Il mondo del marketing e delle vendite sta subendo profonde trasformazioni in questi ultimi anni. L’elemento maggiormente dirompente è l’accesso ad una quantità di dati immensa grazie all’analisi dati, inimmaginabile fino a qualche decennio fa.
Nell’ambito delle ricerche di mercato, il sopravvento dei Big Data e degli algoritmi di Machine Learning sembra ormai minare inesorabilmente la supremazia finora incontrastata delle metodologie classiche, sollevando discussioni circa la loro efficacia ed efficienza per l’indagine del comportamento dei consumatori.
Tale problematica è senza dubbio rilevante e legittima, soprattutto alla luce del forte sviluppo delle tecnologie e delle nuove possibilità messe a disposizione dalle stesse per la raccolta, il monitoraggio e l’analisi di sempre più ampie quantità di dati riguardanti il comportamento degli utenti.
I Big Data, al contrario delle ricerche di mercato classiche, permettono la raccolta a flusso continuo di dati relativi ad effettivi comportamenti di un campione notevole di individui. Questo aspetto è quello che forse, più di tutti, ha attirato l’attenzione su questa metodologia di ricerca, in quanto ha permesso ai ricercatori di osservare “sul campo” i reali comportamenti degli individui.
I dati così prodotti però vengono analizzati tramite gli stessi algoritmi con cui sono sempre stati esaminati i risultati provenienti dalle ricerche di mercato tradizionali: il Machine Learning ha permesso di aumentare l’affidabilità e la velocità di elaborazione e lo studio di ampi database di informazioni ma non c’è stata, fino ad oggi, nessuna reale innovazione circa le metodologie di analisi.
I due metodi di analisi hanno obiettivi diversi ed integrabili: mentre i Big Data permettono di indagare molto bene il “cosa” succede (che viene descritto dai dati raccolti), le analisi di mercato tradizionali permettono di indagare il legame di causa-effetto in merito ad uno specifico fenomeno oggetto di verifica, consentendo uno studio più puntuale della psicologia del rispondente.
Con un’integrazione di questi due metodologie, quindi, è possibile raggiungere una visione del cliente a 360°. Per capire non solo cosa fa e come lo fa, ma per approfondire le sue motivazioni e predire i comportamenti futuri.
