La sfida
Dopo il successo di SalesInsight, la stessa PMI del settore arredamento ha posto una nuova sfida: la rete agenti lavorava ancora con strumenti frammentati. Ogni agente gestiva i propri clienti con un mix di Excel, email, note sul telefono e memoria. Non esisteva un sistema unico per pianificare le visite, consultare lo storico, preparare offerte o raccogliere ordini.
Il direttore commerciale voleva una piattaforma unica che:
- Centralizzasse tutte le informazioni sui clienti
- Fornisse agli agenti dati per preparare le visite (cosa ha comprato il cliente, quando, quanto)
- Suggerisse opportunità commerciali (riordini previsti, cross-selling)
- Permettesse di raccogliere ordini direttamente sul campo
La soluzione
Ho progettato AgentHub come un CRM modulare con 5 moduli che coprono l'intero ciclo commerciale:
Modulo 1: CRM Base
Il fondamento di tutto. Ogni agente ha la sua dashboard con:
- Calendario visite con pianificazione settimanale
- Scheda cliente completa: dati anagrafici, storico interazioni, note, allegati
- Dashboard personale: KPI del mese, visite effettuate, ordini raccolti, target vs. effettivo
Modulo 2: BI Integrata
Qui entra in gioco l'esperienza maturata con SalesInsight e DataVision. Ogni scheda cliente include:
- Profilo interessi: quali famiglie di prodotto compra, con che frequenza, quali ha smesso di comprare
- Analytics zona: performance dell'agente nella sua area, confronto con la media
- Score clienti A/B/C/D: classificazione automatica basata su 5 dimensioni (fatturato, frequenza, margine, trend, potenziale)
Lo score viene calcolato con un algoritmo che ho sviluppato analizzando i pattern storici di acquisto. Non è machine learning è business logic raffinata, comprensibile e spiegabile al management.
Modulo 3: Predittivo
Il modulo più innovativo. Basandosi sulla frequenza storica di acquisto per famiglia prodotto, il sistema:
- Prevede i riordini: "Il cliente X ha comprato la famiglia Y ogni 45 giorni. L'ultimo acquisto è stato 40 giorni fa. Probabilmente riordinerà questa settimana."
- Genera suggerimenti pre-visita: prima di ogni visita, l'agente riceve un riepilogo con le opportunità (riordini previsti, prodotti da proporre in cross-selling, articoli in promozione)
- Invia alert: quando un cliente atteso non ordina nel tempo previsto, il sistema segnala l'anomalia
Modulo 4: Catalogo Digitale
Gli agenti non portano più cataloghi cartacei. Il catalogo digitale offre:
- Filtri avanzati per famiglia, materiale, fascia prezzo, disponibilità
- Schede prodotto con immagini, specifiche tecniche, listino
- Galleria installazioni: foto dei prodotti installati presso altri clienti (con autorizzazione) un potente strumento di vendita
- Generazione PDF personalizzato: l'agente seleziona i prodotti e genera un catalogo su misura per il cliente
Modulo 5: Raccolta Ordini Mobile
L'ultimo anello della catena. L'agente può:
- Aggiungere prodotti al carrello direttamente dal catalogo
- Applicare sconti (con soglie configurabili per ruolo l'agente può scontare fino al X%, il responsabile fino al Y%)
- Generare il PDF di conferma d'ordine con firma del cliente
- Inviare l'ordine al gestionale per la lavorazione
Architettura tecnica
- Frontend: Vue.js 3 con Composition API, progettato mobile-first per l'uso da tablet
- Database primario: MongoDB per i dati CRM (documenti flessibili, ideali per schede cliente con struttura variabile)
- Database ERP: SQL Server per i dati storici (fatturato, ordini, anagrafica prodotti) letto in sola lettura
- TypeScript end-to-end per type safety e manutenibilità
La scelta di MongoDB per il CRM è stata strategica: le schede cliente hanno campi variabili (note, preferenze, allegati), i documenti embedded (storico visite, interazioni) crescono nel tempo, e la flessibilità dello schema permette di aggiungere funzionalità senza migrazioni invasive.
Funzionalità chiave nel dettaglio
Rating clienti su 5 dimensioni
Ho sviluppato un sistema di scoring che valuta ogni cliente su:
- Fatturato (peso 30%): quanto compra in valore assoluto
- Frequenza (peso 25%): con quale regolarità ordina
- Margine (peso 20%): quanto margine genera
- Trend (peso 15%): sta crescendo o calando rispetto all'anno precedente
- Potenziale (peso 10%): quanto potrebbe comprare in base alla sua tipologia e zona
Il risultato è una classificazione A/B/C/D che aiuta l'agente a prioritizzare il tempo: i clienti A meritano una visita mensile, i D possono aspettare.
Cross-selling automatico
Analizzando i pattern di acquisto di clienti simili, il sistema identifica prodotti che il cliente non ha mai comprato ma che clienti con il suo profilo acquistano regolarmente. Queste opportunità vengono presentate come suggerimenti durante la preparazione della visita.
Lezioni apprese
AgentHub mi ha insegnato che il CRM non è software è un cambiamento di processo. La sfida più grande non è stata tecnica, ma di change management: convincere agenti esperti (con 20+ anni di esperienza) a cambiare il loro modo di lavorare.
La soluzione? Partire dal valore immediato. Ho lanciato prima il modulo predittivo (suggerimenti pre-visita), perché gli agenti vedevano subito il beneficio: "Ah, questo cliente non compra da 2 mesi? Vero, lo chiamo". Una volta convinti del valore, l'adozione degli altri moduli è stata naturale.
Dal punto di vista tecnico, la combinazione MongoDB + SQL Server si è rivelata vincente. MongoDB per i dati dinamici del CRM, SQL Server (in sola lettura) per i dati storici dell'ERP. Due database, due scopi diversi, zero conflitti.