Digital Analytics per E-commerce · hanno partecipato alla sua stesura e pubblicazione, ad iniziare...

transcript

CAMBIARE CAPPELLO SIGNIFICA CAMBIARE IDEE, AVERE UN’ALTRA VISIONE DEL MONDO.

C.G. Jung

Dario Flaccovio Editore

DIGITAL ANALYTICS PER E-COMMERCE

Prefazione di

Gaetano Romeo

Fabio Piccigallo

DIGITAL ANALYTICS PER E-COMMERCE

Prefazione di

Gaetano Romeo

Fabio Piccigallo

FABIO PICCIGALLODIGITAL ANALYTICS PER E-COMMERCE

ISBN 9788857907710

Prima edizione: febbraio 2018

Stampa:TipografiaPriulla,Palermo,febbraio2018

Piccigallo,Fabio<1969->

Digitalanalyticspere-commerce/FabioPiccigallo.-Palermo:D.Flaccovio,2018.ISBN978-88-579-0771-01. Commercio elettronico.381.142CDD-23SBNPAL0304412

CIP - Biblioteca centrale della Regione siciliana “Alberto Bombace”

Nomi e marchi citati sono generalmente depositati o registrati dalle rispettive case pro-duttrici. La fotocopiatura dei libri è un reato. Le fotocopie per uso personale del let-tore possono essere effettuate nei limiti del 15% di ciascun volume dietro pagamen-to alla SIAE del compenso previsto dall’art. 68, commi 4 e 5, della legge 22 aprile 1941 n.633.Leriproduzionieffettuateperfinalitàdicarattereprofessionale,economicoocommer-cialeocomunqueperusodiversodaquellopersonalepossonoessereeffettuatesoloaseguitodispecificaautorizzazionerilasciatadall’editore.

Ringraziamenti

Questo librohaunsolopadre.Tuttiglierrori inessocontenutisonoquindidaattribuirsiesclusivamentealsuoautore.Ciònonmi dispensa dal ringraziare tutte le persone che a vario titolohanno partecipato alla sua stesura e pubblicazione, ad iniziareovviamentedall’Editore, cheha creduto inquesto titolo findalprimoistanteemihalasciatomassimadiscrezionalitàperilsuocontenuto.Perscrivereunvolumesull’analisideidatibisognaaveredatiadisposizione.Ringrazioquindileaziendepartnereiclientidellamiaagenziadimarketinganalyticsperlafiduciadimostrataneiconfrontidellamiametodologiaedeirisultatiottenutiinsieme.Questolibrononsarebbestatopossibilesenzaalcunicariamici,che hanno voluto dimostrarmi la propria vicinanza anche scri-vendodeicontributidigrandissimospessore.AGaetanoRomeo,GiuliaBezzi,FrancescaCoraSolloeLuciaEmilianivaquindiilmiosentitissimo grazie. Lo stesso ringraziamento devo estenderloancheaSimonaCiapanna,chehaelaboratoconlasuaconsuetaefficacialegrafichecheillustranoalcunediquestepagine.Infine, non posso chiudere se non ringraziando chi mi è statoaccanto mentre mi immergevo nelle riflessioni e nelle analisichehannocostituito l’ossaturadiquestovolume,avolte finoaperdere il sensodel tempodella vita quotidiana.AmiamoglieAlessiaeamiofiglioRiccardovaquindi,assiemealmiograzie,anche la mia dedica.

PrefazionediGaetanoRomeo ................................................................... pag. 17

Introduzione ..................................................................................................... » 19

Notasullamatematicaesugliaspettitecnici presentiinquestovolume ...................................................................... » 23

1. Costruire l’ambiente di analisi ...................................................... » 251.1. E-commercepiccoli,e-commercegrandi ............................... » 251.2. Iostocongliippopotami:HiPPOeculturadata-driven .. » 291.3. Comprendereilcontesto:OKR,businessmodel e strategie di marketing ................................................................. » 321.4. Obiettiviestrategiedimisurazione .......................................... » 391.5. Lacatenadelvalore:BigData,reportistica,analisi .......... » 44 1.5.1.Ilmodellodimaturitàdellabusinessanalytics ....... » 511.6. E-commerceAnalytics .................................................................... » 561.7. Lacatenadelvaloredellae-commerceanalytics ................ » 60

Indice

1.7.1.Identificazionedegliobiettivi e della strategia di analisi ......................................................... » 61 1.7.2.Costruzioneevalidazionedell’ambiente dianalisie-commerce ................................................................ » 62 1.7.3.Raccolta,analisi,reportistica e presentazione dei dati ............................................................ » 641.8. Nonsparatesulpianista ................................................................. » 65

2. Strumenti .................................................................................................... » 692.1. Scegliereglistrumenti ................................................................... » 692.2. Lacollezionedeidati:GoogleAnalytics .................................. » 71 2.2.1.ComefunzionaGoogleAnalytics .................................... » 71 2.2.1.1. Collezione ........................................................................ » 73 2.2.1.2.Processazioneeconfigurazione ............................ » 75 2.2.1.3. Reportistica .................................................................... » 77 2.2.2.Altristrumentidicollezioneeanalisideidati .......... » 772.3. GoogleTagManager:ilcomplementoideale diGoogleAnalytics .......................................................................... » 802.4. Strumentidianalisicomportamentale .................................... » 812.5. Strumentidianalisieuristicaevisualizzazionedeidati .. » 84 2.5.1.GoogleAnalytics .................................................................... » 85 2.5.2.GoogleDataStudio ............................................................... » 86 2.5.3.MicrosoftpowerBI ............................................................... » 88 2.5.4.MicrosoftExcel ....................................................................... » 89 2.5.5.Tableau ...................................................................................... » 90 2.5.6.Weka ........................................................................................... » 92 2.5.7. R .................................................................................................... » 92 2.5.8. Python ........................................................................................ » 932.6. Ilbagagliodell’analista ................................................................... » 93

3. Enhanced E-commerce con Google Tag Manager ................ » 953.1. Comefunziona(inbreve)GoogleTagManager ................... » 953.2. ImplementareuntagdiGoogleAnalytics ............................. » 983.3. IlmoduloE-commerceavanzato ............................................... » 100 3.3.1. I limiti di Enhanced Ecommerce..................................... » 104

3.4. EnhancedEcommerceconGoogleTagManager ................. » 110 3.4.1.Definireilprodotto .............................................................. » 110 3.4.2.Visualizzazionedelprodottoinunelenco ................. » 113 3.4.3. Dalla lista alla scheda prodotto ....................................... » 114 3.4.4.Aggiungereunprodottoalcarrello ............................... » 115 3.4.5.Checkout ................................................................................... » 116 3.4.6.Acquisto .................................................................................... » 1183.5. InviareleinformazioniaGoogleAnalytics ............................ » 119

4. Raccontare con i dati............................................................................ » 1234.1. Visualizzareefficacementeinostridati .................................. » 123 4.1.1.Achicirivolgiamo ............................................................... » 125 4.1.2.Visualizzazioneefficace:perchéèimportante ......... » 1264.2. Comestrutturareunreport ......................................................... » 129 4.2.1.L’iniziodelracconto ............................................................. » 131 4.2.2.Losviluppodelracconto .................................................... » 137 4.2.3.Laconclusionedelracconto ............................................. » 1394.3. Visualizzareidatiinmodoefficace ........................................... » 1404.4. Tabelle.................................................................................................... » 1424.5. Grafici ..................................................................................................... » 144 4.5.1.Aiutivisuali .............................................................................. » 145 4.5.2. Sistemi di coordinate ........................................................... » 149 4.5.3. Scale ............................................................................................ » 152 4.5.4. Contesto .................................................................................... » 1564.6. Rappresentareidati ........................................................................ » 1574.7. Come e cosa rappresentare .......................................................... » 160

5. Metriche, dimensioni e KPI ............................................................. » 1655.1. DagliOKRaiKPI:costruireildatamodel .............................. » 165 5.1.1. Tipologie di dati ..................................................................... » 1675.2. Ambiti .................................................................................................... » 169 5.2.1. Hit ................................................................................................ » 169 5.2.2. Sessione ..................................................................................... » 170 5.2.3. Utente ......................................................................................... » 174 5.2.4. Prodotto .................................................................................... » 174

5.2.5.Ilruolodegliambiti .............................................................. » 1745.3. KPI,medieealtrestorie ................................................................. » 175 5.3.1.Misurabilità ............................................................................. » 177 5.3.2.Comprensibilità ..................................................................... » 177 5.3.3.Confrontabilitàneltempo ................................................. » 178 5.3.4.Pertinenzacongliobiettividibusiness ....................... » 1795.4. Funzionistatisticheecomeleggerle ......................................... » 179 5.4.1.Media .......................................................................................... » 180 5.4.2.Mediana ..................................................................................... » 181 5.4.3. Deviazione standard ........................................................... » 1825.5. KPI:qualcheesempio ..................................................................... » 184 5.5.1.KPIditraffico .......................................................................... » 185 5.5.2. KPI di engagement ................................................................ » 188 5.5.2.1. Pagine visitate ............................................................... » 189 5.5.2.2. Pagine visitate per sessione .................................... » 189 5.5.2.3.Frequenzadirimbalzo ............................................... » 190 5.5.2.4.Duratamediadellasessione ................................... » 195 5.5.3.KPIperl’analisiSEO............................................................. » 198 5.5.3.1. Posizione media nella SERP .................................... » 198 5.5.3.2.Clickthroughratedellepagineprodotto .......... » 199 5.5.4.KPIspecificiperl’e-commerceanalytics .................... » 202 5.5.4.1. Ricavi ................................................................................. » 202 5.5.4.2. Ricavo medio per sessione ....................................... » 202 5.5.4.3. ROI ...................................................................................... » 203 5.5.4.4.Tassodiconversionee-commerce ....................... » 204 5.5.4.5. Valore medio degli ordini ......................................... » 206 5.5.4.6.Numerototaleditransazioniregistrate ............ » 207

6. Le fonti di traffico ................................................................................. » 2096.1. Analizzareiltraffico ......................................................................... » 209 6.1.1.Datigeneraliditraffico ....................................................... » 212 6.1.2.Distribuzioneperdispositivo .......................................... » 215 6.1.3.Datidivenduto ....................................................................... » 2206.2. Comprenderelefontiditraffico ................................................. » 222

6.2.1.Fontiditrafficoapagamento ........................................... » 224 6.2.2.Fontiditrafficoattribuibiliauncanaleorganico ... » 2266.3. Fontiditrafficoperunsitoe-commerce ................................ » 229 6.3.1.Puliziadeidati ........................................................................ » 231 6.3.2.Adeguarelefontiditrafficoalbusinessmodel ........ » 2356.4. Fontidiacquisizione ........................................................................ » 2386.5. Dalgeneralealparticolare ............................................................ » 241 6.5.1.Verificareitrend ................................................................... » 247 6.5.2.Analisideicanalieanalisidicanale .............................. » 249

7. Analisi di numeri e analisi di persone ...................................... » 2537.1. Comprendere il ciclo di vita del cliente ................................... » 2537.2. Ilciclodimarketingelecaratteristichefunzionali deicanalidiacquisizione ............................................................... » 2547.3. Canaliditrafficoecustomerjourney:ilmodelloAIDA .... 2567.4. Aumentarelacomplessità:ilciclodivitadelcliente ........ » 2597.5. Analisidimarketing ......................................................................... » 2647.6. Searchengineoptimization .......................................................... » 266 7.6.1.Dimensioniemetricheperl’analisiSEO ..................... » 268 7.6.2.Elementidianalisi:tipologiadiquery ......................... » 277 7.6.3.Elementidianalisi:evoluzione dei posizionamenti medi .......................................................... » 279 7.6.4.Elementidianalisi:misurareglioutcome dell’attivitàSEO ............................................................................ » 2837.7. Analisidelleattivitàdisearchengineadvertising .............. » 286 7.7.1.AnalisiSEA:qualidomandefarsi ................................... » 288 7.7.1.1.AnalisideiKPIdiengagement ................................ » 288 7.7.1.2.Analisidellatipologiautente .................................. » 289 7.7.1.3.Analisididispositivo .................................................. » 290 7.7.1.4.Analisidiredditività ................................................... » 2927.8. Analisidellecampagnediadvertising ..................................... » 3007.9. Analizzarelecampagneprimadifarle:ilvaloreatteso ... » 3037.10.Analisideisocialmedia .................................................................. » 3067.11.Analisidell’emailmarketing ......................................................... » 308

7.12.Canali,sessioni,utenti ..................................................................... » 310 7.12.1.Laquestionedel“chi”edel“cosa” .............................. » 312

8. Comportamenti ...................................................................................... » 3158.1. Dati comportamentali ..................................................................... » 3158.2. Eventi...................................................................................................... » 317 8.2.1.Qualieventitracciare .......................................................... » 321 8.2.1.1.Eventidaattivitàpromozionali ............................. » 321 8.2.1.2.Eventidiconversionenone-commerce ............. » 322 8.2.1.3. Eventi per il passaggio dati ...................................... » 3248.3. Analisideicomportamenti ............................................................ » 324 8.3.1.Analisideicontenuti ............................................................ » 325 8.3.1.1.AnalisidellericercheinSearchConsole ............ » 328 8.3.1.2.Analisidiquery,analisidipagine ......................... » 332 8.3.1.3.Analisideicontenuti:unesempiopratico......... » 335 8.3.1.4.Analisideicontenuti:sintesimetodologica ...... » 337 8.3.2.Flussi........................................................................................... » 338 8.3.3.Analisidiusabilità ................................................................ » 340

9. Analisi del pubblico, analisi dei clienti .................................... » 3439.1. Definireilpubblico ........................................................................... » 3439.2. Analizzareeprofilaregliutenti .................................................. » 345 9.2.1.Caratteristichegeneralidelpubblico ........................... » 346 9.2.2.Analisideglioutcomepertipologiadipubblico ...... » 3499.3. Customeranalytics ........................................................................... » 350 9.3.1. Segmentazione ....................................................................... » 352 9.3.1.1. Segmentazione: tecniche di base .......................... » 354 9.3.1.2. Tipologie di segmentazione .................................... » 356 9.3.1.3.Supervisedsegmentation ......................................... » 357 9.3.1.4. Entropia ........................................................................... » 358 9.3.1.5.Guadagnareconisegmenti...................................... » 362 9.3.2.Metodologiedisegmentazioneempirica .................... » 366 9.3.2.1.Stilareunaclassificadeinostriclienti: ilprofiloRFM ................................................................................. » 367

9.3.3.Dalpunteggioallasegmentazione ................................. » 3729.4. Analisidelvaloredelcliente ........................................................ » 377 9.4.1.Churnechurnrate .............................................................. » 383 9.4.2.Analisicoorte .......................................................................... » 3849.5. Torniamoallifetimevalue(ecalcoliamolo) .......................... » 3869.6. Comeproseguire ............................................................................... » 391

10. Prodotti e transazioni ...................................................................... » 39510.1.Analisisugliordini,analisisuiprodotti ................................... » 39510.2.Prodotto,questosconosciuto ...................................................... » 396 10.2.1.Prodottoeattributi ........................................................... » 397 10.2.2.Definireilprodotto:treesempiparticolari ............ » 399 10.2.2.1. Prodotti in abbonamento ....................................... » 400 10.2.2.2. Viaggi ............................................................................. » 402 10.2.2.3. Vacanze .......................................................................... » 403 10.2.3.Definireilvettoreprodotto ............................................ » 40410.3.Analisidiprodotto ............................................................................ » 406 10.3.1. KPI di vendita ....................................................................... » 407 10.3.2.KPIdelprocessodiacquisto .......................................... » 409 10.3.2.1.Metrichedielencoprodotti ................................. » 409 10.3.2.2.Metrichedidettaglioprodotti ............................. » 411 10.3.2.3.Aggiuntedelprodottoalcarrello ....................... » 41110.4.Analisiassociative ............................................................................. » 412 10.4.1.Analisiassociative:uncasostudio.............................. » 41710.5. Ordini e transazioni.......................................................................... » 41910.6.KPIrelativiagliordini ..................................................................... » 420 10.6.1.KPIditransazione .............................................................. » 421 10.6.2.KPIdiprocessodiacquisto ............................................ » 425 10.6.3.Segliordininoncombaciano ........................................ » 42810.7.Attribuzionenell’e-commerceanalytics ................................. » 430 10.7.1.Attribuzioneemodellidiattribuzione...................... » 432 10.7.2. Conversioni dirette e indirette ..................................... » 433 10.7.2.1. Rapporto tra conversioni dirette e indirette . » 435 10.7.3.Modellidiattribuzione .................................................... » 437

10.7.4.Classificazionedeimodellidiattribuzione ............. » 438 10.7.4.1. Ultima interazione .................................................... » 439 10.7.4.2. Prima interazione...................................................... » 440 10.7.4.3.Lineare ........................................................................... » 440 10.7.4.4.Basatosullaposizione ............................................. » 443 10.7.4.5. Ultimo click non diretto .......................................... » 444 10.7.4.6.Decadimentotemporale ......................................... » 44510.8.Metodologiediottimizzazione .................................................... » 446 10.8.1.Ambitidiottimizzazione ................................................. » 448 10.8.2.Formulareunaipotesi ...................................................... » 450 10.8.3. Progettare e realizzare il test ........................................ » 452

Conclusione ...................................................................................................... » 455

Bibliografia ....................................................................................................... » 457

Sitografia............................................................................................................ » 459

Contributori

Francesca Cora Sollo >PAG133Producostrategiedigitali,disegnocontenutieraccontostorie(online)perlepiccoleimpreseconilmiolaboratoriodigitale,Unikolab.Mioccupodicopywriting,socialmediamarketingecontentdesign.Credocheuncontenutogiustopossasalvareil mondo!

Giulia Bezzi >PAG272Sonouna imprenditrice, lamia società si occupa di SEO.Mipiacediffondere la culturadigitale edèperquesto cheamosaliresulpalcoperun talk, scriverecontributievestirmidaWEBReporter,raccontandolastoriadieventiecorsidimar-ketingecomunicazioneonlineperandareoltrealprogramma.Nel mondo SEO sono stata definita “bug di sistema” forseperché vado ben oltre quel mondo, i miei occhi sorridonoquandovedounastrategiadiinsieme.

Lucia Emiliani >PAG295SEMSpecialist,sociadiOnMarketingefondatricediadwords-i-talia.it.Quello chepiùmipiacedelmio lavoro è il beneficioapportatoalleaziendepercui lavoro.SonolaureatainOrga-nizzazione eMarketingper la comunicazioned’impresa conunatesisuinuovi formatipubblicitari. Ilmio lavoroèanchelamiapassioneprincipaleperchémiconsentediapprenderecontinuamentecosenuove.

Prefazione

Per natura e per lavoro solitamente sono un uomo riflessivochelasciapocospazioall’entusiasmo,maquandol’amicoFabio,persona della quale ho una stima professionale e umana esa-gerata,mihachiestodiscriverglilaprefazioneperilsuo(capo)lavoroonestamentehoprovatounbrividodentroeun’emozioneparagonabilesoltantoaquandolanostracasaeditricemihapro-postodiscrivereilmio,dilibro.Perchéquesto?SemplicementeperchéFabioèunpuntodiriferi-mentoperchivuoleapprocciarsialladisciplinaeallaconoscenzadeinumeriinmanierastrategica.

Idatisonoigrandiprotagonisti,semprepiùsiparladiBigData,dicomeutilizzarlianostrofavorenellecampagnedimarketingonlineedicomeriuscirealeggerliinmanierafurbaeproattivaper chi come me, te e Fabio ogni giorno analizza centinaia dinumeriedaquesticercadiestrapolarequalcosadiutile.

Soprattutto quando si gestisce un e-commerce bisogna saperragionarinmanierastrategica,inquestesituazionièdoveFabio,secondome,aggiungeuntassellofondamentaleallaletteraturadiwebanalyticsgiàpresentesulmercato.Di libri che trattano l’argomento, ce ne sono diversi e tutti diottimafattura,maquellocheamioavvisodifferenzial’approcciodiFabiodaglialtrièilsuometodomenotecnicoemoltopiùstra-tegico.Detta inpocheparole,questo libro cavalcagià l’ondadiquellochepermesaràilfuturo,ovverosaperinterpretareidatiper costruire strategie. Molti più marketer si avvicineranno aquestametodologiadilavoroeillavorodidataanalystnonsaràpiù soltanto appannaggio di figure tecniche, ma ci sarà spazioancheperchicreeràlepropriestrategiepartendodaidati.Del resto ritengo cheunadellepiùgrandi lacunedelle agenziedigitali italiane sia proprio quella di aver un business modelerrato:lalavorazionedeldatovienetroppospessosottovalutataesipensachesiaunlavorosoltantoditipotecnico.Fabioinveceèl’esempioviventedicomenumeriedativadanointerpretatiinmanieramenoasetticaefreddaecheadogninumeropossacor-rispondereunabuyerpersonas: il compitodiognidataanalystche si rispetti è, del resto, proprio quello di saper individuarepartendo dai numeri i propri prospect e trasformarli in clientiduranteilviaggioall’internodelnostrofunneldigitale.

Dettoquesto,tilascioallaletturadiquestolibro,sicurocheunavoltafinitoiltuoapproccionell’affrontareun’analisinonsaràpiùlo stesso.

Gaetano Romeo

Introduzione

«In the face of ambiguity, refuse the temptation to guess».TimPeters,The Zen of Python

L’abilitàdianalizzareidatieagiresullabasedellerisultanzediquesteanalisièormaidamoltianniunasset fondamentaleperqualsiasibusinessdiqualcherilievoesistentesulmercatointer-nazionale. Ilritmoconcuiilmondochecicircondastamodificandosestessorichiedeinfattialleimpresedimuoversivelocementealloscopodiadattarsiallenuovedomandedeiclientieallemetamorfosiinatto nel mercato di riferimento. Ciò accade perché le aspettative da parte degli utenti nei con-frontidelleimprese(siato business che to consumer)aumentanodi giorno in giorno, mettendo le aziende sotto una pressionespessoinsopportabilenellacorsaalmiglioramentodell’efficienzaeall’ottimizzazionedeirisultati.

Ciòètantopiùveroquandoparliamodisitie-commerce,conrife-rimentosoprattuttoallapiccolaemediaimpresa.Inquestocon-testo,lapresenza“ingombrante”dicolossicomeAmazonrendelaquestionedellacompetitivitàquantomaiattuale.Isitie-com-merce,infatti,spessononriesconoavincerelasfidadellasoste-nibilitàeconomicaefiniscono,fatalmente,perfranareaseguitodi politiche commerciali improvvisate o di errate valutazionidegli investimenti necessari per poter sopravvivere nel proprio mercato.Oggilacompetitivitàdelleimpresepassaperlalorocapacitàdicatturare,misurareeanalizzareidatidibusiness.Perfarlo,tut-tavia,nonbastadotarsisemplicementedistrumentidianalitica.È illusoria, lodicoqui conchiarezza, laposizionedi chi ritienechebastidotarsidiuntooldianalisideidati(magariancheconfi-guratocorrettamente,ilcheègiàraro)perdiventareimprovvisa-mentepiùcompetitivisulmercato.Lastradacheportaadunusoefficientedeidatiapropriadisposizionealfinediaumentarelacompetitivitàpassainfattispessoperlanecessitàdiinvestirenellacatenadelvaloredelladigitalanalyticsinterminiditecnologia,dirisorse,dicambiamentiancheradicalinellaculturaaziendale.Inaltreparole,nonèsufficienteaverestrumentidianaliticaperdiventareespertidibusinessanalytics–nonpiùdiquantobastipossedereunbisturieunosterilizzatoreperdiventarecardiochi-rurghi.Ciòchesideveriuscireadapprendere,adinteriorizzare,èinveceuna metodologia di approccio ai dati: quella stessa, che portal’analista esperto a non rimaneremai a livello superficiale,maaguardare idati inprofondità,aeffettuareconfronti,acercareedimostrarecorrelazionipergiungereinfineadunainterpreta-zione corretta e utile del dato.Nonacaso,idestinataridiquestovolumenonandrannocercatisoloneititolarieneimarketingmanagerdelmondoe-commerceitaliano.Al contrario: se il tuo lavoroèquellodi interagirecon

unsitoe-commerceaqualsiasilivello,chesiaquellodell’espertoSEO,delconsulentedimarketingodell’accountdiunawebagencyfocalizzatasuisitie-commerce,ritengochequestovolumepossarappresentare per te un momento di riflessione su quelli chedovrebberoessere(emagarisono) i fondamentidel tuo lavorodituttiigiorni.Certamente, oggi proliferano sul web gruppi tematici, blog,e-bookelibricheparlanodiwebanalyticsedicomeconfigurareeutilizzarealmeglioGoogleAnalyticsoYandexMetrica.Perchéalloraancoraunlibrosullawebanalytics?Comesicollocaquestolibronelricchissimopanoramaappenadescritto?Perrispondereaquestadomanda, iniziocon ildirti cosanon èquestolibro.Anzitutto,nonèunmanualeper imparareadutilizzareGoogleTagManageroGoogleAnalytics.Personalmente, ritengo che nel panorama nazionale della webanalyticssiparlifintroppodistrumenti,edavverotroppopocodi metodologie di analisi. Proliferano corsi, manuali, gruppiFacebookilcuiunicoscoposembraquellodispiegarcicomeuti-lizzarequestooqueltool,qualitrucchietrucchettieseguireperottenereundeterminatoscopo,qualimeraviglioseopportunitàdianalisisiapronograziealladisponibilitàdiunanuovatipologiadigraficoinqualchepiattaformadireportistica.Personalmente, ho sempre ritenuto che per fare businessanalyticsservanosostanzialmentetrestrumenti:unasolidacom-petenzadimarketing (sedigitale èmeglio,manonè indispen-sabile), una conoscenza quantomeno generale dei principi allabasedellascienzastatistica,eilpropriocervello.Ah,certo:poiservonoidati.Datinelformatopiùelementarepos-sibile,ealmassimodellagranularitàpossibile.Tuttoilresto,apartiredaitooldianalisiperfinireconquellidivisualizzazione,èfungibile.Nessunociimpediscediinterrogareidatiutilizzandounsemplicedatabaseequalcherigadicodice

SQLenessunocivietadidisegnareinostrigraficiconunamatita,invecediutilizzareWatsonAnalyticsoDataStudio.Alnettodeltempoimpiegatoperl’elaborazione,ilrisultatosarebbelostesso,teloassicuro.Glistrumentihannolafunzionedisemplificareedirenderepiùrapido il lavorodi analisi,manon sono l’analisi e non possono sostituireilknow-hownecessarioperanalizzareleperformancediunsitoe-commerce.LeggereunmanualesuGoogleAnalytics,insomma,tirenderàunespertodiGoogleAnalytics,manonfaràditeunanalistadimar-keting. Questo libro intende colmare questa lacuna, spiegandotianche qualcosa in relazione agli strumenti più utilizzati per la digitalanalytics, ma mettendoti soprattutto in condizione di saperleggere i dati in modo critico e di porti le domande giuste, laprossimavoltacheaprirai la tuadashboardpreconfezionatasuGoogleDataStudioper“vederecomeva”.E, forse,aquelpuntoquellasemplicedashboardnontibasteràpiù.

Nota sulla matematica e sugli aspetti tecnici presenti in questo volume

Questo libro riguarda la digital analytics: è cioè un volumededicatoallaraccoltaeall’analisideidatiquantitatividiunparti-colaretipodibusiness–l’e-commerce–alloscopodimigliorarnelacompetitivitàsulmercatodigitale.Inunvolumeincuisiparladidati,rivoltoadunpubblicoetero-geneofattodiconsulenti,imprenditorieappassionatialmondodelmarketingdigitale,ènecessariomantenereunequilibriotracomprensibilitàe rigore, tantonelledefinizioniquantonell’usodiunanotazionematematicailpiùpossibileadeguataallettore.Miopersonalissimoobiettivo è statoquindi quellodi rimanereilpiùpossibileancoratoadunanotazionematematicacompren-sibileachiunqueabbiastudiatoinunascuoladisecondogrado.Ilpiùdellevolte,leformulepresentinellepaginediquestolibrosonostateampiamentespiegateerilettenell’otticadipermettereallettorediutilizzarle,undomani,nelpropriolavoroquotidiano.Lo stesso ritengo di poter dire per gli aspetti tecnici e di pro-grammazione.Hovolutamenteevitatodiaffrontarequi tuttigliaspettilegatiallaconfigurazionedeglistrumentidianalisi,limi-tandomiaillustrarlibrevementeearimandareaimanualionlinequalsiasiapprofondimento.Spiegareinsiememetodologieestru-mentiavrebberichiestounvolumeforsedoppio,chesarebbeallafinerisultatodiscarsaleggibilitàediancorminoreutilizzabilitàpratica–senzacontareilfattocheglistrumentihannoil“vizio”di aggiornarsi emodificarsimoltodi frequente, soprattuttonelmondodigitale. Il rischiodipubblicareunvolumegiàsuperatola settimana dopo l’uscita nelle libreriemi ha indotto quindi aevitareperquantopossibiletecnicismiehow-to’s per dedicarmi quasiesclusivamenteallametodologia.Unicaeccezione,nelterzo

capitolo, l’aspetto dell’interfacciamento di Google TagManagerconEnhancedE-commercediGoogleAnalytics. Inquesto caso,la comprensione di alcuni concetti chiave della web analyticspassavaancheper la lorodefinizionetecnica:hodovutoquindigiocoforzaoccuparmidientrambe.

1. Costruire l’ambiente di analisi

«Dare l’informazione giusta alla persona giusta, nel momento giusto per prendere la giusta decisione».

MichaelE.Porter

1.1. E-commerce piccoli, e-commerce grandi

Ilmercatodigitalediprodottieservizistafinalmenteacquisendoanche in Italiaunadimensioneche,pur rimanendoancorabenlontanadallamedia europea, inizia ad esseredi indubbio inte-ressesulpianoeconomico.Afarbensperare,ineffetti,piùcheinumeriassoluti(ancoratuttosommatoridotti)sonoi trend,chevedonounatendenzaall’au-mentosiadelnumerodisoggetticheaccedonocomeclientifinalial marketplace digitale, sia del fatturato prodotto dalle piatta-formedivendita(esclusivamenteomeno)online.Nonacaso, ilprestigiosorapportodiCasaleggioAssociatisullostato dell’e-commerce in Italia nel 2017 definisce il mercato

nazionaledeisitie-commerce«in una fase di maturazione e conso-lidamento»1incuisidelineanoalcuniattoriingradodiprenderela leadership accelerando il passo e staccando inevitabilmente la concorrenza.NelnostroPaese,afrontediunaampiadisponibilitàdiaccessoad internetsiadadesktopchedadispositivimobile, ilmercatodell’e-commerceharegistratonel2016unfatturatocomplessivodioltre31miliardidieuro,conuntrendinlievecrescitaintuttiisettori merceologici.

Figura 1.1. La crescita del fatturato e-commerce in Italia (fonte: Casaleggio Associati 2017)

Inquestoquadrodiriferimentoèimportantemettereinevidenzacomeitrendattualicheriguardanoglie-commercesulmercato

1 Rapporto L’e-commerce in Italia – maggio 2017,acuradiCasaleggioAssociati,pag5.IlreportèscaricabiledallaURL:casaleggio.it/wp-content/uploads/2017/05/Focus_E-commerce_2017_web1.pdf

nazionale vedano tra le strategie applicate anche un uso cre-scente dei cosiddetti actionable data,comesievincedallaletturadelgraficorappresentatoinfigura1.2.

Figura 1.2. I trend dell’e-commerce in Italia (fonte: Casaleggio Associati 2017)

Conquestalocuzionesiintendeingenerelaraccoltasistematicadigrandiquantitàdidaticaratterizzatidalproveniredadiversefontiedall’essereassociabiliindifferentitipologie,alloscopodianalizzarli in modo aggregato. Si tratta, secondoquantoriporta il giàcitato report sull’e-com-merce in Italia nel 2017, di una attività «cruciale per la com-petitività a livello nazionale e internazionale» delle aziende e-commerce. Queste, infatti, si troveranno sempre di più nellacondizione di dover «implementare metodi di data analysis, uti-lizzando software sviluppati internamente o da terze parti»2 allo scopo di leggere e presentare i dati in modo intellegibile per trarne indicazionistrategiche,e insiemeal finediattivareulte-

2 Ivi,p.16

rioristrumentichepossanopermetterel’utilizzodiquestidatiinreal time. La sfida finale:migliorare l’esperienzadell’utente e iprocessi di conversione.Tuttoquesto,mentre risulta ancorabasso il gradodi soddisfa-zionemediodelleimpresee-commerceneiconfrontidellapropriacapacitàdipromozionedelbrand,chesoloil32%dichiaraesserealivello“soddisfacente”.Insomma,ilmercatoe-commercehabisognodianalytics,siaperl’analisideiprocessidimarketingsiaperunamiglioreconoscenzadellapropria customerbase.Entrambequesteattivitàhanno ilpotenziale di trasformarsi immediatamente in actionable data,ossiaindatiingradodiportarebeneficidimedioebreveperiodonelle performance e nella solidità dell’organizzazione e-com-mercenelsuomercatodiriferimento.Ma–cisipuòchiedere–èdavverocosìpertuttiisitie-commerce?Hannotuttidavverocosìbisognodidati,distrategiedata-driven,disofisticatiprocessidimarketingedicustomercare?Una delle obiezioni tipiche che mi sento ripetere spesso da parte dichilavoranelmondodell’e-commerceèlegataallagrandezzadelnegoziovirtuale,siainterminidiprodottidisponibili,siainterminididimensioniditrafficoedifatturato.Quellariguardantel’ampiezzadelcatalogo,ovverolanumerositàdeiprodottigestitidalnegozioonline,èforsel’obiezionechepiùrisultainfondata,sevistacongliocchidell’analistadimarketing.L’obiezionesuonapiùomenoinquestomodo:“Seiodevogestireconilmioe-commercesolopochedecinediprodotti,inchemodolawebanalyticssaràingradodiaiutarmi?”Oppure: “In findei conti, iovendopochiprodotti, eperquestomi è facile verificare sul database gestionale del mio ContentManagementSystemcomesimuovonolevenditeeinchemodosicomporta ilmiopubblico:qualevaloreaggiuntopotràdarmiun’analisiarticolatadeidatiditrafficoediconversionedelmiositoweb?”.

Ilproblemaè inunaerrataconsiderazionedellawebanalytics,vista come apparato contabile in grado di rendicontare in modo accurato vendite e fatturato. Gli strumenti di analisi dei dativengono considerati, da chimuove questo genere di obiezioni,comefacilitatorinellavorodiestrazionedeidatidivendita:nulladipiùsemplice,delresto,cheselezionareunarcotemporalesulproprioanalytics toolpreferito,per trovarsi inmen chenon sidicaunasintesidelfatturatoprodottonelperiododiesame,unelencodelnumerodiordinigestitiemagariunaclassificadeipro-dotti più venduti. Tutte informazioni che, evidentemente, sonoestremamentefacilidareperireedelaborarenelcasoincuiipro-dottigestitidalsitoe-commercesiriducanoapochedecine.Tuttavia,chevisiainquestoatteggiamentomentalequalcosadisbagliatoèevidente.Non solo perché, come tornerò a ripetere spesso nelle paginediquesto libro, ilprocessodianalisideidatièqualcosadibendiversodaunasempliceanalisicontabile–néintendesostituirsiadessa,permanifestaincapacità.L’errore più grande è in effetti quello di considerare la webanalytics semplicemente come una sorta di strumento attoa scattare fotografie dell’esistente. In questa prospettiva, l’a-nalisidimarketingservirebbeabenpoco.Seperò finalizziamoqueste fotografie a comprendere ciò che è successo in passatoperaumentarelacompetitivitàdell’impresasulmercatodigitale,alloraillavorodimarketinganalyticsacquisteràtutt’altrosenso,ediverràstrategicoecrucialeaifinidellacrescitadellaproprietàe-commercenellarete.

1.2. Io sto con gli ippopotami: HiPPO e cultura data-driven

Misurareèessenzialepermigliorare,comedelrestodicevaancheLORD KELVINpiùdiunsecolofa.Lawebanalyticsdivieneunpro-cesso aziendale strategico semplicemente perché solo da quel

frontesarannopossibilituttequelleottimizzazioniingradodifarcrescerelacompetitivitàdiun’impresanelpropriomercato.Nontutti,però,sonod’accordoconquestaimpostazione.Capitafintroppospesso,anzi,ditrovarepersone(anchetracol-leghimarketingspecialist)chesidichiaranodeltuttoantagonisterispettoallaculturadeldatoedelledecisionidata-driven.Ilproblemasorgequandoinun’aziendapersonediquestogenereoccupanoposizionidirilievo.Siparla,inquestocaso,diHiPPO–simpaticoacronimocheindicaleHighestPayedPersons inOrganizationeci restituisceanchevisivamente immagini di irremovibilità corroborata da scarsao nulla intelligenza (senza offesa, ovviamente, per i veri ippo-potami,ched’altrondenonsonocertofamosiperlalorosagacia).QualèilprofilotipicodiunHiPPO?Sicuramenteeglirispondeacaratteristichecomeledueseguenti:

� guadagnamoltopiùdellamediadegli impiegatidellasua im-presa.Chesiaunimprenditore,undirettoregeneraleounam-ministratoredelegatodiunacorporation,unHiPPOsicontrad-distinguefacilmenteperquestapeculiarità;

� adoraprenderedecisioni. In fondo,èpagatoperquesto,evabenecosì.Qualèilproblema?

Il problema è che spesso il nostroHiPPOama influenzare atti-vamente con le sue decisioni anche settori sui quali non ha labenchéminima competenza, e ama farlo facendo pesare comegrossimacigni il proprio intuito e la propria esperienza, la cuicaraturaètaledaconsentirediguidarel’impresasenzaassoluta-mentebasarsisuidatistatisticiesenzaoperaremediantel’usoditestingradodivalidarequantoipotizzato.Insomma,l’HiPPO“sa”,eperquestosichiudeadognivalutazionestatisticadelleattivitàlegatealsuosettoredicompetenza.GliHiPPOnelleimpresesonopiùcomunidiquantosipossaimma-ginare.Soprattuttonellepiccoleemedieimprese,dovetroviamo

l’imprenditorechesiè“fattodasé”.Eglinonammetteràmaichequalcunopossafornireindirizzivalidiallasuaimpresabasandosisudatianalitici.Questotipodipersonenonèinfattiingradodivalutareil lavorodianaliticadalpuntodivistadeibeneficicheessoporteràallasuaimpresa.Quandol’analistasitrovadavantiaunpersonaggiodelgenere,haduepossibilità:cercaredifarseloamicooabbandonarel’impresa.Ilproblema,aldilàdellebattute,èquellodiformareunaculturaaziendalefondatasuunapprocciodatadriven.Spesso le persone non utilizzano i dati a disposizione perchénonsannocomefare,etemonoleconseguenzediunapproccioapparentementeeterodiretto.Magarihannotimorecheidatinonsiano accurati al 100%, oppure semplicemente non riescono acapirecheilmercatononèpiùquellodi10o15annifa.Ilprimoproblemachedeveaffrontare l’analista inquestocasovaoltrel’analisideidati:consisteinfattinell’elaborazionedistra-tegiecheconsentanodisuperarequestiostacoliinmodocreativo,conunpo’dipsicologiaemoltoimpegno.UnaregoladibaseperriuscireaportaregliHiPPOaziendalidallaparte dei dati è quella di mettere insieme sintesi ed efficacia.Spessoinostrireportsonocompostidadecineoaddiritturacen-tinaia di pagine di dati, grafici, tabelle. Un report del genere èutilesel’interlocutoredall’altraparteèanch’egliunconsulentedimarketingounmanagerchevuoleavereuncontrollomoltospe-cificosulleattivitàdellasuaimpresa.Unaltodirigente,untitolared’aziendaounHiPPOnonpotrannomaitrarrebeneficidaquestidati,efinirannoimmediatamenteconl’ignorareireportprodottidalwebanalyst,dicuinonsarannoingradodivederel’utilità.Sia detto chiaramente per inciso: questo accade spesso ancheperché le aziende si rivolgono per il lavoro di analitica a con-sulenti che si limitanoa forniredati, nonanalisi. Comprenderela differenza tra i due termini, capire che business analytics efornitura acritica di dati e tabelle sono concetti molto diversi

Digital Analytics per E-commerce · hanno partecipato alla sua stesura e pubblicazione, ad iniziare...

Documents