Scarpamondo
Trasformare un retailer con 47 punti vendita in un’organizzazione che decide sui dati, leggendo l’omnicanalità come un unico comportamento di acquisto.
-
Industry
Retail / Fashion
-
Services
LIFT Conversion, ACTIVATE Data, EARN Retention
-
Year
2022-2026
-
View project
scarpamondo.it
Il cliente di un retailer non vive separato tra online e offline ma si muove tra negozio, vetrine, ricerche online, app ed e-commerce lasciando segnali in ognuno di questi passaggi, e pochi retailer riescono a leggere quei segnali come parti dello stesso comportamento di acquisto.
Scarpamondo è una delle principali catene italiane di calzature e pelletteria, con 47 punti vendita fisici e un e-commerce nazionale. Quando abbiamo iniziato a lavorare insieme nel 2022, l’obiettivo era costruire un sistema che permettesse al team di interrogare i dati a ogni livello, dall’operatività quotidiana alle scelte strategiche.
Tre filoni di lavoro che si alimentano a vicenda
Il progetto si è articolato in tre direttrici sviluppate in parallelo, ognuna con logiche proprie ma collegate dallo stesso impianto infrastrutturale.
Analisi di omnicanalità
Abbiamo ricostruito il comportamento di acquisto degli utenti tra negozio fisico ed e-commerce, incrociando dati di CRM, transazionali e di navigazione per restituire una vista integrata del cliente.
Ottimizzazione della customer journey
Attraverso analisi qualitative e quantitative, abbiamo identificato e prioritizzato i punti di miglioramento dei flussi di acquisto online. Il team di UX research e design ha prodotto wireframe e UI ottimizzate, misurando sempre l’impatto non solo sul tasso di conversione ma anche sul lifetime value, per non ottenere un risultato a scapito dell’altro.
Analisi delle leve di acquisto
Tecniche di machine learning applicate ai dati di CRM, web analytics e transazionali hanno permesso di etichettare ciascun cliente all’interno di una matrice price/brand, distinguendo quattro profili con logiche di acquisto differenti.
Passare da una visione per canali a una visione per comportamenti
La difficoltà non era di natura tecnica ma di rappresentazione, perché misurare separatamente la performance di negozio ed e-commerce è un esercizio relativamente semplice, mentre quello che serviva davvero era una grammatica comune per leggere gli utenti come persone e non come sessioni online o scontrini offline.
Il lavoro sul dato è andato in questa direzione, partendo dalla ricostruzione di identità utente persistenti tra online e offline e arrivando a una logica geografica capace di pilotare gli investimenti pubblicitari in funzione del potenziale reale di ogni cluster territoriale.
Un sistema che guida scelte, non che descrive il passato
Le analisi geografiche hanno permesso di diversificare gli investimenti advertising in base allo stadio del funnel (awareness, consideration, conversion) e di calibrare la strategia di comunicazione e CRM sui cluster territoriali con maggiore potenziale di crescita.
L’analisi del passaggio da in-store a online ha permesso di ripensare le soglie di consegna gratuita, intervento che da solo ha generato un aumento del tasso di conversione del 13%.
La matrice price/brand ha restituito una segmentazione azionabile su quattro cluster (Price seeker, Brand follower, Price functional, Brand seeker), utilizzata per differenziare comunicazione, promozioni e assortimento.
Dati che entrano nelle decisioni quotidiane
-
Tasso di conversione e-commerce in crescita
La revisione delle soglie di consegna gratuita, informata dall’analisi dei comportamenti omnicanale, ha portato da sola a un aumento del tasso di conversione del 13%.
-
Investimenti advertising più efficienti
La lettura geografica dei dati ha permesso di calibrare budget e obiettivi di campagna in funzione del potenziale reale di ogni area, riducendo lo spreco e aumentando il rendimento per euro speso.
-
Segmentazione azionabile della customer base
Il modello price/brand ha trasformato la base clienti in un asset utilizzato quotidianamente dal team marketing e merchandising per scelte assortimentali, promozionali e di comunicazione.
Il cliente è uno solo, e i dati dovrebbero raccontarlo come tale
Se i dati del tuo e-commerce e dei tuoi punti vendita vivono in sistemi separati, stai prendendo decisioni su metà della storia, perché il cliente che compra online e quello che entra in negozio sono molto spesso la stessa persona e il suo comportamento lo riflette.