In questa lezione vediamo come analizzare i dati rispetto ad alcuni attributi utili legati all'utente e alla sua provenienza, come ad esempio il paese, la città, la regione, ma anche attributi dell'utente come il genere l'età e in generale caratteristiche che noi possiamo associare all'utente o alla sua sessione.

In questo momento ci troviamo nel report di G a quattro e del mio blog di analytics e ci troviamo in un report che si chiama Regione, cioè dove la dimensione primaria questa è la prima colonna, è proprio la regione di provenienza degli utenti.

Abbiamo si è creato un altro report che si chiama città, dove la dimensione in questo caso è la città.

Però in generale, la provenienza geografica degli utenti è una delle leve primarie che il manager ha a disposizione, in particolare per quanto riguarda le campagne.

Infatti, quando noi andiamo a effettuare pubblicità su piattaforme di advertising come Google Arts oppure in E Facebook Ads o qualsiasi di fatto piattaforma di advertising, spesso abbiamo la possibilità di decidere la targati geografica e quindi dire okay questa campagna.

Fammela vedere per esempio in queste regioni oppure in queste altre regioni, oppure in questa città, in questo paese Quindi è chiaro che se noi riusciamo a capire quali sono i paesi, le città, le regioni con le performance migliori, possiamo poi muovere le nostre leve di targati per andare a spendere il nostro budget, il nostro fort, esattamente lì dove ci sono gli utenti che hanno la maggiore proba- probabilità di convertire e il maggior valore che portano al nostro business.

Questo tipo di analisi è, diciamo, tra quelle probabilmente più semplici, perché di fatto quello che dobbiamo fare è andare a vedere una tabella in cui ci sta l'attributo in questo caso la regione, e cercare di capire, sia dal punto di vista del traffico che dal punto di vista delle metriche di navigazione, ma soprattutto del tasso di conversione rispetto alla nostra conversione primaria.

Dobbiamo andare a capire se ci sono delle differenze di performance.

Per esempio, se io qua vado a vedere le conversioni fittizie, in questo caso clicca profilo social, ma immaginate che possa essere pur Chase pote- possa essere d acquisito e così via.

Qui io posso trovare che ci sono alcune regioni che hanno tassi di conversione più elevati, altri che c'hanno tassi di conversione molto più bassi.

Quindi idealmente io potrei decidere poi di targettizza le mie campagne e quindi spendere la maggior parte del budget dove ci sono le regioni con tasso di conversione più elevato.

Ovviamente il tasso di conversione non dovrebbe essere l'unica metrica che io vado a vedere per fare questo tipo di considerazione, per esempio, l'advertising potrebbe avere costi differenti, per esempio costo per click o c p m, differenti a seconda della regione in cui lo mostro o del paese in cui lo mostro, per cui in realtà il mio ragionamento effettivo dovrebbe dovrebbe essere sulla base del ritorno sull'investimento più che sul tasso di conversione.

Però qui su g a quattro il tasso di conversione già ci può dare un primo spunto per poi andare a approfondire, eventualmente anche sulla piattaforma di adder tisi, eventuali correlazioni tra il ritorno sull'investimento e la regione o la città o il paese di provenienza degli utenti.

Quindi questa è sicuramente una delle leve più importanti che noi abbiamo a disposizione e ci permette anche di eventualmente pianificare ulteriori azioni promozionali su quella regione, su quel paese o su quella città di provenienza degli altri attributi molto utili.

Allo stesso modo, in fase di analisi sono le caratteristiche socio demografiche degli utenti se non li stiamo tracciando direttamente attraverso dei trattamenti custom che provengono appunto dalla registrazione dell'utente dopo che fa il lock-in e quindi che estraiamo database.

Se non stiamo facendo questa cosa, possiamo comunque avere delle informazioni che vengono fornite da Google, Sils, Google, Sils.

Di fatto sono quei dati dati che possiamo ottenere su G a quattro quando gli utenti fanno login nei loro account Gmail o altri account Google e quando hanno dato a questi utenti la condivisione dei dati tra gli strumenti di Google.

Quindi in questo caso, se un utente ha fatto login su Gmail nello stesso browser e se ha dato disponibilità alla condivisione dei suoi dati, a questo punto noi, in quanto manager e amministratori della proprietà di tracciamento, possiamo attivare questa funzionalità.

Um, da qui raccolta dati vedete qui raccolta dati di Google Sils inizia, io qua non l'ho fatto sul mio blog personale, però se voi adesso seguite questa procedura potete attivare Google sigla l'unica.

Cosa da tenere in considerazione è che per fare questo tecnicamente voi state unendo dei dati, quindi aumentando il vostro potere di profilazione e anche quello di Google.

Quindi è necessario esplicitare queste informazioni all'interno della privacy policy e richiedere il consenso preventivo degli utenti.

Una volta attivato Google Simas, noi vedremo delle tabelle tipo queste in cui abbiamo delle dimensioni che vengono popolate, che in particolare sono genere maschio o femmina.

Età, la fascia di età degli utenti e gli interessi una serie di liste di interessi che tipicamente vengono utilizzate nell'averci in particolare su Google.

Queste dimensioni noi le possiamo trovare o nei report configurazione dei nostri report che abbiamo visto in un'elezione ad hoc nel dettaglio in cui appunto io ho fatto vedere come creare questo report qui, mettendoci questa dimensione.

Qui non vi posso far vedere questo report del blog perché questo non ha dati.

Vi faccio vedere quello del Google Mecha Store e per quanto riguarda Google Merchandise Store, vediamo che non tutti gli utenti vengono riconosciuti come maschio o femmina.

Perché? Perché c'è una parte di utenti che o non fa Loggins o Google oppure non ha fornito questa informazione, o ancora ha dato il permesso di condividere i dati tra appunto il suo account Google e strumenti terzi quale Google Analytics.

Quindi questo qua è il campione di utenti che effettivamente è stato riconosciuto nel suo genere e però a noi ci può comunque fornire informazioni utili per verificare le performance dei due segmenti di utenza, sia in termini di qualità della navigazione, sia in termini di livello di traffico, sia anche in termini di conversioni, revenue e quant'altro.

Per quanto riguarda i dati di Google Sigma, oltre al genere abbiamo anche l'età divisa in fascia di età e abbiamo anche gli interessi appunto dal mio punto di vista gli interessi a volte sono un po' meno utili però magari possono, nel caso vostro essere più utilizzabili.

Questo come lo possiamo utilizzare? Sempre al solito modo, cioè quando noi creiamo delle campagne di advertising o in generale quando vogliamo anche capire chi è il nostro target ideale, possiamo utilizzare questi dati per identificare segmenti a maggiore o a meno performance rispetto alle nostre conversioni o in generale ai nostri.

Possiamo anche con alcune limitazioni incrociarli tra di loro.

Quindi, ad esempio, se io metto come dimensione secondaria l'età, posso anche avere una tabella in cui i segmenti riesco a identificarli ancora meglio.

Quindi quanti maschi della fascia di venticinque, trentaquattro anni ho avuto sul sito nel periodo mi aiuta anche a farmi un'idea di chi sono i miei utenti e quali sono le performance di ciascun segmento.

In ultimo, molto prezioso sarebbe se io avessi ulteriori attributi degli utenti che magari riesco a estrarre dal mio database, quindi in particolare se io ho una registrazione al sito e quando l'utente si registra e magari mi fornisce ulteriori informazioni, immaginiamo il ruolo che ricopre in azienda, oppure non lo so, gli interessi specifici che gli vado a chiedere una lista e così via.

A questo punto io potrei con un processo specifico andare a tracciare queste informazioni.

Ogni volta l'utente fa il login sul sito e quindi creare delle tabelle tipo queste, dove al posto delle dimensioni pre configurate di g a quattro, vado a inserire delle mie dimensioni personalizzate con tutti gli attributi che ho tracciato appositamente da parte degli utenti.

Questo quindi è dove sicuramente vogliamo arrivare se abbiamo queste informazioni a disposizione, come farlo? Lo vedremo poi nel corso legato all'implementazione