Le data collaboration sono un tema caldo. I brand stanno cercando di estrarre un maggior valore dai dati di prima parte per riempire il vuoto lasciato dalla fine dei cookie di parti terze. Per questo, si stanno ora affidando a collaborazioni reciprocamente vantaggiose per generare insight di elevato valore.
Il successo delle data collaboration, però, dipende da un gran numero di collaborazioni umane dietro le quinte. Per questo, sarà necessario allineare le agende, i controlli e le tecnologie che rendono sicura la condivisione dei dati.
Come fare quindi per progettare la strada verso la collaborazione di diversi stakeholder?
Spunti per una data collaboration di successo
In un recente report di Winterberry è inclusa un’utile matrice RACI in cui sono spiegati i vari compiti di una data partnership tipo, tra media activation e misurazioni. Le persone a cui rivolgersi variano a seconda dell’organizzazione e del caso d’uso: il report e l’infografica qui sotto sono quindi da considerare non tanto come modelli quanto come spunti per avviare le diverse conversazioni legate a ogni passaggio.
Questa è la matrice RACI della collaborazione di Danone, leader globale nel settore alimentare, con importanti retailer. Una collaborazione sostenuta da Safe Haven di LiveRamp.
Fase 1: identificazione del business case
Danone aveva necessità di rafforzare la consumer intelligence per migliorare la sua media strategy e il ROI. La pandemia del 2020 ha causato non soltanto delle interruzioni nell’attività economica, ma anche nuove abitudini sul consumo dei media. Questi cambiamenti hanno avuto delle conseguenze sullo sviluppo del prodotto di Danone nonché sulla sua comunicazione con i clienti, per questo era fondamentale raccogliere informazioni e agire rapidamente.
Tenendo a mente questi obiettivi strategici, Danone si è mossa in due direzioni:
- comprendere l’impatto delle pubblicità digitali di Danone sui segmenti di audience e il loro percorso di acquisto presso i retailer;
- ottimizzare le attivazioni omnichannel basate sui dati di transazione.
La struttura RACI per le conversazioni a questo livello era fatta in questo modo:
Fase 2: trovare il partner giusto
A differenza dei retailer fisici o e-commerce, Danone non possedeva abbastanza dati per raggiungere direttamente grandi volumi di consumatori, per cui l’individuazione di segmenti di audience precisi legati a buyer persona chiave rappresentava un ulteriore ostacolo. La soluzione? Collaborare con retailer di spicco che possedessero i set di dati necessari a Danone per una maggior efficienza ed efficacia delle sue campagne mediatiche. Ecco la matrice RACI:
Fase 3: stabilire le regole
La collaborazione è progredita velocemente grazie alla sicurezza dei dati offerta da Safe Haven: tutti i dati del retail erano coperti da pseudonimo e non presentavano dati direttamente identificativi. Grazie a revisioni successive è stata assicurata l’assenza di tali dati, che avrebbero potuto eventualmente essere aggiunti nell’ecosistema, accertandosi che nessun dato fosse stato esportato: la gestione e il controllo dei dati sono stati costanti.
La qualità e la fornitura dei dati (o la loro provenienza, ossia da dove derivano i dati e come vengono raccolti) erano ulteriori punti chiave di questa fase; i team di analytics hanno valutato la qualità e la precisione attesa dagli insight che desideravano ottenere. Alcuni dati dovevano essere trattati rispettando certi vincoli dovuti a limitazioni dei permessi imposte dai partner; al contempo, degli accordi sulla governance controllavano l’uso dei dati all’interno dell’ecosistema di Safe Haven e l’applicazione dei risultati per sviluppare l’attività economica di Danone.
LiveRamp ha organizzato delle sessioni tra organizzazioni IT partner, inclusi i team di data/analytics e l’ufficio legale, così da permettere loro di comprendere la funzionalità centrale e i controlli dell’ecosistema per garantire la sicurezza dei dati.
[Per maggiori informazioni su provenienza, governance e permessi, leggi il nostro articolo precedente del blog.]
Fase 4: dai dati alle azioni
Danone si è affidata agli esperti di data marketing di Numberly che hanno attivato segmenti di pubblico costruiti con dati permissioned di Danone e i suoi partner retail direttamente da Safe Haven. Questo ha permesso l’armonizzazione dei canali, ponendo le basi per l’obiettivo più grande: la transizione verso la pubblicità post-cookie e il controllo sul futuro dei dati.
Le persone al centro
Le data collaboration sono una questione tecnologica, ma non solo: esse sono anche una questione umana. Per Danone, riunire gli stakeholder tramite il ciclo di vita di una data collaboration ha contribuito al superamento delle difficili sfide che i team hanno affrontato durante il percorso. Queste collaborazioni interne ed esterne saranno molto utili nel guardare oltre i propri orizzonti per comprendere in modo approfondito il panorama dei consumatori.
Quali sono i prossimi passi
Leggi il report di Winterberry “Collaborative Data Solutions” per scoprire come i marchi possono accelerare le iniziative di data collaboration.
Se vuoi iniziare a completare il tuo modello RACI per provare le data collaboration, possiamo metterti in contatto subito con i nostri data strategist!