Si chiama Single Customer View (o Unified Customer View) la capacità di raccogliere, riconciliare e rendere attivabili in un’unica vista tutte le informazioni generate dalla relazione tra un cliente e un’azienda: dai dati contrattuali ai comportamenti digitali, dalle risposte alle campagne fino ai contatti con il customer care. Questo approccio mette a sistema ogni tipo di interazione, consentendo ai brand di offrire esperienze più personalizzate e coerenti.
Tuttavia, a fronte della sua strategicità, oggi solo il 36% delle grandi imprese ha costruito una Single Customer View realmente operativa (Fonte: Osservatorio Omnichannel Customer Experience - Politecnico di Milano - 2026). Il dato evidenzia come il tema sia ancora in evoluzione e, allo stesso tempo, quanto rappresenti un fattore differenziante per le organizzazioni che scelgono di investire in una gestione data-driven della customer base.
In questo scenario si inserisce il percorso avviato da Vivi energia, che dopo aver riprogettato il proprio programma Loyalty insieme a Kettydo e alla piattaforma YouserEngage, ha scelto di attivare anche il modulo Profile Enricher di Kettydo per rafforzare le proprie capacità di churn prevention e trasformare la conoscenza del cliente in una leva operativa sempre più concreta per la gestione della relazione nel tempo.
Alessandro Loda, Responsabile Data Analysis & BI presso Vivi energia, racconta a Engage come, grazie al progetto realizzato con l'agenzia, la profondità e la qualità della conoscenza del cliente siano diventate fattori abilitanti per sostenere nel tempo la retention, lo sviluppo del valore e la coerenza dell’esperienza.
Alessandro, come è partito il progetto e perché avete scelto Kettydo?
Prima di riprogettare il nostro sistema di Loyalty con Kettydo, utilizzavamo un programma di loyalty transazionale, basato su un classico engagement premiale finalizzato a trattenere il cliente. Avevamo capito che questo touchpoint poteva diventare per noi uno strumento strategico di conoscenza. Abbiamo una customer base molto diversificata dal punto di vista anagrafico: il nostro obiettivo era di costruire una relazione quanto più possibile personalizzata. Il punto non era semplicemente arricchire il nostro loyalty program, ma dotarci di strumenti analitici e progettuali che ci consentissero di intervenire in modo mirato sui segnali di rischio, intercettando in maniera più precisa le dinamiche di abbandono.
Proprio per rafforzare questa capacità di lettura, Vivi energia aveva sviluppato internamente un modello di churn prediction, prevalentemente basato su dati interni e su alcune informazioni di mercato. La soluzione non era però in grado di restituire una visione sufficientemente profonda dei fattori che influenzano realmente la propensione al cambio fornitore. Per questo motivo, nel 2023 abbiamo indetto una gara per individuare un partner in grado di leggere in profondità le specificità del dominio energy e di accompagnare l’azienda in un percorso strutturato di trasformazione della relazione con il cliente.
Abbiamo scelto Kettydo perché già nella fase di pre-gara si è distinta per le sue capacità di vision e una particolare attenzione e profondità analitica. A differenza dei competitor, il team di Kettydo è entrato fin da subito nella nostra realtà aziendale, ponendoci numerose domande che ci hanno aiutato a guardare ai temi da nuove prospettive e a raccogliere anche dati specifici che in precedenza non avevamo considerato. Un altro punto importante che ha giocato a favore di Kettydo è stata la capacità di interpretare la loyalty a lungo termine come sistema interconnesso lungo tutto il customer journey, mostrandoci come le nostre iniziative potessero evolvere nel tempo in una logica di sviluppo continuo.
Come avete rivisto il vostro Loyalty program assieme a Kettydo?
Il punto di partenza della collaborazione è stato il ripensamento del Loyalty program Vivi VIP, Very Important Powers. Pur mantenendo la denominazione storica, il programma è stato evoluto per introdurre una dimensione relazionale più forte e valorizzare l’immaginario dei superpoteri come leva narrativa, in grado di stimolare una partecipazione più ispirazionale e attiva, rafforzando la continuità di interazione con i clienti e, allo stesso tempo, migliorando la raccolta di informazioni comportamentali.
Questa evoluzione creativa del programma introduce un vero cambio di paradigma nel modo di intendere la relazione con il cliente. In origine, il meccanismo premiale seguiva una logica progressiva legata all’anzianità: più a lungo il cliente restava in fornitura, più benefici maturava. Con il nuovo impianto, il valore non è più una ricompensa differita nel tempo, ma viene reso disponibile fin dalle prime fasi della relazione. Partecipare alle missioni, interagire con la piattaforma, condividere segnali utili a costruire una conoscenza più profonda trasforma il programma da meccanismo di rewarding retroattivo a leva attiva di relazione e apprendimento progressivo, coerente con l’obiettivo di spostare il focus dalla pura transazione alla costruzione di un rapporto continuativo e personalizzato.
I primi feedback del go live hanno confermato il successo della strategia. Ad esempio, l’introduzione di contenuti video nelle DEM legate alle missioni ha portato il tasso di completamento dal +3% iniziale fino al +17%, evidenziando l’efficacia di un approccio più guidato e progressivo.
Qual è stato il ruolo del Profile Enricher di Kettydo?
Avevamo sviluppato internamente un modello di churn prediction, prevalentemente basato su dati interni e su alcune informazioni di mercato. La soluzione non era però in grado di restituire una lettura sufficientemente profonda dei fattori che influenzano realmente la propensione al cambio fornitore. Arrivavamo a capire la dimensione della convenienza economica ma le altre dinamiche rimanevano oscure.
Con Profile Enricher Kettydo ci è stata offerta l’opportunità di arricchire il nostro modello con nuovi dati geostatistici - tra cui reddito medio dell’area, caratteristiche della zona, presenza competitiva e pattern di spesa energetica - mettendoli in relazione con le evidenze già disponibili nei sistemi interni. I risultati hanno confermato come la soluzione sia in grado di incrementare la nostra capacità predittiva.
Come si è evoluta la vostra gestione dei dati grazie a Profile Enricher?
Profile Enricher ci ha permesso di validare in modo molto più puntuale i segmenti a maggiore rischio di abbandono e di orientare in maniera più selettiva le iniziative di retention.
Il nostro modello di churn era inizialmente basato soprattutto su dati interni e su alcune informazioni provenienti dal Portale Offerte dell’Autorità, che ci aiutavano a leggere la componente prezzo, storicamente una delle principali cause di abbandono. L’arricchimento con dati geostatistici ci ha consentito di fare un salto di qualità, utilizzando il modello come vero supporto decisionale lungo il ciclo di vita del cliente per azionare una Loyalty predittiva più funzionale ed efficace. In questo senso, l’arricchimento informativo dell’ecosistema dati ci ha permesso di lavorare con maggiore precisione sui segmenti più sensibili.
L'innovazione ha portato a un’evoluzione più ampia della nostra architettura dati: siamo passati dalla gestione di un data lake a una Unified Customer View strutturata in cui le informazioni non sono solo raccolte e archiviate, ma normalizzate, riconciliate e governate in modo coerente. In questo modo i dati possono essere realmente utilizzati nei modelli predittivi e nelle azioni mirate, alimentando in modo più affidabile sia le analisi di churn sia le attivazioni di marketing automation, riducendo il tasso di abbandono e rafforzare l’engagement e la loyalty.
L’obiettivo è avere tutti i dati sui clienti in un unico posto e agganciare a questa base diversi strumenti a supporto delle nostre linee di business. La Unified Customer View non è semplicemente un repository: è un single point of truth che contiene praticamente tutte le informazioni sulla persona e ci consente di prendere decisioni informate. È un percorso ancora in evoluzione, ma già orientato a trasformare il dato da patrimonio informativo a leva operativa trasversale. Su questa nuova base possiamo alimentare use case molto diversi tra loro: modelli previsionali sulle vendite in funzione dei livelli di prezzo, business intelligence più avanzata e previsioni dei volumi di contatto sui diversi touchpoint in presenza di specifici eventi. Ma anche ambiti legati al rischio, come la stima dell’insoluto e il supporto a una gestione del credito sempre più data driven, in cui i modelli aiutano a valutare l’affidabilità dei clienti anche nella sottoscrizione di nuovi contratti.