Attualmente esistono già modelli che predicono il Customer Lifetime Value (CLV) e si basano sull’analisi dei dati storici dei clienti, per esempio quali articoli sono stati acquistati in passato e con quale frequenza. Tuttavia, la tecnologia esistente può identificare il valore economico del cliente soltanto se sul sito esistono i dati storici dei suoi acquisti. La nuova soluzione sviluppata da IBM permette invece ai retailers e alle aziende di stimare il valore potenziale della durata della relazione con clienti relativamente nuovi. Questo metodo funziona non solo ‘apprendendo’ dai modelli di spesa di un singolo cliente, ma anche dall’attività online di altri clienti più consolidati.
In questo modo, monitorando il comportamento di acquisto durante le visite iniziali di un nuovo cliente, il modello può assegnare il cliente a un gruppo e predire i modelli di spesa sulla base di coloro che hanno lo stesso ‘profilo di acquisto’.
Se il modello predice che un visitatore di un sito Web ha un’elevata probabilità di acquistare, la società può decidere, per esempio, di personalizzare l’esperienza facendo nuove offerte pertinenti, oppure selezionando in maniera prioritaria le richieste dei clienti in modo che questi ottengano più rapidamente il servizio online.
Il successo del modello è stato dimostrato in uno studio analitico di fattibilità condotto su uno dei principali siti israeliani per aste online. Il modello è stato costruito e convalidato in base ai dati sui clienti effettivi del sito, che serve migliaia di utenti ogni giorno.
Questo tipo di soluzioni per ottimizzare le attività commerciali è strategico per tutte le società che sono impegnate a dare sempre maggior valore ai clienti, dovendo al contempo tagliare i costi e sfruttare al massimo le risorse. Il nuovo modello di Customer Lifetime Value attualmente è in fase di integrazione in altre “tecnologie attive” che sono sviluppate dallo staff degli Haifa Research Labs di IBM.