Per non meno di 100 anni la tecnica di marketing 1-to-many ha funzionato perfettamente. Poi, l’interesse per l’esperienza dell’utente è diventata più prioritaria, affermando il potere del marketing 1-to-1.
Cosa significa questo scivolamento? Come si concretizza nelle campagne di maggior successo? E come si può lavorare per intercettare questa nuova tendenza di mercato, che diventerà sempre più preponderante?
Da inizio secolo alla fine degli anni ’90: l’azienda parla al pubblico
Per letteralmente tutto il ‘900 la pubblicità e le aziende hanno parlato ad un pubblico. In un certo senso, si sono messe su un “podio”, di sapere, esperienza o qualità, puntando su se stesse il riflettore e mettendosi in luce. L’attenzione alla composizione del pubblico è via via cresciuta, riconoscendo come dinamiche interne a diverse fasce demografiche o geografiche influenzassero le abitudini di acquisto e conversione.
Eppure, fino alla fine degli anni ’90, a funzionare era il sistema di marketing 1-to-many: da uno (l’azienda) a molti (il pubblico), senza grandi o intensive distinzioni interne.
I motivi della disaffezione al marketing 1-to-many
Il sistema di emanazione dall’alto e da lontano ha innescato una grossa disaffezione del pubblico ai brand.
Anzitutto, la platea è diventata più esperta nei riconoscere certi trucchetti. Sentendosi al centro di una macchinazione, si è progressivamente distaccata da quelle logiche.
Poi, a nessuno piace sentirsi parte di una massa, contraddistinta anzitutto dall’informità e dall’uniformità. Ogni persona è più cosciente delle proprie peculiarità, e vuole che vengano riconosciute anche dalle aziende che mettono sul mercato i propri prodotti o servizi.
L’ultimo motivo è l’abitudine di ormai tuti al predictive marketing. Gli algoritmi di quasi ogni sito, ormai, cercano di intercettare i potenziali interessi dell’utente per indirizzarlo sul prodotto giusto.
YouTube analizza la cronologia e la durata delle visioni per proporre video correlati pertinenti, per tenere l’utente sulla piattaforma.
Gli annunci di Facebook, Instagram, Google, Amazon ricalcano le ultime ricerche della cronologia: se abbiamo cercato un certo prodotto, influencer o una pagina, l’algoritmo dà per scontato che l’argomento ci interessi e ci vede come consumatori già caldi, vicini all’acquisto.
Il successo del marketing 1-to-1
Nella logica di marketing 1-to-1 l’azienda non interagisce con un pubblico, ma con una specifica persona.
Analytics e cronologie di ricerca ricostruiscono un ritratto delle abitudini di consumo della persona. La carta di credito è collegata ad almeno un sistema di pagamento online. I siti misurano quanti minuti o secondi ogni persona passa su una certa pagina, cercando di descriverne l’intento di ricerca o azione. I Big Data che lasciamo in giro durante la navigazione danno agli analisti dei sistemi per capire cosa desideriamo, temiamo, amiamo, cerchiamo, acquistiamo.
La chiave di volta di questo processo è la personalizzazione del marketing sulle richieste dell’utente. Facciamo qualche esempio:
- se le ultime ricerche svolte su Amazon ci portano all’acquisto di attrezzatura sportiva, la maggioranza degli annunci che ci appariranno su Facebook, Instagram o Google cercheranno di indirizzarci all’acquisto: su Amazon o su uno dei suoi competitor di settore;
- la newsletter a cui siamo iscritti non si apre con un caro utente, ma con il nome che abbiamo dato per iscriverci, creando la percezione che sia stata iscritta a posta per noi;
- nella homepage di un marketplace o un e-commerce troviamo tra i primi prodotti quelli che abbiamo visto più recentemente, o che abbiamo lasciato nel carrello abbandonato.
Tutte queste strategie fanno parte della dinamica del marketing 1-to-1, al centro del quale ci sono le nostre singole individualità e interessi.
Cosa succederà in futuro al marketing 1-to-1
È indubbio che il marketing 1-to-1 stia dando risultati migliori di tutti i decenni di marketing 1-to-many. Sicuramente questa logica verrà mantenuta anche in futuro, e anzi, potenziata.
I grandi potenziamenti alla personalizzazione saranno dipendenti esclusivamente dalla velocità di affermazione delle nuove tecnologie, di algoritmi più predittivi e dalla velocità di sviluppo del Deep learning.
