Sei sulla pagina 1di 17

ESTRATTO DAL LIBRO “DATA DRIVEN MARKETING” DI FEDERICA BRANCALE.

E’ VIETATA
LA RIPRODUZIONE, CONDIVISIONE E DISTRIBUZIONE AL DI FUORI DELL’AMBITO DI
FORMAZIONE TIM.

Introduzione alla web analytics & al digital analytics journey – Il metodo data driven

Ci deve essere una spiegazione matematica per


la bruttezza della tua cravatta.
A Beautiful Mind

1.1. Digital analytics moderna: cos’è e di cosa si occupa

1.1.1. Una definizione a 360°

Quando si parla di analytics, talvolta ci imbattiamo in termini oscuri, difficili da inquadrare. Partiamo
dalle basi; ​cosa vuol dire fare analisi?

L’analisi è il processo che conduce alla scoperta di informazioni utili, attraverso l’interpretazione e la
[1]​
comunicazione delle relazioni tra dati​ . In questo caso, il dato rappresenta uno strumento che
utilizziamo per raggiungere un obiettivo.

All’interno dell’analisi, possiamo individuare due aree di particolare interesse: la data analytics e la
business intelligence. La ​data analytics è la scienza che studia i big data, ossia grandi database detti
datawarehouse al cui interno è possibile condurre diversi tipi di analisi. Per maneggiare basi di dati
di dimensioni notevoli esistono varie tecniche di datamining che possono richiedere (non
necessariamente) competenze di statistica e di programmazione per utilizzare programmi quali
Phyton, R ecc.

La ​business intelligence è un’area della data analytics incentrata su analisi che portano ad azioni
concrete legate al business. Ha un’applicazione molto più economica e spesso si occupa
principalmente di analisi sui clienti.
Con l’arrivo del web, il mercato e gli strumenti sono cambiati e si è reso necessario coniare nuovi
termini per completare il quadro della situazione: web e digital analytics diventano le nostre due
nuove amiche.

[2]
La ​web analytics 2.0​ ​è definita come l'attività di misurazione, raccolta, analisi e reporting dei dati
[3]​
online volta a comprendere e ottimizzare l'utilizzo dei siti​ . Riunisce, infatti, tutte le analisi che
possiamo condurre sul sito e sugli utenti in relazione al web (come ricerche di mercato online, ecc.).
Torneremo più avanti sulla spiegazione del suo funzionamento, per adesso limitiamoci
[4]
all’individuazione delle aree di studio. Quella di ​digital analytics​ è una nozione ancora più ampia,
che non è più limitata al web ma estesa al digitale, e comprende la cosiddetta ​internet of things​, cioè
l’interconnessione tra “oggetti” che utilizzano una connessione internet, ma non fanno riferimento al
web in senso stretto. La digital analytics viene definita come «​the analysis of qualitative and
quantitative data from your business and the competition to drive a continual improvement of the
online experience that your customers and potential customers have which translates to your desired
[5]​
outcomes (both online and offline)»​ ​ . Include anche analisi dei dati dei clienti, compito della vecchia
business intelligence, applicate al digitale e all’offline, come predizioni, modelli econometrici e molto
altro.

Nel 2016 ho condotto una piccola ricerca di mercato sulla definizione di web analytics in Italia.
Ho chiesto ai maggiori esperti del Paese quale fosse la loro opinione. Di seguito, trovi alcune
delle definizioni più divertenti, in forma anonima:

● Le attività di analytics, qualunque sia il dato che stai analizzando, possono essere
riassunte così: l’arte di prevedere il futuro studiando attentamente il passato.

● La web analytics sta al marketing digitale come lo Scouter (il visore) ai Saiyan di
Dragon Ball. La differenza con il marketing tradizionale, o offline, che si basa(va) su
gruppi di ascolto, auditel e dati poco completi e il marketing online è soprattutto
questa. L’informazione è potere (over 9.000 cit.). I sistemi di web analytics
permettono di tracciare in modo estremamente preciso non solo il numero delle
visite o dei like, metriche quantitative buone per fare a gara a chi ha le sfere del
drago più grosse, ma anche e soprattutto i pattern di scelta ovvero i ​comportamenti
degli utenti, in modo tale da profilare con estrema precisione e agire
strategicamente di conseguenza. Una maggiore responsabilità del marketer in ottica
di ritorno dell’investimento, il giusto “prezzo” da pagare per informazioni
inimmaginabili fino a qualche tempo fa.

● La web analytics è la disciplina che studia con approccio quantitativo lo studio dei
comportamenti e delle interazioni umane sulle pagine web.
● La web Analysis è un servizio a supporto del business aziendale al fine di
migliorarne le performance.

● La base per fare qualsiasi investimento online.

● È un po’ l’arte e un po’ la scienza di ricavare informazioni utili da masse di dati più o
meno omogenee.

● Il compito generale della web analytics è quello di comprendere il modello di


business del sito web o della proprietà che stiamo misurando, allo scopo di
determinare ​di chi (i profili utente) e ​rispetto a cosa (gli obiettivi) stiamo
analizzando i dati, e infine determinare ​quali ottimizzazioni sono necessarie al fine di
migliorare le performance di ogni profilo utente in relazione ai suoi specifici
obiettivi. Insomma, fare web analytics vuol dire mettere al centro non i dati, ma gli
utenti, e cercare di comprendere gli utenti attraverso i dati al solo scopo di costruire
una strategia di marketing e di ottimizzazione della proprietà che stiamo
monitorando.

● L’esame di una serie di dati statistici relativi alla facilità di contatto verso un sito
web e le azioni necessarie a migliorare la situazione.

● Il metodo più efficace per trasformare i dati web in una base per modificare le
proprie strategie digitali.

● Monitorare e analizzare il comportamento dell’utenza sul sito (o sull’app) al fine di


raggiungere gli obiettivi del sito (engagement, vendita, lead generation ecc).

● Può sembrare una domanda semplice, ma in realtà spiegarla in modo che tutti
possano comprendere non è affatto banale. Ci provo. La web analytics è un insieme
di metodi e di impostazioni software che ti permettono di ottenere dei dati oggettivi.
Questi dati sono correlati ad attività (o non-attività) su una (o più) pagine (o
applicazioni) web. Da questi dati poi è possibile pianificare (tipicamente) strategie di
web marketing, marketing o semplicemente di user experience definendo degli
obiettivi (KPI) oggettivi.

Oggi come oggi assistiamo a quella che può essere definita una democratizzazione dei dati. Significa
che i dati sono tutti uguali​: siano essi big, business o digital, adesso l’attenzione si è spostata sulla
loro utilità e sulla loro capacità di dare informazioni in tempi brevi. L’avvento della digital analytics
segna quindi l’inizio di una nuova era in cui numerose branche dell’analisi trovano applicazione nel
mondo digitale.

Dopo questa breve panoramica, possiamo tornare al ​significato di digital analytics​. La digital
analytics è l’analisi dei dati quantitativi e qualitativi relativi al tuo business e ai tuoi competitor,
condotta allo scopo di ottenere un continuo miglioramento dell’esperienza online vissuta dai clienti,
effettivi e potenziali, la quale si traduce in risultati desiderati (online e offline).

Gli aspetti più importanti su cui dobbiamo soffermarci sono:

DATI QUANTITATIVI E QUALITATIVI

Quando si citano queste due tipologie, si fa riferimento a dati disponibili come, ad esempio, i numeri
sulle vendite e il livello di gradimento di un prodotto espresso da un utente. I dati quantitativi ci
dicono cosa sta succedendo, ad esempio se è in atto un miglioramento o un peggioramento. I dati
qualitativi, invece, ci svelano il perché di quel miglioramento. Ecco un semplice esempio: il traffico
sul mio sito cala (dato quantitativo); mia sorella afferma che quando naviga il sito è lento
(qualitativo) e non ci tornerà più. Inoltre i dati quantitativi sono più facili da maneggiare, ma è più
difficile tirare fuori informazioni da sfruttare in modo concreto. I dati qualitativi invece possono
essere meno statisticamente affidabili, ma le analisi che ci si possono fare sono notevolmente più
[6]​
pratiche​ . Vedremo in seguito che la sinergia tra questi due tipi di dati è la soluzione per avere il
quadro completo.

MIGLIORAMENTO

Con questo termine indichiamo il processo messo in atto per aumentare la soddisfazione dell’utente.
In sostanza, si tratta di definire i bisogni e le aspettative del cliente traducendoli in numeri detti
indicatori di performance (key performance indicator). Grazie a questi numeri possiamo testare le
ipotesi a nostra disposizione e agire di conseguenza. Questa tecnica deriva dalle teorie sul
miglioramento dei processi di ingegneria, si chiama Deming o PDCA ed è raffigurabile nell’immagine
che trovate di seguito. La tecnica, in un secondo momento, è stata rivista da Avinash Kaushik
(evangelist di Google Analytics) e applicata al digitale.

RISULTATI

I risultati possono consistere nell’aumento delle vendite o nell’acquisizione di contatti, ad esempio.


Non dobbiamo tuttavia dimenticare che, per raggiungere i risultati, si fa riferimento al percorso di
soddisfazione dell’utente prima ancora che al raggiungimento degli obiettivi.

Questo metodo ci seguirà per tutto il libro, e non nego che è talmente valido da trovare applicazione
anche in contesti non lavorativi!
1.1.2. Utilità dei dati

Se ti è capitato di chiederti quali siano le pagine più visualizzate del tuo sito o i contenuti più
condivisi tramite i social, se il conversion rate è troppo basso, se vuoi sapere qual è la fonte di
traffico più efficace, oppure se organizzare il workshop che hai in mente a Milano o a Madrid... sappi
che i dati possono esserti d’aiuto. I dati, infatti, ti guidano nel monitoraggio, nell’analisi e nella
risoluzione dei problemi di business, ti permettono di esaminare il comportamento degli utenti sul
sito per migliorare l’esperienza di navigazione (UX) e di ottimizzare le attività online come
campagne e budgeting in base agli obiettivi. Insomma, ti permettono di prendere decisioni basate su
dati oggettivi.

Oggi i dati trovano applicazione in contesti completamente nuovi, come quello digitale, ma il punto di
partenza rimane sempre lo stesso. Dunque, a prescindere che si tratti di web analytics, digital
analytics, business intelligence o big data, il dato puro ha un’utilità intrinseca tutta sua.

Quando un dato cresce, e diventa sostanzioso, ci regala informazioni. Le informazioni aumentano la


nostra conoscenza, che inevitabilmente si traduce in una maggiore saggezza. La saggezza ci permette
di prendere ottime decisioni. Mi viene in mente l’immagine di un nonno sapiente a cui chiedere
consigli; in realtà, il concetto proviene da due interessanti teorie. La prima teoria, elaborata da
Avinash Kaushik, fa riferimento all’approccio “from data to action” che prende spunto da Michael
[7]
Porter e dalla sua “catena del valore”​ . Secondo Porter bisogna partire da una base di input (dati)
per raggiungere un output (tramite le analisi) che si in grado di produrre marginalità incrementali
per l’impresa: i dati devono, cioè, portarci a intraprendere delle azioni concrete. Ovvero, se il dato
non ci porta a prendere decisioni, se non viene concretizzato in un’azione di marketing non ha senso
di esistere. Se ai dati non viene associata un’azione da applicare che produca valore per l’impresa
(risparmiare o guadagnare di più) il dato non ha valore.

La seconda, più generale, si chiama “piramide di DIKW”, utilissima per comprendere come arrivare
all’azione citata dalla prima teoria.

Figura 1.2. La piramide di DIKW e il processo che conduce alla saggezza

Nella piramide di DIKW, il ​dato ​è grezzo e può esistere in tante forme, ma non ha nessun significato
preso da solo. Una volta compreso il dato, possiamo rispondere ad alcune domande, come ad
esempio chi, che cosa, quando, dove, perché; solo allora il dato diventa utile e può essere definito
informazione​. L’informazione, dunque, è un dato che ha assunto significato grazie alla
comprensione delle relazioni esistenti tra il dato stesso e, nel nostro caso, le azioni di marketing. La
conoscenza, invece, ​scaturisce dall’appropriata raccolta delle informazioni. Il processo consiste
nell’individuazione di schemi, strutture ripetitive o modelli che vengono organizzati e strutturati. Il
concetto è ampio e di non facile definizione, soprattutto in questa sede. Infine, la ​saggezza è un
processo esplorativo. Anche qui, è un po’ come nella vita: se applichiamo la nostra conoscenza a
tante aree, mischiandola con etica, morale, giudizi, esperienza e tanto altro, la conoscenza diventa
saggezza. Per concludere, alcuni descrivono la saggezza come la capacità di aumentare l’efficacia.

Nonostante questa visione possa sembrare, di primo acchito, lontana dal marketing, in realtà ci aiuta
ad accostarci alla materia con occhi diversi, con sguardo neutro e sgombro da preconcetti.

Bene, e come usiamo questi dati dati per migliorare il nostro lavoro? Facciamo riferimento a quattro
attività principali, dette ​digital analytics framework​:

DATA STRATEGY

Consiste nel creare una strategia multicanale, nell’individuare i principali obiettivi, nel monitorare
KPI, nell’allocare il budget sulla base dei dati. È uno schema della strategia messa a punto a monte
che ha il fine di comprendere cos’è importante monitorare e come farlo. Per questo motivo viene
messa al primo posto.

DATA CAPTURING

La seconda attività si occupa di collezionare i dati più importanti per il proprio business. Si basa
sull’identificazione dei dati da catturare in base alla loro utilità in una piattaforma per la lettura
futura.

DATA REPORTING

La terza attività consiste nel monitorare i dati scelti dalle aziende attraverso documenti
riassuntivi per il controllo; in linguaggio tecnico, significa monitorare KPI tramite dashboard e
report.

DATA ANALYSIS

L’ultima attività consiste nell’analisi dei dati e nella relativa traduzione in attività di business, e
implica l’abilità di interpretare i dati con lo scopo di estrapolare conoscenza da essi.

Se vogliamo applicare questi quattro processi al nostro business dobbiamo calarli nel contesto
aziendale, e soprattutto adattarli alla maturità aziendale. Nell’immagine di seguito vedrai uno
schema del diverso peso delle quattro attività a seconda della maturità di business. È il primo
esempio di visualizzazione dell’informazione che ha l’obiettivo di aiutarti a capire meglio questo
concetto.
La ​fase iniziale di un business è quella in cui si decide cosa tracciare in base agli obiettivi prefissati.
Nella ​fase intermedia l’attività di data capturing entra a far parte della manutenzione e l'attenzione si
sposta verso i dati e verso la loro utilità per il business. Nella ​fase avanzata i dati e le analisi sono
utilizzati per sviluppare una strategia di marketing omni-canale.

E adesso, prova a pensare a quanto tempo viene speso nella tua azienda per ognuna delle precedenti
fasi al fine di stabilire il livello di maturità di digital analytics del tuo business.

IL CONTRIBUTO DELL’ESPERTO – MARCO CILIA

Immagina di vivere nella preistoria e di essere un uomo delle caverne. Quasi sicuramente i tuoi
quesiti principali nella vita avranno a che fare con la sopravvivenza, la fame e la lotta: “quanto è
distante quella preda? ci arriva la mia lancia?” “se fuggo da quell’animale feroce, riuscirò a
saltare abbastanza in lungo da superare quel burrone?”.

Se anche volessi immaginare di vivere in un’epoca meno remota, la tua curiosità potrebbe
essere solleticata da domande cui ancora nessuno ha risposto: quanto è vecchia la Terra?
quanto è alto quel faro che non posso raggiungere e misurare direttamente? come si quantifica
esattamente “un secondo”?

Tu invece vivi nell’era moderna, dove praticamente qualsiasi domanda che un essere umano
può porsi ha già una risposta, e il progresso scientifico si gioca su basi e strumentazioni al di
fuori della portata dell’uomo medio. Ma ciò non toglie che misurare sia una capacità (e una
necessità) innata della specie umana, un bisogno irresistibile, un desiderio irrefrenabile di
colmare una lacuna del proprio sapere.

La digital analytics copre esattamente questa necessità quando si parla di misurazione di un


progetto digitale: un sito web, un’applicazione mobile, un software desktop, un gioco, il numero
di persone raggiunte da un post su Facebook o il tempo medio di permanenza sulla pagina dei
contatti del sito della Casa Bianca. Qualunque domanda abbia a che vedere con la misurazione di
un fenomeno digitale trova la risposta nella scienza (e nell’arte) della digital analytics.

La digital analytics oggi non è più soltanto l’analisi delle statistiche di un sito web (quella era
infatti la WEB analytics!), ma affronta continuamente una sfida più grande: quella di riuscire a
mettere insieme i frammenti della vita digitale moderna di un utente qualsiasi, una vita digitale
che si svolge in modo continuativo, dalla mattina alla sera – e a volte anche oltre – su molteplici
device, interagendo con siti web, social network, applicazioni mobili, store fisici, call center e
altro ancora. La molteplicità dei punti di contatto fra un utente e un brand è sicuramente
un’opportunità per il brand, ma è una grande complicazione per l’analista.
Se volessimo dare una definizione accademica di digital analytics diremmo qualcosa come
“l’insieme delle attività che definiscono, collezionano, verificano e trasformano i dati in report,
analisi e raccomandazioni di business”, o qualcosa di molto simile. Ineccepibile sotto molti punti
di vista, ma poco efficace a sottolineare una parte altrettanto importante della verità: la digital
analytics non esiste, senza l’analista. Altrimenti dovremmo dare ragione a chi vocifera che tra
qualche anno questa disciplina sarà soppiantata dai sistemi di intelligenza artificiale.

Niente di più sbagliato, perché la creatività, l’idea, il pensiero laterale sono ancora necessari,
specialmente quando il contesto è complesso, le attività molteplici e incrociate, la competizione
sul mercato in cui il cliente opera serrata e spietata. Senza tenere conto di questi e di altri
innumerevoli fattori, le raccomandazioni che si estraggono dai dati possono essere insignificanti
o addirittura controproducenti. Senza “metterci la testa” come si deve, l’attività di reporting è
fine a sé stessa e inconcludente; in pratica, soddisfa forse una curiosità superficiale, ma non ha
l’impatto che merita sul business complessivo.

Per avere un impatto decisivo sul business, la digital analytics ha bisogno di un percorso, una
strada da seguire, un framework ciclico e replicabile. Uno dei più classici che si incontra è quello
a sei step che si articola così:

STRATEGIA

In questa fase è necessario fissare una roadmap e i KPI di riferimento che dovranno essere
valutati ai fini del successo. È possibile partire dai dati esistenti – se ci sono e sono utili – oppure
definire il tutto discutendo con gli attori che faranno parte del progetto.

IMPLEMENTAZIONE

In questa fase è necessario dar seguito concretamente alla strategia, misurando correttamente
ciò che ha importanza misurare anche in base ai KPI che dovranno essere raccolti o calcolati in
una fase successiva.

REPORTING

In questa fase bisogna far sì che i dati vengano visti dalle persone giuste, nel momento giusto e
possibilmente nella giusta forma: report, dashboard, invii periodici di mail, fogli elettronici. È
cruciale che i dati circolino in azienda, mentre importa relativamente poco il mezzo con cui lo
fanno.

ANALISI
Dalle analisi dei dati e dei report deriveranno le raccomandazioni per modificare le strategie di
marketing, oppure nasceranno altre domande che consentiranno di fare ulteriori analisi, più
specifiche e utili delle precedenti.

OTTIMIZZAZIONE

Ogni raccomandazione deve essere testata e verificata con un rigoroso approccio


scientifico/matematico e possibilmente con test reali di tipo A/B/N o multivariati sul campo.

IMPATTO SUL BUSINESS

Il punto finale è il calcolo dei ritorni economici del processo di implementazione del framework,
in termini di maggiori introiti o minori costi, cercando di comprendere la totalità del business
impattato dalle attività di analisi.

Una corretta e attenta pianificazione di questo framework (ma ce ne sono molti altri, ognuno
deve chiaramente trovare quello che più si addice al suo modo di essere e di fare analisi) è in
grado di produrre effetti di lungo periodo molto importanti sulla fiducia nel dato da parte del
cliente finale, sugli effetti benefici dell’attività di web analytics sull’azienda, e in ultimo sul
fatturato complessivo del cliente, che non guasta mai.

1.1.4. Come collezionare, monitorare e analizzare i dati digitali

Esistono tantissimi strumenti di analisi dei dati; solitamente, tuttavia, facciamo riferimento per lo più
a piattaforme di analisi dei dati del sito web dette ​piattaforme di web analytics​, come queste:

● ​Google Analytics: strumento gratuito, offre report molto semplici da leggere. Esiste la
possibilità di consultare dati in real time ed è sicuramente la piattaforma più facile da
utilizzare. Offre tutte le integrazioni con i prodotti Google, è facile da implementare e fornisce
un’ampia documentazione di studio e preparazione. Nel 2013, il 74% dei siti web era
[8]​
tracciato con questa piattaforma​ . Per ragioni di accessibilità, dunque, molti degli esempi
di questa guida faranno riferimento all’utilizzo di Google Analytics.
● ​Adobe Analytics: strumento a pagamento (dal costo notevole) di IBM. Per leggere i

dati è necessaria una conoscenza approfondita della piattaforma. L’installazione richiede


conoscenze tecniche avanzate. I segmenti sono limitati e non è di facile utilizzo
● ​WebTrekk: sicuramente meno conosciuto, rappresenta invece una piattaforma molto

valida e facile da utilizzare. I grafici e le dashboard non sono esattamente intuitivi e sono
assenti collegamenti con tool esterni.
● ​Kissmetrics (sas): software utilizzato soprattutto per i business di tipo “service as a
service” che necessitano di analisi approfondite su recency, customer life time value e cohort
per capire il tasso di ritorno o di reinscrizione
● ​Piwik o Matomo: per concludere, non possiamo non citare la piattaforma open

source che liberalizza l’analytics. Ho sempre letto ottime recensioni e lascia ampio spazio alla
customizzazione. Per gli avventurosi dotati di inventiva è sicuramente la migliore

Uno dei problemi principali è che ​tante azioni di marketing avvengono al di fuori del sito web​.
Pensa a quello che succede sui social. Per questo, la mia guida non parla di web analytics intesa come
studio dei dati che hanno un legame all’interno del sito, bensì di digital analytics, ossia di una
valutazione a 360° delle attività di marketing. In questo senso possiamo citare altre piattaforme
utilissime per raccogliere dati rilevanti per le nostre strategie: Facebook Insight, SimilarWeb per i
dati sulla competizione, SEMrush, AdWords, True Social Metrics, Global Market Finder e tantissime
altre. Se continuassimo, potremmo arrivare a cinquecento. Niente paura, le prenderemo in esame
una per una, e le troverai elencate in fondo al libro.

1.1.5. I principali elementi delle analisi

[9]​
Gli elementi principali di questa materia sono 5​ :

● ​Numeri grezzi: l’unità di misura base, ad esempio 12.000 visite sul sito. Sono definiti

anche come numeri assoluti


● ​Ratio o rapporti: solitamente sono due numeri divisi tra loro, ad esempio pagine

visualizzate per visita (ovvero pageviews/sessioni). I rapporti sono anche detti numeri
relativi
● ​Metriche: una misurazione statistica quantitativa, ossia un numero che descrive un

evento o una tendenza all’interno del tuo strumento di collezionamento dei dati. Nel nostro
caso, le visite, o meglio, le sessioni di un sito web
● ​KPI: key performance indicator, ossia indicatori di performance chiave che sono in

grado di indicare l’andamento degli obiettivi di business. Sono metriche legate ai nostri
obiettivi
● ​Segmentazione: la tecnica fondamentale, sia in statistica che in marketing, per

ricavare informazioni dai dati. Se abbiamo 12.000 visite e decidiamo di segmentarle per
sorgente di traffico, avremo le visite splittate per ogni sorgente. Scoprire che il 90% delle
visite proviene da una sorgente organica (SEO) rappresenta una segmentazione per sorgente
di traffico. Vedi come cambia la lettura del risultato?

Personalmente, vorrei aggiungere un sesto elemento, ovvero i test. Una delle basi del ragionamento
analitico è l’umiltà: la consapevolezza che non esiste un numero giusto o un numero sbagliato,
quando guardiamo a conversion rate, bounce rate o numero di sessioni. Non sempre esiste una
risposta a priori alle tue domande, sono i dati che te la forniscono. Questo accade perché il contesto
del mercato, i tuoi clienti e la tipologia di business “personalizzano” il dato a tal punto che non è
possibile identificare una regola aurea valida per tutti. È quindi fondamentale esaminare tutte le
attività di marketing per testare la loro efficacia. Il test in questo caso ti permette di valide una
ipotesi e aumentare la velocità di apprendimento.

Infine nelle principali piattaforme di web analytics si aggiunge anche un altro elemento
fondamentale per l’utilizzazione dei dati, ovvero la dimensione: l’attributo descrittivo di un numero.
Se diciamo che ci sono state dieci visite da Londra, le visite rappresentano la metrica, mentre Londra
rappresenta la dimensione chiamata “città”.

Per continuare nel percorso di analisi è necessario approfondire due dei precedenti concetti, le
metriche ​e le ​dimensioni​, perché saranno i nostri alleati quando andremo a utilizzare gli strumenti
di analisi: ne citiamo quindi alcune, le principali, ma non dimenticare che ogni strumento utilizza una
propria nomenclatura. Nei prossimi capitoli impareremo a utilizzare gli attributi giusti in base alle
domande che ci poniamo.

Metriche base:

● ​Sessione: è un periodo di interazione tra il browser e il sito che termina nel caso in

cui si verifichi un periodo di inattività di 30 minuti

●​ U
​ tente: è un visitatore identificato da un cookie di Google Analytics

● ​Visualizzazionedi pagina: ogni volta che una pagina viene caricata in un browser
viene contato un pageview

● ​Visualizzazionedi pagina unica: una visita che genera uno o più pageview in una
pagina genera un solo pageview unico. Il pageview unico può essere assimilato alle
visite per pagina

● ​Rimbalzi o bounce: i bounce sono visite sul sito con tempo pari a zero (una sola
pagina visitata, nessun'altra azione). Se un utente visita una sola pagina e ci passa
cinque minuti e trenta secondi, possiamo definirlo “bounce”. Se ci passa tre ore e
cinquanta minuti, possiamo ugualmente definirlo bounce. Questa metrica, fino a
qualche anno fa, era fondamentale per misurare l’engagement. Tuttavia, la metrica,
come ogni canale, risente del contesto. Avere un alto bounce rate per un blog è
normale. Oppure, in un mondo dove il mobile sta diventando il primo device con cui
visitiamo i siti, avere un bounce rate alto è normale in quanto siamo abituati a
sfogliare e a uscire dal sito per esigenze di consultazione
● ​Tempo medio sulla pagina: media dei tempi sulla pagina delle singole pageview (no
bounce) calcolate come la differenza di tempo tra le pagine Tp: Tp2 – Tp1

● ​Tempo sul sito: il tempo, su Google Analytics, viene dedotto in base al momento in
cui viene richiesta al server una determinata pagina, o una sequenza di pagine in una
visita. Il tempo sul sito quindi è media dei tempi sul sito delle singole visite (con
bounce)

Metriche avanzate:

● ​CPA,CPL, CPV: costo per acquisizione, costo per lead e costo per azione, ovvero
quanto ci costa la singola azione dei nostri utenti

●​ R
​ OI, ROAS: il guadagno derivante dagli investimenti

● ​NPS:net promoter score, ovvero quanto gli utenti tendono a consigliare il nostro
prodotto o servizio

●​ R
​ each: quanti utenti raggiungiamo con le nostre azioni di marketing

●​ F
​ requency: quante volte lo stesso utente vede la stessa pubblicità

●​ R
​ ilevanza: quanto la nostra pubblicità risponde bene alle esigenze degli utenti

Per capire le ​dimensioni​, conosco un esempio molto efficace: ricordi il film ​Non ci resta che
piangere con Massimo Troisi e Roberto Benigni? Mi riferisco a quella famosissima scena in cui
dicono «​chi siete, da dove venite, cosa fate… un fiorino!​». Ecco, le dimensioni degli strumenti di web
analytics funzionano un po’ così.

Chi siete?

●​ P
​ aese: stato, continente o città, in base alle nostre esigenze

●​ C
​ ategoria dispositivo: mobile, tablet o desktop

●​ L
​ ocalità

●​ G
​ enere

●​ T
​ ipologia di visitatore, nuovo o di ritorno

Da dove venite?

●​ H
​ ostname: dominio che riceve traffico
● ​Sorgente/mezzo: la sorgente è il nome del sito che ci porta traffico, ad esempio
Facebook, e il mezzo è la categoria, ad esempio social network

●​ C
​ ampagna: è il nome che abbiamo dato alla nostra campagna di marketing

●​ K
​ eyword

Cosa fate?

● Landing page

● Categoria di pagina

● Categoria, azione ed etichetta evento

Un fiorino!

● Prodotto

● Categoria prodotto

● ID transazione

Insomma all’interno degli strumenti di web analytics troverai tante metriche e dimensioni, noi
abbiamo visto le principali, ma col tempo, utilizzando spesso la piattaforma le memorizzerai
tutte.

1.2. Digital analytics journey: la metodologia vincente per raggiungere il successo online

Velocità, dinamicità, complessità e sconfinatezza. Queste sono le caratteristiche del marketing


attuale. Cambia continuamente, in modo repentino, e la grande quantità di informazioni a nostra
disposizione rendono sempre più difficile fare ordine. Per questo motivo i dati sono necessari: ci
aiutano a mettere ordine e solo partendo da loro possiamo raggiungere una coerenza strategica.
Questa rappresenta la capacità di capire i bisogni degli utenti e soddisfarli, mantenendo le promesse.
Per riuscire in questa impresa abbiamo bisogno di un metodo molto ben definito:

Le fasi per raggiungere la vetta sono quattro:

1) ​La
fase di ricerca, ovvero la fase di raccolta ed elaborazione dei dati per
comprendere il business, i clienti e il mercato
2) ​La fase della presenza online che consiste nell’eventuale sviluppo del sito web
guidato dalle ricerche e dalle analisi, e nel successivo inizio del monitoraggio del sito
e delle attività di marketing

3) ​Lafase della creazione della clientela relativa al percorso di acquisto detto funnel di
marketing, ovvero il processo di visibilità, interazione, conversione e fidelizzazione
dei clienti. Si basa sull’implementazione delle campagne di marketing data driven,
ovvero guidate e ottimizzate attraverso i dati per ogni step del funnel

4) ​La fase dell’ottimizzazione guidata, continua e costante guidata dai dati (data
driven). Pensavi davvero che il gioco fosse semplice? E invece l’ottimizzazione non
finisce mai

Percepisci l’ordine e la tranquillità di questo approccio? Ironia a parte, per spiegarti meglio
questi concetti possiamo utilizzare una bellissima immagine. Utilizziamo una tecnica di
storytelling, in questo caso un’infografica, per raccontare una storia.

In un mondo perfetto, prima di andare online l’azienda inizia a fare ricerca: cosa vogliono i miei
utenti? Soddisfo tutti i loro bisogni? Chi sono i miei competitor? A partire dalla ricerca, si
definisce la strategia di marketing. Nei capitoli successivi vedremo passo per passo come fare.
Una volta definita la strategia di marketing, pensiamo al posizionamento comunicativo, ovvero
al branding, e iniziamo a produrre contenuti che ci rispecchino e incontrino le esigenze degli
utenti. Una volta terminata la preparazione, siamo in possesso di tutti gli elementi che ci
servono per creare un sito user centered, ovvero focalizzato sugli utenti, user friendly e
ottimizzato. Ci occupiamo poi dello sviluppo, del codice, della scelta dei template, delle
funzionalità e del design, lasciandoci guidare da tutte le ricerche preventive in grado di darci
consigli su quale opzione scegliere. Siamo finalmente presenti. Adesso possiamo iniziare a
utilizzare il giusto canale di marketing in base all’obiettivo definito nella strategia.
Sfortunatamente, nella vita vera difficilmente questo ordine viene rispettato: di solito si crea il
sito, si fanno investimenti e solo in un secondo momento ci si chiede perché questi investimenti
non portino risultati.

Il digital analytics journey è il percorso che affronteremo insieme in questo libro per capire che
tipo di analisi vanno fatte in base allo stadio di creazione del nostro business. Parleremo delle
analisi strategiche di ricerca e delle analisi per ogni stadio del percorso di conversione degli
utenti detto funnel.

Cosa fare prima di andare online​:

ANALISI STRATEGICA

Quando viene lanciato un business, c’è bisogno di un’analisi strategica del mercato che ci guidi
nella creazione di una tattica di marketing basata sui dati. Questa è la prima differenza fra web
analitycs (analisi sui siti web) e digital analytics (analisi di mercato, dati qualitativi, ecc). In
questa parte analizzeremo il mercato, la domanda, i competitor, le personas e tanto altro.

CREAZIONE DELLA STRATEGIA

Unire analisi, campagne, KPI e canali di marketing in un modello unico che permetta di valutare
immediatamente se la nostra strategia è coerente e funziona.

CREAZIONE DEL SITO WEB

Tramite l’analisi strategica è possibile creare un sito web che soddisfi le esigenze degli utenti.
Possiamo costruire una struttura ottimizzata, ovvero categorie, sottocategorie ecc. La
nomenclatura delle aree e il design emozionale per guadagnare la fiducia degli utenti e costruire
una relazione con loro.

COLLEZIONAMENTO DEI DATI

Una volta definita la strategia, quindi le campagne e i KPI, per il loro monitoraggio bisogna
mettere in piedi la struttura, in modo da collezionare i dati nel modo corretto e creare
reportistiche che ci permettano di analizzare l’andamento delle campagne e capire se la nostra
strategia funziona o no, dove va ottimizzata, come e quando. Infine impareremo a capire cosa
dobbiamo tracciare sul nostro sito web, ovvero cureremo la parte strategica del tracciamento
dei dati grazie a Google Analytics e Google Tag Manager (web analytics pura).

Cosa fare dopo che abbiamo creato una presenza online:

ANALISI DI ACQUISIZIONE DETTE UPPER FUNNEL

Questa parte del funnel si concentra sulla capacità di attirare l’attenzione dell’utente senza che
quest’ultimo stia manifestando un interesse diretto. Una volta lanciate le campagne, in base alla
strategia di marketing prima formulata, impareremo ad analizzare lo status della brand
awareness, cioè quanto il brand è conosciuto, l’impatto della comunicazione e la web reputation
e infine le campagne display e offline.

ANALISI DI INTERAZIONE DETTA MIDDLE FUNNEL


In questa parte ci concentreremo sulle sorgenti che portano clienti i quali manifestano un
interesse, come ad esempio SEO, Search ecc. Faremo anche analisi di engagement e di user
experience. Questa sarà la parte più sostanziosa del libro.

ANALISI DI CONVERSIONE DETTA LOWER FUNNEL

Faremo analisi sulle conversioni, analisi specializzate per gli e-commerce, analisi del calo del
traffico focalizzandoci sempre sull’aspetto della vendita.

ANALISI DI FIDELIZZAZIONE

Churn analysis, customer lifetime value, RFM analysis e cohort analysis, tutte per capire chi sono
i nostri clienti migliori, come riattivare quelli “morti” e come ottenere il massimo da loro.

Di seguito trovi uno schema che ti mostra il percorso degli utenti che atterrano sul sito (see) e
sono nella fase chiamata awareness. Guardano i prodotti e pensano se acquistarli (think).
Acquistano e tornano ad acquistare (do & care). Questa è una prima, piccola definizione di
funnel, concetto senza il quale il marketing sarebbe destinato a fallire miseramente nel suo
intento. La approfondiremo meglio nel prossimo capitolo.

La metodologia di cui stiamo parlando si incentra completamente sull’utente ed è quindi


user-centrica. Nella prima fase l’azienda fa ricerca, mette a punto una strategia, colleziona i dati,
attiva le campagne e comincia a fare analisi per migliorare continuamente. La strategia, le
campagne e l’analisi sono sempre fatte sull’utente e sul suo percorso alla conversione. Finita la
pre-analisi il processo di ottimizzazione continua all’infinito, controllando i dati di navigazione, i
comportamenti degli utenti e le performance delle campagne.

[1]​
«​Analytics is the discovery, interpretation, and communication of meaningful patterns in data»​ .

[2]​
​WAA Standards Committee, ​Web Analytics Definitions​, Web Analytics Association, Washington DC,
2008.

[3]​
«​... is the measurement, collection, analysis and reporting of web data for purposes of understanding and
optimizing web usage»​ .
[4]​
​Phillips J., ​Building a Digital Analytics Organization​, Financial Times Press, Upper Saddle River NJ,
2013, pp 7-8.

[5]​
​Kaushik A., ​Web Analytics 2.0,​ Hoepli, Milano, 2010.

[6]​
​ se Data to Build a Better Startup Faster​, O’Reilly, Sebastopol CA,
Croll A., Yoskovitz B., ​Lean Analytics. U
2013.

[7]​
Porter M., ​Il vantaggio competitivo,​ Einaudi, Torino, 1985.

[8]​
https://www.youtube.com/watch?v=XXa-FLZYZzo

[9]​
http://www.digitalanalyticsassociation.org/Files/PDF_standards/WebAnalyticsDefinitionsVol1.pdf