In questa lezione vedremo i mattoni della digital analytics, ovvero che cosa sono e come possiamo definire i K P i, le metriche e le dimensioni di interesse.

Partiamo dall'inizio.

Noi abbiamo un obiettivo che è guidare la nostra macchina di business verso un traguardo che ci siamo dati questo traguardo.

Il nostro obiettivo, se l'abbiamo definito in maniera corretta è quantitativo, è misurabile, ha una data entro la quale noi dovremmo raggiungerlo o comunque verificare se l'abbiamo raggiunto o meno.

Avendo definito questo, dobbiamo dotarci di tutta una serie di misure e indicatori che ci aiutano a capire se la nostra macchina sta andando verso l'obiettivo desiderato.

Poiché noi, per guidare la nostra macchina, abbiamo a disposizione una serie di leve che possiamo muovere le classiche leve del digital marketing l'advertising, il CEO di marketing, la strategia e così via.

Possiamo muovere tutte queste leve e quindi abbiamo bisogno di capire, a seconda di come muoviamo le leve, i nostri indicatori come ne vengono influenzati bene.

Sapendo questo a noi servono di fatto tre cose che sono gli atomi della digital i mattoni.

La prima cosa sono tutte le quantità numeriche che noi abbiamo bisogno di misurare.

Queste le definiamo come metriche di interesse.

Tra queste ci mettiamo dentro, ad esempio, il traffico sul sito, le transazioni se abbiamo l'e-commerce i LED.

Se stiamo facendo le generation, qualsiasi numero che abbiamo bisogno di misurare diventa una metrica di interesse.

Cosa vuol dire? Magari oggi noi non abbiamo questa necessità di misurarlo.

Però magari immaginiamo che in futuro, fra due tre mesi, un anno potremmo avere bisogno di fare determinate analisi.

Allora sappiamo che quella del futuro è una nostra metrica di interesse e se riusciamo, partiamo già da oggi a misurarla.

Una parte di queste metriche sono quelle più importanti.

Quelle che noi abbiamo bisogno di osservare frequentemente.

Sono un sottoinsieme di tutte le metriche di interesse sono quelle più importanti che io voglio vedere, per esempio tutti i giorni o settimanalmente in una dashboard.

Questi indicatori mi aiutano a capire al volo con un'occhiata che cosa sta succedendo poi chiaramente, se ho bisogno di approfondire e capire quali sono le aree critiche nel dettaglio, le motivazioni, eccetera eccetera, allora avrò bisogno di più metriche di analizzare più dati.

Però come monitoraggio ho bisogno in realtà di un numero limitato, ristretto di metriche che sono quelle più importanti.

Queste metriche importanti si chiamano key performance indicator o l'acronimo è k p i.

Io quindi avrò bisogno come manager di una dashboard che mi mette a disposizione i k p i in maniera tale che possa osservarli in maniera veloce, efficiente, facilmente condivisibile, ad esempio con gli altri membri del team e periodica, come ad esempio possiamo vedere in questa dashboard.

Qui abbiamo un esempio di k p i una dashboard che ci riporta questi numeri nei azzurrini, che per noi come manager sono quelli più importanti che vogliamo osservare frequentemente.

Occasionalmente nella nostra dashboard possiamo anche aggiungere ulteriori quantità che non sono k p i.

Quindi non sono veramente quelle più importanti che però avendo noi magari a disposizione spazio sulla dashboard, possiamo andare comunque ad aggiungere in questo caso in questi esempi potete vederli qua in basso frequenza di rimbalzo e tasso di aggiunta a carrello sono ulteriori metriche che non sono tra quelle più importanti, che però ci fa piacere comunque avere sott'occhio nel momento in cui vogliamo fare qualche monitoraggio un pochino più approfondito dei k p i in generale noi vogliamo vedere i numeri in varie forme, per esempio sotto forma di numero assoluto di variazione percentuale rispetto a un altro periodo precedente in formato trend, come ad esempio in questi grafici qui, oppure facendo il breakdown in base a quelle che poi vedremo come definire che sono le dimensioni di interesse, quali ad esempio questi sono i nostri k p i.

Ma li stiamo misurando per i valori di una dimensione di interesse, quale ad esempio, può essere i canali di provenienza degli utenti sul nostro sito.

Quindi, avendo a disposizione queste informazioni, noi in maniera veloce ed efficace, possiamo capire che cosa sta succedendo ora.

Attenzione nell'esempio che vi ho fatto vedere, ho inserito alcuni dei possibili K P i che potrebbero essere di interesse per un manager che sta guidando di fatto un e-commerce I k P i.

Però siamo noi come manager che dobbiamo definirli in base alle nostre esigenze, al nostro business, ai nostri obiettivi.

Quindi si si parte da quello che è il nostro obiettivo o i nostri obiettivi di business.

In base a quelli andremo a definire effettivamente tutti i k P i e le metriche di interesse di cui abbiamo bisogno.

Inoltre, sempre in base al nostro business, in questo caso alle leve che noi possiamo muovere andremo a definire un'altra componente importante che sono le dimensioni di interesse.

A questo ci arriviamo successivamente.

Prendiamo ad esempio un e-commerce.

Nel caso di un e-commerce noi potremmo definire come k p i una serie di quantità che ci aiuta a capire che cosa sta succedendo tra questi immaginando che il nostro obiettivo, ad esempio, sia di incrementare il fatturato entro una certa data di una certa quantità.

Ovviamente uno dei k p i dovrà essere necessariamente il fatturato, perché se io non misuro chiaramente la quantità legata al mio obiettivo, io non posso sapere se sono arrivato o meno all'obiettivo e se mi sto avvicinando oppure no.

Quindi se io ho definito un obiettivo di business chiaro che un k p i deve essere certamente la quantità che misura quell'obiettivo se il mio obiettivo era il fatturato, uno dei k p i deve essere il fatturato.

Ora però se io servissi solo il fatturato farei fatica a capire che cosa sta succedendo.

Certo, capirei se la mia macchina si sta avvicinando oppure no verso l'obiettivo quanto mi manca per arrivarci.

Se sono arrivato quasi alla scadenza della mia deadline, allora cerco di capire se ho la possibilità o meno di raggiungere Il mio obiettivo, però non basta.

Dal mio punto di vista ho necessità di avere ulteriori K P che mi danno un contesto un pochino più ampio.

Per esempio, ho bisogno di sapere, oltre al fatturato, anche le transazioni, quindi il numero di vendite che sono state generate nel negozio, le quantità di prodotti che sono stati venduti e poi il valore medio per ogni transazione e le quantità medie per ogni transazione.

Perché questo? Perché il fatturato effettivamente si compone delle transazioni moltiplicate per il valore medio per transazione.

Quindi è influenzato da queste due sotto componenti che sono le transazioni e il valore medio per transazione.

Se io osservo solo il fatturato ho un'informazione abbastanza ristretta.

Ma se io osservo anche l'andamento delle transazioni e del valore medio per transazione, io riesco a capire quale di queste due sotto componenti sta influenzando l'andamento del fatturato.

Per esempio, immaginiamo che il fatturato sia cresciuto come in questo esempio.

Le entrate sono aumentate quasi del trentacinque per cento anno su anno, ma le transazioni sono rimaste uguali.

Di contro, il valore medio di ciascuna transazione è cresciuto, quindi il fatturato è cresciuto.

Ma da che cosa è dipeso la sua crescita è dipende dall'incremento del valore medio degli ordini, cioè del valore medio delle transazioni, mentre il numero assoluto delle transazioni è rimasto sostanzialmente invariato.

In questa maniera.

Io, avendo questi tre k p i a disposizione, posso capire il perché sta succedendo un certo fenomeno.

Per esempio il perché è cresciuto oppure è diminuito il fatturato lo posso osservare andando a vedere le sue componenti.

Quindi tornando all'esempio dell'e-commerce il fatturato e le sue componenti ci aiutano a capire il motivo che spiega l'andamento del k p i primario che è il fatturato.

Dopodiché però il fatturato dipende chiaramente da quante persone entrano sul sito.

È chiaro che se nel mio negozio non ci entra mai nessuno, io avrò un fatturato nullo.

Se a un certo punto invece ci entrano ogni settimana un milione di persone, è probabile che il mio fatturato aumenti.

Quindi c'è di solito un legame tra il traffico che entra su un sito e il fatturato che viene generato.

Per questo motivo io voglio osservare tra i miei k p i anche degli indicatori che mi aiutano a capire qual è il livello di traffico e di utenti che entra sul sito gli utenti in generale possiamo assumerle come se fossero le persone fisiche che entrano su un sito web.

Poi vedremo in futuro che questo non è esattamente così.

Per svariati motivi tecnici, però, per il momento immaginiamo che un utente corrisponda a una persona fisica.

Ogni utente può tornare più volte sul sito web e in questo caso ogni volta che ci torna la consideriamo una sessione.

Anche in questo caso, poi, vedremo la definizione di dettaglio però giusto per avere un'idea.

Il traffico sul nostro sito, quindi è fatto da utenti che possono tornare una o più volte sul nostro sito nel periodo che stiamo analizzando.

A questo punto c'è una relazione tra gli utenti e le visite che fanno al nostro sito e le vendite e il fatturato.

Questa relazione è sostenuta, tra le altre quantità, in particolare dal tasso di conversione e-commerce, che non è altro che il rapporto percentuale tra le transazioni e le sessioni.

Il tasso di conversione E-COMMERCE è una delle metriche o dei K P i più frequentemente analizzati perché ci aiuta a capire qual è l'efficienza che il nostro sito web ha nel trasformare visite in vendite.

Immaginiamo che il tasso di conversione sia al cento per cento.

Cosa vuol dire? Che su cento sessioni sul sito, cioè cento visite, tutte e cento si tramutano in vendite? Quindi, di fatto, la mia efficienza è massima.

Sono riuscito a tramutare tutto il traffico sul mio sito in vendite.

Al contrario, un tasso di conversione dello zero percento.

Cosa vuol dire? Che la mia efficienza è nulla.

Tutte le persone che entrano sul sito in tutte le loro visite non acquistano mai.

Se il tasso di conversione è zero e quindi di fatto, per quanto traffico posso portare sul sito, il fatturato sarà sempre zero.

Le vendite saranno sempre zero.

Il tasso di conversione, quindi, è un indicatore di efficienza, e io in generale cerco di averlo come manager di un e-commerce il più alto possibile.

Ovviamente, il tasso di conversione è un indicatore di efficienza, ma non è l'unico, perché poi c'è un secondo indicatore di efficienza, che potrebbe essere il valore medio per transazione.

Ovvero io magari posso abbassare la mia efficienza nel vendere, quindi a parità di sessioni magari vendo un pochino di meno.

Però in ogni vendita io riesco a far spendere di più all'acquirente come lo vedrò, Quindi questa seconda componente col valore medio per transazione.

Un secondo indicatore di efficienza che mi aiuta a capire per ogni transazione quanto sono bravo a far spendere tanto agli utenti.

Questi sono due esempi di indicatori di efficienza il tasso di conversione e-commerce e il valore medio per transazione.

Se noi li moltiplica tra di loro, avremmo un ulteriore indicatore di efficienza un pochino più di alto livello, che è il valore medio per sessione.

Questo è ipoteticamente noi come manager potremmo anche voler vedere quest'altro indicatore il valore medio per sessione che mi dice ogni sessione mediamente, quanto fatturato mi genera.

Quindi sto facendo alcuni esempi di indicatori che frequentemente vengono utilizzati dai manager che governano gli e-commerce per capire che cosa sta succedendo bene, oltre a questi che ho appena citato.

Idealmente, io come manager potrei volerne di più di indicatori di performance per avere un quadro, un po' più completo.

Um quando io faccio i miei monitoraggi frequenti, ad esempio, potrei essere interessato.

Faccio un esempio al alla frequenza di rimbalzo, ovvero la percentuale di visite che entrano sul sito ed escono immediatamente senza fare nulla.

In questo esempio io ho riportato tra i miei indicatori anche la frequenza del rimbalzo.

Magari non è tra quelli più importanti che io voglio vedere, ma è sicuramente un indicatore che voglia monitorare frequentemente, perché rappresenta la mia bravura nel fare una buona impressione al target, agli utenti target che ho portato dentro il mio sito.

La frequenza di rimbalzo si calcola come la percentuale di visite al sito che sono entrate e non hanno fatto nulla sul totale delle visite entrate nel periodo.

Quindi, ad esempio, qui ho quarantacinque circa per cento di frequenza di rimbalzo.

Cosa vuol dire? Che ogni cento visite al sito, quarantacinque sono entrate e sono uscite direttamente dalla prima pagina senza fare nulla? La frequenza di rimbalzo.

Io idealmente vorrei che fosse il più bassa possibile.

Perché? Perché immaginiamo che noi abbiamo una frequenza di rimbalzo del cento per cento.

Cosa vuol dire? Che su cento visite che entrano sul sito tutte e cento escono dalla prima pagina che hanno visto senza fare nulla? Chiaramente io non posso vendere cose in un sito se tutti quelli che entrano escono immediatamente senza fare nulla.

Quindi io chi vorrei essere più efficiente anche in termini di prima impressione? E per fare questo la frequenza di rimbalzo dovrebbe essere di un valore il più possibile basso.

Più è basso, più vuol dire che gli utenti entrano sul sito e fanno qualcosa.

Vuol dire che comprano no, non vuol dire necessariamente che comprano.

Però se la frequenza del rimbalzo è bassa io ho più chance che gli utenti facciano qualche altra cosa e quindi di portarli poi nella parte restante del loro processo decisionale di acquisto.

In generale, quindi, quali k i un manager vuole vedere? Dipende dal business, dipende dagli obiettivi, dipende dal manager stesso e dalle sue esigenze.

Altri K P.

I tipici che i manager vogliono vedere sono quelli legati all'efficienza dell'advertising, perché una buona parte del budget tendenzialmente viene spesa negli e-commerce in avverti o in attività di marche.

Per cui io voglio osservare frequentemente quanto sto spendendo, ad esempio in termini di advertising, costi di advertising.

E poi voglio capire anche quanto sono efficiente con questo spending.

E per farlo ci sono diverse metriche, tra cui il Ros che è l'acronimo di return on advertising spending che sarebbe di fatto il rapporto tra il fatturato.

Ho generato l'advertising e i costi di advertising che ho sostenuto.

In altre parole ogni euro che ho speso quanto fatturato ho generato.

Un altro indicatore che si usa frequentemente nel marketing per misurare l'efficienza dell'advertising è il cosiddetto mer o marketing efficiency ratio, che non è altro che il rapporto tra il fatturato totale generato, quindi non soltanto la parte advertising, ma tutto e lo spending advertising.

Perché si utilizza questa metrica? Perché molto spesso è complicato riuscire ad attribuire qual è la fetta di fatturato che deriva dal mio spending di advertising.

Allora, poiché per me è complesso riuscire a capire qual è la porzione di fatturato che deriva dall' advertising, io faccio il rapporto tra il fatturato totale che ho generato sia dovuto all' ti sia non il fatturato totale.

Io chiaramente lo misuro molto facilmente e lo divido per il costo di advertising.

Quindi questo rapporto, se varia nel tempo, in base all'aumento o alla diminuzione del mio spending, mi aiuta a capire che effettivamente il mio spending di advertising sta influenzando il fatturato totale.

Comunque su questo poi apriremo anche dei dettagli più avanti vediamo.

Adesso invece che cosa sono le metriche di interesse? Abbiamo detto che k p i sono un sottoinsieme delle metriche sono quelle più importanti bene le metriche di interesse sono tutte le quantità numeriche che io voglio misurare, che mi servono perché io oggi o in futuro potrei avere necessità di analizzare qualcosa che di dettaglio.

Ma se non mi sono messo in condizione di misurare quella quantità raccogliendo dei dati, io chiaramente non potrò fare analisi rispetto a quell'area specifica.

Quindi quando io sto definendo i i dati da raccogliere, mi devo preoccupare non solo di definire quali sono i k p i, ma anche quali sono tutte le altre metriche di mio interesse che io voglio o vorrò in futuro poter analizzare.

Ad esempio, per un e-commerce tra le varie metriche di interesse potrebbe esserci il tasso di aggiunta a carrello o il tasso di aggiunta alla wish list.

Oppure se io immagino di avere scomposto il processo di acquisto in step, per esempio all'interno del check-out, io sono interessato a misurare qual è il tasso di prosecuzione e il tasso di abbandono tra ogni step del check-out e quello successivo immaginate.

Ad esempio il primo step è quello dove gli utenti compilano i dati di spedizione.

Il secondo è quello dove mettono il metodo di pagamento e il terzo è quello dove vedono il riepilogo dell'ordine e poi premono su conferma Bene questo immaginiamo che sia un funnel, un check out funnel del check out.

Sono interessato a vedere qual è la performance complessiva di questo funnel, cioè quante vendite realizzo su quanti sono entrati nel tunnel.

E sono anche interessato a vedere qual è il tasso di prosecuzione tra lo step uno e lo step due tra lo step due e lo step tre e tra lo step tre e l'acquisto.

Questo mi aiuta chiaramente a capire quando devo analizzare nel dettaglio il mio checkout sue performance mi aiuta a capire dove avviene il principale punto di abbandono del check-out e eventualmente magari se ho anche selezionato bene le mie dimensioni e interesse.

Posso rapportare questi tassi di abbandono a delle dimensioni facendo il black down e quindi capire magari che da smartphone la gente abbandona più frequentemente nella parte in cui deve inserire i dati rispetto a gli utenti che vengono da desktop e quindi eventualmente prendere delle azioni correttive di conseguenza.

Questo per dire che cosa che come manager io ho bisogno quindi di definire tutta una serie di ulteriori metriche di interesse che mi servono tra queste anche, per esempio le metriche relative alla profondità di navigazione, quindi le pagine visualizzate per sessione oppure la durata media a di ciascuna sessione.

La frequenza di rimbalzo ne abbiamo parlato prima e poi altre metriche ad esempio legate all'ati come il costo per mille impression oppure c p m, costo per click, il click, il costo per led e così via.

Tutte queste metriche che ho appena elencato sono metriche tipiche dell'advertising che mi aiutano a capire, anche in questo caso le singole componenti che compongono il processo di un utente.

Da quando vede il banner a quando ci clicca a quando poi compie l'azione che noi vogliamo che compia, capire effettivamente ciascuna di queste componenti come sta funzionando? Faccio un brevissimo esempio il c p m.

Mi dice io quanto sto spendendo quando faccio una pubblicità online ogni mille visualizzazioni dei miei banner pubblicitari.

Quindi è chiaro che se questo c p m aumenta vuol dire che io le singole visualizzazioni le pago mediamente di più.

Se invece il c p m va a diminuire le pago di meno.

Io ovviamente sono interessato a pagarle di meno.

Non solo, ma anche con questi soldi che ho speso ottenere il maggior numero di risultati in termini di vendita e fatturato possibile.

Quindi il C P M è una componente di tutto il processo legato all'ati, ma non è l'unica.

Ad esempio, io potrei potrei avere uno spending basso in termini di C P M.

Però poi la gente non clicca sugli annunci.

Perché? Perché io sono andato a individuare il mio target in maniera sbagliata.

Quindi mi costa poco raggiungere questi utenti.

Ma questi utenti non sono propensi effettivamente a cliccare sui miei annunci o non sono propensi ad acquistare.

Allora come faccio io a misurare la propensione degli utenti a cliccare sui miei annunci con un altro che è click rate, cioè il rapporto tra click e impressioni in percentuale le impressioni sono le visualizzazioni dei banner pubblicitari, quindi anche in questo caso è come se avessi due componenti che insieme formano un costo.

In questo caso il costo per click e queste due componenti, il CP M e click et Insieme influenzano quanto io pago mediamente un click sui miei annunci.

È chiaro che io per poter pagare poco un click sui miei annunci, dovrei avere un C p m basso.

Cioè la gente deve vedere i miei annunci e io devo pagare poco ogni volta che vede un annuncio mio.

Però, a parità di volte questi annunci vengono visti, ci devono cliccare il più possibile il più frequentemente possibile e questa seconda componente è espressa da click cpm quindi mi dice quanto io sono bravo a spendere poco per ogni visualizzazione dei miei annunci il ct mi dice quanto sono bravo a far cliccare gli utenti sui miei annunci.

Queste due componenti mi aiutano a capire che cosa sta succedendo nel processo di conversione del mio advertising.

Non sono gli unici esodi.

Ho citati come esempio per farvi capire il ragionamento, però per dire che io faccio un elenco di tutte le leve come manager che io ho a disposizione oggi.

O magari mi immagino di voler avere a disposizione in futuro e per ognuna di queste leve cerco di definire quelle che sono tutte le metriche di interesse che posso voler misurare nel caso dell'advertising le metriche di interesse.

Alcune di quelle non sono tutte quelle che ho citato, però sono quelle che appunto vediamo in questa slide.

Poi nella optimization saranno ulteriori metri che le email marketing saranno ancora ulteriori metriche e così via.

Quindi mi devo dotare di strumenti per fare in modo che quando voglio fare analisi su questo o su quell'altra leva che io posso muovere, devo avere a disposizione tutte quelle metri che mi mi aiutano a capire che cosa sta succedendo e mi aiutano a poter fare analisi di dettaglio.