Data Analytics & Machine Learning nel Retail
Strumenti di ML, Social & Sentiment Analysis, Single Customer View e Marketing Predittivo per aumentare le vendite e fidelizzare il cliente 26 Novembre 27 Novembre 2019, Milano

Programma

08.45 Registrazione partecipanti (solo 1° giorno)

09.00 Apertura lavori

11.00 Coffee break

13.00 Colazione di lavoro

17.30 Chiusura dei lavori

Prima giornata

9.00 – 13.00

Conoscere i trend nazionali ed internazionali per essere competitivi sul mercato

  • Analizzare i megatrend del Retail per valutare le nuove sfide e adottare gli strumenti per affrontarle
    -Discount Lifestyle
    -Digital Expansion
    -Smarter Shopper
    -Personalization

Analizzare le tipologie dei dati provenienti dallo Store fisico e dal Web per trarne informazioni su mercato e clienti

  • Monitorare la Data Source, dati strutturati e non:
    -Store
    -Documents
    -Web data
    -Social Media & Blog
    -Mobile & App
    -E-commerce
    -Chat
     
  • Selezionare le informazioni utili all’azienda: da Big Data a Small Data
  • Tracciare il comportamento del consumatore attraverso la Social Media Analysis
    -Monitorare il traffico generato all’interno dei canali Social Media
    -Quali tools utilizzare per il monitoraggio: Insights, Analytics, Hootsuite, Keyhole
  • Sentiment Analysis: analizzare la reputazione del brand
    -Analizzare la percezione del prodotto/servizio nel mondo online
    -Valutare l’efficacia delle attività di marketing e comunicazione
    -Adottare soluzioni correttive in caso di necessità
  • Combinare correttamente i dati provenienti dagli store con quelli delle piattaforme digitali
     

14.00 – 17.30

Utilizzare i dati per una Customer Engagement & User Experience eccellente

  • Conoscere meglio il proprio cliente, le abitudini e i suoi gusti
  • Analizzare i dati per fornire un servizio migliore al cliente
  • Implementare una Single Customer View per offrire una migliore experience al cliente
    -Identificare i Tag per classificare contenuti ed interessi dei clienti
    -Profilare gli utenti e costruire una mappa personalizzata per ognuno
  • Aumentare i tassi di conversione
  • Stimolare l’acquisto di nuovi prodotti e sviluppare cross & up selling
  • Generare vendite continue nel tempo e creare un rapporto di fiducia con il cliente

Alberto Ferrario, Director, Deloitte Analytics & Cognitive

Seconda giornata

9.00 – 13.00

 

Data Driven Strategy: prendere decisioni razionali sulla base di dati reali

  • Personalizzare l’offerta secondo le aspettative del consumatore
  • Implementare la gamma con prodotti/servizi di interesse del cliente
  • Anticipare i bisogni dell’utente sulla base dell’analisi di precedenti comportamenti d’acquisto
  • Capire il potenziale di acquisto “next product to buy”
  • Creare campagne adv più efficaci, meglio geolocalizzate e targettizzate
     

14.00 – 17.30

Machine Learning & Marketing Predittivo per aumentare la competitività

  • Valutare in quali casi e perché utilizzare strumenti di Machine Learning
  • Conoscere gli investimenti e le competenze necessarie per adottare strumenti di ML
  • Prevedere il comportamento di acquisto del consumatore
    -Esempi di algoritmi di riconoscimento
  • Strutturare analisi predittive per le vendite future
  • Individuare nuovi clienti e soddisfare nuove esigenze
    -Utilizzare e combinare immagini, informazioni sul prodotto, social media, posizione degli store
  • Definire una Pricing Strategy di successo

Alberto Ferrario, Director, Deloitte Analytics & Cognitive