Settori soggetti a rigida compliance e A/B testing di successo - cosa c'è da sapere
Banche, assicurazioni e aziende nell'healthcare sono custodi di alcuni dei nostri dati personali più sensibili, relativi alle nostre finanze e alla nostra storia clinica. Devono rispettare rigide normative di compliance, come HIPAA nel settore sanitario, nonché GDPR e CCPA.
Il problema non sta sparendo. Secondo Gartner, "entro la fine del 2023, il 75% della popolazione mondiale vedrà i propri dati personali protetti dalle moderne normative sulla privacy, rispetto al 25% di oggi". E questa è una buona cosa, come sottolinea André Morys di KonversionsKRAFT, "La GDPR non è un noioso problema di compliance che costa tempo e denaro; è piuttosto un'opportunità per rafforzare il pubblico di consumatori, a condizione che si disponga dei giusti tool di ottimizzazione".
Essere in grado di sperimentare e ottimizzare con A/B test e personalizzazioni è fondamentale per i brand che operano in settori molto legati alla compliance. Ma questa particolare attenzione sembra soffocare molte aziende. Può portare a divieti generali sull'utilizzo di qualsiasi dato per la sperimentazione e la personalizzazione, frenando gli sforzi per creare attività incentrate sul cliente che offrano veramente ciò che i consumatori desiderano.
Nel frattempo, i brand più agili li stanno superando, utilizzando esattamente lo stesso tipo di dati per creare attività customer-centric. Forse è per questo che si prevede che il mercato fintech globale crescerà a un rate di quasi il 25% entro il 2022, ben al di sopra degli attori tradizionali nel settore dei servizi finanziari.
Entrambi i tipi di azienda devono affrontare le stesse sfide di compliance relative ai dati dei clienti, quindi perché si sta sviluppando questo divario?
Essenzialmente, ci sono due tipi di dati sui clienti: dati "caldi", anonimi (come i dati comportamentali) e dati "freddi" basati sui dettagli del cliente e sulla cronologia di CRM o DMP. Spesso non si riesce a capire la differenza e le aziende rischiano di perdere le opportunità di ottimizzazione.
Questo articolo spiega ciò che i brand - che hanno a che fare con dati sensibili - devono sapere quando implementano A/B test e personalizzazioni.
1 A/B testing e personalizzazione non hanno bisogno di dati personali identificabili (PII)
Ogni azienda dispone di una gamma e di un volume sempre maggiori di dati sui propri clienti e sui visitatori del sito. Alcune di queste sono informazioni di identificazione personale (PII) e sono chiaramente soggette a rigide regole di compliance. Ma non sono necessarie per ottimizzare e sperimentare: ciò che è necessario comprendere è che la maggior parte dei dati in loro possesso, come le informazioni comportamentali, contestuali e sulle tendenze, è anonima e quindi NON soggetta agli stessi livelli di compliance.
Ecco perché si usano per sperimentare di tutto, dall'esperienza che i visitatori ricevono sulla landing page ai messaggi e alle offerte attivati dal loro comportamento su un sito. Un provider di credito online ha testato più inviti all'azione sulla sua homepage e ha visto un miglioramento del 15% nei lead generati. Ha anche utilizzato dati comportamentali per identificare i visitatori pronti a lasciare il sito: attivando messaggi personalizzati a questo segmento si è ridotto il tasso di abbandono e sono aumentate le richieste di credito dell'8,3%.
La ricerca di Forrester lo conferma: i brand devono adottare un approccio suddiviso in quattro fasi per sfruttare al meglio i dati dei clienti, come spiegato in questo articolo. Solo una volta raggiunta la maturità e il successo è necessario incorporare le informazioni personali nella propria strategia.
quattro step per utilizzare con successo i dati sui clienti
STEP 1: MASSIMIZZARE GLI INVESTIMENTI ESISTENTI SULLA PERSONALIZZAZIONE
Inizia esaminando le attività che attualmente supportano la personalizzazione, come test, segmentazioni, recommendation engine e personalizzazione basata su regole. Analizza e documenta le migliori prassi, utilizza i risultati per creare business case di personalizzazione basate su AI.
STEP 2: INVESTIRE IN SKILL DI DATA SCIENCE E NELLA GIUSTA TECNOLOGIA
Man mano che aumenta l'esperienza, estendi le operazioni aggiungendo competenze di data science e tecnologie più sofisticate basate su Artificial Intelligence. Questi dovrebbero utilizzare fonti a basso rischio e anonime, come i dati comportamentali, con il fine di fornire il massimo valore per la tua azienda. Allo stesso tempo, sviluppa le tue capacità di governance dei dati, pronte per essere poi trasferite e includere dati più identificabili e ad alto rischio nelle tue attività.
STEP 3: INCORPORARE DATI PERSONALI NELLA TUA STRATEGIA
Una volta implementate le misure di governance dei dati, puoi iniziare a utilizzare i dati personali identificabili in modo sicuro all'interno della personalizzazione basata sull'Artificial Intelligence. Inizia con visitatori noti (come clienti esistenti che hanno effettuato l'accesso al sito) per creare use case che siano semplici da comprendere per le parti interessate e di cui manterrai il completo controllo.
STEP 4: AMPLIARE PER UTILIZZARE ALGORITMI AVANZATI DI AI
Quando raggiungi la fase 4, avrai a disposizione un insieme maturo e robusto di processi di data science e governance dei dati, insieme a tecnologie avanzate che consentono di implementare algoritmi più sofisticati in grado di lavorare con dati sensibili in modo sicuro. Ciò ti consentirà di offrire esperienze totalmente personalizzate per ogni consumatore che interagisce con il brand.
Test basati sui dati, attingendo a elementi non PII, permettono di avere successo laddove invece tantissimi brand risultano in ritardo perché non ne conoscono il potenziale.
2 I prodotti e i servizi hanno bisogno di essere basati sul comportamento del cliente e sul suo feedback
Il 61% degli utenti di mobile banking ha affermato che passerebbe a un competitor qualora la banca offrisse un'esperienza mobile scadente. Ma troppi player tradizionali creano prodotti e servizi "perfetti" a monte, senza poi ottimizzarli in base al feedback e alle risposte dei clienti. Per poi magari fallire e non comprenderne il motivo. A dimostrazione di questo, il 64% dei pazienti afferma di utilizzare un dispositivo digitale per gestire la propria salute, ma il 50% delle app di mHealth vede un calo di utilizzo di quasi due terzi dopo soli 30 giorni. Chiaramente, non stanno ricevendo l'esperienza che desiderano e i provider non stanno apportando i miglioramenti necessari per mantenerli coinvolti.
continuare a sperimentare per portare miglioramenti
Solo testando ipotesi - maggiori e minori - l'esperienza sarà ottimizzata e i clienti resteranno.
L'ironia è che i player tradizionali hanno accesso a enormi volumi di dati, accumulati in decenni di attività. E in molti casi hanno anche un buon livello di fidelizzazione, legata alle regole e ai regolamenti che devono soddisfare, ma è necessario avere un approccio customer-centric per mantenere alto il livello di fiducia.
Marc Schwartz, Direttore di Growth Marketing presso Providence Health and Services, spiega di più in un articolo del blog del nostro partner, Widerfunnel, "Uno dei presupposti che le persone hanno sulle aziende dell'Healthcare è che saremo sempre più affidabili. È una cosa implicita, data l'esistenza di HIPAA. Abbiamo anche scoperto che i consumatori concedono una maggiore libertà nell'utilizzo dei dati a un'azienda di Healthcare, se questa li aiuta. Quindi spetta all'azienda chiedersi: "Quello che sto facendo è utile per il consumatore?" - Non dovrebbe infatti mai essere utile solo al brand.
3 Una cultura customer-centric e test-and-learn stimola l'innovazione E riduce i rischi
Costruire una cultura che incoraggi la sperimentazione E l'uso responsabile dei dati è essenziale per passare attraverso le fasi di Forrester e distribuire con successo le PII in modo conforme, con il fine di offrire un'esperienza personalizzata e ottimizzata a tutti i clienti.
Il pericolo per i player tradizionali è che l'eccessiva cautela volta a evitare i rischi vinca sulla necessità di sperimentare. Alcune società di servizi finanziari definiscono una vision e investono su strumenti di sperimentazione, ma non hanno cultura e processi definiti necessari per attuare le strategie.
Mentre alcune banche sperimentano l'esperienza che i visitatori vivono la prima volta, molte non vanno avanti e testano diverse esperienze quando i clienti hanno effettuato l'accesso - anche se le piattaforme di sperimentazione sono certificate come sicure dal team IT. Mostrando il valore che apporta, un provider di credito ha usato la storia e il comportamento precedente per offrire prestiti personalizzati a clienti che hanno effettuato l'accesso, aumentando le richieste del 20%.
Nella migliore delle ipotesi diversi attori di questi settori hanno un approccio limitato e sporadico nell'ottimizzazione, lanciando test una tantum nella speranza di vedere risultati, piuttosto che investire a lungo termine. James Flory di Widerfunnel spiega: "Il modo migliore per affrontare la sperimentazione è attraverso processi ripetibili e scalabili che danno la priorità a intuizioni e apprendimento. La sperimentazione è l'atto di estrarre minerali in modo coerente e intenzionale, non di trovare l'oro ".
ora è il momento di cambiare
Per decenni le banche tradizionali, gli assicuratori e gli operatori sanitari hanno dovuto affrontare una concorrenza limitata, ma il digitale ha cambiato le carte in tavola, permettendo a nuovi competitor più agili di iniziare e scalare rapidamente. Molti brand affermano di "mettere il cliente al primo posto". Per trasformare questo slogan in realtà, i player tradizionali devono smettere di pensare che la compliance sia una scusa per non fare A/B testing e personalizzazione. I competitor emergenti sanno che la regolazione e l'ottimizzazione non sono a somma zero / esclusive. In effetti, le aziende di successo stanno utilizzando la regolamentazione per creare una segmentazione e un targeting dei clienti ancora più completi.