Cosa vogliono veramente i clienti?

Guarda e ascolta l’autore Eric Almquist spiegare il concetto MaxDiff e come una catena di ristoranti utilizzato per migliorare le vendite.

Cosa succede quando si combinano virtuosismo nel design del prodotto, tecniche di ricerca di mercato ad alta potenza e dati dei clienti abbondanti? Troppo spesso, il risultato è gadget che soffrono di “feature creep” o il ritorno di miliardi di dollari di merce da parte di clienti che volevano qualcosa di diverso dopo tutto. Questo tipo di rifiuti è già abbastanza grave in tempi normali, ma in una crisi può prendere un pedaggio temibile.

Il problema è che la maggior parte degli strumenti di valutazione delle preferenze dei clienti utilizzati oggi nello sviluppo del prodotto sono strumenti smussati, principalmente perché i consumatori hanno difficoltà a articolare i loro veri desideri. Chiesto di valutare una lunga lista di attributi di prodotto su una scala da 1 (“completamente irrilevante”) a 10 (“estremamente importante”), i clienti sono inclini a dire che vogliono molti o anche la maggior parte di loro. Per risolvere questo problema, le aziende hanno bisogno di un modo per aiutare i clienti ad affinare la distinzione tra “bello avere” e “devo avere.”

Alcune aziende stanno cominciando a perforare la nebbia utilizzando una tecnica di ricerca chiamata ” Maximum Difference Scaling.””MaxDiff” è stato aperto la strada nei primi anni 1990 da Jordan Louviere, che ora è professore presso l’Università di Tecnologia, Sydney. (Come con la maggior parte degli sviluppi accademici all’avanguardia, ci è voluto del tempo per tradurre la ricerca di Louviere in strumenti pratici.) MaxDiff richiede ai clienti di effettuare una sequenza di compromessi espliciti. I ricercatori iniziano accumulando un elenco di attributi di prodotto o di marca—in genere da 10 a 40—che rappresentano potenziali benefici. Quindi presentano ai rispondenti gruppi di quattro attributi alla volta, chiedendo loro di selezionare quale attributo di ciascun set preferiscono di più e meno. I successivi round di raggruppamenti misti consentono ai ricercatori di identificare la posizione di ciascun attributo rispetto a tutti gli altri in base al numero di volte in cui i clienti lo selezionano come considerazione più o meno importante.

Una famosa catena di ristoranti ha recentemente utilizzato MaxDiff per capire perché i suoi sforzi di espansione non funzionavano. In una serie di focus group e sondaggi sulle preferenze, i consumatori hanno concordato su ciò che volevano: opzioni di pasto più salutari e arredamento aggiornato. Ma quando il nuovo menu fortemente promosso della catena è stato lanciato, il team di marketing è stato costernato dai risultati mediocri. I clienti hanno trovato le nuove scelte complesse confuse e le vendite sono state lente nei nuovi punti vendita più contemporanei.

I marketer della società hanno deciso di lanciare la gamma di preferenze in modo più ampio. Usando MaxDiff, hanno chiesto ai clienti di confrontare otto attributi e sono arrivati a una realizzazione sorprendente. I risultati hanno mostrato che il servizio rapido di pasti caldi e una posizione comoda erano molto più importanti per i clienti di articoli salutari e arredi moderni, che hanno finito per ben giù sulla lista. Il miglior percorso in avanti è stato quello di migliorare il servizio di cucina e selezionare i siti di ristoranti in base a dove i clienti lavoravano.

Una lettura più chiara sulle preferenze dei clienti

La capacità di prevedere come i clienti si comporteranno può essere estremamente potente—e non solo quando i budget sono stretti. Le aziende che pianificano l’implementazione di prodotti transfrontalieri hanno bisogno di uno strumento privo di pregiudizi culturali. E come cliente gusti frammento, team di sviluppo del prodotto hanno bisogno di tecniche affidabili per disegnare linee luminose tra i segmenti di clienti in base alle caratteristiche che contano di più per ogni gruppo. Le aziende stanno iniziando ad applicare l’analisi MaxDiff anche a questi problemi.

Una versione di questo articolo è apparso nel numero di aprile 2009 di Harvard Business Review.

Leave a Reply