acquisti.

D'altro canto, dice Williams, l'analisi previsionale dice "cose pazze, che mai si sarebbero potute in alcun modo anticipare". Catalina ha infatti costruito un modello per determinare il motivo per cui alcuni clienti fedeli hanno smesso di fare acquisti e, con l'aiuto degli strumenti di mining, ha scoperto l'esistenza di una connessione con l'acquisto di latte. Nell'ambito di un determinato segmento di clientela, ove questa avesse smesso di acquistare latte per diverse settimane ogni volta che effettuava acquisti, Catalina è riuscita a stabilire che entro sei, massimo otto mesi lo stesso segmento avrebbe smesso del tutto di fare acquisti in quel determinato store. Con ciò è arrivata alla determinazione che quei clienti che avevano inziato ad acquistare il latte dalla concorrenza avrebbero presto commutato l'intera serie di acquisti connessi alla cucina presso il concorrente. Così, studiando altri clienti con le stesse abitudini, ha potuto capire cosa doveva cambiare per mantenere quei clienti.

Può essere un processo davvero complesso, ma i risultati che ne derivano è quello che sempre più la clientela si aspetta. Come dice Williams, è la nuova generazione "io": ovvero, non parlarmi di cibo per cani se un cane neanche lo possiedo.

Traduzione, adattamento: Giulia Boschi
Revisione e integrazioni: Marco V. Principato
Fonte: Information Week, 8 dicembre

Condividere questa pagina su: