Progetto Finale
Introduction
Il nostro progetto prenderà il nome di iData, ed è stato ideato, realizzato e curato da Caterina
Passamonte, Enrico Vona, Antonio Salerno e Margherita Modica. Il campo in cui abbiamo scelto
di addentrarci non è di immediata comprensione, per cui ha richiesto molto lavoro e uno sforzo
non indifferente di tutto il team, che, anche grazie alla disponibilità di Keix (azienda cliente), è
riuscito ad ampliare il modello di business attraverso un progetto sostenibile economicamente,
finanziariamente e patrimonialmente. Keix ha già provveduto ad inizializzare i lavori per
implementare la versione beta dell’applicazione da noi concepita, e questo è forse il miglior
risultato che ci potessimo aspettare. Ma passiamo ai fatti…
Keix è un’azienda catanese che si occupa di raccogliere ed elaborare dati per fornire consulenza
aziendale, quindi per permettere ai suoi clienti di posizionarsi strategicamente al meglio all’interno
del loro settore/business. In altre parole, attraverso la raccolta e l’elaborazione dei dati, Keix
indirizza le scelte aziendali verso scelte strategiche e di marketing coerenti alla mission e alle
risorse aziendali. Le aziende clienti possono scegliere di ricevere da Keix solamente le informazioni
ottenute dall’aggregazione e dall’elaborazione dei dati, oppure di ricevere da quest’ultima anche
una consulenza volta ad implementare al meglio la “materia prima” fornitagli. Quello su cui il
nostro team ha agito è l’how, ossia il “come” l’azienda raccoglie ed elabora i dati, e la nostra
soluzione ha permesso di rivoluzionare il loro modello di business seguendo due principali
direttive: 1)Bassi costi di implementazione e 2)Ottimizzazione massima dei costi futuri. In altri
termini, non solo la nostra idea è sostenibile e quindi realistica, ma permetterà all’azienda di
risparmiare personale e risorse finanziarie nel futuro. Quindi…
How did we do it?
Siamo riusciti ad ampliare il loro core business principalmente grazie all’integrazione delle nostre
risorse (capacità manageriali 😉 ). Margherita non perdeva una parola durante gli incontri
aziendali, e i suoi appunti sono stati linfa vitale per redigere le analisi presentate e per fare
brainstorming dopo gli incontri con i responsabili d’azienda; è anche la ragazza più positiva del
gruppo e si è rivelata estremamente efficace nei momenti di maggiore sconforto. Enrico è sempre
stato un vulcano di idee: appassionato di informatica, è risultato essenziale in ogni “fase” della
“filiera” del nostro progetto, dalla creazione dell’idea alla realizzazione del video, del modello
tridimensionale, etc. Caterina è quella che potremmo definire la “Cleaner” del gruppo: Cleaner
non inteso come donna delle pulizie, ma come vero e proprio depuratore e filtro di idee: sempre
con i piedi per terra, la sua mente matematica e la sua straordinaria immedesimazione nel target
di riferimento hanno contribuito a modellare le idee di tutti e ad averne anche di innovative, una
fra tutte quella riguardante il modello tridimensionale che a breve Lei potrà visionare. Infine
Antonio, che si è sempre buttato dai primi giorni: oltre a convincere il CEO ad accoglierci e a
sposare la nostra “consulenza”, ha sempre dimostrato di non voler mai mollare, neppure quando
c’erano difficoltà temporali e fisiche che non ci permettevano di lavorare a pieno regime; sempre
informato sul mondo economico, è stato indispensabile con i suoi “Ho letto in quel libro che…”,
“Girovagando su internet ho scoperto che…”. Lavorare insieme non è stato facile, ma è stata
un’esperienza davvero incredibile.
The idea
L’idea completa è venuta fuori in due fasi. Inizialmente, girovagando su internet, ci siamo resi
conto che molte piattaforme online, come Toluna (la più famosa), raccoglievano dati dagli utenti
attraverso questionari mirati, ricompensandoli con coupon o buoni sconto spendibili in
marketplace con cui Toluna stessa stipulava partnership. Da qui l’idea di fondo, definita dal team
“modello Toluna”, di implementare in Keix un’applicazione in cui i singoli utenti venivano raggiunti
da questionari e ricompensati attraverso beni simil-monetari: un gran bel risparmio, considerando
il fatto che Keix conta una rete di rilevatori sparsi in tutta Europa e i costi che sostengono per
finanziare il processo di raccolta dati tramite essi (12.50€ l’ora per i rilevatori, oltre alle spese legali
e fiscali che devono sostenere per redigere contratti di natura non convenzionale per queste
persone che lavorano “su commessa” in paesi appartenenti all’UE, ma comunque fuori dal
territorio nazionale) risultano significativamente superiori a quelli sostenuti adottando il
cosiddetto “Modello Toluna”. Un gran bella idea che avrebbe potuto renderci soddisfatti, ma così
non è stato. Non ci sembrava abbastanza e così, spulciando internet (fino alla terza, quarta pagina
di Google!), ci siamo imbattuti in una forma di economia che sembra essersi riaffermata a partire
dalla crisi dei subprime del 2007: la sharing economy. Sostanzialmente basata su un modello di
economia circolare, prevede la condivisione, il riuso e il riutilizzo delle risorse comuni (tempo,
competenze, beni, conoscenze); si può articolare in diverse forme: sharing in senso stretto (come il
car sharing), crowding, come ad esempio il crowdfunding, pratica molto diffusa per finanziare le
nascenti startup, ma anche bartering, ossia il baratto tra privati ed aziende. E’ qui che abbiamo
avuto l’idea di restituire al consumatore finale (B2C) lo stesso prodotto che vendevamo
inizialmente solo alle aziende (B2B): le informazioni. Per superare il limite delle recensioni online e
per permetterci di risparmiare una marea di costi (seppur già tagliati grazie al “modello Toluna”)
occorreva qualcosa di davvero rivoluzionario come quella che ho appena enunciato, ossia dare al
consumatore finale, in cambio dei suoi dati di consumo, informazioni utili ai suoi fini (consigli sulla
spesa, indicazioni di risparmio), frutto dell’aggregazione dei dati forniti dalla community stessa.
L’azienda ha subito accolto la nostra proposta (che noi abbiamo definito “la startup del business
development”) e si è attivata per fornirci quanto più riscontri reali possibili, al fine di validare la
nostra idea sul campo. Abbiamo assistito ad un “Focus group” composto da 4 persone
targettizzate per età, istruzione, provenienza sociale e occupazione. A tutti loro, attraverso
domande più o meno dirette, è stato sottoposto un questionario volto a carpire la loro
disponibilità a cedere dati per ricevere in cambio informazioni: anche il più restio dei 4 (età 50+, di
bassa-media estrazione sociale) si è dimostrato favorevole a ricevere in cambio un’informazione
che gli permettesse di risparmiare il 30% sul carburante in un anno, piuttosto che un buono sconto
su Amazon del 30%. Incoraggiati dal risultato favorevole, abbiamo allargato lo spettro di target,
conducendo un’indagine statistica in cui ognuno di noi ha raggiunto in media 125 persone (per un
totale di 496) con un questionario volto a misurare, anche in questo caso, la propensione a cedere
dati per ricevere in cambio informazioni o coupon/sconti (non dimentichiamoci che anche i
coupon erano stati un’innovazione! Vedi “modello Toluna”). Il risultato è fornito nei grafici che
abbiamo elaborato
Di tutti, il grafico più importante è sicuramente l’ultimo, che evidenzia come l’81.1% degli
intervistati sia almeno sufficientemente propenso a cedere informazioni non sensibili per
riceverne in cambio delle altre. Anche in questo caso i partecipanti sono stati targettizzati e
l’indagine statistica ha avuto il successo sperato.
Analisi di business
A questo punto siamo passati alla redazione dei modelli principali per l’analisi di business:
Tabella dei competitors
Questo è senza ombra di dubbio uno dei nostri modelli più significativi, in quanto la nostra idea è
stata continuamente modellata e rivista sulla base del nostro benchmark di riferimento: i
competitors. Adesso passerò in rassegna le voci della tabella che possono risultare di non
immediata comprensione:
- Micro surveys: a differenza dei nostri competitors, che spesso pongono agli utenti della
loro piattaforma o community (per chi ce l’ha integrata, ossia è community based)
questionari che vanno dai 15 ai 25 minuti, noi abbiamo scelto di non annoiare i nostri
utenti. Infatti, da molti studi è emerso che spesso, per noi millenials, la navigazione su
internet diventa qualcosa di “passivo”: è diventato automatico scorrere la home di
Facebook o di Instagram, esattamente come era automatico per i nostri genitori starsene
imbambolati davanti la TV. Ecco perché, per catturare la massima attenzione e assicurarci
un errore statistico minore (rivendendo quindi le informazioni ad un prezzo maggiore),
abbiamo deciso di strutturare i nostri questionari secondo un formato ridotto, che
occuperà all’utente un massimo di 10 minuti, ricompensandolo comunque in maniera
adeguata.
- Premi in buoni: questa è una caratteristica che quasi tutte le piattaforme possiedono. I
buoni permettono infatti di ottenere vantaggi fiscali rispetto ad un accredito PayPal, in
quanto facilitati da sgravi fiscali che permettono all’azienda di scalare parte del loro costo
dall’imponibile. Ancora una volta la nostra scelta si dimostra orientata alla leadership di
costo.
- Premi in informazioni: ecco quella che abbiamo definito “la Startup del business
development”. Un’innovazione radicale che nessuno possiede e che, come ho già detto, ci
permetterà di “riciclare” (in ottica squisitamente “sharing”) le informazioni elaborate “in
economia” per poterle consegnare in forma aggregata alle aziende (B2B) e in un “formato”
adatto ai consumatori (B2C) in forma di consigli di risparmio, indicazioni sulla spesa, etc.
- Network Marketing System:
Noto anche come “vendita piramidale” o “multi-level marketing” (forma giuridica, quest’ultima,
illegale in alcuni paesi, secondo l’assunto che gli ultimi livelli della piramide vengano
eccessivamente sfruttati dai livelli superiori che ne traggono profitto senza una reale contro-
prestazione fisica), il Network Marketing System è una strategia di marketing che prevede che i
venditori siano compensati non solo per le vendite effettuate direttamente, ma anche per quelle
compiute da altri venditori da essi reclutati. Questo si differenzia dal cosiddetto Affiliate
Marketing, molto utilizzato dalle compagnie telefoniche per espandere la loro utenza (“Porta un
amico in Wind e riceverai 1000 minuti gratuiti di chiamate voce spendibili in Italia”) e che si
sostanzia nell’accordo tra tre soggetti; il network marketing system ci permetterà, nelle fasi iniziali,
di far espandere l’utenza della nostra piattaforma senza sostenere costi eccessivamente onerosi
per le classiche strategie di marketing (advertising ad es.), decisamente più gravose nel bilancio
iniziale. L’utente neoiscritto sarà invogliato ad attirare nuovi utenti nella piattaforma attraverso
domande mirate e il beneficio indiretto che riceverà in cambio dai suoi “reclutati”, che comunque
non perderanno parte dei loro guadagni. La strategia è pensata per ottimizzare i costi di marketing
e per permettere una diffusione più capillare della piattaforma, che avrà bisogno di quanta più
varietà possibile di utenti (età, occupazione, hobby, etc.).
- App integrata: anche questo punto si è rivelato di fondamentale importanza. A causa
dell’elevato sviluppo tecnologico e dalla forte ipercompetizione che ne è derivata, oggi gli
smartphone hanno superato la soglia del mobile e sono entrati in diretta concorrenza
anche con i notebook (concorrenza ibrida, perfettamente riconoscibile in uno strumento
come il Tablet, a tutti gli effetti l’intersezione tra smartphone e notebook). Anche i moderni
sistemi operativi dei PC hanno degli store integrati da cui scaricare applicazioni. Per questo
motivo abbiamo deciso di intercettare l’utenza presente e futura con lo sviluppo di
un’applicazione che ridurrà i tempi di attesa rispetto ad un normale sito web e sarà più
accessibile al nostro principale target di riferimento, che sarà compreso tra i 15 e i 40 anni,
più avvezzo a scaricare un’app, piuttosto che passare da un browser di ricerca.
- Community-based: qui ci giochiamo un buon 60% dei costi. L’applicazione sarà infatti
basata su un sistema di community, in cui gli utenti potranno interagire tra loro. Il fine di
quest’iniziativa è quella di intercettare un bisogno primario di qualsiasi utente, in
particolare di un utente che fornisce dati ad una community: il bisogno di relazionarsi con i
suoi simili. Consci del fatto di poter essere tallonati in qualsiasi momento da social network
come Facebook (per approfondire vedi “Prodotti sostitutivi” nel modello di Porter),
abbiamo deciso che permetteremo agli utenti di discutere pubblicamente, anche in forma
anonima, di un determinato argomento particolarmente interessante secondo i loro gusti.
Il vantaggio sarà evidente: senza neanche costruire un questionario ad-hoc, i dati verranno
veicolati automaticamente all’interno della piattaforma senza nessun costo (se io discuto
un topic pubblico non ricevo in cambio buoni o informazioni). Assorbiremo quindi una
grande quantità di dati (e il tutto è scalabile, perché più è grande la piattaforma, più dati
assorbiremo) ottimizzando al massimo i costi.
- Punti immediati dopo la registrazione e buoni disponbili già dai primi punti: anche queste
sono strategie di marketing. In un business affollato come il nostro, è difficile per l’utente
medio distinguere tra una piattaforma e l’altra. Spesso, infatti, la decisione è presa “di
pancia” e non secondo criteri razionali: è molto più appetibile un “Iscriviti e riceverai 1000
punti bonus e un buono da 5€ su Amazon dopo i primi 5 questionari!” piuttosto che un
mero “La nostra community potrà fornirti anche informazioni che ti permetteranno di
risparmiare il 30% sull’uso del carburante!”. Lo scopo di queste strategie, così come del
Network Marketing System, è quello di raggiungere la cosiddetta “massa critica”
indispensabile ad una piattaforma come la nostra, che permetterà di scalare il progetto. In
altre parole, mentre l’innovazione dell’informazione come ricompensa ci distinguerà una
volta fidelizzato l’utente, queste due variabili, unite ad un sistema di cambio adeguato,
costituiranno l’ “esca” che l’utente insegue su internet, la prospettiva del guadagno facile.
Una volta “abboccato”, l’utente sarà incitato a rimanere all’interno della community grazie
al Network Marketing System e ad un sistema community-based che gli darà qualcosa in
più che una piattaforma a cui fornire dati in modo apatico e distaccato. Il fine ultimo è
quello di creare un ecosistema in cui l’utente sarà “stimolato” da più prospettive; questo ci
permetterà non solo di acquisire sempre più utenza, ma anche di mantenerla fedele.
- Utente premium: abbiamo deciso di implementare una funzione premium per
ricompensare gli utenti particolarmente attivi all’interno della piattaforma. Calcolando
l’indice di veridicità tra le varie risposte (spesso infatti gli utenti rispondono senza neanche
aver capito la domanda) saremo in grado di individuare gli utenti più attenti, ossia coloro
che ci forniranno i dati più veritieri e “genuini”. Questo indice, unito alla presenza nei topic
e alla partecipazione a più dell’80% dei questionari sottoposti agli utenti, permetterà
all’utente di poter partecipare ad ulteriori sondaggi (che saranno più articolati e mirati dei
normali micro-surveys), e di godere di una posizione di rilievo all’interno della community
(è una sorta di sistema di gamification), stimolando così gli altri utenti, ma soprattutto gli
affiliati della piramide (in ottica network marketing system), che si suppone abbiano un
contatto più diretto con l’utente premium.
- Tasso di convertibilità: a questo punto si è presentato il problema della conversione. Tutte
le piattaforme, infatti, sono solite creare delle valute interne per ottenere vantaggi dalla
conversione monetaria. Spinti dall’azienda, abbiamo deciso di non posizionarci né all’uno,
né all’altro estremo di conversione; per questo motivo, abbiamo calcolato la media di
conversione dei principali panel competitors e abbiamo deciso di applicare un tasso di
cambio di 750cdt:1€. 4000cdt ci sembravano esagerati (da alcuni studi è emerso che
l’utente medio non si fa più facilmente ingannare da una prospettiva di guadagno TROPPO
facile), mentre 10cdt poco appetibili all’utente medio. “In medio stat virtus” dicevano i
latini…
Business Model Canvas
Per analizzare il business model canvas, partiremo da sinistra, analizzando la struttura dei costi. I
nostri key partners saranno gli utenti che ci forniranno i dati e le aziende che ci forniranno i buoni,
con cui stipuleremo quindi accordi di partnership. Noi, quindi, usufruiremo dei loro incentivi, e
loro della “pubblicità” indiretta che gli faremo permettendogli di essere presenti all’interno della
nostra community, preferendoli quindi rispetto ai loro competitors. Le nostre key activities
riguarderanno anzitutto l’elaborazione dell’informazione, che sarà possibile grazie ad algoritmi in
fase di sviluppo e alla successiva revisione dei nuovi addetti IT (inclusi anche nella nostra analisi
finanziaria), anche se l’azienda dispone già di una vasto know-how nel campo IT dovuto al fatto
che disponeva già di una struttura concepita per porre anche questionari via mail. Infatti, prima
della nostra innovazione, Keix raccoglieva dati grazie ad interviste face-to-face, interviste
telefoniche e questionari via mail, il che rende Keix più che un “nuovo entrante” in un settore che
conosce già bene. La distribuzione delle informazioni sarà possibile grazie al panel e per questo
motivo non graverà sui costi. La raccolta, invece, sarà l’attività rivoluzionata: non avverrà più
secondo le metodologie tradizionali (face-to-face, etc.) ma avverrà o tramite i questionari
sottoposti alla community oppure sarà la community stessa che, auto-generando i dati, ci fornirà,
a costo zero, la materia prima da “raffinare” al fine di renderla informazione. L’obiettivo è quello
di affiancarci al “modello Facebook”: nessun impiegato Facebook si occupa di elaborare i dati, a
loro basta raccoglierli e rivenderli senza elaborarli, poiché riescono a raccoglierne una quantità
immensa. In questo modo andremo a sfruttare una caratteristica implicita di un modello
community-based che permetterà di “spalmare” i costi totali su un volume più ampio di dati.
Arrivati all’informazione elaborata, quindi al prodotto finito, potremo fornire consulenza alle
aziende (B2B) sulla base delle nostre previsioni di mercato. Ora, considerando il fatto che Keix
lavorava su commessa delle aziende, che la incaricavano di raccogliere, elaborare i dati ed
eventualmente fornire consulenza annessa, il modello si invertirà. Adesso saremo noi che,
informazioni alla mano, ci presenteremo dai clienti proponendogli un pacchetto che non potranno
rifiutare, costituito dalle informazioni e dalla consulenza che questa volta non sarà più opzionale,
ma compresa nel pacchetto completo. Il meccanismo del potere contrattuale reagisce di
conseguenza: non lavorando più su commessa, quindi in esclusiva per un’azienda, potremo far
leva sulla concorrenza nei settori di riferimento. Se Tomarchio rifiuta il mio pacchetto, questa volta
dovrà ben tenere presente il fatto che io potrò andare alla San Pellegrino a proporre la stessa
identica cosa: disponendo quindi di un potere contrattuale più forte, avremo la garanzia che la
consulenza non sarà più un optional e il pacchetto completo vedrà il suo prezzo finale
incrementato grazie alla posizione di potere contrattuale assunta. Le nostre key resources saranno
principalmente i dati. Il dato, però, non sarà più, come prima dell’innovazione, utilizzabile
solamente per una commessa, ma sarà upsellato, ossia avremo la facoltà di ricontestualizzare,
dunque riutilizzare il dato per elaborare più informazioni, sfruttando al massimo il potenziale
intrinseco di ogni dato. Se un mio utente mi dice che utilizza il balsamo Pantene 3 volte a
settimana dopo lo shampoo, io posso utilizzare questo dato per rivenderlo a Pantene, ma anche
per uno studio riguardante l’igiene media e la cura personale, o utilizzarlo per aprire un topic
“Quante volte detergi i tuoi capelli settimanalmente?” per indirizzare le scelte strategiche e di
marketing dei prodotti complementari (maschera, phon, piastre, etc.). Altra risorsa di cui ci
serviremo sono i cosiddetti SaaS. A differenza dei server remoti, i servizi SaaS (Software as a
Service) consentono agli utenti di connettersi ad app basate sul cloud tramite Internet e usare tali
app. In altre parole, si tratta di un servizio che permette di risparmiare ingenti investimenti iniziali
per l’acquisto di server fisici, sostituendo questi costi con una “fee” da pagare al provider che
fornisce il servizio di Cloud (molto famosi gli Amazon Web Services, a cui pensiamo di affiliarci, e
che contano tra i loro clienti Netflix, Apple, etc.). L'infrastruttura sottostante, il middleware, il
software delle app e i dati delle app si trovano tutti nel data center del provider di servizi. Il
provider di servizi gestisce l'hardware e il software e, con il contratto di servizio appropriato,
garantisce la disponibilità e la sicurezza dell'app e dei dati. Rischiando di diventare ripetitivo, mi
preme sottolineare ancora una volta la maniacale attenzione che abbiamo riservato ai costi, per
permettere all’azienda di implementare la versione beta dell’applicazione il prima possibile e di
cominciare dunque a dialogare con i “lead users”, i quali consigli renderanno il panel ancora più
“customer-oriented”. La struttura dei costi risulta quindi delineata nelle sue componenti di
massima. La componente più importante, ossia quella del marketing, sarà significativamente
appiattita dai vari sistemi alternativi che abbiamo pensato per l’app (Network Marketing System,
buoni disponibili già dai primi punti e al momento dell’iscrizione, etc.), anche se non sono esclusi
investimenti inziali in canali più onerosi (sicuramente non in TV, ma su Facebook sì, dati i
meccanismi che dominano questo social network come vedremo nel modello di Porter in “prodotti
sostitutivi”), finalizzati al raggiungimento della massa critica necessaria al panel per raccogliere
una quantità significativa di dati, i nostri “raw materials”. I costi di partnership saranno
proporzionali al numero di utenti che riscuoteranno i premi simil-monetari, quindi abbiamo la
certezza che saranno coperti interamente dai ricavi che genererà la vendita delle informazioni
ottenuta dall’elaborazione dei dati. I costi di implementazione e di manutenzione della
piattaforma saranno anch’essi “addomesticati”, oltre che dall’adozione dei SaaS, anche dal
capitale umano e intellettuale dell’azienda stessa, che è già dotata di tutte le strumentazioni
fisiche adatte all’implementazione e alla manutenzione di un’applicazione. Per rendere chiara
l’idea, la nostra indagine statistica, allegata ad un link e al relativo programma di calcolo dei dati
forniti, è stata creata dall’azienda in meno di tre ore, e nonostante alcuni “bug” durante i giorni in
cui abbiamo sottoposto le domande ad amici e familiari, la manutenzione è stata tempestiva.
Passiamo adesso alla parte destra del canvas, che riguarda il flusso di ricavi. La nostra customer
relationship sarà principalmente fondata sul concetto di community. Sentirsi parte di un gruppo è,
come già accennato, un bisogno estremamente fondamentale per l’uomo; questo diventa ancor
più marcato (e questo è emerso anche dai “focus group”) all’interno di un panel in cui gli utenti si
scambiano dati. Noi saremo semplicemente i moderatori di una realtà che vogliamo funzioni da
sola; il nostro compito sarà quello di incastrare nel modo migliore i tasselli dell’applicazione,
trovando il giusto equilibrio anche grazie ad un continuo dialogo con l’utenza più attiva (anche gli
utenti premium potrebbero fornirci indicazioni su come migliorare il panel). Inoltre l’utente sarà
profilato, per fornirgli questionari adatti alla sue caratteristiche (età, preferenze, etc.) o per
indirizzarlo verso topic per il quale l’utente è più “portato”. Il profiling sarà ovviamente effettuato
con il consenso dell’utente e nei limiti della normativa sulla privacy: tutti i social network ci
profilano, e noi, dovendo raccogliere dati, abbiamo estremamente bisogno dell’implementazione
di questa particolare funzione per fornire servizi migliori e customer-oriented. I nostri canali
principali saranno la community per il B2C e il contatto diretto per il B2B. Non voglio annoiare il
lettore descrivendo il come e il perché abbiamo scelto la community, perché ormai avrà ben chiare
entrambe le variabili; quello su cui voglio soffermarmi è piuttosto il contatto diretto con le aziende
clienti. Per il B2B, abbiamo pensato infatti che la cosa migliore sia il contatto diretto: in tema di
consulenza non c’è metodo migliore, a nostro avviso, che la proposta diretta veicolata da un
individuo che “sa vendere” il prodotto nel migliore dei modi. Anche in questo caso abbiamo preso
spunto dal mondo della consulenza ed in particolare da Accenture, la società di consulenza più
famosa e innovativa al mondo. Il flusso dei ricavi sarà dunque costituito dall’information selling, la
nostra attività di punta, e dall’annessa consulenza mirata, che sarà strutturata e contestualizzata
in relazione all’azienda cliente. Non solo, perché beneficeremo dei ricavi provenienti dalla
pubblicità all’interno della piattaforma, che non sarà condotta solamente secondo i metodi
tradizionali, quindi riguardanti l’inserzione, ma anche attraverso forme di pubblicità secondarie
(vedi voce “inserzionisti” nel modello di Porter per un approfondimento più dettagliato).
Particolare attenzione va riservata anche alla voce “Upselling del dato”: il dato, infatti, come già
accennato, potrà essere nuovamente assemblato e ricontestualizzato secondo le esigenze
dell’azienda cliente. Inoltre, dal punto di vista di Keix, anche il concetto di “dato” cambierà: da
semplice materia prima si trasformerà in una commodity, che potrà quindi essere acquisita
dall’utente X o dall’utente Y, e poi rivenduta secondo le esigenze all’azienda Z e all’azienda K (per
comprendere bene questo concetto, la “lettura visiva” della prima immagine del documento sarà
sicuramente d’aiuto). Approdiamo quindi alla nostra proposta di valore, che si regge su tre pilastri:
incentivi, informazioni, consulenza. Gli incentivi saranno corrisposti agli utenti secondo varie
forme (coupon, buoni sconto, informazioni utili alla spesa), le informazioni aggregate saranno
invece fornite alle aziende unitamente alla consulenza, secondo il pacchetto che abbiamo già
analizzato. Il nostro core business risulta quindi delineato nella dimensione di un incontro tra il
mondo dei big data e quello della consulenza (concorrenza ibrida), ma questo aspetto sarà più
dettagliatamente ampliato nella sezione “potenziali entranti” del modello di Porter.
Modello di Porter:
Partiamo dai fornitori:
1) Utenti costituiscono i cosiddetti “data collectors”, ossia tutti noi che, ogni giorno,
generiamo e immagaziniamo un’incredibile quantità di dati. Perché non guadagnarci
sopra? Il potere contrattuale degli utenti-fornitori è in realtà relativamente basso, perché
secondo la nostra visione, il dato rappresenta una commodity, quindi gli switching cost per
noi (clienti in questo caso) risultano relativamente bassi. Se non trovo un 15enne che mi
vuole fornire un dato, ne avrò molti altri che saranno disposti a farlo in cambio di un
coupon spendibile da MediaWorld (o forse no, dato che proprio i giovani scarseggiano nel
nostro paese…).
2) Aziende imprese con cui stipuleremo partnership al fine di ottenere gli incentivi da
“girare” agli utenti-fornitori di dati. Le aziende con cui stipuleremo partnership,
diversamente dagli utenti, avranno un potere contrattuale leggermente più forte, perché
gli utenti, spesso, sono molto legati al brand dell’impresa della quale forniremo il coupon o
lo sconto. Io preferisco un buono su Amazon che su IBS, perché mentre nel primo posso
acquistare praticamente tutto, nel secondo la mia scelta sarà giocoforza orientata verso un
libro.
Passando ai competitors, si rimanda alla tabella dei competitors e alla mappa di
posizionamento che prendono in esame le caratteristiche salienti dei nostri competitors,
mettendole a paragone con le nostre.
Arriviamo dunque alla fine della dimensione verticale del modello, ossia ai clienti. Essi sono:
1) Utilizzatori dell’app i “data collectors” già citati non saranno solo i nostri fornitori di
punta, ma anche i nostri principali clienti, dal momento che dovranno adeguatamente
essere remunerati per il dato fornito, attraverso incentivi simil-monetari (coupon,
buoni sconto) o informazioni frutto dell’aggregazione dei dati della community stessa,
come consigli sulla spesa o indicazioni di risparmio.
2) Aziende con cui stipuleremo partnership per gli incentivi all’occorrenza, anche loro
potranno assumere il doppio ruolo di fornitori-clienti, dal momento in cui potremo
fornire loro informazioni utili al posizionamento strategico e consulenza in cambio degli
incentivi da “girare” agli utenti. In questo modo risparmieremo in termini puramente
finanziari puntando su un “pacchetto” di non indifferente appetibilità. In altre parole,
avremo minori uscite di cassa, ma forniremo quello che sappiamo “produrre” meglio:
informazioni e consulenza, al fine di ottenere sconti sulla fornitura degli incentivi
3) Aziende a cui vendere informazioni e consulenza annessa loro saranno la nostra
principale fonte di revenue: attraverso l’aggregazione e l’elaborazione dei dati della
community, saremo capaci di generare informazioni utili al posizionamento strategico e
di marketing delle aziende clienti, che potranno anche scegliere di essere da noi
assistite nell’implementazione e nel completo sfruttamento del prodotto fornitogli
(consulenza). Abbiamo anche pensato che potremo offrire loro uno sconto in cambio
dell’accesso alla loro banca dati. Andremo, ad esempio, da COOP e le diremo: “Potresti
pagare le nostre informazioni e l’annessa consulenza 15.000€, ma se ci fai accedere alla
tua banca dati (ottenuta con la fornitura delle cosiddette “carte fedeltà”), ne pagherai
10.500€”
4) Inserzionisti aziende che si vorranno pubblicizzare all’interno della piattaforma, che,
essendo aperta ad un target estesissimo, potrà accogliere pubblicità di aziende di ogni
tipologia. Persino il posizionamento nei sondaggi sarà fonte di ricavo dalla pubblicità.
Se io ti chiedo: “Quale prodotto preferisci per la cura dei capelli? 1-Pantene, 2-Nivea, 3-
Head&Shoulders, 4-L’Oreal, 5-Bioscalin, etc.” ovviamente Pantene, che avrà il primo
posto nel sondaggio, pagherà qualcosa in più per essere vista per prima dai
consumatori.
Passando alla dimensione orizzontale del modello, analizziamo i potenziali entranti:
1) Società di consulenza non sarebbe difficile per grandi multinazionali come Accenture
(che dispongono anche di un capitale decisamente più corposo del nostro) aprire un
panel di raccolta dati, dal momento che essi sono già esperti in consulenza e mancano
solamente del reperimento dei dati, che alzerebbe drasticamente il prezzo delle loro
consulenze.
2) Società di raccolta dati come i competitors che abbiamo analizzato, che potrebbero
anche aprire un ramo di consulenza per dare più “corposità” alla loro offerta.
In altre parole, quello che noi abbiamo fatto è integrare due mondi come quello della
raccolta dati e della consulenza, apparentemente distanti, ma in realtà strettamente
collegati. Pertanto chi si occupa o di consulenza o di raccolta ed elaborazione dati
potrebbe integrarsi ed entrare direttamente nel nostro business, pur non avendo il
nostro know-how.
Infine, analizziamo i prodotti sostitutivi:
1) Recensioni online nonostante le nostre informazioni aggregate siano
qualitativamente superiori, non dimentichiamoci che, ad esempio, su youtube, esistono
vere e proprie imprese che si occupano di monetizzare proprio dalle recensioni (ad
esempio, telefonino.net per le recensioni dettagliate dei nuovi smartphone), che
risultano molto gradevoli dal momento che danno un impatto visivo non indifferente al
consumatore, che noi, per evidenti limiti fisici e per non rischiare di differenziare
troppo il nostro prodotto, non possiamo fornire.
2) Interviste face to face e interviste telefonichedi cui Keix si occupa già da adesso ma
che abbandonerà una volta creato il panel, dal momento che potrà ridurre
significativamente i costi grazie all’innovazione da noi apportata. Questo non toglie il
fatto che, comunque, questi due tipi di reperimento dei dati risultano alternative al
nostro nuovo modello.
3) Gruppi di interesse: su Facebook, ad esempio, esistono moltissimi gruppi di interesse
tematici, in cui le persone scambiano pareri e recensioni tra i più disparati. Essi sono il
più valido tra i nostri prodotti sostitutivi, ma l’interesse nel fornire i dati alla nostra
community proviene dall’irrinunciabile incentivo che gli utenti hanno nel fornire
informazioni al nostro pannello, piuttosto che a Facebook, da cui non otterranno nulla.
Il social network di Zuckerberg infatti raccoglie già una quantità davvero
incommensurabile di dati, se per caso decidesse di “integrarsi” cominciando ad
elaborare da sé i dati, sarebbe le fine per tutte le piattaforme di raccolta dati online…
SWOT Analysis
La SWOT Analysis non è altro che la schematizzazione dei concetti che fino ad ora sono
stati trattati. Potrei elencarli nuovamente, ma non mi sembra giusto per non annoiare il
lettore e per non gonfiare eccessivamente il documento con concetti ridondanti. Si
consiglia quindi una lettura veloce dello schema. Analizzerò quelle componenti che
richiedono una più attenta valutazione perché non ancora trattate. Le carenze
normative sulla sharing economy sono considerate un punto di vantaggio, in quanto
dalle nostre ricerche è emerso che l’ordinamento italiano, per via della struttura del
nostro potere legislativo, fatica a tenersi continuamente aggiornato sulle varie forme di
economia alternative che proliferano a seguito della stagnazione dei consumi. Questo
permette alla nostra impresa di non sostenere costi di nessun tipo per il trasferimento
dell’informazione all’utente (e che, invece, dovrebbe essere tassata come tutti gli altri
beni) e di godere di forme particolari di sgravi fiscali per quanto riguarda gli accordi di
partnership con le aziende che forniranno gli incentivi simil-monetari. L’unica
componente restante che non ho analizzato in altri modelli riguarda l’ “elevato potere
contrattuale dei competitors nei confronti dei partner”: Toluna, ad esempio, contando
più di 2 milioni di utenti attivi, acquisterà sicuramente i coupon da Amazon ad un
prezzo minore rispetto a quello che sosterremo noi, perché giocherà sulla quantità
maggiore che farà inevitabilmente abbassare il prezzo. Ma, come ho già detto, il nostro
progetto è completamente scalabile, quindi il tempo ci darà le nostre risposte…
Analisi finanziaria
Non sono pochi i progetti che, nonostante un’ottima base concettuale, vengono tagliati fuori dal
mercato, che spesso si rivela uno spietato selezionatore. Dall’inizio del progetto abbiamo sempre
tenuto d’occhio l’evoluzione finanziaria, coniugando le idee ai fatti. Ecco quello che è venuto fuori.
Il piano finanziario che abbiamo preparato visualizza i costi e ricavi che prospettiamo si possono
generare già dal primo anno di vita di iData.
Il primo e indiscutibile costo da sostenere concerne l’implementazione della piattaforma, che
abbiamo stimato in € 20.000 (Keix ci ha aiutato), ammortizzabili in 5 anni, con quote di
competenza pari a € 4.000 l’anno.
I costi di marketing, anch’essi ammortizzabili in 5 anni, rispecchiano il 20% del fatturato totale
ipotizzato e sono pari a € 3.300 l’anno.
I costi del Cloud, intesi come tutti quei costi inerenti alle apparecchiature elettroniche,
informatiche e ai SaaS (software as a service) per raccogliere ed elaborare i dati, incidono sul
nostro piano finanziario di circa € 8.000; invece la manutenzione della piattaforma richiederà una
cifra pari a € 2.000.
Ipotizzando, insieme all’impresa un aumento del personale IT, ossia sviluppatori della piattaforma,
di circa due unità, al lordo il loro costo ammonterà ad € 45.000.
Ultimi, ma non per importanza, sono i costi degli incentivi, che hanno richiesto particolare
attenzione ed impegno da parte di tutto il team: tale costo è calcolato supponendo che, nel primo
anno di attività, verranno effettuate 50 indagini statistiche sottoposte ad un utenza di 500
persone, per un totale di 25.000 sondaggi, che è il risultato della moltiplicazione tra i due elementi
sovracitati ed esso viene interpretato come la somma dei sondaggi che sono stati effettuati
dall’intero panel. Considerando che €1=750 cdt, il valore precedentemente ottenuto è stato infine
moltiplicato per €1 che rappresenta il costo unitario dei sondaggi, pervenendo ad un costo degli
incentivi pari a € 25.000.
Pertanto, date le stime effettuate sui costi, siamo pervenuti a un costo totale dell’anno t0 pari a
€87.300.
La previsione dei ricavi è risultata più difficoltosa e complessa, tuttavia siamo ugualmente giunti ad
una stima, più possibile attendibile e vicina al vero.
Le nostre maggiori fonti di ricavi sono:
La vendita delle informazioni, il cui valore è stato calcolato, immaginando di vendere al
prezzo unitario di €1000 euro informazioni a 50 imprese, ricavando, quindi, da tale vendita
€ 50 000.
La consulenza, offerta ad un prezzo unitario pari a €1500 euro, che abbiamo ipotizzato
essere destinata a 20 imprese, ci consentirà un guadagno pari a € 30.000.
La pubblicità all’interno della piattaforma, che ci permetterà di conseguire degli introiti pari
a € 30.000, è stata quantificata mediante il confronto con esperti del settore.
Dalla valutazione di tali voci dei ricavi si stima un fatturato pari a € 110.000, ottenendo così un
margine operativo positivo uguale a € 22.700 già dal primo anno. Poco secondo qualcuno, ma
considerando che dovremmo ammortizzare i costi iniziali, e soprattutto il fatto che siamo stati
estremamente realistici, se non pessimisti, nella stima dei ricavi (500 è un dato volutamente
sottostimato, il progetto è scalabile al 100%), si arriva alla considerazione che gli utili non potranno
che salire, sulla base del fatto che la nostra struttura dei costi è basata per lo più su fattori variabili
(proporzionali ai ricavi), quindi in ogni caso il margine operativo sarà in utile.
Mappa di posizionamento tridimensionale
Concepita con l’idea di contenere solamente due variabili, la nostra mappa di
posizionamento si è inaspettatamente rivelata creativa e fuori dagli schemi. Abbiamo
deciso di prendere in analisi tre variabili: presenza o meno della community, tasso di
convertibilità (calcolato facendo una media dei principali tassi delle piattaforme
competitors: 1€/crediti ottenuti con quell’euro) e infine premi in informazioni, che noi
abbiamo definito “la start up del nostro business development”. Quello che è venuto
fuori è un cubo “alla Abell” (realizzato con paint 3D) in cui noi occupiamo un’area
decisamente più voluminosa delle rispettive aree dei nostri competitors. Per non
confondere troppo, abbiamo però deciso di prendere in analisi un competitor avente
solamente una delle tre variabili, quindi un punto unidimensionale, un altro avente due
variabili su tre, che occupa quindi un’area bidimensionale, e paragonare entrambi i
competitors al nostro panel che occupa un’aria tridimensionale, essendo l’unico a
svilupparsi secondo le tre variabili prese in considerazione.
Ansoff Matrix
La matrice di Ansoff, apparentemente uno dei modelli più facili da strutturare, si è
rivelata invece molto complessa. Convinti di aver creato un nuovo mercato, frutto
dell’incontro tra il settore dei big data e quello della consulenza, eravamo orientati
verso il market development. In realtà, facendo brainstorming, ci siamo resi conto che
in effetti nel mercato non c’è nulla di nuovo, perché abbiamo molti competitors che
raccolgono dati e molti potenziali competitors che forniscono consulenza e potrebbero
integrarsi “a monte” raccogliendo dati. La nostra innovazione riguarda più la sfera dell’
“how”, ossia il come noi raccoglieremo dati e li rivenderemo, ma i mercati in cui
operiamo esistono già e, secondo le nostre previsioni, conosceranno una proliferazione
anche nel breve termine. Pertanto abbiamo optato per la market penetration, dal
momento che anche il prodotto finale esiste già (informazioni, consulenza). Quello che
abbiamo creato non è altro che una sincretizzazione eclettica dei due settori in cui
entreremo, che presto diventeranno, per molte aziende come la nostra, un unico
business ben definito.
Last, but not least…
La nostra proposta non è di immediata comprensione, non è “disrupting” (ma occhio
all’idea delle informazioni), ma siamo profondamente convinti sia fattibile al 100%,
anche nel breve termine. Per questo motivo Keix ha già avviato le prime fasi di sviluppo
dell’applicazione. Abbiamo lavorato con Keix più di 30 ore face-to-face, mentre altre 40
ore sono state spese dal team per la pianificazione e la gestione delle varie scadenze;
per questo motivo abbiamo calcolato un costo totale per Keix di 7,300€ (25€ l’ora x 4
componenti del team x 70h di lavoro + 300€ per l’utilizzo di programmi quali Excel,
PowerPoint, Sony Vegas, Word, etc.). In Italia esiste solo un dipartimento, afferente
all’Università Sapienza di Roma (creato da qualche mese), che si occupa di formare
figure professionali specializzate nei “big data” e il settore cresce del 400% l’anno.
Grazie ad un utilizzo responsabile delle informazioni fornite, metteremo le aziende
nelle condizioni di risparmiare migliaia, se non milioni di euro in R&S, ricerche di
mercato, etc. permettendo quindi all’intera collettività di beneficiarne, dal momento
che questo evento si tradurrà in una diminuzione dei prezzi dei prodotti finali. Con la
promessa di restare in contatto con l’azienda, ci siamo augurati di vedere la nostra
applicazione in funzionamento al massimo nel 2019. Ogni giorno su internet viaggiano
44 trilioni di gigabyte di dati, il 60% di questi viene perso nelle reti di internet stesso;
utilizzarli al massimo significa rendere più efficiente l’intero sistema produttivo, senza
limiti settoriali o geografici, dal momento che il cliente rappresenta il centro di qualsiasi
forma di impresa. La scalabilità del nostro progetto è pressoché illimitata e i costi (odio
essere ripetitivo ma devo) sono quasi trascurabili; non ci resta che stare a vedere…
“Nei soli Stati Uniti, per poter sfruttare efficacemente le potenzialità dei big data nei
processi decisionali occorrerebbero dalle 140 alle 190 mila persone.”
-Vincenzo Cosenza, esperto di marketing e comunicazione sul web
Progetto realizzato da:
Margherita Modica
Caterina Passamonte
Antonio Salerno
Enrico Vona