Negli ultimi anni, abbiamo assistito a un aumento esponenziale della quantità di dati raccolti e gestiti dalle aziende di tutte le dimensioni. E questa dinamica è certamente legata alla diffusione della digitalizzazione. Ci sono dati generati da clienti, prodotti, fornitori, partner di distribuzione, tutti i diversi touchpoint digitali e fisici e, sempre di più, dalle macchine. Accanto a questa crescente raccolta di dati, assistiamo contemporaneamente a un aumento dei costi di gestione e protezione di queste informazioni. Ad esempio, costi legati alla cybersecurity e costi per la gestione della privacy e per la compliance. Come dimostrano le grandi aziende digitali (OTT), i dati, se correttamente sfruttati, rappresentano un grande asset produttivo che va oltre i singoli contesti d’uso.
Data Monetization è un termine utilizzato con diversi significati, generando non poca confusione tra i professionisti. In termini generali, Data Monetization si riferisce a tutti quei processi che utilizzano i dati per produrre valore economico misurabile. D’altronde, le aziende si sono sempre occupate dei propri dati: la differenza sostanziale nell’approccio attuale sta nella capacità di sfruttarne la potenzialità di elaborazione in modo molto più esteso. Ma il fattore determinante che guida questo processo è la necessità per tutte le aziende di individuare vantaggi competitivi in contesti sempre più liquidi e veloci. In un mercato, infatti, senza confini definiti, la capacità di innovare e adattarsi rapidamente di un’azienda è fondamentale. E la data monetization entra in gioco come leva strategica.
Stiamo quindi assistendo a un fenomeno che ridefinisce le strategie aziendali delle imprese moderne, segnando un’epoca in cui i dati si trasformano in veri e propri asset economici.
Il ruolo dell’Intelligenza Artificiale nella monetizzazione dei dati.
Ed è proprio in questo contesto che l’Intelligenza Artificiale gioca un ruolo sempre più importante, rappresentando, in definitiva, un sistema formidabile per attivare i dati disponibili.
L’intelligenza artificiale sarà sempre più al centro della trasformazione digitale, anche perché agirà proprio come catalizzatore nella monetizzazione dei dati. L’AI, infatti, può scoprire pattern nascosti nei grandi volumi di informazioni disponibili, fornendo alle aziende preziosi insight per prendere decisioni strategiche, migliorare l’efficienza operativa e personalizzare l’esperienza cliente, aumentando la redditività. Ma anche per elaborare nuovi dati e indicatori che saranno sempre più un valore aggiunto per partner e terze parti. Questa capacità di valorizzare rapidamente i dati disponibili sarà sempre più essenziale.
Da un punto di vista metodologico, possiamo distinguere tra monetizzazione diretta e indiretta.
Strategie di monetizzazione diretta dei dati: Data As a Service come nuovo modello di business.
La monetizzazione diretta dei dati rappresenta una strategia attraverso la quale le aziende capitalizzano i propri dati, trasformandoli in asset direttamente commerciabili. Questo include la vendita di dati profilati ad alto valore aggiunto ad inserzionisti, ad aziende che possono utilizzarli per campagne pubblicitarie mirate, per la vendita diretta di prodotti e servizi (non in concorrenza col Data Seller) o per l’analisi di specifici trend di mercato.
Negli ultimi anni, stiamo assistendo a una crescente domanda di dati e informazioni esterne da integrare con quelle già disponibili internamente.
Il mondo degli operatori finanziari (banche d’investimento e retail, assicurazioni, hedge fund), ad esempio, mostra un interesse crescente verso nuovi set di dati raffinati e indicatori non convenzionali, che vengono integrati per alimentare e creare nuove strategie di investimento o per personalizzare i servizi finanziari, evidenziando la trasversalità e il valore dei dati come asset.
Anche le aziende farmaceutiche stanno ampliando in modo significativo l’utilizzo di dati esterni, non solo per migliorare la ricerca e supportare lo sviluppo interno di prodotti, ma anche per l’identificazione di nuovi target terapeutici. La capacità di gestire e integrare i dati generati in tutte le fasi della value chain, dall’R&S fino all’utilizzo reale dopo l’approvazione regolatoria, è diventata fondamentale. Grazie ad analytics avanzati che sfruttano modelli predittivi, machine learning e algoritmi di AI, le aziende farmaceutiche possono ottenere una comprensione più profonda delle caratteristiche dei pazienti e di come queste influenzano i risultati dei trattamenti. Ad esempio, algoritmi che collegano dati di laboratorio e clinici possono creare report automatizzati che individuano applicazioni o composti correlati e segnalano alert relativi a sicurezza o efficacia.
La monetizzazione diretta dei dati sta diventando una risorsa preziosa anche per altri settori, come Consumer Goods, Fashion, Automotive, ecc.
Le aziende di questi settori, grazie ad analisi dettagliate anche di dati profilati esterni, possono sia affinare le strategie di marketing, sviluppando prodotti che rispecchiano meglio le aspettative dei consumatori, sia ottimizzare le campagne pubblicitarie attraverso la creazione di azioni di micro-targeting.
Inoltre, tramite l’acquisizione di dati sui comportamenti dei consumatori, un brand può individuare nuovi trend emergenti, personalizzare le offerte e ottenere un vantaggio competitivo significativo.
I Data Buyers nei settori Fashion e Automotive, dove il comportamento e le preferenze dei clienti sono in costante evoluzione, utilizzano set di dati esterni che permettono di anticipare i cambiamenti nelle abitudini di consumo e di adattare velocemente tutte le attività, dalla supply chain e produzione fino alle vendite e alla distribuzione.
Anche i brand più evoluti del settore Consumer Goods stanno diventando sempre più Data Buyers. D’altra parte, grazie a una combinazione di dati interni ed esterni, questi operatori possono ottimizzare la supply chain, prevedere la domanda di mercato (bypassando il blocco informativo della distribuzione) e creare promozioni mirate che rispondono meglio agli interessi specifici della propria clientela.
Ma l’impatto più significativo della monetizzazione diretta dei dati si sta verificando nel mondo della Media Advertising, soprattutto nel contesto del Programmatic, che cerca sempre più informazioni per profilare in modo mirato gli utenti. In effetti, la dismissione dei cookie di terza parte sta spingendo il mercato della media advertising verso un utilizzo più avanzato dell’Intelligenza Artificiale per intercettare informazioni rilevanti. L’AI, infatti, gioca un ruolo fondamentale nel compensare la perdita di dati derivante dal calo dei cookie, consentendo di mantenere la personalizzazione e l’efficacia delle campagne pubblicitarie.
Dal punto di vista dell’offerta di dati (Data Providers o Sellers), la monetizzazione diretta si sta delineando come un’arena dove diversi attori stanno esplorando e sfruttando questa opportunità. Il mondo degli Editori e dei Media è da tempo al centro di questo processo, ma ora anche i Retailer multicanale e le piattaforme di e-commerce stanno scoprendo potenzialità ancora inespresse. Considerando che solo una piccola percentuale del traffico generato dal sito si traduce in ricavi core da vendita, valorizzare tutte le restanti interazioni con i clienti e le informazioni ad alto valore aggiunto sui comportamenti di acquisto che ne derivano sta diventando una nuova opportunità di business.
Queste aziende, quindi, stanno sfruttando dati raccolti tramite transazioni online e offline per supportare decisioni strategiche, personalizzare l’esperienza cliente e, ora sempre di più, per aprire nuovi canali di ricavo.
Anche il settore delle Mobile App sta crescendo molto nella monetizzazione diretta dei dati raccolti. In particolare, il mondo delle App di gaming si distingue come prolifico generatore di dati utente, che vengono utilizzati per offerte pubblicitarie mirate e personalizzate direttamente in-App. Grazie alla quantità di dati raccolti da milioni di interazioni giornaliere, le app di gaming, infatti, possono offrire dettagli comportamentali e di preferenza che sono oro puro per i marketer.
In questo contesto, non possiamo ignorare il ruolo rilevante delle compagnie di telecomunicazioni (Telco), che, grazie all’accesso diretto ai dati di traffico e abitudini di utilizzo, si trovano in una posizione privilegiata per monetizzare direttamente le informazioni.
Considerando questo panorama diversificato di interesse di domanda e offerta, non sorprende che nel corso degli anni ai tradizionali grandi provider di dati (si pensi ad attori del mondo finance come Bloomberg, Thomson Reuters e la stessa Nasdaq, che oggi aggrega anche dati di terze parti) si siano aggiunte nuove piattaforme marketplace dedicate che offrono lo scambio di varie tipologie di dati, operando con il modello Data As a Service (DAAS). Queste piattaforme semplificano l’identificazione dei clienti e la scalabilità dei modelli di vendita dal lato dell’offerta e offrono la possibilità di stabilire valori di benchmark per i set di dati disponibili; per il lato della domanda, le piattaforme facilitano la ricerca e il confronto dei data set e il loro acquisto, offrendo anche controlli di qualità e protocolli di sicurezza stringenti a tutela delle informazioni sensibili.
Strategie di monetizzazione indiretta dei dati: trasformare le imprese in marketplace e oltre.
La monetizzazione indiretta dei dati è un processo in cui le aziende utilizzano le informazioni per ottimizzare le operazioni interne, arricchire le informazioni (enrichment dei CRM), aumentare la redditività della clientela, aprire nuovi mercati e innovare prodotti capaci di rispondere più efficacemente alle aspettative dei consumatori. Tuttavia, in una prospettiva più evoluta, non si tratta solo di migliorare le offerte esistenti, ma anche di abilitare la creazione di nuovi modelli di business, come piattaforme integrate di servizi che amplificano il valore della proposta aziendale.
All’interno di un percorso che va da una logica di adozione più tattica di strumenti basati su sistemi di Business Intelligence più o meno sofisticati fino a una traiettoria strategica evolutiva nella monetizzazione indiretta, possiamo dire che le imprese sono chiamate a evolvere da una ‘Foundational Phase’ a una ‘Advanced Phase’. Alla base di questo percorso, la tecnologia non è il fattore determinante e, anzi, spesso non è necessario rivedere le infrastrutture tecniche esistenti o adottare nuove piattaforme costose. Molte aziende dispongono già di un’ampia raccolta di dati grazie a investimenti effettuati negli anni e ciò che spesso manca è una strategia chiara per trasformare i dati e le informazioni disponibili in business intelligence e quindi in valore economico tangibile.
Nella ‘Foundational Phase’, le aziende iniziano a usare i dati per informare le decisioni operative e per arricchire la conoscenza del cliente. Questo comprende la personalizzazione delle interazioni (enrichment del CRM), l’ottimizzazione dei costi e il miglioramento dell’efficienza operativa. In questa fase, le informazioni sono utilizzate principalmente per aumentare la redditività dei clienti attuali e per aprire nuovi mercati.
Il passaggio verso una ‘Advanced Phase’ implica una maggiore sofisticazione nell’uso dei dati. Qui le aziende iniziano a sfruttare la potenza dell’analisi predittiva e dell’intelligenza artificiale non solo per anticipare le esigenze del mercato e le aspettative dei consumatori, ma anche per influenzarle attivamente e creare nuovi prodotti e servizi innovativi. Questo cambio strategico si concentra su tre aree chiave:
Data-Driven Decision Making: passare da decisioni basate sull’intuizione a decisioni guidate dai dati, utilizzando modelli di analisi predittiva per orientare lo sviluppo di prodotto e l’innovazione dei servizi.
Nuovi modelli di business o servitizzazione: Sviluppare nuovi modelli di business arricchendo i prodotti con soluzioni integrate o trasformandoli secondo una logica di servizio, che è alla base dei modelli di servitizzazione destinati ad avere un forte impatto anche nel mondo delle aziende manifatturiere.
Utilizzando i dati disponibili su clienti e fornitori, le aziende potranno concepire nuovi modelli non basati sui retaggi dei prodotti esistenti, ma sulla possibilità di idearne di nuovi che, ad esempio, incorporino una logica fortemente orientata all’erogazione di servizi. Alla base di questa importante trasformazione aziendale vi è un paradigma customer knowledge driven, fondato su una governance avanzata dei dati disponibili e dei sistemi di intelligenza artificiale. Si pensi all’incredibile capacità degli OTT digitali di penetrare nuovi mercati con una velocità impressionante, proprio grazie a una profonda conoscenza e all’engagement degli utenti/clienti.
Selezione dei partner e dinamiche dei marketplace: Collaborare strategicamente con terze parti per ampliare l’offerta di servizi e prodotti, creando un ecosistema più ricco che risponde in maniera più completa ai bisogni dei consumatori.
Nel mercato, oltre ai grandi player digitali, esistono oggi varie tipologie di marketplace, inclusi quelli verticali, che soddisfano diversi bisogni dei clienti, come la semplificazione dell’approvvigionamento di prodotti o servizi, la vendita diretta tra aziende dello stesso settore oppure la possibilità per le aziende di raggruppare la propria offerta su un’unica piattaforma, facilitando così la gestione delle vendite e degli ordini.
Un fenomeno emergente nel panorama della monetizzazione indiretta dei dati è invece la trasformazione delle aziende tradizionali, come banche, assicurazioni, società energetiche e di telecomunicazioni, in veri e propri marketplace di prodotti e servizi. Questi attori, grazie all’uso strategico dei dati, possono ora offrire ai propri clienti una gamma più ampia di servizi, spesso in collaborazione con terze parti, creando nuove fonti di ricavo e aumentando la fidelizzazione. Questo approccio consente alle aziende di oltrepassare i confini tradizionali del proprio settore ed esplorare nuovi orizzonti commerciali.
L’adozione di queste strategie, come detto, non è solo una questione tecnologica ma anche di cultura aziendale e di processi. La chiave risiede nella capacità di adottare e integrare sistemi avanzati di analisi e sempre più di intelligenza artificiale, che siano misurabili e trasparenti, in modo che a ogni attività data-driven possa essere attribuito un valore chiaro e quantificabile. Invece di rivoluzionare le infrastrutture esistenti, le aziende dovrebbero quindi concentrarsi sul migliorare le capacità di queste tecnologie, con un’integrazione mirata di strumenti di IA, per lavorare con i dati disponibili in modo più intelligente e strategico.
La strada davanti nella monetizzazione indiretta dei dati è definita da una transizione strategica che mette i dati al centro dell’innovazione aziendale, sfruttando risorse e strumenti esistenti per creare nuove opportunità e un vantaggio competitivo sostenibile. Questo percorso permette alle aziende di trasformarsi in marketplace dinamici e reattivi, pronti ad affrontare le sfide di un mercato in continua evoluzione.
L’importanza dei dati di prima parte per la Data Monetization.
Con l’evoluzione della normativa sulla privacy e l’abbandono dei cookie di terze parti, vi è un’attenzione sempre maggiore all’uso responsabile e conforme dei dati. In questa nuova era, le informazioni di prima parte raccolte diventano un tesoro di valore inestimabile, consentendo una profilazione precisa degli utenti nel pieno rispetto della privacy e di regolamentazioni sempre più stringenti. La Data Monetization emerge quindi non solo come percorso di innovazione commerciale ma anche come necessità strategica per diversificare le fonti di ricavo e consolidare le posizioni in un mercato sempre più digitale.
I cookie di prima parte, raccolti direttamente dal dominio visitato dall’utente, garantiscono l’utilizzo delle informazioni in modo conforme e responsabile. Questo permette alle aziende di mantenere un elevato livello di personalizzazione nei servizi, elemento essenziale per preservare la fiducia dei clienti.
Integrare i cookie di prima parte nelle strategie di Data Monetization significa disporre di una solida base di dati affidabili per guidare le decisioni aziendali. L’abbandono dei cookie di terze parti, come già anticipato, spingerà sempre più le aziende verso un utilizzo avanzato dell’intelligenza artificiale specificatamente per intercettare informazioni rilevanti. L’IA gioca un ruolo fondamentale nel compensare la perdita di dati dovuta al declino dei cookie, permettendo di mantenere personalizzazione ed efficacia nelle campagne pubblicitarie. Si passa da una logica di quantità, poco rispettosa dei diritti degli utenti alla tutela della privacy, a una di qualità, che deve basarsi sempre più sul consenso informato e su nuove modalità di estrazione delle informazioni. In definitiva, i cookie di prima parte non sono solo complementari ma essenziali in un ecosistema di monetizzazione diretta e indiretta dei dati.
In conclusione, la Data Monetization rappresenta un pilastro fondamentale per le aziende che intendono orientarsi con successo nell’attuale complesso scenario economico. L’integrazione dell’intelligenza artificiale e l’adozione di modelli di business innovativi, come la servitizzazione, l’adozione di modelli Data As a Service (DAAS) e la trasformazione in marketplace digitali, sono strategie chiave per sfruttare il potenziale dei dati. Le aziende che riusciranno a capitalizzare queste tendenze, rispettando la privacy e la sicurezza dei dati, saranno quelle che guideranno la trasformazione dei propri settori, creando valore per sé stesse e per i propri clienti.
MIT Technology Review Italia
https://www.technologyreview.it/mercato-della-data-monetization-una-nuova-sfida-dellai/
