“Marketers who embrace agility and constantly try to push boundaries are the ones that will thrive.” Con questa frase Scott Brinker, uno dei maggiori esperti mondiali del Martech, immagina il futuro dei marketer. L’agilità al primo posto per reagire efficacemente alle sfide di un mondo che cambia.
All’alba di una rivoluzione digitale senza precedenti, le aziende si trovano di fronte a una svolta critica: l’adattamento alle nuove politiche imposte dai colossi tecnologici come Google e Meta. Un cambiamento che non solo ridefinisce le regole del gioco nella pubblicità online ma segna anche l’urgenza di una trasformazione profonda nell’approccio alla raccolta e alla gestione dei dati.
Proprio nei giorni di pubblicazione di questo articolo, le aziende sono di fronte ad una nuova grande sfida da affrontare, per non perdere le performance delle proprie campagne pubblicitarie sulle piattaforme Google e Meta.
A Marzo infatti sono entrate in vigore nuovi policies dei grandi player, diretta conseguenza dei Digital Acts (DMA, DSA), volti a contenere la posizione dominante delle aziende nel mercato dei servizi digitali.
L’attuazione di questi atti comporta ad esempio l’installazione obbligatoria della Google Consent Mode V2 nei propri portali, pena, in sua assenza, il non porter far più advertising con la piattaforma di Big G.
In concreto la Consent Mode V2 è una tutela aggiuntiva per Google rispetto ai dati degli utenti raccolti dagli advertising. Si chiede un esplicito riferimento alla scelta dell’utente di inviare dati a Google ricevere pubblicità personalizzata.
Questo piccolo esempio dimostra come i dati di prima parte siano sempre più importanti per tutti gli attori dell’ecosistema digitale, ma diventi sempre più complesso e dinamico raccoglierli, gestirli e realmente attivarli.
Solo dal punto di vista della privacy, abbiamo ormai una granularità ed un grado di dettaglio di informazioni da gestire da mettere in difficoltà le classiche piattaforme di raccolta del consenso.
Tutto spinge sempre più verso una visione dinamica, reattiva e resiliente della raccolta del dato, ma come possiamo ottenerla all’interno dei nostri stack attuali?
Le aziende, soprattutto di grandi dimensioni hanno una lunga storia di dati di prima parte. Raccolgono informazioni su propri clienti e sul proprio business ormai da decenni ed in ogni entità di qualsiasi dimensione. La vera sfida oggi non è quella di trovare grandi quantità di dati, bensì di riuscire a riconciliare e ricondurre tutte le informazioni in un centro coerente e di qualità.
Questo perché, legittimamente, le aziende hanno negli anni acquistato e stratificato tanti tipi di software, dall’ERP al CRM, al sistema di fatturazione fino alla web analytics. Nella scelta dei vari software non era così evidente l’esigenza di centralizzare il dato e poterlo sfruttare poi a fini di marketing e strategici e si preferivano sostanzialmente soluzioni “Best of Breed” per ogni tipologia.
L’altro approccio, apparentemente più virtuoso dal punto di vista del consolidamento, era quello di scegliere una soluzione integrata e omnicomprensiva di tutte le funzioni necessarie all’azienda.
L’approccio a suite integrata sicuramente garantiva minori processi di update e sincronizzazione tra tante suite diverse, ma comportava anche la sensazione di non avere mai la migliore soluzione per ogni esigenza. Inoltre le grandi suites integrate soffrivano e soffrono di lentezza nell’adattarsi alle novità del mercato e bassa connessione con l’ecosistema esterno. Per i marketer soprattutto iniziavano a rappresentare dei muri invalicabili verso la performance. In quest’ottica abbiamo assistito all’avvento di soluzioni ibride, che mantenevano una centralità della soluzione integrata ed al contempo iniziavano ad integrare software di diversi fornitori per esigenze specifiche come la Web Analytics o l’Email Marketing.
Più lo scenario diventa complesso, più è difficile immaginare che una soluzione unica possa essere reattiva e capace di adattarsi a tutte le esigenze. Oggi le aziende si allontanano anche dalla soluzione ibrida e virano più verso un approccio ad ecosistema, come ben identificato da Scott Brinker
Al contempo nascono problemi di ridondanza e duplicazione.
Questo perché ogni elemento dello stack ha spesso funzioni simili o sovrapponibili agli altri ed un proprio database per raccogliere i dati, che dovrà poi essere necessariamente sicronizzato con gli altri per poter garantire un dato aggiornato e di qualità. Ora se questo aspetto è meno evidente quando parliamo di sistemi interni come ERP o DAMS, diventa assolutamente insuperabile per il dato con finalità di marketing.
Pensare di poter utilizzare un dato non aggiornato rispetto ai consensi dell’utente per creare campagne ed esperienze di marketing personalizzato diventa rischioso e dannoso, in un mondo privacy centrico.
Possiamo fare lo stesso parallelo per quanto riguarda algoritmi di segmentazione e scoring degli utenti. Complessi meccanismi di sicronizzazione tra CRM, ERP, Marketing Automation platform possono portare a dover attendere anche 20 giorni per avere un dato aggiornato sullo status del cliente, un tempo che va oltre l’effettivo ciclo di vendita del servizio e rende vani tutti gli sforzi di enrichment e segmentazione fatti.
Il “modern data stack” rappresenta un’evoluzione significativa nella gestione e nell’analisi dei dati rispetto agli approcci tradizionali. Storicamente le organizzazioni si affidavano a sistemi eterogenei e software distinti, ciascuno con il proprio database, per gestire diversi aspetti dei dati. Questo approccio frammentato comportava sfide notevoli in termini di integrazione, gestione e analisi dei dati, poiché le informazioni erano disperse in vari silos, rendendo complesse le operazioni di aggregazione e l’ottenimento di insight unificati.
In contrasto, il modern data stack adotta un approccio centralizzato, sfruttando le potenzialità del cloud per superare le limitazioni dei sistemi precedenti.
Gli elementi fondamentali di questo nuovo approccio sono:
- Approccio centralizzato al dato in Cloud
- Tools di ingestion per raccogliere informazioni da tutte le fonti
- Tools di processo e trasformazione per rendere i dati pronti alle elaborazioni
- Machine Learning ed AI tools per estrarre il massimo valore dai dati sotto forma di clustering ed insights
- Tools di Reverse ETL per estrarre i dati elaborati ed inviarli in maniera efficace a tutti i tools e le piattaforme di marketing.
Al cuore di questo nuovo paradigma c’è l’adozione di un unico database, flessibile e agnostico rispetto alle sorgenti dei dati, che serve da piattaforma unificata per la raccolta, l’archiviazione e l’analisi dei dati. Questo database è progettato per essere altamente scalabile, consentendo di gestire volumi di dati crescenti e di supportare una vasta gamma di tipologie di dati, dai dati strutturati a quelli non strutturati.
La caratteristica chiave del modern data stack è la sua capacità poi di integrare facilmente il cloud datawarehous con una varietà di strumenti e piattaforme di analisi, offrendo alle organizzazioni la flessibilità di utilizzare gli strumenti più adatti alle loro esigenze specifiche. Inoltre, grazie alla centralizzazione dei dati, le organizzazioni possono implementare pratiche di governance dei dati più efficaci, migliorare la sicurezza e facilitare l’accesso ai dati in tempo reale per il supporto decisionale.
Il modern data stack con al centro un single source of truth con dati di qualità, centralizzati e riconciliati ci permette di ottenere proprio quella resilienza e reattività a tutti i cambiamenti del panorama digitale, potendo rapidamente aggiungere la funzionalità necessaria a sfruttare un nuovo tool, algoritmo o player.
Grazie al nuovo approccio possiamo iniziare realmente a costruire un ecosistema performante e rapido, in linea con le esigenze del marketing moderno.
Le aziende che sfruttano questo approccio iniziano ad apprezzare la semplicità di manutenzione e la bassa ridondanza di informazioni e vogliono trasferire questo approccio a tutta la suite marketing.
Perché di fatto oggi possiamo avere soluzioni componibili in cui non abbiamo più la necessità di scegliere tra suite integrata o best of breed. Il nuovo paradigma consiste nell’andare a selezionare solo le funzionalità dei software per noi importanti e assenti nell’ecosistema, in modo da creare la struttura più lean ed agile possibile.
Andremo quindi a scegliere la funzione di invio antispam migliore del software di email marketing, mentre lasceremo alla nostra composable CDP la funzione di segmentare il database per darci i migliori cluster di utenti.
Sfrutteremo la funzionalità della raccolta dati del pixel di Google Analytics 4, ma potremo valutare di creare la nostra interfaccia di analisi con sistemi di dashboard basati sul cloud datawarehouse sopra menzionato.
L’approccio componibile cresce e diventa leader di mercato proprio per il momento storico, fatto di continui cambiamenti, restrizioni, walled gardens.
Poter prendere solo le parti necessarie di un software ed integrarle perfettamente nelle strategie rappresenta per le aziende la migliore risposta alle sfide e garantisce un sistema infinitamente plasmabile ed adattabile.
Come ben descritto da Vijay Tella nel libro “The New Automation Mindset”, per attivare realmente le potenzialità dell’automazione, della AI generativa e della iper-personalizzaione, oggi le aziende hanno bisogno di democratizzazione, orchestrazione e plasticità negli strumenti.
L’approccio componibile dello stack martech è l’unico in grado di garantire i tre principi e permettere ai brand di affrontare con successo le sfide digitali odierne.
Luca Ricci è Growth Director Bytek, Martech Company del Gruppo Datrix. Con oltre 15 anni di esperienza nelle strategie digitali e di crescita, è esperto nell’orchestrare ecosistemi digitali attraverso l’integrazione dell’intelligenza artificiale in CRM, CDP, piattaforme di marketing e analisi dati avanzata.