Quando nel 2018 il team dirigenziale di Boggi Milano si è trovato di fronte a un calo delle visite domenicali nel proprio negozio principale, ha scoperto qualcosa di sorprendente: la causa principale non era né il marketing né il merchandising. Era la scarsa familiarità del personale con la disposizione del negozio a influire sulle conversioni dei clienti. Questa intuizione, emersa grazie ad analisi avanzate all’interno del negozio, ha segnato l’inizio di una trasformazione basata sui dati che avrebbe portato a un aumento del 40% del rendimento degli acquirenti nei cinque anni successivi.
LEGGI DI PIÙ: Il commercio al dettaglio nel 2030: le possibilità tecnologiche nei negozi
La sfida di crescere senza avere una visione chiara della situazione
Gestire 235 negozi in 61 paesi comporta sfide operative uniche. Per Boggi Milano, il marchio di moda italiano famoso per la sua linea di abbigliamento maschile contemporanea, che unisce materiali sostenibili a un design all’avanguardia, la mancanza di una visione d’insieme delle prestazioni stava diventando un ostacolo alla crescita.
L’azienda doveva affrontare tre punti critici che molti rivenditori con più punti vendita conoscono fin troppo bene. Innanzitutto, non riusciva a distribuire efficacemente il personale nella propria rete di negozi. Alcuni punti vendita avevano personale in eccesso nei periodi di calma, mentre altri facevano fatica durante i picchi di affluenza. In secondo luogo, capire quali negozi avessero un’alta affluenza ma bassi tassi di conversione richiedeva un’analisi manuale che era sia dispendiosa in termini di tempo che spesso imprecisa. Infine, senza una visione chiara del numero di clienti per ora di lavoro, ottimizzare la produttività del personale rimaneva una questione di supposizioni piuttosto che una strategia.
Marco Benasedo, Chief Information Officer di Boggi Milano, ha capito che queste sfide richiedevano qualcosa di più delle tradizionali metriche del settore retail. L’azienda aveva bisogno di analisi complete e in tempo reale, in grado di tradurre il complesso comportamento degli acquirenti in decisioni operative concrete.
Oltre il semplice conteggio dei visitatori: il potere dell’analisi integrata
La piattaforma di RetailNext, basata sulla tecnologia dei sensori Aurora, offriva qualcosa di fondamentalmente diverso dai semplici sistemi di conteggio delle persone. Il Aurora combina diverse funzionalità di acquisizione dati in un unico dispositivo IoT, tra cui video HD, Wi-Fi e rilevamento Bluetooth. Ma l’hardware da solo non basta a risolvere i problemi aziendali; è il livello di intelligenza che trasforma i dati grezzi in informazioni strategiche.
L'intelligenza artificiale basata sul deep learning della piattaforma elabora i modelli comportamentali per fornire una comprensione approfondita del percorso degli acquirenti. Anziché limitarsi a contare gli ingressi e le uscite, il sistema analizza il tempo di permanenza, i percorsi seguiti e le zone di interazione. Questa visibilità dettagliata permette ai rivenditori di capire non solo quante persone entrano nei loro negozi, ma anche quanto efficacemente quelle visite si traducano in vendite.
Per Boggi Milano, questo ha significato passare da operazioni reattive a operazioni predittive. Le previsioni algoritmiche della piattaforma utilizzano i modelli storici per stimare il traffico a intervalli di 15 minuti, consentendo una pianificazione proattiva del personale. La formattazione condizionale e i dashboard intuitivi assicurano che i responsabili dei negozi possano individuare rapidamente le opportunità senza perdersi nella complessità dei dati.
SCOPRI: Perché è importante scegliere un unico partner per l'installazione dei sistemi tecnologici
Risolvere il rompicapo dell’allocazione della manodopera
Una delle sfide più urgenti di Boggi Milano era quella di stabilire il numero adeguato di dipendenti equivalenti a tempo pieno (FTE) per ciascuno dei suoi negozi. Dovevano portare a termine questo compito in appena una settimana. Gli approcci tradizionali avrebbero richiesto un’ampia attività di osservazione e stima manuale, con il rischio di incorrere in notevoli imprecisioni.
Utilizzando gli strumenti di analisi Traffic 3.0 di RetailNext, il team ha adottato un approccio basato sui dati. Ha analizzato i modelli relativi alla durata delle visite, scoprendo che i clienti trascorrevano in media 17-18 minuti in negozio. Tenendo conto anche del fatto che ogni addetto alle vendite poteva servire efficacemente 3,5 clienti per ora lavorativa, ha stabilito con precisione il fabbisogno di personale.
Ma Boggi Milano è andata oltre le semplici medie. Rendendosi conto che ogni negozio ha caratteristiche uniche, ha personalizzato l’analisi in base alla sede. Un negozio monomarca nel quartiere della moda di Milano funziona in modo diverso da un punto vendita in un centro commerciale di periferia. Questo approccio dettagliato all’ottimizzazione della forza lavoro ha portato a risultati straordinari: una riduzione del 15% del personale dal 2018, migliorando al contempo la qualità del servizio clienti.
L’azienda ha inoltre definito chiare aspettative di rendimento basate sull’analisi dei dati. Gli addetti alle vendite ora sanno che circa la metà del loro tempo dovrebbe essere dedicata alle attività di vendita diretta, mentre il resto va riservato a compiti essenziali non legati alla vendita, come l’allestimento del punto vendita e la gestione delle scorte. I dati hanno rivelato che gli addetti più efficaci generano circa una transazione ogni due ore. Questo parametro di riferimento aiuta i manager a guidare le prestazioni e a riconoscere l’eccellenza.
Semplificare il successo attraverso la selezione strategica dei KPI
Molti rivenditori cadono nella trappola di monitorare troppi indicatori, creando confusione invece che chiarezza. Anche Boggi Milano, all’inizio, ha dovuto affrontare questa sfida, sommergendo i team dei negozi con numerosi KPI che spesso davano segnali contrastanti sulle priorità.
Dopo un'attenta analisi dei dati relativi al RetailNext, l'azienda ha deciso di concentrarsi principalmente sullo "Shopper Yield". Questo indicatore composito si calcola moltiplicando il tasso di conversione per il valore medio delle transazioni. Questo unico KPI bilancia in modo ottimale le due componenti fondamentali del successo nel settore retail.
La visualizzazione del “Quadrante delle prestazioni” è diventata uno strumento potentissimo per i responsabili di negozio e i responsabili di zona. Questo semplice report rappresenta graficamente le prestazioni di ogni punto vendita su due assi: il tasso di conversione e il valore medio della transazione. I negozi che si trovano in quadranti diversi ricevono un coaching mirato. I punti vendita con alta conversione e basso valore medio delle transazioni puntano ad aumentare il valore del carrello. I negozi con articoli costosi ma con una bassa conversione lavorano invece per coinvolgere un maggior numero di clienti che si limitano a curiosare.
Questo approccio mirato evita l'errore comune di ottimizzare un indicatore a scapito di un altro. Quando i team puntano troppo sui tassi di conversione, rischiano di mettere fretta ai clienti e di ridurre il valore delle transazioni. Al contrario, concentrarsi esclusivamente sulle vendite di grande entità può significare perdere opportunità con più clienti. Shopper Yield mantiene entrambi i fattori in equilibrio.
L'azienda è inoltre passata dall'analisi giornaliera a quella oraria delle prestazioni, mettendo in luce tendenze che non si notavano nei dati aggregati. Un negozio potrebbe registrare un tasso di conversione giornaliero accettabile, ma l'analisi oraria potrebbe rivelare opportunità mancate durante le ore di punta del pranzo o nei momenti di massimo afflusso del fine settimana.
Impatto misurabile: da Insights ai risultati
La collaborazione quinquennale tra Boggi Milano e RetailNext ha portato a miglioramenti aziendali misurabili che confermano la validità dell'investimento nell'analisi avanzata dei dati:
Aumento del 40% dello Shopper Yield: la strategia incentrata sui KPI ha portato a miglioramenti costanti sia nella conversione che nel valore delle transazioni
Aumento del tasso di conversione di 5 punti: una migliore distribuzione del personale e una formazione più mirata, basate sull’analisi dei flussi di traffico, hanno migliorato il coinvolgimento dei clienti
Aumento del 15% dello scontrino medio: capire il comportamento dei clienti ha permesso di mettere in atto strategie di merchandising e di vendita più efficaci
Riduzione del 15% dei costi del personale: la pianificazione ottimizzata ha permesso di ridurre le spese salariali mantenendo la qualità del servizio
Questi risultati dimostrano che l'analisi dei dati nel settore retail non significa sostituire il giudizio umano con gli algoritmi. Si tratta piuttosto di fornire ai team informazioni precise per prendere decisioni migliori. Quando i responsabili dei negozi capiscono esattamente quando arrivano i clienti, come si muovono all’interno del punto vendita e cosa favorisce la conversione, possono creare esperienze che vanno a vantaggio sia degli acquirenti che dei profitti.
Il futuro della retail intelligence
Il successo di Boggi Milano mette in luce un cambiamento fondamentale nelle operazioni di vendita al dettaglio. Come sottolinea Benasedo, la capacità di trasformare analisi complesse in informazioni utili semplifica il processo decisionale e permette di reagire rapidamente alle condizioni in continua evoluzione. Ciò che prima richiedeva settimane di analisi manuale ora avviene in tempo reale.
Investire in una tecnologia di analisi affidabile come la piattaforma di sensori Aurora di RetailNext non significa solo migliorare le operazioni. Si tratta di creare un vantaggio competitivo grazie alla comprensione dei clienti. In un’epoca in cui i rivenditori online hanno una visibilità perfetta su ogni clic e ogni scorrimento, i negozi fisici hanno bisogno di informazioni altrettanto precise sui propri spazi.
Per i rivenditori che stanno valutando investimenti simili, il percorso di Boggi Milano offre insegnamenti preziosi. Inizia individuando chiaramente le sfide aziendali, invece di rincorrere la tecnologia fine a se stessa. Concentrati su metriche che favoriscano prestazioni equilibrate, invece di sommergere i team di dati. E, cosa più importante, renditi conto che l’obiettivo non è solo misurare, ma creare esperienze migliori sia per i clienti che per i collaboratori.
Man mano che il settore del commercio al dettaglio continua a evolversi, il divario tra le operazioni basate sui dati e quelle basate sull’intuizione non farà che aumentare. La trasformazione di Boggi Milano dimostra che, con il partner tecnologico giusto e una visione strategica chiara, i rivenditori possono portare alla luce le opportunità nascoste nei propri dati operativi, favorendo una crescita sostenibile e migliorando al contempo l’esperienza di acquisto.
👉 LEGGI IL CASO DI STUDIO COMPLETO: Leggilo online o scaricalo
