Intervista a:

Maurizio Chisu  Marketing Manager  BLABLACAR 

 

 

 

Si può vivere solo di online marketing? Come gestite il mix offline/online in BlaBlaCar?

BlaBlaCar inizia la sua storia in Italia nel 2012. Dopo due anni in cui la crescita è stata sostenuta solo con l’investimento in marketing online, a fine 2014 si avverte la necessità di fare un salto di qualità. L’online garantiva una forte presenza e l’efficienza era buona, ma serviva diventare adulti: essere in TV ti garantisce credibilità sia in maniera diretta nel tuo target di riferimento che indirettamente tramite l’accettazione sociale del tuo prodotto da parte della cerchia sociale in cui si inserisce il tuo utilizzatore tipo, come nel caso di una madre che dopo aver visto lo spot TV inizia a sentirsi più tranquilla al pensiero che il figlio viaggi in auto con degli sconosciuti. Inoltre la TV permette una crescita rapida dell’awareness di cui beneficia indirettamente anche l’efficienza della campagne online. Il passo successivo è stato la radio: mentre l’audience TV è complementare rispetto a chi utilizza assiduamente internet, la radio è ascoltata principalmente da chi è molto attivo online. Inoltre il principale momento di ascolto della radio è durante i viaggi in automobile: un’occasione ghiotta per intercettare conducenti con dei posti vuoti in auto e convincerli a condividere i propri viaggi su BlaBlaCar. L’analisi dell’impatto della pianificazione radio e TV viene effettuata tramite sondaggi che ci permettono di determinare l’incremento dei volumi di traffico e attività del sito attribuibili a questi canali. Per la radio però notiamo anche un effetto particolare, che negli altri nostri paesi si verifica con minore intensità: nei minuti immediatamente successivi agli spot radio c’è un uplift di iscrizioni e traffico da parte di persone che poi si attivano come conducenti. Negli anni abbiamo poi sperimentato varie volte delle campagne di affissioni, soprattutto a Milano, ma in questo caso non siamo riusciti a determinare un impatto né diretto né in comparazione rispetto al traffico generatosi nella città con la campagna rispetto ad altre città paragonabili.

 

In che modo vengono processati i big data dal marketing team di BlaBlaCar?

I big data in BlaBlaCar passano attraverso tre fasi: la raccolta, la trasformazione e la traduzione. I dati relativi al prodotto e alle azioni degli utenti vengono raccolti, assieme ai dati di tracciamento delle campagne di marketing, all’interno di un unico database gestito internamente dai nostri data architect: è loro responsabilità garantire quotidianamente la qualità e l’accessibilità dei dati. L’accesso ai dati grezzi è permesso unicamente al team centrale di business intelligence, i data analyst a cui spetta un duplice compito: modellare la mole di dati per scovare trend e informazioni utili e tradurre tutto in delle visualizzazioni fruibili agevolmente da chi deve prendere delle decisioni. La reportistica interna è creata dagli analyst usando Tableau Desktop e viene resa accessibile a chiunque su Tableau Server, uno strumento semplice ma potente che permette a tutta l’azienda di avere dati sempre aggiornati in tempo reale. I temi di analisi principali sono il prodotto, il marketing e il marketplace. La reportistica di prodotto include le dashboard tramite cui si può tenere sotto controllo l’impatto delle modifiche tecniche sui conversion rate della piattaforma e di identificare nuove opportunità di miglioramento. Per il marketing abbiamo a disposizione una reportistica periodica di alto livello con l’analisi aggregata della performance dei canali e una reportistica più dettagliata che permette ai channel expert di ottimizzare le campagne su base quotidiana. L’ultimo insieme di report riguarda il marketplace, ovvero l’analisi dell’andamento aggregato del servizio nei singoli paesi. Oltre a dei report generici che aggregano i KPI principali, gran parte del lavoro di analisi su questo tema è svolto ad-hoc: a seguito del manifestarsi di variazioni inattese nell’attività, si richiede a un analyst di scavare in profondità nei dati per ricercare le cause degli scostamenti e individuare delle informazioni azionabili per il management.

 

© 2017 Brainz s.r.l. - All right reserved

Designed and Developed by ThemeXpert.