L’interpretazione dei bisogni degli acquirenti a partire dalla gestione dei dati di marketing

di Alessio Abbate

Comprendere i reali e mutevoli bisogni degli acquirenti non è un compito facile. Non sempre i retailer riescono a ‘incrociare’ opportunamente i dati estratti dai sistemi interni di misurazione delle performance (fatturato, rotazioni, margini, ecc.) con i dati di mercato e con le informazioni provenienti dai programmi di loyalty o dalle analisi (desk e field) della concorrenza.

Le analisi della concorrenza, inoltre, si limitano di solito a reperire informazioni sulle attività promozionali e a condurre analisi sul campo basate su osservazioni qualitative e poco strutturate dei negozi dei competitor, oppure sul semplice monitoraggio, spesso attraverso altre società, dei prezzi a scaffale per i principali brand. Raramente le analisi dei competitor si spingono fino a comprendere una puntuale analisi (store check) del posizionamento rispetto alle singole leve del retail mix (assortimento, prezzi, spazio e display, promozioni, ecc.).

I dati di mercato invece – normalmente disponibili attraverso l’accesso a banche dati standard per i retailer con budget di spesa limitati – difficilmente forniscono informazioni significative per i bacini di utenza specifici dei singoli negozi gestiti e sono, inoltre, inevitabilmente organizzati in base ad aggregati merceologici diversi da quelli adottati dal singolo retailer (c.d. ‘albero merceologico’ o ‘classificazione marketing’), rendendo complesso il confronto in profondità per singoli segmenti.

Il motivo principale per cui il retailer non riesce a cogliere le giuste intuizioni per soddisfare al meglio le esigenze dei propri clienti risiede, il più delle volte, proprio nella scarsa manutenzione dell’albero merceologico (il criterio in base al quale i prodotti sono classificati in anagrafica e raggruppati in segmenti, categorie, reparti e settori) e nella conseguente lettura distorta dei KPI (dati di performance).

L’albero merceologico del retailer talvolta non comprende alcuni segmenti trasversali che riflettono bisogni specifici. Per fare un esempio, gli ‘alimenti per l’infanzia’ non sono generalmente classificati in base al ciclo di vita del bambino (pre-svezzamento, svezzamento e crescita). In chiave espositiva, ciò comporta che sul punto vendita la ‘mamma’ deve analizzare scrupolosamente l’intero scaffale degli alimenti per l’infanzia allo scopo di individuare prodotti diversi (pastine, omogeneizzati, latte, biscotti, ecc.) per il medesimo stadio del ciclo di vita del proprio bambino.

Altre volte, invece, l’albero merceologico non è aggiornato costantemente dal retailer. Questo vale soprattutto per il non-food e, in particolare, per l’elettronica di consumo, dove l’obsolescenza economica, prima ancora che tecnologica, è rapidissima. Non suddividendo in anagrafica, ad esempio, i PC portatili in Notebook e Netbook (e non creando, all’interno di entrambi, ulteriori sub-segmenti), si rischia di estrarre dai sistemi di Business Intelligence dei KPI (prezzi medi, rotazioni, elasticità promozionale, ecc.) di difficile interpretazione in chiave gestionale.

Infine, l’albero merceologico dei retailer non sempre fornisce informazioni in profondità o a monte sui segmenti rilevanti. Nella ‘detergenza stoviglie’, ad esempio, gli alberi merceologici dei retailer di piccola-media dimensione raramente si sviluppano in profondità comprendendo nei ‘detersivi lavastoviglie’ tutti i segmenti rilevanti (liquidi, gel, polveri e tabs). Altre volte, invece, l’albero è costruito con un livello di dettaglio molto elevato per i subsegmenti, ma senza una classificazione ‘macro’ in anagrafica per i segmenti a monte. E’ questo il caso tipico della categoria ‘preparazione dolci’, che comprende normalmente 25-30 subsegmenti (dalla farina, alle decorazioni, alla frutta conservata, ecc.) che raramente sono raggruppati in macrosegmenti (ad es., ingredienti, preparati e guarnizioni). In questo caso, il rischio non è quello di perdere informazioni sui subsegmenti rilevanti, quanto piuttosto quello di non cogliere le performance per funzioni d’uso dei macrosegmenti e di riscontrare difficoltà nella logica di costruzione del display.

Tutto ciò impatta inevitabilmente sul modo di leggere i bisogni del cliente: l’albero merceologico deve rispondere alle esigenze dei clienti ed evolvere assieme ad esse. Troppo spesso i retailer per esigenze ‘interne’ adottano invece un ‘linguaggio’ simile a quello dei fornitori o del gruppo d’acquisto al quale appartengono, prescindendo dal mercato e dalle logiche di ‘category management’. Per ‘trasformare’ semplici dati in utili insight occorre pertanto, non solo adottare dei sistemi flessibili di Business Intelligence, ma soprattutto creare una ‘cultura organizzativa’ intorno all’analisi e all’interpretazione dei reali e mutevoli bisogni dei clienti e, di conseguenza, costruire opportune procedure di revisione e aggiornamento della classificazione dei dati.