Small data in farmacia: con l’AI raccoglierli, analizzarli e tradurli in azioni diventa molto più facile

È da tempo ormai che la locuzione “big data” è entrata a far parte del nostro vocabolario: con questo termine si intendono i grossi insiemi di dati, che per essere raccolti, gestiti e analizzati richiedono tecnologie avanzate e potenti. C’è tuttavia un’altra categoria di dati che sta crescendo d’importanza: gli “small data”, ossia le informazioni che non richiedono grandi macchine per essere raccolti e analizzati e sono particolarmente utili ai fini di analisi mirate e decisioni rapide. Nel caso della farmacia, rientrano in questa casistica tutte quelle informazioni che i clienti ci lasciano ogni giorno, in forma non strutturata: le risposte alle survey, i commenti raccolti al banco, abitudini e comportamenti riferiti nel corso di una consulenza, preferenze espresse in modo informale. Sono dati spiccioli che richiedono metodo per essere raccolti e organizzati ma, se analizzati correttamente, permettono di capire meglio le persone (ossia i nostri clienti) e quindi prendere decisioni più mirate e strategiche.

Perché parliamo di small data in un articolo dedicato all’Intelligenza artificiale? Semplice, se finora registrare questo genere di dati imponeva un’organizzazione certosina del team aziendale, ora con l’AI disponiamo di uno strumento che può fare gran parte del lavoro al posto nostro. ChatGPT, per esempio: abbiamo già visto cosa fa quando abbiamo bisogno di scrivere un testo; ma è anche in grado di raccogliere, leggere e sintetizzare rapidamente gli small data restituendoci insight mirati su cui impostare le nostre strategie di crescita.

Immagina di avere il report di un prodotto dermocosmetico che negli ultimi mesi ha registrato una crescita delle vendite del 30% . Il gestionale ti dirà che la categoria funziona, ma non perché i clienti lo scelgono. Sono attratti dalla texture? Dal prezzo? Dalla comunicazione sul punto vendita? Dalla consulenza della tua responsabile dermocosmesi? Lo si può scoprire lanciando una piccola survey, oppure facendo le domande giuste alle clienti che hanno appena comprato il prodotto. Le informazioni che si ricavano da tali esplorazioni sono small data, che non sostituiscono ma integrano i big data e li completano, trasformandoli da semplice “contabilità” a vera leva strategica.

Qui però nasce il problema: non tutti i farmacisti titolari sono in grado di impostare un questionario con le domande giuste, né sono sempre in grado di capire quali tasti toccare in una conversazione al banco a seconda della cliente che si ha davanti. Spesso ci si blocca perché non si sa da dove partire o si rischia di cadere in quesiti banali, poco utili ai fini strategici. Ed è qui che entra in gioco l’Intelligenza artificiale.

Abbiamo ormai capito cosa è un prompt, eccone uno da utilizzare per chiedere a ChatGPT o all’AI che utilizziamo abitualmente di impostare per noi una survey: «Agisci come un esperto di ricerche di mercato nel settore farmacia. Devo costruire un questionario per [indica l’obiettivo: per esempio, valutare la soddisfazione dei clienti verso i servizi di telemedicina]. Suggeriscimi 10 domande chiare e semplici, con scale di risposta diverse (chiuse, multiple choice, Likert 1-5, aperte), orientate a ottenere dati utili per decisioni strategiche». L’AI restituirà una bozza di questionario, che potremo sempre rifinire, sintetizzare o personalizzare (anche nel linguaggio) ma che comunque ci ha fatto risparmiare un sacco di lavoro.

Ma l’aiuto dell’Intelligenza artificiale non si ferma a questo: chiamiamola in nostro soccorso anche quando la survey è terminata e abbiamo diverse decine o centinaia di schede con le risposte dei clienti più eventuali note e commenti. Leggerle tutte e interpretare richiede ore e spesso il rischio è fermarsi a impressioni superficiali. Puoi dare in pasto all’AI tutto questo materiale (in forma anonima e nel rispetto della privacy) e chiedere che sintetizzi per te le evidenze che ne emergono e i trend principali.

Un esempio pratico di prompt: «Analizza queste risposte raccolte da una survey in farmacia [incolla qui le risposte, anche grezze, oppure allegale come documenti in formato pdf]. Individua i temi ricorrenti, raggruppali per area (es. prezzo, servizio, assortimento, personale) e restituiscimi una sintesi dei cinque punti di forza più citati e dei cinque punti di debolezza più frequenti. Suggerisci anche azioni pratiche per migliorare».

In pochi secondi l’AI restituirà una fotografia chiara della survey: cosa apprezzano i clienti, dove percepiscono criticità, quali azioni si possono avviare. Un altro modello di prompt: «Trasforma queste risposte in una matrice Swot (punti di forza, debolezza, opportunità, minacce) relativa alla mia farmacia, basata solo sui commenti dei clienti». Sia chiaro: le analisi che restituisce l’AI non sono “verità assolute”, ma una valutazione sul campo che fa risparmiare tempo e consente di passare velocemente alla fase della riflessione.

Riassumendo: gli small data sono uno strumento particolarmente prezioso per la farmacia, perché raccontano storie che i big data non registrano. Con strumenti come ChatGPT o Gemini, la raccolta e l’analisi di queste informazioni sono oggi alla portata anche di chi non ha confidenza con i numeri o la statistica. L’importante è avere un obiettivo chiaro e sapere cosa si vuole ottenere.
Il resto lo fa l’AI, che se ben usata evita che i dati si accumulino in un cassetto e non si trasformino in ciò che più serve, decisioni e azioni.