Modelli previsionali: la nuova piattaforma di Weborama per elaborare strategie data-driven in tre step

La capacità di utilizzare il machine learning per “arricchire” le informazioni legate ai profili dei consumatori nell'ottica di formulare modelli previsionali è uno degli sviluppi più interessanti del marketing moderno. Una novità in quest'ambito arriva da Weborama, la data science company attiva da vent'anni in diversi ambiti del marketing digitale e offline, che annuncia il lancio di un nuovo concetto di piattaforma per l'elaborazione di modelli previsionali di questo tipo, utile in particolare alle strategie di programmatic advertising. 

Leggi anche: WEBORAMA GUARDA A UN FUTURO COOKIELESS L'IA SEMANTICA CONTESTUALE [VIDEO]

In particolare, la piattaforma di Weborama è in grado di ospitare un processo di data science che si compone di tre macro attività: onboarding e arricchimento, per una clusterizzazione profonda; "propensity model", per formulare una data strategy di successo e report e risultati, per l'ottimizzazione e la valutazione della strategia. Vediamoli nel dettaglio.

Primo step: onboarding e arricchimento

Il primo passaggio, spiega Weborama, consiste nell'inserire i dati che il brand ha in possesso (ovvero il CRM, con i dati relativi ai suoi consumatori) nella piattaforma, in qualsiasi tipo di formato, per integrarli e arricchirli con quelli di Weborama che provengono dal consenso di circa 40 milioni di profili e suddivisi in 200 cluster comportamentali e con altre fonti di dati ritenute opportune (di prima parte per quanto riguarda gli editori oppure di terza parte in base alle esigenze strategiche). Inoltre, Weborama utilizza anche i tool proprietari, come MoonFish, in grado di analizzare una keyword specifica e utile alle strategie del brand per individuare, sfruttando l’AI semantica, tutte le “word cloud” legate ad essa e valorizzarle in base alla pertinenza o altri criteri. L'intero procedimento di onboarding e arricchimento avviene direttamente all’interno della piattaforma di Weborama che mette a disposizione della ricerca cluster arricchiti per un CRM ulteriormente incrementato e potenziato.

Secondo step: modelli di propensity

A seguito della prima elaborazione, si raccolgono le informazioni da inviare agli algoritmi proprietari di Weborama. Mediante il machine learning e in base alle esigenze strategiche di partenza, la data science company può attivare strategie di churn prevention evitando che i consumatori abbandonino il brand, trovare upselling opportunities per nuovi prodotti e intercettare nuovi utenti tramite l'attivazione, oppure definire un’azione personalizzata per il cliente. I primi due passaggi: onboarding e arricchimento e propensity model, sottolinea Weborama, sono fondamentali per una data strategy di successo. Inoltre, nel corso degli ultimi vent’anni di attività, Weborama ha sviluppato e continua ad aggiornare i suoi algoritmi, così come i suoi partner, garantendo informazioni puntuali, precise e al passo con i tempi.

Terzo step: report e risultati

I risultati sono i protagonisti della terza fase dei modelli previsionali elaborati dalla data science company. Nella maggior parte dei casi, i risultati corrispondono ad un’audience da attivare sulla DSP, sui social media o tramite email marketing secondo le dinamiche di media activation.

Mentre upselling proposition, retention e offerte personalizzate per i prospect (personalized offer for prospects), sono asset dedicati ai potenziali acquirenti. Il product enhancement è invece un segmento incentrato sul miglioramento del prodotto. In aggiunta, i risultati di Weborama emersi da una prima indagine, si possono ulteriormente analizzare mediante i tre step di onboarding e arricchimento, propensity model e report e risultati per un’ulteriore forma di arricchimento approfondito dei dati.
 
“Gli asset della piattaforma di Weborama hanno il grande vantaggio di essere totalmente flessibili e trasparenti. La flessibilità è individuabile nei tanti strumenti che mettiamo a disposizione e che ci consentono di delineare un’analisi completa, così come nella tipologia di file da analizzare al momento dell'upload. La trasparenza, invece, si riscontra nel garantire visibilità durante tutte le fasi del nostro modello previsionale, evitando così di diventare una black box e, al contrario, sottolineando i passaggi in modo tale da esplicitare il funzionamento e le informazioni raccolte per illustrare come si alimenta un modello di propensity. Infine, Weborama ha il vantaggio di avvalersi di una tecnologia proprietaria che ci consente di avere il pieno controllo in cabina di regia” afferma Roberto Carnazza, Country Manager di Weborama Italia.