Huel è un’azienda direct-to-consumer (D2C) di pasti sostitutivi con una base di clienti molto fedele. In questa intervista, il data scientist Jay Kotecha e l’ecommerce director Ollie Scheers raccontano come usano i dati per ricostruire il customer journey e migliorare l’esperienza. È un caso utile perché illustra un problema comune a molte aziende e-commerce: i dati ci sono, ma restano frammentati.
Il problema dei data silos
Come spiega Kotecha, i dati provenivano da molte sorgenti diverse: piattaforme di digital marketing, Shopify, Zendesk, Recharge. Essendo siloed, non permettevano di vedere l’intero percorso del cliente: le metriche di performance marketing erano separate da quelle di customer success. È il classico problema dei data silos. Scheers aggiunge che l’azienda aveva molti dati, ma ospitati nei singoli sistemi, il che rendeva difficile anche un’analisi relativamente semplice. Portando tutto in Snowflake, il team ha ottenuto scalabilità e la possibilità di analizzare in modo combinato i dati di tutti i sistemi.
Dalla dashboard al modello predittivo
Con i dati centralizzati, il team ha costruito una customer experience dashboard, la più vista in azienda, che mostra come i clienti interagiscono, quali richieste pongono e metriche come customer satisfaction, reattività e NPS. Un altro esempio è la LTV dashboard, che consente di segmentare comportamenti e prodotti per capire cosa rende un cliente più di valore. Il team ha anche centralizzato i dati sugli abbonamenti: identifica i clienti VIP che mettono in pausa o cancellano, ne indaga il motivo e li ricontatta; quei dati si aggiornano ogni ora tramite trasformazioni.
Il lavoro tra data scientist ed ecommerce director
Scheers sottolinea il valore di avere Kotecha seduto accanto: pur avendo reso l’analisi accessibile a tutti, poter approfondire insieme le domande più complesse resta prezioso, ad esempio per individuare i clienti a più alto lifetime value. Guardando avanti, il team punta su machine learning per predire LTV e churn dei clienti fin dall’ingresso, e su tecniche di natural language processing (NLP) per capire il sentiment di ciò che i clienti dicono. Un obiettivo più ampio è aumentare la data literacy in tutta l’organizzazione, anche tramite sessioni formative interne.
- La centralizzazione in un cloud data warehouse ha superato i data silos e reso analizzabile l’intero customer journey.
- Dashboard su customer experience e LTV guidano le decisioni su marketing e retention.
- Il passo successivo è l’analisi predittiva (LTV, churn) e l’uso di NLP per interpretare il feedback dei clienti.
Fonte: Building a 360° view of the customer at Huel — https://www.fivetran.com/blog/huel-customer-journey
Hai qualcosa da aggiungere? Unisciti alla discussione.