Aggiornato al 12/05/2022

Strumenti di analisi predittiva nel settore utility

Il churn rate nel mercato dei fornitori di acqua, luce e gas è in costante – e pericoloso – aumento. La liberalizzazione del mercato ha reso il mercato più competitivo, contestualmente per gli utenti cambiare operatore è diventato un gioco da ragazzi. Da un lato c’è la proliferazioni di offerte sempre più allettanti, dall’altro la digital transformation all’interno del settore ha reso molto più semplici il passaggio di fornitura.

Quindi la domanda che ci si pone è: come si può, in questa fase di grandi trasformazioni, contenere questo fenomeno? Il primo step per ridurne l’impatto è quello di calcolarne l’entità. Oggi è possibile, attraverso i big data e gli strumenti di analisi predittiva. Ecco come.

 

New call-to-action

 

L’aumento del Churn rate

Customer churn”, ovvero – in parole semplici e brutali – il cliente che decide di abbandonare una company: è questo uno dei principali timori delle aziende dell’Utility Industry.

Un problema che si è fatto più concreto, urgente e consistente che mai negli ultimi anni. Il settore industriale delle Utility e dell’Energia, infatti, ha visto una rapidissima e inedita liberalizzazione: i player sul mercato si sono moltiplicati e la facilità, per un utente, di passare da un fornitore ad un altro è oggi estrema. Bastano pochi clic.

Ecco spiegato l’aumento generalizzato del churn rate, il tasso di perdita dei clienti; fenomeno che ha investito un po’ tutte le aziende del settore, sia a livello italiano che internazionale.

La percentuale delle famiglie italiane che è passata dal cosiddetto “Servizio a maggior tutela” al “Mercato libero” è in continuo aumento. Da un report di ARERA, aggiornato al settembre 2021, emergono i seguenti dati: il 59.7% delle famiglie italiane ha scelto il mercato libero per la fornitura di energia elettrica. Si tratta di una crescita complessiva del +2.4% nel corso degli ultimi sei mesi. Risultati simili arrivano anche per le forniture di gas naturale. In questo caso, è il 62% delle famiglie ad aver scelto il mercato libero con un incremento del +1.8% rispetto alle precedenti rilevazioni.

Ma questo cambiamento non si è limitato ai clienti domestici. Il 70.4% delle imprese (+2.4%) ha scelto il mercato per il settore elettrico mentre il 71.3% dei condomini (+1.4%) ha abbandonato la tutela per quanto riguarda il settore gas (con consumi inferiori a 200 mia Smc). Negli ultimi mesi, quindi, la crescita registrata dal numero complessivo di clienti che hanno scelto il mercato libero è stata considerevole.

Bene. Si prendano tutti questi dati e si consideri quest’altro: un aumento del 5% del tasso di customer churn può far abbassare i profitti dal 25% al 95%, a seconda dei casi specifici. Cifre spaventose, messe a fuoco in un approfondito studio di Frederick Reicheld di Bain & Company, ripreso anche dalla Harvard Business Review.

Un altro indicatore significativo è il costante aumento, tra i Google Trends, delle ricerche relative al cambio di fornitore di luce, gas, acqua. Questa è la realtà con cui le aziende del settore Utility ed Energia devono fare i conti nel presente. Non la si può ignorare, se non si vogliono perdere quote di mercato, credibilità, revenue e fatturato.

Si tratta, inoltre, di una realtà che si inserisce in un quadro più ampio e globale, in un mercato internazionale caratterizzato da un estremo dinamismo e da una liquidità accelerata: il contesto industriale e produttivo, insomma, non è di certo più quello di 50 anni fa, ma nemmeno quello di 30, 20, o anche solo 10 anni fa.

Se negli anni Cinquanta l’aspettativa media di vita per le companies inserite nella lista Fortune 500 si attestava sui 75 anni, oggi siamo intorno ai 15 anni. E si incroci tutto ciò con quest’altro dato, che emerge da un noto studio di Bain & Company: per un’azienda conquistare un nuovo cliente costa dalle 6 alle 7 volte in più rispetto a fidelizzarne uno.

È chiaro, a questo punto, che le nuove sfide si giocano tutte qui: abbattere il tasso di customer churn, aumentare quello di fidelizzazione e di loyalty.

Chi si occupa di marketing e customer care nell’Utility Industry deve tenere ben presente tutto questo. Deve essere consapevole che il primo step per tenere a bada (o, ancor meglio, far decrescere) il churn rate è quello di tenerlo costantemente monitorato, attraverso strumenti di analisi predittiva più all’avanguardia. Che oggi sono disponibili, e sono efficaci sia per i colossi del settore, sia per i nuovi player che si affacciano per la prima volta in questo mercato in continuo e rapido cambiamento.

 

New call-to-action

 

La rivoluzione dei big data

“Big data”, ormai, è una buzzword che dall’ambito specifico della tecnologia e del business si è trasferita un po’ ovunque, su tutti i media; una buzzword che – purtroppo – viene utilizzata spesso a sproposito e con poca cognizione di causa.

Secondo la definizione tecnica di Gartner, i big data sono: “asset di informazioni ad altissimo volume, ad altissima rapidità e/o ad altissima varietà che richiedono forme innovative di analisi e interpretazione capaci di migliorare gli insight, il decision making e l’automazione dei processi”.

Insomma, i big data sono lo strumento più avanzato per conoscere il più possibile chi si ha davanti, il proprio target, i propri clienti (anche se si tratta di una platea numericamente molto ampia).

Conoscere gli utenti a cui ci si rivolge è – da quando esiste il commercio – il modo migliore per comunicare con loro in maniera efficace, tenerli fidelizzati, fare in modo che non si rivolgano a dei concorrenti. In termini contemporanei: l’analisi dei big data è fondamentale – e ormai irrinunciabile – per ogni operazione di marketing, per incrementare la qualità e l’efficienza dei propri servizi di customer care, per aumentare engagement e loyalty dei clienti, per abbattere il tasso di customer churn.

Secondo le stime più aggiornate, infatti, il 58% delle Utility ha avviato per i processi interni soluzioni basate su big data, machine learning, blockchain, tecnologie cloud e reti neurali (fonte: zerounoweb). Inoltre, le previsioni di crescita del digitale nei prossimi anni sono condizionate dall’attuazione del PNRR, che prevede investimenti per circa 50 miliardi entro il 2026 (fonte: dire.it).

I big data come strumenti di analisi predittiva

Noi tutti, nella nostra esperienza quotidiana, sfruttiamo l’enorme mole di dati che il nostro cervello ha immagazzinato in precedenza, per prendere decisioni sensate e il più possibile efficaci. Decidiamo a che ora alzarci facendo – in un certo senso – un’analisi predittiva dei tempi che impiegheremo per vestirci, lavarci, fare colazione, raggiungere il posto di lavoro a seconda del possibile traffico (giusto per fare un esempio). Una complessa analisi, insomma, che si basa sui nostri comportamenti passati e che è funzionale a prendere decisioni future.

Oggi, le aziende possono fare lo stesso con i loro utenti; possono conoscerne caratteristiche, esigenze, comportamenti. E a partire da questi dati prevedere, con un buon grado di certezza, come gli utenti agiranno in futuro. L’analisi predittiva del churn rate si inserisce, quindi, in questo contesto.

Certo, non basta poter disporre di un ammasso enorme di dati. Bisogna raccoglierli con la massima accuratezza, in un approccio il più possibile omni-channel. E non tutti i dati sono uguali: alcuni sono ben più significativi di altri: e questo varia di business in business, di brand in brand.

Infine, questi dati vanno interpretati al meglio: e per farlo – quando si parla davvero di big data – è diventato indispensabile dotarsi di strumenti di Intelligenza artificiale e machine learning.

Analizzare con accuratezza il comportamento dei clienti che decidono di “restare”, che interagiscono positivamente con la propria azienda attraverso i più diversi canali è altrettanto importante che studiare i comportamenti e le caratteristiche di chi invece, decide di “andarsene”. Sulla base di queste analisi, e solo a partire da qui, si possono mettere in pista strategie efficaci per aumentare significativamente la retention e abbattere il tasso di churn.

Si comprende quanto questo sia vitale per la buona salute di qualsiasi tipo di business, e per la sua crescita. Un discorso che vale a maggior ragione per aziende che forniscono servizi essenziali, con un enorme e pervasivo impatto sulla vita quotidiana di milioni di persone, come l’acqua, la luce, il gas, internet o la telefonia.

Spingersi oltre i big data – La frontiera della personalizzazione

Avere la più ampia mole di dati, e saperli interpretare in maniera efficiente e funzionale – abbiamo visto – è fondamentale e imprescindibile.

Ma nessuna azione concreta sarà efficace se, su queste basi, non si sa dividere la propria platea di utenti in gruppi, in cluster che riuniscono individui dalle caratteristiche anagrafiche, geografiche e psico-sociali il più possibile omogenee e coerenti. Questo al fine di segmentare il proprio target generale in tanti target più piccoli e specifici, da colpire in maniera più mirata, efficace, con azioni il più possibile su misura.

Per questo si preferisce parlare di smart data (che possono essere definiti come big data filtrati, selezionati, resi più significativi e funzionali  a seconda del contesto in cui si inseriscono) o di deep data.

Per questo stesso motivo la frontiera verso cui tutte le aziende più attente e innovative si stanno indirizzando è la personalizzazione. Conoscere, dunque, ogni singolo utente, analizzarne le caratteristiche e i comportamenti individuali, e rivolgersi ad esso con un approccio one-to-one. È la svolta del vero business customer-oriented, verso cui tutte le aziende del settore Utility si stanno indirizzando.

Oggi  questo approccio è reso possibile grazie a servizi come quelli offerti da Doxee, che da anni collabora, proprio in questa direzione, con colossi come Enel, Engie, A2A.

Conoscere ogni singolo utente, dialogare e interagire con ognuno in maniera differente, è senza dubbio il metodo migliore per conquistarne l’attenzione, ottenerne la fiducia, prevederne il possibile comportamento.

Insomma, è l’analisi personalizzata dei dati e dei comportamenti il metodo migliore per prevedere il customer churn (e dunque il churn rate), anticiparne i segnali; e – soprattutto – correre ai ripari, invertendo la rotta.