Live Training | Data Analytics & Machine Learning nel retail
Strumenti di Analysis, Single Customer View e Marketing Predittivo per recuperare vendite e fiducia del cliente 28 Settembre 30 Settembre 2020,

Programma

28 Settembre

RACCOLTA E ANALISI DEI DATI SUL CLIENTE PER AUMENTARE ENGAGEMENT E USER EXPERIENCE

9.30 – 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 sui 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 raggiungre 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

 

30 Settembre

DATA DRIVEN STRATEGY, STRUMENTI DI MACHINE LEARNING E MARKETING PREDITTIVO

9.30 – 13.00

Prendere decisioni razionali sulla base di dati reali

  • Le “data driven organizations”: ruoli chiave
  • Utilizzare i dati per personalizzare servizi e prodotti
  • Identificare i  prodotti/servizi di interesse per il 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 essere sempre competitivi sul mercato

  • Comprendere il paradigma del Machine Learning da un punto di vista business
  • Conoscere le metodologie e i processi di adozione per sviluppare i primi progetti di Machine Learning
  • Saper progettare e presentare in azienda uno scenario di business basato su Machine Learning considerando impatti sul business, provider tecnologico, rischi e processi
  • Prevedere il comportamento di acquisto del consumatore
    - Esempi di algoritmi di riconoscimento
  • Utilizzare il dataset storico per effettuare previsioni e analisi what-if
  • 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
  • Saper identificare le diverse modalità di innovazione realizzabili tramite Machine Learning e Intelligenza Artificiale

Fabio Foglia, Co-founder, MarketMind Research