Vediamo adesso un esempio concreto di come poter utilizzare i dati per capire che cosa sta succedendo nel nostro business e per cercare di estrarre gli insight che ci possano portare a prendere delle decisioni guidate dai dati.

Per fare questo utilizzeremo una dashboard di demo.

I dati quindi provengono da un account dimostrativo di Google che si chiama Google Merchandise Store.

Di fatto è un sito web e-commerce che vende il merchandising di Google.

Immaginate le felpe, le magliette con il logo di Google di YouTube e così via.

Questi dati Google li mette a disposizione su Google litis per tutti.

Di fatto, quindi anche voi potete vederli e poi più avanti vedremo come fare ad accedervi.

Per il momento voi state vedendo una dashboard che io mi sono costruito, in cui sto riportando proprio questi dati come esempio in questo dashboard io ho cercato di riportare quelle che sono le prime informazioni che un manager potrebbe voler vedere su base frequente.

Quindi in una fase che io chiamo di monitoraggio, cosa vuol dire? Vuol dire che, ad esempio, una volta al giorno oppure una volta a settimana, il manager potrebbe entrare in questo dashboard guardare un po' tutte le sezioni che ci sono a disposizione e da queste cercare di capire come sta andando il business e se ci sono delle aree critiche che necessitano la sua attenzione.

Individua.

A quel punto potrà poi effettuare delle analisi di approfondimento all'interno dell'area critica individuata proprio per estrarre degli inside che lo possa poi portare a capire qual è il problema e a ipotizzare delle possibili soluzioni in questa dashboard ipotetica.

Io inizio con una slide che chiamerò k i globali dove vengono riportate delle quantità numeriche, quelle più importanti in cui c'è sia il valore assoluto.

Ad esempio le sessioni che rappresentano il traffico sul sito web, le transazioni, quindi le vendite, le entrate, ovvero il fatturato in dollari, il conversion rate che sarebbe il rapporto tra le transazioni e le sessioni in percentuale.

Quindi in sintesi ogni cento sessioni.

Mediamente quante transazioni si hanno in questo caso? Per esempio noi avremmo due virgola circa quattro transazioni ogni cento visite al sito e poi il valore medio degli ordini, cioè il fatturato medio generato in ogni transazione.

La quantità media, quindi in ogni transazione.

Mediamente gli utenti quanti prodotti hanno acquistato in questo caso? Due punto sei e poi altre metriche di nostro interesse che adesso non vado ad approfondire.

La variazione percentuale che si vede sotto è rispetto all'anno precedente.

Quindi in questo caso io sto vedendo tutto il duemilaventidue e la variazione percentuale che vedo si riferisce quindi allo stesso periodo nel duemilaventuno.

In questo caso, quindi, vediamo che il traffico sul sito duemilaventidue verso duemilaventuno è aumentato circa del quasi dell'undici percento.

Le transazioni invece sono leggermente diminuite, quindi praticamente sono quasi uguali, sono diminuite quasi dell'un percento.

Il fatturato invece è cresciuto tantissimo, è cresciuto quasi del trentacinque percento anno su anno.

Quindi tanto mentre il conversion rate che rappresenta quindi l'efficienza in termini di transazioni è diminuito del dieci punto cinque percento.

Cioè in altre parole a parità di traffico.

Noi quindi abbiamo generato meno transazioni, circa il dieci punto cinque percento di transazioni in meno a parità di traffico portato.

Il valore medio per ogni transazione però è cresciuto.

Anche le quantità medie sono cresciute.

Quindi, se io dovessi fare una sintesi, una panoramica di quello che sto vedendo nel duemilaventidue ho portato un po' più di traffico.

Ho venduto però più o meno uguale rispetto a quello che ho venduto nel duemilaventuno ciononostante però ho guadagnato di più, molto di più, circa il trentacinque per cento in più.

E questo perché? Perché nonostante abbia venduto sostanzialmente la stessa quantità di transazioni del duemilaventuno, però in media in ogni transazione io ho guadagnato di più.

Evidentemente perché sono riuscito ad aumentare il carrello medio, quello che in gergo si chiama il carrello medio, cioè a far spendere mediamente di più in ogni transazione di utenti.

Questo come si potrebbe essere generato? Beh, si potrebbe essere generato aumentando il numero di prodotti che mediamente la gente ha acquistato più quarantasette per cento, come vediamo in questo qui.

Quindi questa è una super sintesi di quello che è successo e i numeri assoluti, ma soprattutto le variazioni percentuali mi aiutano al volo a una prima un'occhiata a capire, appunto com'è il quadro della situazione.

Dopodiché mi posso spostare in un'altra area in cui io vedo di fatto i trend delle stesse quantità numeriche.

I trend in questo caso sono settimanali, quindi vedete ogni pallino del grafico oppure ogni colonna del grafico in questo caso mi fa vedere una settimana dell'anno e quindi l'analisi dei trend mi aiuta a capire ancor più nel dettaglio che cosa sta succedendo ad esempio io qua vedo le sessioni, quindi le visite al sito, poi ci vedremo più avanti.

Il dettaglio di che cosa vuol dire una sessione, però per adesso immaginiamo proprio le visite che gli utenti fanno al nostro sito.

Queste visite hanno avuto di fatto per alcuni periodi un andamento abbastanza piatto, anzi leggermente in discesa fino ad agosto.

Poi a un certo punto c'è stata una risalita.

In alcuni momenti ci sono stati dei picchi, per esempio qui tra settembre e ottobre e soprattutto qui di fatto a inizio dicembre del duemilaventidue e poi c'è stato anche un altro picco qui intorno a inizio aprile, tra il quattro e il dieci aprile.

Quindi questo tipo di grafico mi aiuta a vedere durante il periodo che io sto osservando come stanno andando effettivamente i trend delle quantità che io sto misurando.

Se io ho scelto bene le mie quantità, quindi posso vedere a occhio che cosa è successo se ci sono stati dei periodi, ad esempio di calo.

Per esempio qua stiamo vedendo il fatturato vedete che a un certo punto il fatturato è calato all'improvviso questo qua era di fatto da fine agosto in poi e poi a un certo punto si è ripreso e poi dopo ha avuto dei picchi in particolare, appunto in corrispondenza del picco di traffico c'è stato anche un picco di fatturato.

Se mi sposto sotto vedo invece l'andamento di altre quantità come le transazioni, il tasso di conversione e-commerce.

Ricordo che il tasso di conversione è proprio la il rapporto percentuale tra transazioni e sessioni, visite al sito e quindi è come se fosse una misura della mia efficienza.

La mia capacità di trasformare le visite al sito in acquisti e questa efficienza è stata di fatto ha avuto un po' di oscillazioni durante l'anno, ma ha avuto un incremento sostanziale proprio a inizio dicembre duemilaventidue tra il cinque e l'undici, quindi qua io sono.

Anzi, il sito Google Natio Store è stato particolarmente efficiente nel tramutare visite in acquisti.

Perché è stato così? Io adesso chiaramente non lo posso sapere.

Non so nulla delle attività del Google Merch Store, però possiamo ipotizzare, magari lavorando un po' di fantasia, che in questo periodo specifico ci sia stata una promozione particolare delle campagne promozionali specifiche che hanno portato gli utenti sul sito, ma li hanno portati anche utenti più motivati ad acquistare e queste campagne quindi hanno generato più acquisti, più efficienza e di fatto valore per Google a livello di ordine medio, quindi di valore medio dell'ordine carrello medio.

Noi vediamo che rispetto a inizio anno c'è stato un incremento, quindi il valore medio è cresciuto e poi si è mantenuto sostanzialmente quasi più o meno costante, tranne che proprio in questo periodo in cui abbiamo avuto il picco di traffico in cui vedete che il valore medio è un po' sceso probabilmente proprio per una adesso qua chiaramente sto inventando però po- potessi ipotizzare qua direi che magari c'è stata qualche promozione per cui gli utenti sono stati più propensi ad acquistare e qua c'è stato il motivo del picco.

Qua non vedo chiaramente quello che era il duemilaventuno.

Volendo potrei farlo allargando il periodo.

Però adesso, per non complicarci troppo la vita qua vediamo che il valore medio è cresciuto.

Quindi noi possiamo ipotizzare che nel duemilaventuno il valore medio era in questo livello più basso.

Poi a un certo punto però ha iniziato a crescere per qualche motivo che magari per cercare di spiegare e lì più o meno si è mantenuto, è un pochino sceso, però in media era più alto di quello che era il nel duemilaventuno.

Questo quindi ci aiuta a spiegare il perché le transazioni sono rimaste più o meno uguali, perché evidentemente a livello di vendite siamo rimasti sostanzialmente uguali.

Però poiché il valore medio è cresciuto nel duemilaventidue, allora anche il fatturato è cresciuto e questo si può vedere anche andando a vedere l'andamento dei trend del valore medio settimana per settimana che si vede che è cresciuto immaginando nel duemilaventuno era più basso, appunto, è cresciuto e poi da un certo momento in poi da maggio duemilaventidue si è mantenuto abbastanza elevato, poiché le transazioni invece sono rimaste sostanzialmente uguali.

Immaginiamo che anche nel duemilaventuno sono rimaste uguali e questo ce lo dice questo qui allora il fatturato complessivamente è cresciuto.

Questo chiaramente andrebbe poi approfondito e bisognerebbe capire esattamente nel dettaglio il perché.

Però quello che voglio mostrare in questo esempio è proprio come da manager uno attraverso una dashboard di questo di questo tipo, guardando un insieme di pochi dati numerici, possa formarsi un'idea di che cosa sta succedendo.

Immaginate ad esempio che io a un certo punto nei miei dati vedo un picco, cioè a un certo punto il traffico e le transazioni che iniziano a diminuire in maniera pericolosa da un momento all'altro.

Questo come manager a me mi potrebbe allarmare.

Io dovrei certamente iniziare ad allertare per cercare di capire che cosa sta succedendo ora.

I dati globali ovviamente mi aiutano a capire che cosa sta succedendo, ma non bastano.

Io da manager spesso voglio vedere anche una sorta di breck down di questi dati sulla base di quelle che si chiamano dimensioni di interesse le dimensioni di interesse.

Poi ci vedremo la definizione effettiva, ma in generale possiamo immaginare a livello semplificato che siano associate alle leve che io posso muovere.

In questo caso, ad esempio, io sto vedendo una tabella che mi fa vedere i canali di traffico, cioè di fatto la provenienza degli utenti sul sito divisa per canale diretto, cioè gli utenti che hanno cercato direttamente sul loro browser l'indirizzo del sito, in questo caso Google Mendy Store, poi Pate search, cioè gli annunci a pagamento che compaiono sui motori di ricerca influencer, marketing, quindi il traffico generato da influencer che magari hanno promosso i prodotti del Google Mendy Store annunci a pagamento di nuovo su Bing Ads.

Quindi il circuito del tisi di Bing e poi altri due canali che in questo caso stanno portando praticamente nulla partner e ricerca organica.

Questi tenete conto che questi canali io l'ho anche rinominato proprio a scopo didattico per provare a far vedere diverse possibilità.

Quindi in realtà non è vero che Google McHay Store ha portato a questo traffico di influenze questo traffico di BT sono io che ho rinominato in maniera fittizia le etichette, giusto per fare gli esempi però, giusto per fare gli esempi, appunto, possiamo capire che il grosso del traffico l'ottantasei per cento è venuto da utenti che sono ceduti in maniera diretta al sito e questo sia in termini di traffico, ma anche in termini di transazione di fatturato.

Vedete queste colonne qui che troviamo poi sulla destra? Tendenzialmente il traffico diretto è generato da quella che è la Warnes che un utente ha sul sito o su dei prodotti specifici o su delle offerte specifiche.

In altre parole sono gli utenti che ci vanno direttamente su questi siti.

Ma perché ci vanno? Perché evidentemente già sanno che esiste il brand o che c'è un prodotto o una promozione in corso che gli può interessare sotto vediamo invece il canale search, cioè gli utenti che vanno sui motori di ricerca hanno cercato una query in particolare immaginiamo che ne so felpe, google, felpe di YouTube e si trovano un annuncio che compare sul motore di ricerca.

Ci cliccano, vanno sul sito e poi eventualmente comprano.

Quindi queste righe qui sono annunci sponsorizzati da Google.

Soldi che Google mette attraverso i suoi canali di advertising sui motori di ricerca proprio per portare utenti che stanno cercando parole chiave che Google considera strategiche o interesse che gli utenti cercano.

A quel punto cliccano sugli annunci e vanno sul sito di Google e li possono eventualmente comprare.

Quindi questo è il budget che Google sta spendendo e che può oppure no riportare un ritorno in termini di fatturato e quindi un ritorno sull'investimento.

Dopodiché c'è un altro canale l'influencer marketing.

Anche qui Google starebbe spendendo dei soldi per pagare degli influencer per promuovere i propri prodotti.

Questo ovviamente è un discorso di fantasia, però giusto per capire come un'azienda si potrebbe trovare quali potrebbero essere le leve che anche voi come manager potreste trovare.

Quindi Google immagini che paga degli influencer spende dei soldi e quanto stanno portando questi influencer in termini di traffico in termini di transazioni in termini di fatturato.

Una tabella di questo tipo, quindi, aiuta il manager a capire sia in termini di traffico sul sito, le sessioni, sia in termini di tasso di conversione, e-commerce, transazioni e fatturato, come stanno andando le cose sui vari canali e da una tabella di questo tipo, poi chiaramente arricchita di ulteriori dati, quali, ad esempio quanto ha speso su ciascun canale fort in termini di risorse umane, oppure altre informazioni che magari potrebbe il manager voler avere.

Sott'occhio in ogni caso, a questo punto può confrontare delle metriche che identificano la performance sotto vari aspetti traffico, vendite, fatturato, efficienza e sulla base di questi confronti può capire che cosa sta succedendo.

Ad esempio, immaginiamo che sulla parte di pate search abbia speso un tot di soldi e sulla parte dell'influencer marketing marketing abbia speso magari dieci volte di più.

Quindi sul canale di influencer marketing ha speso dieci volte quello che ha speso sui canali di ricerca a pagamento.

Da qua però se ne deduce che il traffico sul sito portato dalla ricerca a pagamento, però è stato nettamente superiore a quello che è provenuto dall' influencer marketing e anche in termini di efficienza di vendite, il tasso di conversione e-commerce la ricerca a pagamento è stata nettamente più efficiente del canale influencer marketing.

Quindi questi due dati potrebbero iniziare ad attivare dei campanelli d'allarme.

Ovvero io immaginavo che sono il manager, mi dico attenzione, io ho speso dieci volte di più per influencer che per la ricerca a pagamento.

Però non mi sembra di vedere questi risultati perché in termini di traffico io ce ne ho avuto molto di meno, che è venuto al canale degli influencer marketing rispetto alla ricerca a pagamento e anche in termini di efficienza, cioè immaginando anche che io avessi portato lo stesso numero di utenti sul sito.

Però, a parità di traffico sul sito io ho avuto molte meno vendite dal canale influencer marketing piuttosto che dalla ricerca a pagamento.

Perché è così sta funzionando male oppure invece è fisiologico? Perché magari gli utenti che ho portato dall' influencer marketing ancora magari non mi conoscevano, mentre quelli che ho portato al invece già mi conoscono e quindi erano pronti a comprare in ogni caso, a prescindere dalla spiegazione, dal dalla motivazione.

Io però da queste, da questi dati io inizio a formarmi un quadro della situazione che poi posso voler approfondire oppure no.

E sulla base dei miei approfondimenti futuri, magari su altre piattaforme, non su questo dashboard.

Io posso generare degli insight e dire attenzione.

Sì, è vero.

L'influencer marketing sta funzionando peggio di quello che mi aspettavo e quindi c'è qualcosa che devo far funzionare in maniera diversa, magari cambiare influencer, magari cambiare metodo promozionale, magari proprio cambiare piattaforma completamente.

Magari non era l'influencer marketing il canale giusto per me.

Magari devo utilizzare qualche altro canale e quindi come manager a me avere una visione di questo tipo in cui i miei dati e che i p i.

Le metriche più importanti che sto osservando siano anche suddivise per canali, mi aiuta a capire meglio cosa sta succedendo e identificare aree critiche.

E questa cosa la posso voler fare per i canali la posso voler fare per altre quelle che si chiamano leve e quindi dimensioni di interesse, per esempio per prodotto, per capire quali sono i prodotti che stanno vedendo di più e quali vedendo di meno, anche confrontando anno su anno per capire effettivamente come sono spostate le vendite a livello di singoli prodotti o di categorie merceologiche oppure posso vedere se all'interno del sito.

Io ho avuto alcune sezioni che hanno avuto performance migliori delle altre.

Immaginiamo le porte di accesso al sito, la homepage, landing page, le pagine prodotto, eccetera eccetera.

Io magari nel tempo ho fatto delle modifiche e quindi guardare una dashboard che mi fa vedere le le performance divise per sezioni del sito sulla base degli ingressi, appunto.

Nel sito chi è entrato all' homepage è entrato da chi è entrato nelle schede prodotto.

Per esempio vedere come le performance di vendita o rispetto ad altri metri che sono cambiate nel tempo mi aiuta a capire che cosa è successo e se ci sono delle aree critiche.

Immaginiamo ad esempio che molto del traffico entra dall'home page e io a un certo punto ho avuto un calo di performance.

Quindi chi prima entrava da homepage comprava, adesso non compra più.

Perché è così è un problema del layout l'homepage che ho cambiato.

La disposizione dei prodotti è un problema di visualizzazione, magari da mobile ho fatto qualche modifica tecnica per cui adesso non si vede più bene.

Quindi una visione di questo tipo, anche per sezione del sito, mi aiuta un'altra visione che io potrei voler vedere, ad esempio è il cosiddetto fal di acquisto qua scusate, metto magari data a quello che stavo vedendo.

Quindi primo gennaio, trentuno dicembre duemilaventidue il fal di acquisto è come se io scompone il processo, il processo decina di acquisto degli utenti in step.

Quindi l'utente entra sul sito, dopodiché l'utente vede la scheda prodotto l'utente, poi aggiunge a carrello entra nel checkout e acquista bene questo flusso.

Se io lo divido in step step macro come funziona? Dove ho i principali punti di dispersione? Dove ho i principali punti di accesso? Dove posso andare a intervenire per migliorare la mia efficienza? Chiaramente tutta la mia efficienza di acquisto dipende da quanto questo imbuto è dritto più questo imbuto è dritto più io sono efficiente perché vuol dire che tutte le sessioni, o quasi tutte che entrano le tramuta in acquisti più invece questo imb imbuto è stretto più io ho dispersione vuol dire quindi che magari me ne entrano cento ma me ne acquisto soltanto uno e quindi io se io analizzo i miei dati sulla base di un funnel così si chiama appunto questo tipo di grafico, io posso individuare i punti di dispersione approfondirli ed eventualmente trovare degli delle ipotesi di soluzione, testarle e verificare se stanno funzionando.

Questo vale sia a livello di layout del sito, ma potrebbe valere anche a livello di campagne.

Magari io oggi sto portando utenti che sono principalmente in fase di awareness e quindi entrano sul sito ma poi non tornano e da lì, dalle mie analisi di approfondimento potrei capire che devo magari sostenere questo tipo di campagne con ulteriori campagne che agiscono più sulla parte più avanti, nel quindi magari con campagne di remarketing, oppure con campagne di ricerca a pagamento che agiscono più su utenti che stanno un po' più avanti nel loro fan nel decisionale di acquisto.

Tutto questo che abbiamo visto era solo un esempio per farvi capire come un manager può strutturare la sua attività frequente quotidiana, settimanale o mensile per visualizzare i dati che gli servono a capire cosa sta succedendo e a identificare delle aree critiche o di ottimizzazione su cui poi effettuare degli approfondimenti.

Gli approfondimenti poi magari li farà lui o li faranno degli analisti su delle piattaforme dedicate per cercare di estrarre effettivamente degli insight.

Generalmente gli approfondimenti non si fanno su una dashboard di questo tipo si fanno su delle piattaforme che ci consentono di interrogare tutti i dati che vogliamo interrogare e di segmentale, modificarli e filtrarli al meglio rispetto a quello che effettivamente vogliamo estrarre come informazione.

Okay, abbiamo visto quindi in questa lezione un esempio concreto e vediamo successivamente effettivamente come entrare nel dettaglio per definire le informazioni che vogliamo raccoglierle e poi tracciarne e analizzarle.