Small Data: piccoli indizi per trovare grandi opportunità
Novembre 15, 2018Qualità, non quantità. Less is more. Togliere è meglio che aggiungere.
Sono numerose le espressioni che, accompagnandoci nel quotidiano, elogiano il piccolo, il selezionato, l’accurato. Altrettanto numerosi sono però, nel business di oggi, i devoti ai big data, all’analisi dei quali sembrano affidare la risposta ad ogni domanda dell’uomo moderno. Secondo Martin Lindstrom, brand consultant e guru del marketing che il 29 novembre guiderà il workshop Data Driven Strategic Marketing in BBS, i big data forniscono una quantità infinita di informazioni impersonali utilizzate per predire gli orientamenti futuri dei business e dei brand, ma sono soltanto i dati individuali e unici, ovvero gli small data provenienti da singoli esseri umani, a portare ad una vera comprensione della realtà. Al momento, infatti, i computer e i software sono capaci solo quanto lo sono i loro programmatori migliori e per vedere il quadro generale, c’è ancora bisogno di occhi umani.
IL MONDO SECONDO LINDSTROM: GLI SMALL DATA
I big data sono tipicamente utilizzati per capire le correlazioni tra grandi sistemi di dati, trovare dipendenze e prevedere futuri comportamenti. Allo stesso tempo però, stando all’opinione di Martin Lindstrom, almeno il 60% delle più grandi invenzioni di sempre – come i Post-it o Snapchat – si basa sugli small data. Nel suo libro Small Data – Piccoli indizi che svelano grandi trend, Lindstrom racconta infatti la sorprendente origine delle intuizioni che stanno alla base di alcuni dei più grandi successi di brand globali.
L’interesse di Lindstrom per i brand gli small data nasce e si sviluppa con i LEGO e il contatto diretto con l’azienda che, attirata dalla Legoland che aveva costruito in giardino appena dodicenne, lo assume come costruttore e innovatore già a 14 anni. Nel 2004, quando l’azienda si trovava sull’orlo della bancarotta, gli studi basati sui big data suggerivano alla stessa di semplificare i propri kit per renderli più fruibili per i nativi digitali i quali, secondo i consulenti, non avevano né la pazienza né tantomeno l’immaginazione per costruire con i mattoncini. Fu però la visita dei marketer della LEGO a casa di un undicenne tedesco a ribaltare le sorti dell’azienda. Il ragazzo, esibendo con orgoglio le proprie sneakers usurate, spiegò che erano la prova della sua dedizione e bravura con lo skateboard. In quel frangente, il team della LEGO capì che i ragazzi desiderano poter dimostrare ai propri coetanei che padroneggiano una determinata abilità e che i kit della LEGO, invece di essere semplificati, dovevano diventare molto più complessi.
Simile è la storia che vede come protagonista il robot aspirapolvere Roomba e il suo brusco arresto delle vendite. Con l’aiuto delle osservazioni di Lindstrom, la società ha scoperto che il calo del fatturato era dovuto alla modifica dell suono di navigazione, che da simpatiche esclamazioni si è trasformato in bip elettronici, e alla rivisitazione del design. L’azienda ha compreso allora che le persone trattavano Roomba come un animale domestico e un surrogato alla compagnia umana e che le modifiche apportate lo rendevano sempre meno ‘vivo’ e più simile ad un elettrodomestico. Dati questi, impossibili da estrapolare dall’analisi dei big data ma fondamentali per ricostruire il rapporto di fiducia con i propri clienti.
Secondo Lindstrom, i big data hanno bisogno di un’ipotesi da testare e verificare per poter essere davvero utili: “Non si può semplicemente guardare attraverso milioni di dati e arrivare a delle conclusioni. Il Walmart, ad esempio, ha il più grande data center al mondo, è il doppio della CIA e dell’FBI messi insieme. Il prezzo delle sue azioni è comunque sceso dell’11% nel 2015”. Se abbiamo tutti a disposizione gli stessi dati e li analizziamo con le stesse metriche e gli stessi software, arriviamo a soluzioni tutte uguali. Che spesso si rivelano errate.
QUANDO I BIG DATA NON BASTANO: LE LIMITAZIONI
Secondo Lindstrom, l’analisi degli small data si rende necessaria per colmare le due principali limitazioni dei big data: l’incapacità di fornire idee nuove e l’enfasi sull’analisi a discapito dei fattori emozionali.
Per loro natura, i big data hanno, e avranno anche in futuro, la capacità di collegare grandi volumi di dati di diverse tipologie e fonti, dando così all’azienda uno sguardo sull’esterno per capire i trend, individuare potenziali clienti e formulare per essi nuove proposte di valore. I big data, in sintesi, spiegano perché un fenomeno sta accadendo, mentre gli small data cercano di intercettare cosa sta accadendo, ponendo l’attenzione sui particolari. In un certo senso, i big data spiegano le motivazioni di fenomeni già in atto, tendendo a consolidare i risultati e le raccomandazioni attorno a ciò che già conosciamo, replicando schemi e proposte senza lasciare il necessario spazio a nuove e diverse soluzioni.
I grandi brand possono contare su due vantaggi, ovvero il rispetto e le emozioni che evocano. I big data però, dando la priorità all’analisi a discapito degli indizi emozionali, non riescono a descrivere le qualità emotive alle quali come individui attribuiamo più valore. Se è vero che brand come HP e Duracell sono basati sul rispetto e i big data possono aiutarli a prendere decisioni concrete su come incrementarlo, brand come Disney e Cheerios si basano principalmente sui sentimenti che suscitano e questo tipo di legame con i consumatori non può essere stimolato dall’analisi di enormi quantità di dati anonimi.
Trarre dai big data informazioni rilevanti per il business richiede inoltre uno sforzo tecnologico e di competenze che soprattutto le piccole aziende non sono in grado di affrontare. Diverse imprese stanno perciò constatando che in alcuni casi, risultati simili possono essere ottenuti utilizzando strategie di data mining molto meno strutturate e complesse. Contrariamente ai big data infatti, gli small data sono un insieme di attributi molto specifici e circoscritti che spesso forniscono già da soli informazioni utili e tempestive, organizzate in modo accessibile e utili alle aziende per comprendere il cliente finale, i suoi bisogni e le azioni da intraprendere per raggiungerlo.
IL FUTURO DELL’ANALISI DEI DATI: L’EQUILIBRIO
Per quanto i big data riescano a collegare milioni di informazioni per individuarne le correlazioni, la loro efficacia è compromessa quando devono confrontarsi con la complessità degli esseri umani. Ne è un esempio la driverless car di Google che non è riuscita ad affrontare un incrocio a quattro bracci perché i suoi sensori erano calibrati per aspettare che gli altri conducenti si fermassero completamente, ma non era programmata per interpretare ed interagire con un mondo dove non si rispettano le regole della strada. Senza dubbio, i big data ci aiuteranno a risparmiare e ad automatizzare la vita, ma parallelamente gli umani si evolveranno in modo da affrontare e aggirare i nuovi problemi creati dalla tecnologia e, in molti casi, a ingannarla.
Una recente ricerca qualitativa condotta in Svizzera ha rivelato che quasi tutti noi abbiamo fino a dieci diverse identità sociali interdipendenti: siamo genitori, amici, quelli simpatici su Facebook, impegnati professionisti su LinkedIn, impiegati, podisti amatoriali e molto altro. Il ruolo di chiunque cerchi di dare senso agli small data, è comprendere non solo una di queste personalità, ma tutte.
Ma come possono gli small data superare il bias da campionamento? E come può un’azienda sperare di trovare una soluzione o una risposta definitiva in un campione così ristretto? “La mia risposta è che una singola goccia di sangue contiene informazioni sufficienti per rilevare quasi mille diversi ceppi di virus,” racconta Lindstrom. “Più difficile da ammettere, per molte persone e aziende, è che a volte non c’è bisogno di svolgere una ricerca su milioni di consumatori, ma bastano dieci persone per trasformare un brand o un business.” Molte volte, infatti, un’intera popolazione può essere compresa in un piccolo segnale che acquista un senso solamente se correttamente contestualizzato.
“Non avevo mai considerato il mio lavoro come una metodologia replicabile, ma negli ultimi anni diverse aziende mi hanno chiesto di sistematizzare la mia subtext research per sviluppare un programma di formazione. In Nestlé, ad esempio, il mio metodo è diventato parte integrante dell’analisi di nuovi prodotti, idee, innovazioni e brand. Oggi, migliaia di dipendenti Nestlé dedicano 48 ore l’anno a visitare i consumatori nelle loro case,” aggiunge Linstrom, che ha dato un metodo e una sistematizzazione all’osservazione del comportamento e delle emozioni dei consumatori. “Dopotutto, a quattordici anni, quando lego mi ha arruolato, ero io stesso quel consumatore, un ragazzino innamorato dei mattoncini. Osservando il mio comportamento e quello dei miei amici sono riuscito a offrire ai dirigenti di LEGO informazioni sul loro prodotto e sulla loro azienda che non avrebbero mai potuto ottenere dai sondaggi quantitativi: e allo stesso modo, in netto contrasto con ciò che i big data dicevano loro, le osservazioni di un undicenne tedesco aveva aiutato LEGO a salvarsi dal fallimento.”
Sebbene gli small data rappresentino una sorta di inversione di rotta rispetto alla sempre più diffusa ossessione per i big data, sarebbe sbagliato credere che stiano perdendo di rilevanza. Allo stesso tempo però, se le aziende vogliono comprendere i consumatori, i big data offrono una soluzione preziosa ma incompleta. Nonostante tutte le informazioni utili che fornisce il web, i dati che vi lasciamo restano comunque una versione curata e idealizzata di chi siamo realmente. L’integrazione futura tra le due prospettive non è solo la soluzione più probabile, ma anche quella ottimale, dove le lacune di un approccio possono essere colmate dall’altro.
“Gli Small Data non si occupano di testare concetti ma di creare le basi per un innovativo brand thinking.” – Martin Lindstrom
Per maggiori informazioni sul workshop Data Driven Strategic Marketing di Martin Lindstrom, che si terrà il 29 novembre a Bologna Business School, visita la pagina informativa.
