Acquire New Customers and Generate x5 sales through data analysis
Uplift e-commerce sales through data analysis and applying marketing automation with sales funnel tactics
Click here for English version

The Problem

Un Cliente sul quale ho lavorato nel 2014 (sembra trascorsa ormai un'eternità da allora) è Primo Taglio del gruppo Amodio SpA. Purtroppo, parte dei materiali e degli schemi di automazione è andato perso nel corso del tempo, ma ricordo molto bene, le attività svolte a quel tempo perchè ero la persona responsabile di aumentrae le vendite dell'e-commerce, dopo anni di attività svolte con grandi brandi di Full Outsourcing ed agenzie di livello nazionale.

L'attenzione alle attività da svolgere, era massima.

La Customer Base era parzialmente satura, dovuta a newsletter cicliche su un periodo molto lungo (cosa che ho riscontrato essere una prassi per molti Brand noti). I contenuti e le offerte veicolate erano one sized for all. La naturale conseguenza era un tasso di disiscrizione alto, un CTR e Open Rate bassi e un'acquisto continuo di nuovi potenziali clienti tramite Ads e fornitori terzi.

The Challenge

Lavorando nella mia azienda, mi sono avvalso di un team che ho formato nel tempo e che mi ha aiutato nel mettere in piedi questa strategia.

Una volta analizzata la customer base tramite l'analisi RFM ed il loro comportamento di navigazione, la fase successiva è stata quella di creare una strategia per l'acquisizione da un lato e dall'altro aumentare la Lifetime Value (LTV).

L'acquisizione è stata strutturata sulla base dei cluster di clientela più "performanti" con l'obiettivo primario di acquisizione del contatto mail, con l'obiettivo secondario di trasformarli, possibilmente in brevissimo tempo, in clienti paganti. L'assaggio dei prodotti, permetteva un'acquisito ciclico, vista la loro ottima produzione e l'alta qualità del latte utilizzato. Dopo il loro consumo (mediamente 3/7 giorni), partivano flussi di Marketing Automation per l'aumento della LTV.

Di seguito, racconterò solo il metodo applicato ad 1 segmento (Frequent Buyers) su 11 della customer base che ho analizzato ed operato.  

L'analisi quantitiva, in particolar modo nella prima fase di lavoro, è di fondamentale importanza in quanto, era frazionata ed incide in modo significativo su tutto l'operato successivo. Se la strategia attuata è sbagliata tutte le comunicazioni di marketing e le azioni non saranno in linea con il target, "bruciando" così il database in modo permanente.

L'altra faccia della medaglia, che molto spesso non è preso in considerazione, è quella qualitativa. Ovvero tutti i dati relativi al comportamento di navigazione, le risposte alle survey, le analisi sulle keywords più ricorrenti utilizzate nella live chat con il customer care (sia per descrivere i loro dubbi in fase di pre-acquisto, che nelle successive).

Questi dati stati di grande aiuto perchè mi hanno permesso di comprendere le frizioni durante il processo d'acquisto dei clienti. Durante il brainstorming con il mio team, siamo riusciti a far emergere importanti considerazioni (basate sempre su dati analizzati) riguardo alla tipologia di tone of voice da utilizzare nei messaggi pubblicitari (e quello da non utilizzare).

Strategia di acquisizione

Avendo a disposizione l'analisi della customer base, ho creato la strategia che vedete parzialmente illustrata qui sotto, tenendo ben presente gli obiettivi espressi dall'azienda.

Basandomi sui dati demografici presenti in modo consistente nel database, ho estratto le email relative al segmento dei Frequent Buyers (per creare le Facebook Ads #1 – LAL Audience #1).

Utilizzando invece i dati generati dai Guest, ho creato un nuovo pubblico, nel modo seguente, per avere un'acquisizione "più ampia" su Facebook Ads #2:

  • estratto dati come: range di spesa, età, sesso, geolocation, ecc;
  • creato un pubblico LAL su Facebook Ads ed aggiunto ulteriori interessi.
PRO TIP: è possibile creare segmenti personalizzati, se Google Analytics lo permette, per essere utilizzati in Google Ad-Words.

Mentre per l'audience meno calda, definita cold, era contattata tramite liste profilate da fornitori terzi con una dem (Direct Email Marketing).

Il messaggio pubblicitario da inviare era naturalmente diverso poiché prevedeva interlocutori e fasi del funnel completamente differenti.

Essendo un'audience di Frequent Buyer, conoscevo le tipologie di prodotti più acquistate e promuovemmo (tramite retargeting) sconti a tempo e promozioni su 3 tipologie diverse.

La nuova audience atterrava sulla Long Form per poterle raccontare i valori dell'azienda e la bontà dei prodotti caseari, che erano sì lavorati in modo industriale, ma rispettando la tradizione negli step di produzione.

Qui sotto, la pagina che ho creato per il pubblico cold e sulla quale sono stati effettuati A/B testing del copywriting, posizionamenti del social proof e combinazioni diverse dei box di racconto sotto l'above the fold.

La nuova audience

Ricapitolando, ho creato su Facebook:

  • Facebook Ads #1 – nuovo pubblico LAL (Lookalike Audience) importando le email del segmento, come descritto sopra.
  • Facebook Ads #2 – un nuovo pubblico con le informazioni demografiche e d'acquisto ed i loro interessi.
PRO TIP: ho preferito tralasciare questa fase successiva della strategia ma il pubblico creato in Facebook Ads #1 è stato poi sub-frazionato per sub-tier di prezzo in modo da veicolare un'offerta maggiormente in linea con l'ultimo AOV.  

La matrice

Grazie alle attività di remarketing e con uno schema similare a quello rappresentato qui sotto, sono riuscito a massimizzare l'investimento di acquisizione, con un CAC (cost per acquisition) inferiore ad 1/4 di quello iniziale.

Landing #1 Landing #2 Landing #3 Landing #4
LAL #1 + RM x x
LAL #2 + RM x
Prof.L.+ RM #3 x x

Le X rappresentate all'interno delle celle risultano essere le varianti vincenti. In realtà, la matrice dovrebbe prevedere diverse linee per il remarketing ed, in ogni cella, dovrebbe essere inserito il relativo conversion rate (per ragioni dovute ad NDA non possono essere pubblicate).

L'audience dei fornitori di terze parti veniva dirottata sulla Long Form, la quale aveva un bounce rate ed un tempo medio, abbastanza interessanti. Se non avveniva alcun acquisto, parte di quelli che raggiungevano metriche di interesse superiore alla media, tramite retargeting, venivano dirottati su un'altra landing page con una promozione a impatto maggiore.

Durante la fase di analisi qualitativa, ho riscontrato una certa diffidenza (comprensibile) nell'acquistare prodotti alimentari a distanza. Non poterli vedere, toccare e sentire l'odore, non era proprio un'esperienza alla quale gli italiani sono abituati, durante il quotidiano processo d'acquisto di un prodotto alimentare.

L'obiettivo era aumentare portarli al primo acquisto, mitigando le frizioni e paura inespresse o che in qualche modo avevamo mappato grazie all'analisi qualitativa.

La Marketing Automation

Nella seconda parte dello schema, una volta acquisito il contatto tramite le Landing Page 1,2,3 o l'acquisto diretto attraverso la Long Form, entravano in  flussi diversi di Marketing Automation.

Long Form - entrano in una sequenza di soap opera (SOS): rappresenta tattica di vendita basata su una sequenza di e-mail quando entrano in una lista, per la prima volta. Si chiamano così perché ogni email termina con un gancio che ti attira al prossimo "episodio", proprio come fa una soap opera.

In ogni email, ho aggiunto alcuni prodotti relativi alla storia appena "raccontata". In base ai loro comportamenti, ho agganciato dei specifici tag, per comprendere le loro preferenze ed effettuare delle azioni future.

Le SOS erano perfette perchè permettevano di accompagnare il nuovo cliente, in un itinerario virtuale culinario, alla scoperta dei sapori campani e della loro tradizione.

Landing Page 1, 2, 3 – L'obiettivo era l'acquisizione del contatto, promuovendo la bontà dei prodotti attraverso l'acquisto della degustazione in promozione.

Ho utilizzato, nei numerosi A/B testing, una delle 7 regole di Cialdini per aumentare il conversion rate ed acquisire maggiore utenza.

Welcome Mail + One Time Offer: è un semplice flusso di marketing automation composto da 2 reminder a distanza di 1 giorno (se non avevesse già acquistato dall'ultima mail) per stimolare sempre di più l'acquisto, portando in evidenza la scedenza dello sconto non più ripetibile. L'offerta era utilizzabile entro N giorni dalla richiesta: i test sono stati effettuati anche sui giorni di scadenza e la variante risultata vincente era quella relativa ai 3 giorni.

In fase post-acquisto, venivano portati in altri flussi di marketing automation strutturati in funzione dei loro comportamenti espressi, che azionavano dinamiche di attribuzioni relative alla Customer Scoring.


Durante la creazione di una struttura articolata come questa, è bene poter contare su figure professionali senior ed un'organizzazione maniacale del dato. La perdita di un'informazione potrebbe invalidare gli esperimenti in corso o trarre conclusioni errate, vanificando gli sforzi fatti.

Un aspetto da tenere sempre in considerazione è il livello di saturazione della customer base, che con questa tipologie di tattiche l'overlap delle automazioni è dietro l'angolo, con un conseguente "bombardando" dei clienti.

PRO TIP – Utilizzare prodotti come Active Campaign che permettono di tracciare le collisioni delle automazioni. Mappare e disegnare la Customer Journey per le diverse Personas, potrebbe agevolare di molto l'individuazione dei possibili overlap ed errori.  

I fantastici risultati raggiunti sono coperti da NDA, ma spero di essere riuscito a spiegare bene una parte del metodo applicato.

Feeback? Contattami su Twitter