Recommendation System
- Telefonia
definire una strategia basata sui sistemi di raccomandazione
Una nota azienda multinazionale di telefonia aveva la necessità di estendere le funzionalità della propria App per la formazione interna dei lavoratori e lo sviluppo di competenze professionali, manageriali e di leadership, attraverso corsi di apprendimento mirati.
Il superamento di questi corsi gratuiti, permetteva l’abilitazione alla vendita di particolari prodotti o servizi, ma tutto ciò riscontrava problemi rendendo l’applicazione poco efficace.
Problema
Gli avvisi erano poco efficaci poiché privi di un filtraggio che riconoscesse le necessità degli utenti. Gli argomenti proposti non rispecchiavano gli interessi dei destinatari, riscontrando quindi che alcuni dipendenti non terminavano la videolezione, abbandonando la piattaforma.
TECNOLOGIE
SOLUZIONE
Per risolvere queste problematiche, Chiron ha sviluppato un sistema di recommendation. Lo scopo era quello di aumentare la permanenza degli utenti nella piattaforma, riducendo al minimo il Churn Rate, ovvero il tasso di abbandono. Evitare l’abbandono, anticipando le esigenze dei propri utenti si riflette in campagne di marketing più efficaci e, infine, in decisioni aziendali mirate al proprio target.
STEP 1
Creazione del Data Lake, ovvero un archivio di dati in grado di acquisire basi di dati statistici, chiamate «proiezioni» sull’andamento dell’App; in questo modo riesce a verificare la quantità di corsi iniziati e completati.
STEP 2
Marketing Automation, con lo scopo di inviare newsletter personalizzate in base agli interessi degli utenti registrati, analizzati attraverso:
– Completamento dei corsi;
– Superamento degli esami;
– Compilazione dei questionari.
STEP 3
Comprensione dei comportamenti d’acquisto degli utenti attraverso la Customer Behaviour: lo scopo è individuare i prodotti e i marchi che meglio rispondono alle necessità e preferenze del target di riferimento, selezionando i clienti più attivi e disponibili all’acquisto.
STEP 4
Recommendation System, attraverso un attento filtraggio dei dati, è possibile creare raccomandazioni personalizzate al fine di suggerire specifici prodotti all’utente, accompagnandolo nella scelta ed evitando la visualizzazione di contenuti non rilevanti.
RISULTATI
Gli istruttori hanno potuto sfruttare la logica del recommendation system, permettendo dei corretti suggerimenti dei corsi ad ogni singolo utente. Dal grafico si può evincere l’aumento del tasso di conversione di un utente invitato ad utente registrato, da un 23% ad un 47% (+105%).
In aggiunta, la percentuale del completamento dei corsi, che si attestava al 42%, è aumentata fino al 79% (+90%).