Qual è il valore delle informazioni per un SaaS e come possono essere attivati gli effetti di rete dei dati?

Gli effetti di rete (o esternalità di rete) definiscono i casi in cui il valore di un bene o servizio è legato al numero di persone che usufruiscono dello stesso bene.

Uno dei casi più rappresentativo di tale fenomeno è il telefono, la cui utilità aumenta in proporzione al numero di altre persone che è possibile chiamare; i social network sono chiaramente un altro esempio di servizio caratterizzato da forti effetti di rete, ma anche considerando il caso dei software possiamo evidenziare le esternalità se si valuta la relazione tra il livello di diffusione di uno standard (ad esempio un sistema operativo) e la domanda (e offerta) di programmi e applicazioni compatibili.

Fonte: Wikipedia

Come si può applicare il fenomeno degli effetti di rete ai Digital Analytics?

Per spiegarlo useremo un case study di un’azienda che opera nel settore degli Analytics: CB Insights.

Prima di approfondire il concetto degli effetti di rete applicati all’analisi dei dati, definiamo il contesto dell’azienda presentata come esempio.

CB Insights è un’azienda che ha sviluppato un software per la raccolta ed elaborazione dei dati relativi a startup e aziende consolidate, investimenti da parte di fondi di Venture Capital, acquisizioni e IPO.

Riesce a monitorare anche brevetti e partnership, tutto al fine di supportare il processo decisionale dei propri clienti e riconoscere l’emergere di trend tecnologici in un determinato settore e comprendere quali siano le migliori opportunità di investimento nelle startup che operano nei diversi settori di interesse.

CB Insights è sempre stata interessata ad attivare il fenomeno del “volando dei dati”, l’idea che più utenti portano ad avere più dati a disposizione per ottimizzare gli algoritmi e costruire un prodotto migliore, con il risultato di ottenere più utenti e far ripartire il ciclo.

Tale fenomeno è più comunemente conosciuto come data network effect (effetti di rete dei dati).

Alex Rampell, General Manager di Andreessen Horowitz, uno dei più grandi fondi di Venture Capital americani, che ha investito in startup di successo quali Airbnb, Facebook, Groupon, Lyft (competitor diretto di Uber), Pinterest, Skype, spiega il concetto in questi termini: “si tratta di scrivere e leggere da un database, dove il valore della lettura dei dati aumenta esponenzialmente quando si usa un’unica repository centrale per i dati”.

Per attivare il fenomeno dei data network effect, dal 2010 CB Insights ha contattato fondi di Venture Capital, fondi di Private Equity e aziende per chiedere di inserire i loro dati su CB Insights, ma senza alcun risultato.

Nonostante gli sforzi per rendere il processo di inserimento dei dati più semplice, non c’era alcuna risposta positiva da parte delle persone intercettate, quindi si è deciso di procedere in modo diverso, con strumenti che limitassero il bisogno di un intervento umano nel processo di raccolta dei dati.

Nasce così The Cruncher, un software che sfrutta il machine learning per estrarre automaticamente dati strutturati a partire da fonti con dati non strutturati, che cioè non sono organizzati secondo un modello definito e standardizzato (nel 1998, Merril Lynch, una società di investimenti acquisita nel 2008 da Bank of America, affermò che circa l’80-90% delle informazioni utili a fini di business sono in una forma non strutturata).

L’utilizzo del machine learning permette a CB Insights di estrarre dati in modo più rapido e più efficiente rispetto ai competitor.

 fonte: CBS Insights

Con l’introduzione del software The Cruncher, la raccolta dei dati è stata gestita al 95% in modo completamente automatico, lasciando all’intervento umano solo il 5% dei dati raccolti: in questo modo, l’attenzione sull’attivazione degli effetti di rete da parte dell’azienda è gradualmente calata, ma proprio in quel momento la situazione è cambiata.

Arrivano molte email da parte di persone interessate a fornire i propri dati, cosa che l’azienda aveva richiesto per anni senza successo: cosa era cambiato?

In breve: era intervenuto l’interesse personale.

Nel 2015 avvengono alcuni eventi che hanno determinato lo shift nel comportamento degli utenti target per l’azienda:

• la newsletter di CB Insights (che oggi conta oltre 300.000 lettori) ha cominciato ad avere un seguito rilevante,
• l’azienda ha cominciato a ricevere notevole interesse da parte della stampa, grazie all’introduzione delle mappe del mercato, una forma grafica di visualizzazione dei dati raccolti dal loro software,
• i Limited Partner dei fondi di Venture Capital sono diventati clienti, il che ha portato CB Insights all’attenzione anche dei General Manager di tali fondi,
• i rapporti e le classifiche sugli investitori hanno iniziato a generare business anche per questi ultimi, che ricevevano maggiore copertura mediatica se presenti nei ranking di CB Insights, il che ha fatto sì che chi non fosse presente si adoperasse per fornire i propri dati e aggiornarli.

Praticamente, ciò che in precedenza era visto come un’inutile richiesta di dati, ora diventava qualcosa che poteva portare benefici in termini di business alle persone interessate (l’interesse personale superava lo sforzo per la fornitura dei dati).

E gli effetti di rete dove sarebbero?

Hai ragione, finora abbiamo raccontato di come una newsletter di successo e l’aumento del numero di clienti abbiano attivato un “motore sistemico” per la raccolta dei dati per CB Insights: l’altra parte della storia riguarda invece il come i dati forniti aiutino a migliorare gli algoritmi di machine learning.

Tali dati infatti forniscono:

• nuove fonti per confrontare le informazioni circa investimenti, partnership, clienti delle aziende target, così da permettere al Cruncher di avere un indice più ampio di siti su cui cercare le informazioni,
• dati aggiornati sui competitor delle aziende presenti in database, così da migliorare il sistema di selezione delle aziende simili (un po’ come Spotify suggerisce le canzoni simili o Amazon i prodotti correlati),
• informazioni aggiornate circa i round di finanziamento delle startup presenti in database, a partire dai primi finanziamenti da parte di Business Angel e acceleratori, e circa le valutazioni di tali aziende ad un livello di dettaglio diversamente non ottenibile e che permette a CB Insights di sviluppare nuove funzionalità di analisi dei dati,
• aiutano a migliorare la tassonomia della piattaforma, con l’aggiunta di tag che permettono di classificare meglio le aziende,
• informazioni su partnership o sulle dimensioni di mercato, fornendo così un set di dati su cui costruire nuovi classificatori e aggiungere nuovi tipi di dati alla piattaforma CB Insights.

La mole di dati raccolti ed elaborati permette quindi lo sviluppo di prodotti migliori e aumenta il livello delle ricerche generate, il che attrae un numero maggiore di iscritti alla newsletter e di clienti, così da alimentare sempre di più il volano dei dati.

Ecco uno schema riassuntivo degli effetti di rete dei dati per CB Insights:

 fonte: CBS Insights

Take away

Questa storia ci permette di evidenziare alcuni benefici offerti dall’integrazione del Digital nei processi aziendali e nello sviluppo di un prodotto.

I principali su cui possiamo ragionare sono i seguenti:

• la tecnologia e l’analisi dei dati abilitano lo sviluppo di prodotti migliori
  nel caso di CB Insights, l’introduzione del machine learning e l’analisi continua dei dati ha permesso di migliorare continuamente la piattaforma, così da attivare un circolo virtuoso nel quale i clienti, sempre più contenti dei dati messi a disposizione dal software, arricchiscono il database aggiornando i propri dati, al fine di mantenere un prodotto di cui percepiscono l’elevato valore,
• ricorrere al machine learning ha permesso a CB Insights di non dipendere più dai gatekeeper del settore, che inizialmente si rifiutavano di inserire i propri dati, non conoscendo la piattaforma e i vantaggi che avrebbero potuto ottenere; come sostiene anche Gary Vaynerchuck, prima di chiedere valore ai clienti bisogna darne, così da far percepire che il tuo brand ha a cuore gli interessi dei propri clienti,
• i dati sono sempre più un asset di valore e generano business in molteplici modi, soprattutto se usati per alimentare algoritmi in grado di estrarre trend e pattern e fornire insight di valore per i clienti.

Qual è l’esperienza della tua azienda circa l’utilizzo dei dati? Lascia pure la tua opinione nei commenti.