Analisi dei bisogni data-driven: la nuova frontiera della consulenza

Avete presente quando vi capita di guardare un divano sul sito di Ikea e poi per settimane vi tocca sorbirvi banner di divani e arredamento ogni volta che fate una ricerca su Google o aprite Facebook?

Sono i colossi del web che tentano di capire i vostri bisogni, utilizzando i dati che fornite navigando per incasellarvi come potenziali clienti di una miriade di prodotti e servizi. Nell’era dei big data infatti, “Conosci il tuo cliente” è diventato il mantra di ogni professionista del marketing.

In questo contesto, il mondo finanziario rappresenta un caso unico. Da un lato i clienti, con una cultura finanziaria tendenzialmente mediocre, spesso non sono consapevoli dei propri bisogni finanziari, che vanno prima portati alla luce. Dall’altro lato, essendo molto regolamentato, il settore finanziario è decisamente avvantaggiato: normative come MiFID e IDD1 richiedono per legge ai clienti di fornire una serie di informazioni su se stessi che altri settori si possono solo sognare.

 

Ma come sfruttare al meglio questi dati?

La risposta ce la dà la stessa normativa MiFID: “Know You Customer, Know Your Products”, ovvero: individua puntualmente bisogni e obiettivi dei clienti e vendi loro solo i prodotti di cui hanno bisogno. In questo la tecnologia, coadiuvata da un po’ di buona data science, può offrire un aiuto formidabile2.

 

Il processo di Virtual B

La logica del nostro lavoro è semplice: partiamo da una base di dati “grezzi” sul cliente, provenienti in buona parte dal questionario MiFID obbligatorio, in parte dalla banale anagrafica e dalla storia del cliente (ad esempio, come e quando ha movimentato le sue posizioni, come, quanto, quando e con chi interagisce quando si pone in relazione con la banca o l’assicurazione) e in parte da dati ISTAT.

Da questi dati estraiamo – con una massiccia opera di pulizia, integrazione e sintesi intelligente – una serie di informazioni cruciali per “catalogare” il cliente in questione: età, città di residenza, situazione reddituale, situazione patrimoniale, eventuale famiglia a carico, eventuali finanziamenti in corso, propensione al rischio, orizzonte temporale, professione, livello di educazione finanziaria ecc.

Una volta ottenuto il profilo del cliente, lo gettiamo “in pasto” a due algoritmi che lavorano di conserva, combinando i loro risultati.

1) Machine Learning

L’algoritmo basato sul Machine Learning osserva i profili dei clienti a cui un gruppo selezionato di consulenti, ritenuti particolarmente affidabili, ha venduto determinati prodotti. E ne desume che clienti con un profilo simile potrebbero avere bisogni che vengono soddisfatti da quei prodotti.

2) Sistema esperto basato su Business Intelligence

L’algoritmo di Business Intelligence è un sistema esperto che incorpora la best practice professionale e la replica.

L’uso combinato di questi due algoritmi fa emergere i bisogni finanziari di ogni singolo cliente – o meglio: assegna a ogni cliente una “probabilità” associata ai diversi bisogni finanziari.

 

Un esempio?

Cliente: Mario Rossi

Bisogno di copertura assicurativa sulla vita: 47%

Bisogno di previdenza integrativa: 82%

Una volta in possesso di queste preziose informazioni, sarà il consulente a decidere come muoversi – stiamo parlando infatti di strumenti che possono supportare il lavoro dei professionisti, non sostituirlo: per esempio il consulente potrebbe di proporre un prodotto che risponde al bisogno di previdenza integrativa solo ai clienti che hanno una probabilità associata a quel bisogno superiore al 60%. Oppure potrebbe, intavolando il discorso con il cliente, scoprire che un prodotto simile quel cliente l’ha acquistato da un altro intermediario. Ma, in ogni caso, si mette a fuoco il cliente, e si favorisce la relazione, oltre che la consulenza in senso stretto.

La cosa importante è però questa: partendo da prodotti standard, il consulente riesce ad allocarli in modo personalizzato in base ai bisogni dei clienti.

 

I “superpoteri” dei dati non si esauriscono qui

Sì, perché più il “DNA del cliente” è approfondito e ricco di informazioni, maggiori sono le possibilità di personalizzazione – si può personalizzare il modello di servizio (orientando l’esperienza più sul canale digitale o più sul canale fisico a seconda della persona che ci si trova di fronte), o la modalità di comunicazione (prediligendo, a seconda dei casi, newsletter, video, e-mail, differenti “toni di voce” nella comunicazione, e così via).

Il Behavioural Profiling, di cui abbiamo già parlato in diversi post3, si inserisce perfettamente in questo filone: informazioni aggiuntive sul profilo psicologico e sul background culturale del cliente (da recuperare in questo caso tramite questionari appositi, concorsi, gaming e chi più ne ha più ne metta) possono venire in aiuto per suggerire al consulente il modo migliore per fare “breccia” nella sua mente – in altre parole: una volta individuati gli “ostacoli” sarà più facile superarli.

 

Profilazione comportamentale all’opera

Pensiamo a un cliente con un forte bisogno di coperture previdenziali e assicurative per la sua salute, ma con una cultura finanziaria decisamente limitata che lo rende convinto di poter affrontare eventi imprevisti negativi esclusivamente attraverso l’attivazione del sostegno sociale di famiglia e amici. Nonostante il chiaro bisogno di coperture assicurative, i condizionamenti sociali di cui è vittima (inconsapevole) lo rendono miope, impedendogli di fare valutazioni razionali e lungimiranti. Ma, se si conosce il suo profilo psicologico e culturale – grazie al Behavioural Profiling – il consulente è preparato a scontrarsi con una certa reticenza e può escogitare il modo migliore per sensibilizzare il cliente sul tema e fargli “digerire” la necessità di sottoscrivere un fondo pensione o un’assicurazione temporanea caso morte.

Insomma, gli ambiti di applicazione sono veramente ampi, ma il punto cruciale è sempre lo stesso: se il consulente per primo riesce a cogliere le percezioni e le regole utilizzate dai clienti, può aiutarli a mettere a fuoco reali bisogni e opportunità. E può farlo parlando la “loro lingua”, quindi lavorando, più che sul contenuto del messaggio, sul modo in cui esso viene presentato.

 

La soluzione di Virtual B

Virtual B lavora da anni nel settore finanziario, a stretto contatto con i dati e la loro analisi. Dalla nostra esperienza sono nate numerose soluzioni in grado di generare valore e di risolvere problemi per gli intermediari finanziari e assicurativi.

Per capire nel concreto come un’analisi dei bisogni data-driven possa creare valore per la tua azienda e per il tuo lavoro quotidiano, scopri SideKYC® al link sottostante. SideKYC® è il nostro software di advanced analytics per il wealth management, in grado di aumentare la produttività grazie a features di profilazione e scoring.

Scopri SideKYC®

 



1 – La direttiva IDD: una grande opportunità, solo se sai coglierla
2 – Know Your Customers: conoscere i bisogni dei clienti attraverso l’analisi dei dati
3 – Il Behavioural Profiling: uno strumento di intelligenza emotiva per il consulente