«Con i big data? Ci ho fatto un’exit» MIRKO LALLI, THE DATA APPEAL COMPANY
Che i dati fossero importanti Mirko Lalli, 48 anni, fiorentino, esperto di marketing e docente, lo aveva capito già nel 2014, quando ha fondato Travel Appeal, la startup che, grazie all’intelligenza artificiale raccoglie e analizza la grande quantità di dati disponibili su un territorio e li restituisce alle aziende. Oggi ne ha avuto conferma. La sua startup, diventata una scaleup e che oggi si chiama The Data Appeal Company, ha appena concluso un’exit: pochi giorni fa è stata acquisita al 100% da Almawave, società quotata che fa parte del gruppo Almaviva, per un valore di 16,5 milioni di euro.
«Il mio segreto? Fondare una startup a 40 anni, quando già avevo un’esperienza nel campo del turismo».
Cosa facevi prima di diventare imprenditore? «Per 6 anni sono stato il direttore marketing della Regione Toscana, si può dire che il turismo online sia nato con me. Ho costituito il primo social media team in Italia, stipulato i primi accordi con Booking, Firenze è stata la prima città a essere mappata con Google Street View. Un periodo entusiasmante, che ha portato la Toscana a registrare un incremento di turisti stranieri del 7,8%».
Perché poi hai creato una startup? «Avevo l’esperienza e i contatti. Ma soprattutto avevo già il product-market fit: sapevo che c’era questa esigenza, perché quando lavoravo in Regione questo tipo di dati mi sarebbero stati utili».
I primi passi?
«Sono andato da Riccardo Donadon, fondatore di H-Farm e gli ho illustrato la mia idea. Mi ha detto: “Mi piace, quanti soldi ti servono?”. È così che ho ottenuto i primi 250mila euro, senza neanche un team. Per 4 anni sono rimasto in H-Farm, che mi ha supportato burocraticamente e con il fundraising».
La crescita è stata immediata… «Era un servizio di cui c’era bisogno, abbiamo iniziato a fatturare subito. Ed è molto scalabile. Fino al 2019 abbiamo lavorato con destinazioni e hotel, poi questi dati ci sono stati richiesti da altri settori: in primis le banche, per le quali la reputazione è uno degli elementi determinanti per il rating. Poi l’immobiliare: attraverso l’analisi dei dati si riesce a capire dove aprire un negozio o dove piazzare un cartellone pubblicitario. Nel 2020 i ricavi sono stati di 1,5 milioni di euro, l’anno dopo 2,5 milioni».
Come lavorate? «Attraverso le mappe digitali costruiamo l’anagrafica dei punti di interesse di un territorio: hotel, ristoranti, cultura. Raccogliamo le comunicazioni che gravitano intorno a essi. Poi raccogliamo i dati sulla reputazione: recensioni e post online ci dicono come ciascun punto di interesse viene percepito. Infine i dati territoriali: voli, meteo, eventi. Li interpoliamo per costruire degli indicatori, che forniamo a imprese ed enti territoriali. Il nostro scopo è raccontare un fenomeno complesso in modo semplice. Modello di business è l’abbonamento, a partire da 59 euro al mese. Strumento: Software as a service».
Ci fai un esempio?
«Gli enti del turismo. A loro forniamo una dashboard (cruscotto), dove possono vedere gli indicatori che dicono da dove provengono i viaggiatori, quando viaggiano, quali sono le loro preferenze e i prezzi medi del territorio. Tutte indicazioni preziose per poter pianificare in modo efficace la loro offerta».
Come avete fatto a diventare di “appeal” per Almawave? «Almawave è una società di consulenza specializzata sulla vertical AI (intelligenza artificiale verticale). Significa che è interessata ad acquisire società che utilizzano l’intelligenza artificiale in determinati ambiti. Copriamo turismo e finanza. La nostra società rimarrà, cambia solo la proprietà, io ne sarò l’amministratore delegato. Stiamo cercando 25 persone da inserire in organico: esperti di machine learning, data scientist e di dominio».
datappeal.io
PAG 83
Page 1 |
Page 2 |
Page 3 |
Page 4 |
Page 5 |
Page 6 |
Page 7 |
Page 8 |
Page 9 |
Page 10 |
Page 11 |
Page 12 |
Page 13 |
Page 14 |
Page 15 |
Page 16 |
Page 17 |
Page 18 |
Page 19 |
Page 20 |
Page 21 |
Page 22 |
Page 23 |
Page 24 |
Page 25 |
Page 26 |
Page 27 |
Page 28 |
Page 29 |
Page 30 |
Page 31 |
Page 32 |
Page 33 |
Page 34 |
Page 35 |
Page 36 |
Page 37 |
Page 38 |
Page 39 |
Page 40 |
Page 41 |
Page 42 |
Page 43 |
Page 44 |
Page 45 |
Page 46 |
Page 47 |
Page 48 |
Page 49 |
Page 50 |
Page 51 |
Page 52 |
Page 53 |
Page 54 |
Page 55 |
Page 56 |
Page 57 |
Page 58 |
Page 59 |
Page 60 |
Page 61 |
Page 62 |
Page 63 |
Page 64 |
Page 65 |
Page 66 |
Page 67 |
Page 68 |
Page 69 |
Page 70 |
Page 71 |
Page 72 |
Page 73 |
Page 74 |
Page 75 |
Page 76 |
Page 77 |
Page 78 |
Page 79 |
Page 80 |
Page 81 |
Page 82 |
Page 83 |
Page 84 |
Page 85 |
Page 86 |
Page 87 |
Page 88 |
Page 89 |
Page 90 |
Page 91 |
Page 92 |
Page 93 |
Page 94 |
Page 95 |
Page 96 |
Page 97 |
Page 98 |
Page 99 |
Page 100 |
Page 101 |
Page 102 |
Page 103 |
Page 104 |
Page 105 |
Page 106 |
Page 107 |
Page 108 |
Page 109 |
Page 110 |
Page 111 |
Page 112 |
Page 113 |
Page 114 |
Page 115 |
Page 116 |
Page 117 |
Page 118 |
Page 119 |
Page 120 |
Page 121 |
Page 122 |
Page 123 |
Page 124 |
Page 125 |
Page 126 |
Page 127 |
Page 128 |
Page 129 |
Page 130 |
Page 131 |
Page 132 |
Page 133 |
Page 134 |
Page 135 |
Page 136 |
Page 137 |
Page 138 |
Page 139 |
Page 140 |
Page 141 |
Page 142 |
Page 143 |
Page 144 |
Page 145 |
Page 146 |
Page 147 |
Page 148 |
Page 149 |
Page 150 |
Page 151 |
Page 152 |
Page 153 |
Page 154 |
Page 155 |
Page 156 |
Page 157 |
Page 158 |
Page 159 |
Page 160 |
Page 161 |
Page 162 |
Page 163 |
Page 164
