Come Trove risparmia oltre 3000 ore di sviluppo all'anno con Product Analytics di Contentsquare.

Insights fondamentali

L'azienda

Trove è una piattaforma tecnologica e operativa che aiuta i brand a creare e gestire programmi di rivendita e di permuta. L'azienda offre strumenti e competenze operative ai negozi di rivendita con un proprio brand e a iniziative di permuta, riparazione e riciclaggio sostenibile, al fine di mantenere i prodotti in circolazione più a lungo, rendendo il commercio circolare non solo una dichiarazione fatta in nome della sostenibilità, ma una parte fondamentale dell'attività aziendale.

Rocco Giordano, Senior Product Manager, e McCall James, Senior Data Analyst, si occupano di fornire insights comportamentali e reportistica sui funnel di vendita, due elementi essenziali per la gestione dei programmi di oltre 40 brand partner.

La sfida

Con un network in continua crescita e l'espansione dell'offerta di prodotti, Trove ha dovuto riconoscere i sempre più evidenti limiti del monitoraggio manuale degli eventi.

Si pretendeva da un team di dimensioni ridotte di fornire analytics dettagliate e granulari per una gamma crescente ed estremamente diversificata di programma di permuta in-store, negozi di rivendita online, servizi di riparazione e attività di reso di prodotti. Il tutto senza un metodo scalabile per acquisire i dati comportamentali, che rendeva impossibile stare al passo continuando a usare il modello aziendale adottato fino a quel momento.

Ecco le principali sfide che hanno dovuto affrontare:

• Il team di sviluppo doveva inserire manualmente nei prodotti digitali i codici di monitoraggio degli eventi, che richiedevano al team composto da sei persone circa 252 ore di lavoro all'anno.

• I data scientist passavano il loro tempo a richiedere e attendere eventi taggati invece di concentrarsi sull'analisi dei dati.

• Il processo di onboarding per i nuovi partner richiedeva fino a due mesi ed era possibile gestire un solo partner alla volta.

• La frammentarietà della pipeline di dati comprometteva l'affidabilità dei confronti tra partner e piattaforme.

• I tempi di risposta troppo lunghi alle richieste di analytics, limitavano la capacità del team di supportare in tutta l'azienda un processo decisionale basato sui dati.

Il problema si è aggravato mano a mano che sono aumentate le dimensioni di Trove. Con il tempo sono usciti fuori nuovi tipi di partner: alcuni si occupavano solo di resi, altri gestivano progetti pilota di trade-in, altri ancora programmi completi che includevano tutti questi aspetti. Ognuno dei partner aumentava il carico di lavoro di un team già al limite delle proprie capacità.

La soluzione

Sono ormai sette anni che Trove usa Product Analytics di Contentsquare, basata sulla tecnologia Heap, che è diventata una componente fondamentale dell'approccio del team di dati. Questa soluzione offre al team una singola piattaforma che acquisisce automaticamente i dati comportamentali in tutti gli ecosistemi di Trove, consentendo ai partner di avere piena visibilità sui loro programmi. 

"Abbiamo a disposizione un set coerente di eventi per la creazione di funnel e report, a prescindere dalla piattaforma di trade-in che il partner ha deciso d'implementare. È proprio la coerenza offerta da Heap di Contentsquare, come piattaforma unica per monitorare tutti questi eventi e convogliarli nel nostro database, a essersi rivelata particolarmente utile. Avremmo dovuto altrimenti programmare eventi personalizzati direttamente nel nostro codice, il che avrebbe comportato un'enorme mole di lavoro di sviluppo e notevoli sforzi di manutenzione."

Rocco Giordano

Senior Product Manager

Come Contentsquare ha aiutato Trove

1. Eliminazione del tagging manuale degli eventi grazie a Smart Capture

Con Smart Capture, Product Analytics acquisisce automaticamente le interazioni degli utenti con qualsiasi prodotto digitale di Trove, il tutto senza bisogno di configurazione manuale.

"Smart Capture ci ha sicuramente aiutato quando non riuscivamo a stare al passo con gli sviluppi e le implementazioni in produzione. L'acquisizione dei dati è retroattiva, quindi non ci perdiamo due mesi di dati."

McCall James

Senior Data Analyst

Questo fatto ha rappresentato una vera e propria rivoluzione per un team di dati di dimensioni così modeste. Quando una nuova pagina, un pulsante o una funzionalità viene pubblicata, i dati vengono acquisiti automaticamente e in maniera retroattiva, assicurando al team di non perdere niente a proposito del comportamento degli utenti, anche quando non può reagire immediatamente a un nuovo aggiornamento in produzione.

La funzionalità Smart Capture di Contentsquare acquisisce ogni interazione sull'app o sul sito web fin dal primo giorno.

Durante il lancio di un nuovo plug-in per le riparazioni rivolto ai partner in Europa, Smart Capture ha permesso al team dati di Trove di rispettare le normali tempistiche di reporting senza dover configurare gli eventi prima dell'avvio del progetto pilota. I dati erano tutti disponibili e proprio quando servivano di più.

2. Ridurre i tempi di onboarding dei partner da mesi a giorni

Prima dell'introduzione di Product Analytics, l'onboarding di un nuovo brand partner nell'ecosistema di analytics di Trove era un processo lungo e dispendioso in termini di risorse: era gestibile solo con un partner alla volta e richiedeva fino a due mesi per essere completato. Grazie all'acquisizione automatica degli eventi, aggiungere un nuovo partner non è diverso dal creare un nuovo progetto e attivarlo.

Il team di dati è ora in grado d'integrare più partner alla volta: un cambiamento che ha consentito direttamente a Trove di ridurre drasticamente i tempi d'integrazione, uno dei loro KPI interni. Per un'azienda che si concentra sulla crescita del portfolio di partner, questo rappresenta un notevole vantaggio.

"È semplicissimo: basta creare un nuovo spazio all'interno di un progetto e attivarlo, in modo da trasferire automaticamente tutti gli eventi. A noi non è richiesto nessun ulteriore accorgimento. Questo ha semplificato notevolmente il nostro lavoro e per di più non rischiamo di trascurare attività che sono altrettanto importanti.

McCall James

Senior Data Analyst

3. Scoprire insights sui dati a larga scala

Una delle applicazioni di Product Analytics adottata da Trove, che si è rivelata particolarmente importante dal punto di vista strategico, è stata Funnel Analysis allo scopo di migliorare l'esperienza di trade-in dei consumatori. A differenza dell'ecommerce tradizionale, non c'è niente di già assodato nell'ottimizzazione delle conversioni in un flusso di permuta. Questo significa, quindi, che i brand che gestiscono questo tipo di programmi brancolano per lo più nel buio, laddove chi sa come reagire, ha un reale vantaggio competitivo.

Il team di prodotto di Trove ha usato i dati sugli eventi di Product Analytics per individuare con esattezza i punti in cui gli utenti abbandonano il sito e testare diverse soluzioni, in modo da trovare il giusto equilibrio tra l'acquisizione d'informazioni sui diversi aspetti e il mantenimento di un'esperienza di navigazione fluida.

Con il tagging manuale, questo tipo di sviluppo iterativo del prodotto basato sui dati, non sarebbe stato possibile. Chiedere al team di sviluppo di elaborare ogni nuovo scenario di test per tutti i nuovi flussi è semplicemente impraticabile per un team composto da quattro persone.

"Abbiamo cominciato a usare Heap di Contentsquare per testare diverse ipotesi, esaminare i dati e perfezionare il prodotto. Il vecchio approccio basato sul tagging manuale non si prestava a questo scopo, perché avrebbe richiesto da parte del team di sviluppo un enorme lavoro per elaborare i diversi flussi in modo da monitorare vari scenari di test. Decisamente un approccio difficilmente scalabile.

Rocco Giordano

Senior Product Manager

Un altro esempio che illustra bene questo concetto è quello di un widget di merchandising realizzato da Trove per uno dei suoi brand partner, un rivenditore di abbigliamento outdoor. Il widget appariva come una tile sul sito principale del partner che invitava i clienti a visualizzare lo stesso articolo come annuncio di rivendita di articoli di seconda mano.

Con l'aiuto dei preesistenti eventi di Product Analytics e suddividendo semplicemente i dati in base ai parametri UTM (distinguendo gli utenti arrivati sul sito di rivendita tramite il widget da quelli del traffico organico), ha consentito al team di Trove di effettuare un confronto diretto e parallelo tra le performance delle sessioni dei due gruppi. Il tutto senza bisogno di aggiungere nuovi tag.

Il team ha potuto osservare in dettaglio il comportamento degli utenti che cliccavano sul widget sul sito di rivendita rispetto a quello dei visitatori normali. Questo ha fornito al brand partner un quadro chiaro e basato sui dati di quale fosse l'impatto dell'integrazione sull'engagement con la rivendita.

4. Promozione delle analytics self-service in tutta l'azienda

Il fatto che Product Analytics sia facile da usare ha permesso ad altri team, oltre a quelli di dati e di prodotto, di capirne l'utilità e l'efficacia. In azienda i senior partner manager e altri ruoli che non si occupano di dati in maniera diretta possono comunque accedere direttamente all'interfaccia, creando report in modo rapido, filtrando per partner e rispondendo a domande specifiche, senza la necessità di aprire un ticket.

Questo layer di self-service alleggerisce il carico di lavoro del team di dati, che può quindi concentrarsi su attività con un maggiore impatto, ad esempio la creazione di nuovi report per il lancio di prodotti o la riprogettazione dei modelli di dati esistenti.

Quando McCall James ha cominciato a lavorare presso Trove non aveva alcuna esperienza pregressa con la piattaforma. Nel giro di poche settimane era già pienamente operativa, a dimostrazione di quanto Product Analytics sia intuitiva e facile da usare.

"Quando ho cominciato a lavorare da Trove, non avevo mai usato Heap di Contentsquare. Poter iniziare senza alcuna preparazione e con un onboarding minimo mi ha permesso d'imparare in fretta e di essere in grado di fare tutto ciò di cui avevo bisogno, pur avendo poca esperienza."

McCall James

Senior Data Analyst

I risultati

L'impatto di Product Analytics sulle operazioni di Trove è stato significativo e ha migliorato l'efficienza del team tecnico, riducendo al contempo il carico di lavoro per il team che si occupa dei dati:

• Un risparmio di circa 3000 ore di un FTE (equivalente a tempo pieno) ogni anno eliminando il tagging manuale degli eventi da parte dei sei membri del team di sviluppo e dei tre data scientist.

• Miglioramento del 4-12% su base annua della capacità di richiesta di analytics, che ha permesso al team di concentrarsi su attività strategiche a maggiore impatto.

• Riduzione della durata dell'onboarding da mesi a giorni, che ha consentito ai team di Trove di ampliare il portfolio di partner senza dover aumentare l'organico.

• Un team di dati composto da quattro persone riesce oggi a fornire a oltre 40 brand partner una reportistica coerente, affidabile e disponibile su diverse piattaforme.

Per il team di Trove i vantaggi non si riducono alle ore di lavoro risparmiate. Product Analytics ha reso possibile un aumento notevole delle attività di cui un team di modeste dimensioni può occuparsi e ha offerto all'azienda un autentico vantaggio competitivo, in un settore in cui i dati comportamentali sui programmi di rivendita e permuta sono ancora rari.

"Poter contare su una piattaforma affidabile e stabile che funzioni senza problemi è il più grande vantaggio che abbiamo. Si adatta alla perfezione all'offerta dei nostri partner e non richiede un grande impegno in termini di gestione e manutenzione da parte nostra. Quest'ultimo è un fattore fondamentale quando si cerca di ampliare il numero dei partner con un team piuttosto ridotto."

Rocco Giordano

Senior Product Manager

E ora?

Oggi Trove ha cominciato a occuparsi anche della gestione dei resi, una delle maggiori difficoltà da affrontare per i brand di ecommerce. Il team sta quindi esaminando attivamente la possibilità di un'integrazione ancora più avanzata tra Product Analytics e il software operativo di Trove.

L'obiettivo è monitorare le interazioni nei workflow con il magazzino e il trattamento delle richieste, aiutando i manager dei diversi reparti a identificare le criticità incontrate dallo staff e le aree in cui è possibile migliorare l'efficienza.

Il team sta inoltre valutando il modulo Session Replay di Contentsquare e l'adozione di Contentsquare da parte degli altri reparti aziendali. La roadmap riflette un fatto chiaro: all'evoluzione di Trove si accompagna un'evoluzione del modo in cui usano la piattaforma.

"Grazie a Contentsquare non c'è niente di cui non possiamo occuparci, indipendentemente dalla struttura del programma del nostro partner e dalle componenti di Trove che hanno deciso di usare. Il futuro è in continua evoluzione e Contentsquare ci dà tutte le carte necessarie per soddisfare le esigenze dei nostri partner, a prescindere dalla direzione in cui vanno."

McCall James

Senior Data Analyst