In questa lezione vediamo un'altra analisi importante che i manager, soprattutto quelli che gestiscono e-commerce, spesso vogliono fare, ovvero valutare le performance dei prodotti che sono venduti nell'e-commerce per capire sia quelli più venduti va bene, ma anche quelli con più potenziale di vendita.

Quindi quelle che converrebbe esporre maggiormente o promuovere perché magari se avessero più visibilità, potrebbero vendere ancora di più di quelli attualmente promossi.

Siamo qui nell'account di Google Analytics quattro del Google Merchandise Store nella sezione Monetizzazione acquisti E-commerce.

Questa, secondo me, è una delle sezioni più importanti che i manager che gestiscono e-commerce potrebbero voler analizzare all'interno dei report standard.

Questo perché questo report contiene informazioni sui singoli prodotti ed è possibile estrarre quindi degli insite sulle performance che permettono ai manager poi di decidere su come promuovere o dare visibilità a determinati prodotti, oppure togliere visibilità ad altri prodotti che possono avere performance scarse.

Vediamo quindi questa tabella che cosa ci mostra allora? Innanzitutto qui, nel meno tendina, noi abbiamo le seguenti dimensioni che possono essere utili il nome del prodotto l'id del prodotto o l's k UE poi cinque livelli di categoria.

Qua faccio una premessa Questo tipo di dimensioni viene popolata quando noi effettuiamo l'implementazione dell'e-commerce utilizzando gli eventi raccomandati con tutti i loro parametri.

Gli eventi raccomandati e tutti i loro parametri si possono trovare nella guida di Google Rete quattro per la parte implementato e li vedremo poi in un corso più avanzato di implementazione su Google Top manager.

Facciamo finta quindi che voi come manager avete dato il compito agli S di implementare tutto il tracciamento e-commerce e quindi qui vi troverete, oltre al nome del prodotto, anche eventuali cinque livelli di categorizzazione.

Immaginate che in un e-commerce voi potete avere una categoria macro, una sottocategoria, una categoria ancora più piccola e così via.

Quindi idealmente qua avete cinque spazi per scrivere categorie di prodotti, dopodiché alcuni prodotti possono avere delle varianti e quindi qui in questa dimensione potete scrivere qual è la variante effettuo effettivamente vista oppure acquistata dagli utenti il brand se per caso il vostro store è multibrand e poi affiliazione, se per caso appunto, il prodotto è stato venduto in affiliazione con determinati partner o network, ora queste qui ovviamente ci permettono di fare analisi a vari livelli di granularità.

Ad esempio, quando noi vogliamo fare delle analisi per categoria, possiamo selezionare la dimensione di categoria e quindi capire da qui alcune informazioni che adesso ci vediamo Prima di procedere a vedere il resto delle metriche.

Dobbiamo capire una cosa, ovvero che ci sono alcuni eventi di tracciamento che scattano in corrispondenza a determinati step del fan di acquisto degli utenti.

Le metriche che vediamo qui sono generate in particolare in alcuni momenti specifici che sono la visualizzazione della scheda prodotto.

Quando L'utente vede la scheda prodotto, scatta un evento che si chiama item, che poi viene processato e si traduce in questa metrica che si chiama articoli visualizzati.

Quindi questo questa metrica qui non è altro che il conteggio delle visualizzazioni azioni delle schede prodotto da parte degli utenti.

Dopodiché gli utenti possono aggiungere un prodotto a carrello e quindi l'evento che scatta si chiama e questa metrica qui non è altro che il conteggio di tutti gli otto che sono avvenuti nel periodo selezionato.

Infine, i prodotti possono essere acquistati l'evento di tracciato si chiama pur Chase e questa metrica qui articoli acquistati fa il conteggio di quanti acquisti sono stati effettuati per ciascun prodotto e qui entrata e generata dell'articolo.

Vediamo invece il fatturato generato da ciascun prodotto acquistato, quindi articoli acquistati e entrate generate dell'articolo vanno insieme nel nel senso che vengono tracciati con lo stesso evento che è l'evento Chase.

Bene, quindi, quando noi vogliamo effettuare analisi sui prodotti, che cosa possiamo fare? Innanzitutto siamo appunto in questo report.

A questo e-commerce la dimensione è non elemento Qui vediamo Quindi i prodotti in questo momento sono ordinati per i prodotti più visualizzati, nel senso che la loro scheda prodotto è stata visualizzata più volte.

Quindi questo ordinamento è per visualizzazione della scheda prodotto discendente.

Eventualmente possiamo anche cambiarlo questo ordinamento e se clicchiamo qui su questa freccetta possiamo metterli per articoli acquistati discendenti o ancora per fatturato del singolo articolo discendente e così possiamo vedere i prodotti più acquistati o prodotti che hanno generato più revenue.

L'ordinamento di default è questo qui per articoli più visualizzati.

Ora noi qui possiamo quindi dedurre alcune cose.

Il primo Quando ci mettiamo, ad esempio con le entrate generate dall'articolo o articoli acquistati, possiamo capire quali sono i prodotti al momento redditizi oppure più acquistati dagli utenti e quindi capire quelli che nel periodo selezionato hanno dato di fatto il maggior valore al business.

Però c'è da dire una cosa, cioè che i prodotti che sono stati più acquistati o che o che hanno generato più valore, potrebbero anche essere correlati con le promozioni che noi abbiamo fatto.

Immaginiamo ad esempio, che noi mettiamo un prodotto in homepage.

È chiaro che se l'homepage è un punto di passaggio frequente e molti utenti vedranno questo prodotto e quindi ci aumenterà la probabilità che questo prodotto venga acquistato è un po' come legato al traffico sul sito per le varie sorgenti.

È chiaro che se noi diamo visibilità, diciamo a un determinato prodotto, ne aumentiamo la la probabilità di vendita.

A volte il manager però vuole identificare i prodotti che hanno la maggior parte del potenziale di vendita o di fatturato, che non necessariamente sono quelli più venduti o che hanno ad oggi realizzato il maggior fatturato.

Immaginate ad esempio, che c'abbiamo una sorta di prodotto che vogliono tutti, ma che noi ancora non abbiamo promosso, che sta un po' nascosto nel nostro sito.

E se non gli dessimo visibilità, magari quel prodotto sarebbe molto più venduto, magari ancora di più dei beste attuali.

Come facciamo allora a far emergere questo tipo di informazione? Questo tipo di informazione può essere fatta emergere mettendo a confronto la metrica Articoli visualizzati che ci fa vedere quante volte appunto, la scheda prodotto di un prodotto è stata vista con gli acquisti e le entrate generate dagli articoli.

In particolare sarebbe utile per noi fare proprio il rapporto di articoli acquistati e articoli visualizzati.

Una metrica che purtroppo qui non è disponibile e il rapporto tra entrate generate dagli articoli e articoli visualizzati.

Perché facendo questo rapporto ci potremmo accorgere, ad esempio, che Crom Dino Collective la scheda prodotto, è stata vista millequattro ottantaquattro volte.

L'articolo però è stato acquistato solo nove volte e ha generato duecentoquarantasei dollari di fatturato.

Di contro Google Campus Bike è stato visto un po' di meno milleduecento ottantotto volte però è stato acquistato trentacinque volte con un fatturato di millequattrocentoquaranta euro.

Quindi dal punto di vista macro noi qua potremmo estrarre un inside, e cioè che il prodotto quattro Campus Bike potrebbe essere più appetibile rispetto a Chrome Dino o quanto meno a oggi, a parità di visualizzazioni.

A parità di volte che è stato visto, il secondo prodotto è stato acquistato di più e quindi se io dovessi bilanciare la visibilità tra i due prodotti, probabilmente mi converrebbe visualizzare maggiormente Google Campus Bike invece visualizzare un po' di meno chrome di collective.

Ovviamente i ragionamenti che possono essere fatti su questo possono essere più complessi.

Si possono fare analisi più sofisticate, però come prima analisi, questo potrebbe essere un primo inside che può essere utile conoscere le aggiunte a carrello danno un'informazione abbastanza simile perché quando noi troviamo un prodotto che a parità di visualizzazioni è stato aggiunto tanto al carrello, questo esprime una sorta di propensione all'intenzione d'acquisto, cioè mentre l'acquisto esprime proprio la propensione all'acquisto l'aggiunta a carrello este-, essendo uno step un pochino prima ci dà una propensione alla intenzione di acquisto che è la cosa che l'aggiunta carrello esprime cioè l'intenzione di acquisto.

Non è detto che le due cose vadano sempre insieme perché magari a livello di carrello e poi check out potrebbero accadere delle cose che magari fanno interrompere effettivamente il flusso di acquisto dell'utente.

Immaginiamo spese di spedizione molto alte per un oggetto di basso valore.

Magari io lo aggiungo, poi vado al checkout.

Vedo che le spese sono molto alte e non lo acquisto.

Questo cosa vuol dire? Che magari a livello di propensione all'intenzione, cioè articoli aggiunti al carrello me ne trovo tanti ma poi di acquisti veri e propri ne trovo pochi.

Perché? Perché magari il rapporto con le spese di spedizione è troppo elevato e alla fine la gente decide di non acquistarlo, ma lo decide dopo di averlo messo a carrello e aver visto effettivamente il costo di spedizione.

Quindi queste sono informazioni utili proprio per chi deve estrarre questo tipo di inside.

Faccio notare anche che qui io posso aggiungere una dimensione secondaria, immaginiamo di mettere ad esempio la sorgente mezzo e quindi posso vedere i vari prodotti che sono stati acquistati da diverse sorgenti.

In particolare io potrei aver fatto le campagne promozionali specifiche per promuovere prodotti specifici o categorie di prodotto specifiche e quindi facendo questa aggiunta di una dimensione secondaria, io posso andare a cercare di trovare quelle campagne o quelle sorgenti che volevo proprio analizzare.

Faccio un esempio pratico, mi metto adesso la campagna, cerco la campagna della sessione e quindi potrei voler filtrare, ad esempio per questo nome qui.

Io non conosco le campagne di Google Merchandise Store, quindi ne mettiamo una a caso.

Questo una copiata di che è rimasta da una lezione precedente, non a caso se lo fa e quindi lui mi fa vedere di fatto tutti i prodotti acquistati con questa campagna perfetto.

Un ragionamento simile a quello che abbiamo fatto ai prodotti.

Ovviamente lo possiamo fare con tutte queste altre dimensioni.

È come se cambiassimo la granularità della nostra analisi.

Per esempio, possiamo fare dei ragionamenti simili per categoria e dire okay, vedi, queste sono categorie più vendute, ma a parità di visualizzazioni, queste ci danno magari più acquisti, più fatturato.

Prendete ad esempio questa new.

Rispetto a Stash, le visualizzazioni sono abbastanza simili come quantità, ma a livello di acquisti e di fatturato vedete che il rapporto è nettamente più elevato per new rispetto a stati addirittura ne ha un fatturato dieci volte rispetto a.

Di contro, le visualizzazioni sono abbastanza simili.

Quindi cosa vuol dire? Vuol dire che se io dovessi trovarmi nella scelta di a chi dare visibilità, a chi promuovere? Chi è il prodotto a oggi che è la maggiore propensione all'acquisto? Da questi dati emergerebbe che tra New e station new è più favorevole e quindi mi conviene probabilmente dare visibilità a lui.

Okay, ora un altro rapporto utile che io posso trovare qui su g a quattro nella parte dei report standard è quello legato alla panoramica, quindi qui abbiamo avuto una visione di dettaglio rispetto tutte le categorie.

Qui invece ci troviamo una dashboard abbastanza semplice che però ci fa vedere l'andamento di alcune mete che potrebbe essere utile tenere sotto controllo, quali ad esempio il fatturato, il totale degli acquirenti.

Anche se qui, come al solito, va sempre messo il disclaimer sul fatto che potrebbero non essere stati conteggiati in maniera accurata per il problema dell'identificazione degli utenti di cui abbiamo parlato nella lezione apposita.

E poi qui ci troviamo altri informazioni che può essere utile tenere sotto controllo a livello frequente o globale da questo tipo di dash.

Io devo dire che non sono un fan di questi report panorami di g a quattro che trovo abbastanza limitati e scomodi, mentre invece mi piace di più estrarre informazioni da queste tabelle qui ed eventualmente a livello di da portarmi i dati su looker studio che trovo più funzionale per visualizzare i globali e trend.

Qui ci sono anche altri rapporti che però dal mio punto di vista um richiedono poi delle conoscenze un po' più complicate, che ci vedremo quindi in una parte di corso avanzato.

E per il momento quindi questa lezione è tutto