Uno dei nostri clienti, elettronica di consumo gigante, aveva a lungo valutato il suo impatto pubblicitario un mezzo alla volta. Come la maggior parte delle aziende ancora fare, ha misurato come la sua TV, stampa, radio, e annunci online ogni funzionato in modo indipendente per guidare le vendite., La società non aveva colto l’idea che gli annunci interagiscono sempre più. Ad esempio, uno spot TV può richiedere una ricerca su Google che porta a un clic su un annuncio display che, in definitiva, termina con una vendita. Per prendere in giro a parte come i suoi annunci funzionano in concerto attraverso i media e canali di vendita, il nostro cliente ha recentemente adottato nuove, sofisticate tecniche di analisi dei dati. Le analisi hanno rivelato, ad esempio, che la TV ha assorbito l ‘ 85% del budget in una campagna di nuovi prodotti, mentre gli annunci di YouTube-una fetta del budget del 6%—sono stati quasi due volte più efficaci nel richiedere ricerche online che hanno portato agli acquisti., E search ads, al 4% del budget pubblicitario totale dell’azienda, ha generato il 25% delle vendite. Armato di quei ricchi risultati e delle ultime analisi predittive, l’azienda ha riallocato i suoi dollari pubblicitari, realizzando un aumento del 9% delle vendite senza spendere un centesimo in più per la pubblicità.
Questo tipo di intuizione rappresenta il Santo Graal nel marketing—sapendo esattamente come tutte le parti in movimento di una campagna guidano collettivamente le vendite e cosa succede quando le aggiusti. Fino a poco tempo fa, l’immagine era sfocata nella migliore delle ipotesi., La modellazione Media-mix, introdotta nei primi anni 1980, ha aiutato i marketer a collegare i dati dello scanner con la pubblicità e a decidere come allocare le risorse di marketing. Per circa 20 anni, tutti si sono rimpinzati di questo frutto basso, fino all’avvento del marketing digitale alla fine degli anni 1990. Con la possibilità di monitorare ogni clic del mouse, misurare il rapporto causa-effetto tra pubblicità e acquisti è diventato un po ‘ più facile. I marketer hanno iniziato a monitorare l’azione più recente di un consumatore online, ad esempio un clic su un banner pubblicitario, e ad attribuirgli un comportamento di acquisto.,
Combinato con una manciata di tecniche di misurazione onorate-sondaggi sui consumatori, focus group, modelli di media—mix e attribuzione dell’ultimo clic-tali metodi obsoleti hanno cullato molti marketer nel compiacimento. Pensano erroneamente di avere una maniglia su come la loro pubblicità influisce effettivamente sul comportamento e spinge le entrate. Ma questo approccio è retrograda: tratta in gran parte la pubblicità touch point-in-store e annunci display online, TV, radio, direct mail, e così via—come se ognuno funziona in isolamento., A peggiorare le cose, diversi team, agenzie e media buyer operano in silos e utilizzano diversi metodi di misurazione mentre competono per le stesse risorse. Questa pratica ancora comune, quella che chiamiamo misurazione swim-lane, spiega perché i marketer spesso attribuiscono erroneamente risultati specifici alle loro attività di marketing e perché la finanza tende a dubitare del valore del marketing. (Vedi la mostra ” Esci dalle tue corsie di nuoto.”) Come mi ha detto un CFO di una società Fortune 200, ” Quando sommo i ROI da ciascuno dei nostri silos, l’azienda appare due volte più grande di quanto sia in realtà.,”
I consumatori di oggi sono esposti a una gamma in espansione e frammentata di punti di contatto di marketing attraverso i media e i canali di vendita. Immaginate che durante la visualizzazione di uno spot TV per una Toyota Camry, un consumatore utilizza il suo dispositivo mobile per Google “berline.”Up apre un link di ricerca a pagamento per Camry, così come le recensioni di auto. Fa clic sul sito Web di Car and Driver per leggere alcune recensioni e, mentre sfogliando, nota un annuncio display da una concessionaria locale ma non fa clic su di esso. Una recensione contiene un link ai video di YouTube che le persone hanno fatto sui loro Camrys., Su YouTube guarda anche l’intelligente annuncio del Super Bowl di Toyota “Camry Reinvented” di otto mesi prima. Durante il suo tragitto al lavoro quella settimana vede un cartellone pubblicitario Toyota che non aveva notato prima e poi riceve un pezzo di direct-mail dalla società che offre un accordo a tempo limitato. Visita i siti Web delle concessionarie locali, compresi quelli promossi su Car and Driver e nel pezzo di direct-mail, e alla fine si dirige verso un rivenditore, dove prova a guidare l’auto e la compra.,
Il chief Marketing officer di Toyota dovrebbe porre due domande: Come ha interagito questa combinazione di esposizioni pubblicitarie per influenzare questo consumatore? Toyota sta investendo gli importi giusti nei punti giusti nel percorso decisionale del cliente per spingerla all’azione?
Diluvio di dati
I cambiamenti sismici nella tecnologia e nel comportamento dei consumatori negli ultimi dieci anni hanno prodotto un record granulare e praticamente infinito di ogni azione che i consumatori intraprendono online., Aggiungete a ciò gli oceani di dati provenienti da DVR e set-top box digitali, checkout al dettaglio, transazioni con carta di credito, registri del call center e una miriade di altre fonti, e scoprirete che i marketer hanno ora accesso a un tesoro precedentemente inimmaginabile di informazioni su ciò che i consumatori vedono e fanno.
L’opportunità è chiara, ma lo è anche la sfida. Come ha detto il celebre statistico e scrittore Nate Silver, ” Ogni giorno, tre volte al secondo, produciamo l’equivalente della quantità di dati che la Biblioteca del Congresso ha nella sua intera collezione di stampe. La maggior parte è noise rumore irrilevante., Quindi, a meno che tu non abbia buone tecniche per filtrare ed elaborare le informazioni, ti metterai nei guai.”
In questo nuovo mondo, i marketer che si attengono agli approcci tradizionali di misurazione analytics 1.0 lo fanno a loro rischio e pericolo. Quei metodi, che guardano indietro un paio di volte l’anno per correlare le vendite con poche decine di variabili, sono pericolosamente obsoleti. Molte delle più grandi multinazionali del mondo stanno ora implementando analytics 2.0, un insieme di funzionalità che possono masticare attraverso terabyte di dati e centinaia di variabili in tempo reale., Consente a queste aziende di creare un’immagine ad altissima definizione delle loro prestazioni di marketing, eseguire scenari e modificare le strategie pubblicitarie al volo. Grazie ai recenti salti esponenziali nella potenza di calcolo, all’analisi basata sul cloud e all’archiviazione dei dati a basso costo, questi strumenti predittivi misurano l’interazione della pubblicità tra i media e i canali di vendita e identificano con precisione in che modo le variabili esogene (tra cui l’economia più ampia, le offerte competitive e persino il clima) influenzano le Le analisi risultanti, in parole povere, rivelano ciò che funziona davvero., Con questi insight basati sui dati, le aziende possono spesso mantenere i loro budget esistenti ma ottenere miglioramenti dal 10% al 30% (a volte di più) nelle prestazioni di marketing.
Basandosi sui modelli matematici pionieristici sviluppati dal professore di marketing UCLA e co-fondatore di MarketShare Dominique Hanssens, la nostra azienda fornisce soluzioni di analisi 2.0 a molte grandi aziende globali. I modelli quantificano gli effetti cross-media e cross-channel del marketing, così come gli effetti diretti e indiretti di tutti i driver aziendali, e il software impiega funzionalità di cloud computing e big-data., I casi che presentiamo in questo articolo sono tratti dalle nostre aziende clienti. Numerose altre aziende-come VivaKi, Omniture e DoubleClick—sono emerse negli ultimi anni per soddisfare la crescente domanda di analisi avanzate.
Il passaggio a 2.0
Alimentato dall’integrazione di big data, cloud computing e nuovi metodi analitici, analytics 2.0 fornisce informazioni fondamentalmente nuove sull’effetto del marketing sulle entrate., Si tratta di tre grandi attività: attribuzione, il processo di quantificazione del contributo di ogni elemento della pubblicità; ottimizzazione, o “war gaming” utilizzando strumenti di analisi predittiva per eseguire scenari per la pianificazione aziendale; e allocazione, la ridistribuzione in tempo reale delle risorse tra le attività di marketing in base a scenari di ottimizzazione. Sebbene tali attività siano descritte in questo articolo come passaggi sequenziali, possono verificarsi simultaneamente nella pratica; gli output da un’attività si alimentano in modo iterativo in modo che la capacità di analisi migliori continuamente.,
Attribuzione.
Per determinare in che modo le tue attività pubblicitarie interagiscono per guidare gli acquisti, inizia raccogliendo dati. Molte aziende con cui abbiamo lavorato affermano inizialmente di non avere i dati richiesti internamente. Questo non è quasi sempre il caso. Le aziende sono inondate di dati, anche se dispersi e, spesso, involontariamente nascosti. I dati rilevanti in genere esistono all’interno di vendite, finanza, servizio clienti, distribuzione e altre funzioni esterne al marketing.
Sapere su cosa concentrarsi—il segnale piuttosto che il rumore—è una parte fondamentale del processo., Per modellare con precisione le proprie attività, le aziende devono raccogliere dati in cinque grandi categorie: condizioni di mercato, attività competitive, azioni di marketing, risposta dei consumatori e risultati aziendali. (Vedi la mostra ” Ottimizzazione della pubblicità.”)
Con dati dettagliati che analizzano le vendite di prodotti e le metriche pubblicitarie per mezzo e posizione, analisi sofisticate possono rivelare l’impatto delle attività di marketing attraverso le corsie di nuoto, ad esempio tra un mezzo, ad esempio la televisione e un altro, i social media. Chiamiamo questi effetti indiretti “tassi di assistenza.,”Riconoscere un assist dipende dalla capacità di tenere traccia di come cambia il comportamento dei consumatori in risposta agli investimenti pubblicitari e alle attività di vendita. Per semplificare un po’ troppo: un’analisi potrebbe rilevare un picco nei click-through dei consumatori su un banner pubblicitario online dopo che un nuovo spot TELEVISIVO va in diretta e collegare tale effetto ai cambiamenti nei modelli di acquisto. Ciò catturerebbe “assist” dello spot al banner pubblicitario e fornirebbe un’immagine più vera del ROI dell’annuncio televisivo., Più sottilmente, l’analisi può rivelare gli effetti di assistenza degli annunci con cui i consumatori non si impegnano attivamente, mostrando, ad esempio, un salto del 12% nell’attività di ricerca di un prodotto dopo la distribuzione di un banner pubblicitario su cui solo lo 0,1% dei consumatori fa clic.
Questa intuizione si traduce direttamente in qualsiasi pubblicità che i consumatori incontrano ma non possono agire in modo specifico, inclusi annunci TV, posizionamenti sui social media, PR, display online o all’aperto, annunci per dispositivi mobili e promozioni in negozio. Pensa all’annuncio pubblicitario sul pendolarismo del nostro acquirente Toyota., L’annuncio stesso probabilmente non l’ha indotta a guidare verso la concessionaria e acquistare un’auto. Ma potrebbe averla spinta a guardare il pezzo di direct-mail quando è arrivato, che alla fine ha ispirato la visita alla concessionaria—un percorso completo del cliente che ora possiamo misurare. È difficile o impossibile quantificare tali effetti di assistenza a livello individuale, in particolare quando coinvolgono annunci off-line, quindi analytics 2.0 funziona esponendo tali effetti., Utilizza una sofisticata serie di modelli statistici di equazioni simultanee che riassemblano vari effetti correlati in una visione che spiega accuratamente il comportamento del mercato.
I rischi della semplicistica misurazione della corsia di nuoto erano personali per uno dei dirigenti di marketing dei nostri clienti., All’inizio della sua carriera, in una società di e-commerce di alto profilo, il team di marketing ha presentato per finanziare alcuni risultati della campagna che erano stati generati utilizzando metodi di analisi tradizionali:
Le cose sono diventate rapidamente imbarazzanti quando finance ha sottolineato che la business unit aveva generato solo revenue 110 milioni di entrate, short 50 La discrepanza è nata perché, in mancanza di buoni dati, i leader in ogni corsia di nuoto hanno sostenuto lo stesso secchio di entrate.,
Quella lezione rimase con questo esecutivo mentre si proponeva di aiutare a risolvere il problema dell’industria dell’attribuzione errata. Alla fine è entrato a far parte di una società di tecnologia di consumo che ha abbracciato con entusiasmo analytics 2.0. Lì ha creato una piattaforma di analisi per rivelare come interagivano le attività pubblicitarie e della forza vendita dell’azienda.
Esempi come questi distillano necessariamente la complessità di analytics 2.0., Nelle analisi effettive gestite da una grande azienda, i modelli statistici possono rappresentare centinaia o migliaia di permutazioni di tattiche pubblicitarie e di vendita, nonché variabili esogene come geografia, tassi di occupazione, prezzi, stagione dell’anno, offerte competitive e così via. Quando analizzi ogni permutazione di una campagna pubblicitaria in base a tali variabili, la complessità dell’attività e la necessità di cloud computing e storage diventano chiare., Ti rendi anche conto che tali analisi ti consentono, ad esempio, di vedere immediatamente come un nuovo annuncio televisivo influisce sui modelli di ricerca online dei consumatori e quindi di modificare la strategia di offerta della ricerca per parole chiave per acquistare parole pertinenti mentre l’annuncio è in esecuzione. Potrebbero anche aiutarti a identificare l’effetto effettivo di Facebook sia sulle entrate a breve termine che sul brand equity a lungo termine.
Ottimizzazione.
Una volta che un marketer ha quantificato il contributo relativo di ogni componente delle sue attività di marketing e l’influenza di importanti fattori esogeni, war gaming è il passo successivo., Si tratta di utilizzare strumenti di analisi predittiva per eseguire scenari per la pianificazione aziendale. Forse si vuole sapere che cosa accadrà alle vostre entrate se si taglia pubblicità display esterno per una certa linea di prodotti del 10% a San Diego—o se si sposta il 15% della spesa pubblicitaria TV relativi al prodotto per la ricerca e la visualizzazione online. Forse è necessario identificare le implicazioni per la vostra pubblicità se un concorrente riduce i prezzi a Tokyo o se i prezzi del carburante salgono a Sydney.,
Lavorando con le grandi quantità di dati raccolti e analizzati attraverso il processo di attribuzione, è possibile assegnare una “elasticità” a ogni driver aziendale che hai misurato, dalla pubblicità TELEVISIVA agli annunci di ricerca ai prezzi del carburante e alle temperature locali. (L’elasticità è il rapporto tra la variazione percentuale in una variabile e la variazione percentuale in un’altra.) Conoscere le elasticità dei tuoi driver aziendali ti aiuta a prevedere in che modo i cambiamenti specifici che apporti influenzeranno risultati particolari. Se l’elasticità dei tuoi annunci TV in relazione alle vendite è .,03, ad esempio, raddoppiando il budget annuncio TV produrrà un aumento del 3% delle vendite, quando tutte le altre variabili rimangono costanti. In breve, la modellazione analytics 2.0 rivela come tutte le elasticità dei driver interagiscono per influenzare le vendite. (Vedere la mostra ” Come gli annunci interagiscono per aumentare le vendite.”)
War gaming utilizza le effettive elasticità dei driver aziendali per eseguire centinaia o migliaia di scenari in pochi minuti., In un tipico processo di gioco di guerra, i membri del team definiscono obiettivi di marketing (come un determinato obiettivo di entrate, obiettivo di condivisione o obiettivo di margine), spesso su più prodotti e mercati. Scricchiolando il vasto database di elasticità del driver, il software di ottimizzazione genera una serie di scenari più probabili insieme a raccomandazioni di marketing per raggiungerli. Il software può anche testare specifici scenari what-if: ad esempio, in che modo le vendite del nostro camioncino di medie dimensioni a Denver saranno influenzate se i prezzi del gas salgono del 5% e lanciamo una campagna TV e online combinata che promuove uno sconto di $300?,
In Ford, il direttore delle comunicazioni marketing Matthew VanDyke guida un team interfunzionale che coinvolge IT, finanza, marketing e altre funzioni. Il gruppo ha il compito di ottimizzare Ford billion 1 miliardo di spesa pubblicitaria. Utilizzando analisi avanzate, il team esegue regolarmente migliaia di scenari che coinvolgono centinaia di variabili per valutare i probabili effetti di diverse strategie pubblicitarie in una serie di circostanze complesse., Le analisi incorporano intuizioni dalla fase di attribuzione, consentendo a Ford di prevedere da uno scenario all’altro in che modo i cambiamenti negli investimenti pubblicitari in un mezzo potrebbero influenzare le prestazioni pubblicitarie in altri e in che modo i fattori esogeni potrebbero influenzare i risultati.
Ad esempio, poiché l’interesse dei consumatori per i veicoli a basso consumo di carburante è cresciuto, il marketing science manager di Ford Mike Macri e il suo team hanno utilizzato war gaming per valutare rapidamente quali mercati saranno ricettivi ai messaggi creativi sull’efficienza del carburante e hanno reindirizzato le risorse pubblicitarie di conseguenza tramite i loro partner di agenzia., In effetti, questi giochi di guerra stanno guidando diverse attuali campagne cross-media per Ford.
L’analisi predittiva consente inoltre a Ford di modificare la pianificazione e l’acquisto dei media, sia a livello nazionale che locale. Ad esempio, ha scoperto che la spesa digitale complessiva dell’azienda, sebbene appropriata, stava enfatizzando eccessivamente il display digitale e investendo poco nella ricerca. Inoltre, prima che l’azienda utilizzasse la pianificazione degli scenari di gioco di guerra, i budget di marketing nazionali e locali venivano trattati separatamente e raramente coordinati., Era stato difficile per Ford determinare, ad esempio, quanto dovrebbe fornire in fondi corrispondenti ai gruppi di concessionari, se i livelli di incentivazione dei consumatori differiscono tra le varie automobili e le regioni del suo portafoglio, e come aumentare la spesa per i social media e ridurre gli acquisti di media tradizionali avrebbe influenzato le vendite ai giovani conducenti. War gaming ha permesso a Ford di prevedere come si sarebbero svolti quegli scenari prima di apportare effettivamente modifiche. Il risultato: i cambiamenti dal bilancio nazionale ai bilanci locali hanno prodotto decine di milioni di dollari in nuove entrate, senza alcuna variazione netta nel budget totale degli annunci.,
I marketer utilizzano anche analytics 2.0 per eseguire scenari what-if per la pubblicità di lanci di nuovi prodotti, acquisti di annunci in mercati in cui i dati sono limitati e potenziali effetti delle mosse a sorpresa dei concorrenti. Ad esempio, mentre un nostro cliente di un’azienda globale di elettronica di consumo si stava preparando a lanciare un prodotto che cambia il gioco in un mercato emergente in cui i dati storici di vendita-marketing erano scarsi, ha utilizzato analisi avanzate per rivedere il comportamento pubblicitario dei concorrenti e prevedere con precisione la loro spesa per le prossime uscite., Utilizzando tali previsioni e scenari di ottimizzazione, l’azienda è entrata con successo nel mercato con una comprensione molto più chiara del panorama strategico e ha adeguato rapidamente i suoi piani per affrontare nuove dinamiche competitive.
Allocazione.
Sono finiti i giorni di impostazione di un piano di marketing e lasciandolo correre il suo corso—il cosiddetto approccio run-and-done. Mentre la tecnologia, le aziende dei media e gli acquirenti dei media continuano a rimuovere l’attrito dal processo, la pubblicità è diventata più facile da negoziare, posizionare, misurare ed espandere o uccidere., I marketer possono ora facilmente regolare o allocare pubblicità in diversi mercati su base mensile, settimanale o giornaliera e, online, anche da una frazione di secondo all’altra. L’allocazione consiste nel mettere sul mercato i risultati dei tuoi sforzi di attribuzione e di gioco di guerra, misurare i risultati, convalidare i modelli (ovvero eseguire esperimenti sul mercato per confermare i risultati di un’analisi) e apportare correzioni al corso.,
In una delle più grandi società di software al mondo, il senior management si rese conto che aveva bisogno di maggiore responsabilità e precisione nel suo marketing, poiché le decisioni di allocazione non erano storicamente basate su analisi scientifiche. Per capire quali attività di marketing stavano guidando conduce al suo sito Web, ai rivenditori e ai partner al dettaglio—e quindi alla generazione di vendite—il team di leadership del marketing ha utilizzato analytics 2.0 per rivelare come tutte le sue componenti di marketing hanno interagito.,
Utilizzando modelli che alla fine hanno rappresentato centinaia di variabili, l’azienda ha quantificato la combinazione precisa di annunci che ha stimolato in modo più efficace le prove del software, quali attività dei rivenditori hanno generato il maggior profitto e come la pubblicità in una categoria di prodotti ha influenzato gli acquisti in altre categorie. Con queste intuizioni, l’azienda ha riallocato dollari di marketing per i suoi vari prodotti B2B e B2C. I cambiamenti tra la spesa off-line e online, così come gli investimenti nella costruzione del marchio, hanno incrementato i ricavi di milioni di dollari in modo incrementale.,
Il sistema analytics 2.0 di questa azienda ha guadagnato credibilità con la gestione esecutiva, sta ora guidando le decisioni di allocazione minuto per minuto e viene implementato a livello globale. Di conseguenza, il ROI pubblicitario dell’azienda è quasi raddoppiato negli ultimi tre anni.
Cinque passaggi per l’implementazione
L’analisi, una volta una funzione di ricerca back-of-the-house, si sta intrecciando nello sviluppo e nelle operazioni strategiche quotidiane. I dirigenti che sono stati pionieri primi team di marketing digitale 10 anni fa stanno avanzando verso l’ufficio CMO., Già cablati per la misurazione, sono spesso stupiti dall’immaturità analitica del settore pubblicitario più ampio. Questi nuovi CMO si stanno assumendo maggiori responsabilità per i budget tecnologici e stanno creando una cultura del processo decisionale basato sui fatti all’interno della pubblicità. Consulenza tecnologica Gartner stima che entro cinque anni, la maggior parte CMOS avrà un budget tecnologico più grande di chief Technology officer fanno.
La tecnologia è necessaria ma non sufficiente per spostare un’organizzazione in analytics 2.0., Nella nostra esperienza, queste iniziative richiedono cinque passaggi, che possono essere implementati anche da piccole aziende:
In primo luogo, abbracciare analytics 2.0 come uno sforzo a livello di organizzazione che deve essere sostenuto da uno sponsor esecutivo di livello C. Spesso, sacche di resistenza ai nuovi approcci di analisi affiorano, in quanto sfidano credenze strettamente tenute su ciò che funziona e cosa no. Il buy-in di livello senior è essenziale per contribuire a promuovere la chiarezza della visione e l’allineamento nelle fasi iniziali.
In secondo luogo, assegnare un direttore di analisi-minded o manager per diventare la persona punto per lo sforzo., Dovrebbe essere qualcuno con forti capacità analitiche e una reputazione di obiettività. Questa persona può riferire al CMO o sedersi su un team interfunzionale tra marketing e finanza. Man mano che il progetto si espande, può aiutare a guidare la pianificazione aziendale e l’allocazione delle risorse tra le unità.
In terzo luogo, armati di un elenco di priorità di domande che si cerca di rispondere, condurre un inventario dei dati in tutta l’organizzazione. L’intelligenza che è essenziale per il successo degli sforzi di analytics 2.0 è spesso sepolta in molte funzioni oltre al marketing, dalla finanza al servizio clienti., Identificare e consolidare tali insiemi di dati disparati e creare sistemi per la raccolta continua. Trattare i dati come si farebbe proprietà intellettuale, dato il suo valore patrimoniale.
In quarto luogo, inizia in piccolo con prove di concetto che coinvolgono una particolare linea di business, geografia o gruppo di prodotti. Costruisci modelli a portata limitata che mirano a ottenere vittorie precoci.
Quinto, testare in modo aggressivo e inserire i risultati nel modello., Ad esempio, se la tua analisi di ottimizzazione suggerisce che spostare alcune spese pubblicitarie dalla TV al display online aumenterà le vendite, prova un piccolo esperimento locale e usa i risultati per perfezionare i tuoi calcoli. I test sul mercato sono vecchi: la novità è ottenere l’attribuzione cross-media giusta in modo che i test siano più efficaci.
Quando le aziende hanno più canali di vendita come retail, online, rivenditori a valore aggiunto o più prodotti e aree geografiche, analytics 2.0 può diventare più complessa di quanto i team interni possano gestire., Questo è il momento in cui sono necessari fornitori con funzionalità di analisi e elaborazione specifiche. Ma qualsiasi azienda può iniziare il viaggio e costruire gran parte dell’infrastruttura necessaria per l’analisi—e la cultura del marketing adattivo—in-house. La sfida è tanto organizzativa quanto computazionale. In entrambi i casi, la scrittura è sul muro: il marketing sta rapidamente diventando una guerra di conoscenza, intuizione e vantaggio asimmetrico acquisito attraverso analytics 2.0. Le aziende che non adottano l’analisi di nuova generazione saranno superate da quelle che lo fanno.
Lascia un commento