In questa lezione vediamo un altro report che possiamo creare nella sezione esplora di G a quattro, che è il report di canalizzazione.

Questo è un report, secondo me molto utile perché ci permette di verificare le performance di un processo di acquisizione o di conversione in generale.

Un processo che noi vogliamo che gli utenti facciano, che possiamo stigmatizzare a step.

Immaginate ad esempio il processo di acquisto in un e-commerce in cui l'utente prima vede un prodotto, poi lo aggiunge al carrello, poi va al checkout e poi acquista.

E noi vogliamo sapere, rispetto a questi step, che assumiamo che gli utenti debbano fare in sequenza quali sono i principali punti di abbandono e quali sono invece i punti in cui gli utenti riescono a passare più facilmente e quali sono le percentuali di prosecuzione oppure di abbandono rispetto allo step precedente.

Vogliamo in altre parole, esaminare le performance di un funnel eh di nostro interesse.

Come al solito ci troviamo nella sezione esplora di g a quattro del google Merchandise Store e per creare un nuovo report del tipo canalizzazione andiamo qua a cliccare sull'icona appunto del funnel.

Come al solito, quando noi clicchiamo una di queste icone um ci viene creato un report partendo da una sorta di temete, quindi con una serie di step e dimensioni predefinite che però noi possiamo togliere per poterci costruire.

Il report che ci piace a noi, in questo caso specifico è proprio quello che faremo, in maniera tale che possiamo poi vedere come si costruisce questo tipo di report.

Nel caso del google store, essendo un eco, dobbiamo provare a costruire un report proprio del percorso di acquisto degli utenti per vedere quali sono i principali punti di abbandono e i vari tassi di prosecuzione.

Per fare questo, dopo aver tolto tutti i passaggi e la suddivisione, andiamo a cliccare proprio sulla matitina e a questo punto noi dobbiamo andare a definire quelli che sono tutti i vari step che compongono il nostro.

Ad esempio partiamo da un primo step che è quello in cui l'utente vede il prodotto, quindi lo chiameremo ad esempio scheda prodotto su quindi questo sarebbe il primo passaggio qui.

Noi dobbiamo andare a inserire una condizione che determina e fa capire a g a quattro quando l'utente ha raggiunto questo step.

Nel caso specifico per poter vedere che l'utente ha visto la scheda prodotto utilizzeremo l'evento item che è proprio l'evento e-commerce di g a quattro che scatta quando l'utente vede una scheda prodotto per sapere quali sono gli eventi e-commerce e quali sono i loro nomi.

Eh? Andiamo su google, possiamo cercare g a quattro tre commence o eventi raccomandati g a quattro e cliccare è questo link con gli eventi raccomandati in cui noi vediamo qui una serie di eventi che lui ci suggerisce di di utilizzare tra questi c'è la sezione e-commerce appunto per le vendite online.

Se volete possiamo anche vederci la versione in italiano.

Ecco qui e quindi eh l'evento item deve scattare di fatto quando l'utente visualizza una scheda prodotto e quindi se noi vogliamo andare a creare una condizione su questo passaggio, andremo qui a inserire direttamente view item in questa maniera.

Quando l'utente ha fatto scattare l'evento vio item entra nel passaggio numero uno.

Questa cosa che vi ho appena fatto si può fare in vari modi, in particolare per gli eventi ci basta semplicemente mettere il nome dell'evento così come ho fatto, ma noi possiamo creare condizioni anche in altre maniere, per esempio utilizzando delle dimensioni specifiche.

Per esempio quando l'utente diventa loggato a noi allora noi possiamo andare a cercare una dimensione, magari con una certa caratteristica del login per gli eventi la cosa più semplice è andare a inserire direttamente il nome, quindi quando io vado a inserire ad esempio item lui mi suggerisce i vari eventi che contengono questo nome lo seleziono e questa già da sola fa da condizione senza che io debba aggiungere alcun anche di altro.

Poi posso cliccare su aggiungi passaggio qual è l'evento successivo quando l'utente avviso la scheda prodotto l'utente l'ha aggiunta a carrello, quindi qua darò il nome aggiunto a carrello e come condizione andrò a utilizzare proprio l'evento che se guardiamo qui è proprio tra gli eventi raccomandati dell'e-commerce t G a quattro appunto quando gli utenti aggiungono articoli al carrello, quindi qua andremo a scrivere ad lui ci suggerisce ed ecco qua il nostro secondo passaggio.

Anche in questo caso non vado ad aggiungere altre condizioni sui parametri, però idealmente potrei farlo se volessi creare un fan più specifico rispetto a determinate azioni.

Passaggio tre mettiamo per esempio il check-out e qui eh per il check-out noi abbiamo tre eventi che lui c'è quattro ci consiglia di utilizzare che sono in checkout quando l'utente avvia la fase di check out shipping info quando l'utente ha inserito i dati di spedizione payment info quando l'utente ha inserito i dati del pagamento, nel nostro caso possiamo mettere in check out, cioè il primo evento che scatta quando l'utente avvia la fase di check out.

Notate anche che man mano che io sto andando qua a inserire i vari passaggi, lui mi fa una stima di quanti utenti ci sono che sono entrati in questa canalizzazione in questo ultimo evento che andiamo a inserire è quello del chase acquisto.

Quando l'utente acquista scatta dovrebbe scattare l'evento rse e quindi noi qua andiamo a inserire porse lo selezioniamo, lo potete trovare ancora una volta qui in questa lista e quindi qua abbiamo costruito un nostro funnel ipotetico che parte dalla visualizzazione schede prodotto e arriva fino all'acquisto.

Ci sono altre condizioni che possiamo inserire ad esempio è seguito indirettamente da o è seguito immediatamente da questo.

Se noi vogliamo ad esempio che l'evento cioè che l'utente per entrare nel funnel faccia una serie di eventi proprio in sequenza, cioè che non ci siano altri eventi in mezzo tra l'uno e l'altro, questa in realtà è una cosa condizione estremamente stringente per cui secondo me può essere nuovamente ragionevole mettere eseguito indirettamente da e poi c'è una seconda clausola che volendo uno può configurare cioè il tempo che intercorre rispetto all'evento precedente.

Cioè in altre parole magari io aggiungo carrello e poi a questo io potrei specificare che l'utente per entrare nel funnel deve passare al massimo tot di tempo o per esempio aggiunge al carrello seguito dal check out per esempio al massimo cinque minuti.

Allora io qua se volessi andare a aggiungere questa condizione ecco potrei mettere entro cinque minuti, quindi da quando l'utente ha fatto aggiungere carrello a quanto ha fatto king checkout per per entrare in questa canalizzazione devono passare al massimo cinque minuti e questo lo posso ovviamente modificare per tenere le cose semplici.

Noi non mettiamo vincoli, anche perché di solito è vero che nella maggior parte dei casi noi non vogliamo effettivamente avere vincoli, quindi questa impostazione che ho fatto, diciamo è credo che si possa andare bene per molti che normalmente vengono analizzati a questo punto clicco su applica e lui mi va a costruire.

Vedete il report a qui ci sono i vari step e l'utente entra nel quando vede la scheda prodotto, dopodiché ci sono i vari tassi di prosecuzione.

Um fino all'acquisto ora notiamo alcune cose, ovvero questo report in particolare ci fa vedere alcune informazioni interessanti.

Innanzitutto è diviso in due qua c'è una parte grafica e sotto c'è una parte tabellare.

La parte grafica più che altro ha serve per avere un una sorta di intuito su qual è la ripidità con cui il fan si stringe.

Però dal mio punto di vista non è super utile, anche perché poi la scala può anche essere cambiata, quindi diciamo, um, ci dà una visione che secondo me è abbastanza così molto, molto immediata, ma anche poco approfondita.

In generale, quelli che vediamo qui sopra sono i tassi di prosecuzione da uno step all'altro, ovvero cento per cento sono gli utenti che sono entrati funnel.

In altre parole, il nostro fal parte dalla visualizzazione della scheda prodotto.

Quindi ovviamente, questo questo percentuale di utenti rappresenta il cento per cento degli utenti che noi stiamo analizzando.

Il secondo step aggiunto a carrello vediamo diciotto virgola sei per cento vuol dire che quelli che hanno raggiunto lo step precedente scheda prodotto di quelli il diciotto virgola sei percento è passato allo step successivo, cioè aggiunto a carrello.

Dopodiché di quelli che sono arrivati ad aggiunta carrello, il quarantadue percento è arrivato lo stesso successivo, cioè il check out.

Dopodiché di quelli che sono arrivati al check out, il cinquantatré percento ha acquistato.

Quindi così si legge questa parte superiore grafica sotto vediamo purtroppo sovrapposti ad altri numeri i tassi di abbandono.

Ora, questi stessi numeri che vediamo qui sopra in realtà li possiamo leggere secondo me in maniera comoda nella parte tabellare sottostante.

Questa, secondo me, è una delle cose più interessanti.

Qua vediamo di nuovo gli step.

I tassi di prosecuzione si trovano qui in questa seconda colonna.

Infatti, vedete che i numeri coincidono di fatto con quelli che noi vediamo sopra, ovvero scheda prodotto.

Quanti sono quelli che dalla scheda prodotto passano aggiunti a carrello? Diciotto virgola sessantaquattro percento.

Quanti sono quelli che da aggiunta a carrello passano al checkout? Sempre la seconda colonna e sono il quarantuno e il novantotto percento dell'aggiunta a carrello.

Quanti sono quelli che da check-out passano a questo? Sono il cinquantatré virgola sessantotto percento.

Okay, qua possiamo anche vedere gli abbandoni e i tassi di abbandono, ovvero scheda prodotto.

Abbiamo detto il diciotto e il sessantaquattro percento passa aggiunta a carrello la restante percentuale, cioè ottantuno e trentasei percento non aggiunto a carrelli.

Quelli che hanno aggiunto a carrello il quarantuno e il novantotto percento sono andati al checkout.

La percentuale complementare, cioè il cinquantotto e zero due, non è andata al checkout.

E quindi diciamo questa tabella si legge in questa maniera.

Questa prima colonna, invece è altrettanto utile, secondo me, perché ci fa vedere rispetto al primo step quante sono.

Um, appunto, gli utenti che hanno raggiunto gli altri step, per esempio, aggiunto il carrello Già lo sappiamo.

Sono stati il diciotto e sessantaquattro percento della scheda prodotto al check out.

Come vedete che troviamo il sette? Ottantadue percento? Ovvero sono Questa percentuale è calcolata rispetto sempre alla scheda prodotto.

Quindi stiamo dicendo che praticamente su rispetto al cento per cento degli utenti è entrati nel perché hanno visto la scheda prodotto.

Il sette ottantadue percento è arrivato al check out.

Il quattro punto due percento ha acquistato.

Quindi queste due colonne ci danno due visioni sostanzialmente differenti.

Perché mentre questa ci dice la percentuale di utenti rispetto al primo step, la seconda colonna ci dice invece il tasso di prosecuzione tra uno step e il successivo insieme ci dicono sosta- sostanzialmente quello che sta succedendo nel ovviamente qui io ho ragionato in termini percentuali, ma possiamo anche vedere i numeri assoluti.

Quindi qui in questo caso abbiamo quanti utenti hanno raggiunto l'acqui, quanti utenti hanno aggiunto il check-out, quanti utenti hanno aggiunto al carrello e così via? E qua la stessa cosa per gli abbandoni qui sono gli abbandoni che dalla scheda prodotto hanno abbandonato lo step.

Qui invece milleottocentocinquantanove sono gli utenti che da aggiunta a carrello hanno ha abbandonato lo step e così via.

Quindi capito come funziona questa tabella che a che cosa ci serve di fatto ci serve a identificare i tassi di prosecuzione e di abbandono di ogni step del nostro funnel e quindi di fatto andare a individuare quelli che sono i punti da cui gli utenti maggiormente escono.

E quindi, ad esempio in questo caso noi possiamo capire che, um gli utenti dal dalla scheda prodotto che hanno aggiunto a carrello sono il diciotto e sei percento ha aggiunto Carrello al check out sono il quarantadue percento.

Quindi di fatto oggi nel nostro tunnel la maggior parte degli utenti che ci stiamo perdendo, ci stiamo perdendo sulla scheda prodotto perché su quelli che aggiunta che aggiungono quel carrello sono solo il dicio-, il diciotto e sei percento.

Volendo, quindi potremmo cercare di capire perché, se riteniamo che questa percentuale sia troppo bassa, possiamo cercare di andare a intervenire.

Cercare di esaminare il perché secondo noi l'aggiunta a carrello è così bassa eventualmente provare ad aumentare questo tasso di prosecuzione della scheda prodotta.

Aggiunta a carrello.

Ovviamente va capito anche che gli utenti che si trovano in questo tunnel possono avere intenzioni di acquisto differenti, cioè possono trovarsi nel loro processo decisionale in fasi differenti.

Quindi ci può anche stare che un utente dalla scheda prodotto abbia un tasso di aggiunta a carrello abbastanza basso.

Dopodiché, una volta che prende la decisione di acquisto, questo ta-, poiché gli utenti che arrivano a quello step hanno un'intenzione di acquisto una propensione acquisto tendenzialmente maggiore perché siamo più convinti, è normale che dal checkout in poi ci possano essere tassi di prosecuzione più elevati o dall'aggiunta a carrello in poi.

In ogni caso, le considerazioni chiaramente dipenderanno da business a business.

Da caso a caso, però, il tipo di report ci dà questo tipo di informazione e quindi ci può essere utile a valutare di fatto le performance dei nostri fan.

Vediamo adesso una alcune caratteristiche interessanti di configurazione di questo report.

Una di queste caratteristiche è questo switch qui imposta come canalizzazione aperta.

Cosa vuol dire una canalizzazione è chiusa.

Se noi per fare entrare un utente in questo funnel l'utente deve aver necessariamente fatto il primo step e in generale quindi l'utente per poter essere conteggiato qui dentro deve aver visto la scheda prodotto, altrimenti immaginiamo che è entrato nel aggiunto a carrello non viene conteggiato.

Se invece io però accendo qui lo switch l'utente potrebbe non aver fatto lo step scheda prodotto e aver invece aggiunto direttamente a carrello un prodotto, magari perché si può aggiungere il carrello da immaginiamo dalla categoria, dalla pagina di teoria oppure dall'home page.

Allora in questo caso, se non necessariamente devi aver deve aver visto la scheda prodotto per essere entrato nel io posso lasciare come canalizzazione aperta e a quel punto se un utente ha bypassato il primo step può comunque entrare al secondo oppure al terzo oppure direttamente al quarto e in ogni caso verrebbe conteggiato.

Se invece lo switch sta messo su off per poter entrare in questo report l'utente deve avere necessariamente visto la scheda prodotto, altrimenti non entra nel quindi un utente che avesse bypassato la scheda prodotto ma avesse aggiunto a carrello un prodotto poi visto il check-out acquistato non verrebbe incluso nel fan.

E quando questo quando questo switch è suff infatti, se io metto qui vedete gli acquisti in generale sono superiori quando io metto su off gli acquisti sono inferiori.

Perché? Perché lui qua in questo caso ff sta conteggiando solo gli utenti che sono passati dal primo step, dalla visualizzazione della scheda prodotta.

Altra nota importante questo report conta gli utenti che nel periodo selezionato sono entrati appunto nel nostro e conteggia quindi gli utenti se un utente ha rifatto un certo evento più volte viene comunque conteggiato una volta sola.

Altra cosa importante non è possibile saltare uno step, quindi se ad esempio l'utente ha aggiunto a carrello e poi ha acquistato ma per qualche motivo non è passato per il check out non viene incluso nel, quindi non viene incluso tra gli acquisti oppure se l'utente è entrato.

La scheda prodotto ha visto il check out ma non ha aggiunto un prodotto a carrello di nuovo non viene incluso nel e quindi non lo vedremo tra gli acquisti anche se acquistato.

In altre parole, gli utenti devono effettuare i vari step in sequenza senza saltare i vari passaggi.

Se c'ho la canzo la canalizzazione aperta, possono entrare nel tunnel da uno step successivo.

Per esempio non devono per forza passare la la scheda prodotto, però in ogni caso non possono saltare passaggi, quindi se immaginiamo l'utente aggiunto a carrello ma poi non ha fatto il check out e però ha acquistato.

In ogni caso non viene qui incluso gli step check out acquisto proprio perché è arrivato all'acquisto saltando il passaggio.

Quindi in altre parole nel nne io per poter essere conteggiato a un certo step devo aver necessariamente effettuato gli step precedenti, quindi per essere conteggiato all'acquisto devo aver fatto anche il check out.

Devo aver fatto anche aggiunta a carrello.

La scheda prodotto non la devo aver fatta se ho impostato la canalizzazione come canalizzazione aperta okay, altra cosa interessante è la distribuzione io qui ad esempio sto vedendo il fan nel suo complesso, però potrei essere interessato a vedere magari il funnel di con il breakdown rispetto a una dimensione per esempio, una spesso interessante è la categoria del dispositivo.

A questo punto, mettendo come suddivisione la categoria del dispositivo, lui mi farà vedere la tabella con i vari valori che assume la dimensione categoria del dispositivo.

Quindi quanti utenti hanno visto la scheda prodotto in totale sono stati appunto diciassettemila cinquantadue, di cui undicimila desktop, cinquemila mobile, il duecentotto tablet uno smart tv.

Se poi passo allo step successivo, lui mi fa ovviamente il confronto rispetto allo stesso valore della stessa dimensione.

Quindi quando io vado a vedere il ventuno ottantatré percento stiamo parlando ovviamente del ventuno percento ottantatré rispetto agli utenti desktop.

Sotto invece c'avrò il dodici sessantaquattro percento degli utenti mobile.

Quindi in altre parole io qua ho la stessa lettura della tabella che vedevo in precedenza, però suddivisa per i vari valori e quindi posso vedere a colpo d'occhio se gli utenti stanno proseguendo di più o di meno nei vari passaggi da desktop, da mobile o da tablet.

Facciamo un esempio prendiamo ad esempio lo step scheda prodotto il ventuno percento e diciassette da desktop passa la giunta a carrello, mentre solo il dodici per cento e trentasei da mobile passa a giunta a carrello il quattordici e quarantadue percento passa giunta a carrello.

Quindi in altre parole, gli utenti tendono a una volta che hanno visto la scheda prodotto ad aggiungere più frequentemente a carrello quando si trovano da desktop rispetto a mobile e tablet.

Vediamo l'aggiunta a carrello.

Quindi qua, eh? La logica che è sempre la stessa che abbiamo visto prima.

Una volta che sono arrivati allo step aggiunto a carrello, gli utenti tendono ad andare al checkout più da perché vedete che il quarantatré, il quarantatré e il ventidue percento da aggiunta a carrello passa al su desktop, mentre solo il trentaquattro virgola sessantotto percento passa il check out da mobile ancora meno da tablet.

Quindi, facendo questa analisi fino in fondo, uno potrebbe dire Vedete qua se andiamo a vedere il ta-, il set dell'acquisto rispetto a desktop, il cinque e sessantuno percento arriva l'acquisto partendo dalla scheda prodotto, mentre solo l'uno e diciotto percento arriva l'acquisto partendo dalla scheda prodotto da mobile solo lo zero e novantasei percento arriva l'acquisto partendo la scheda prodotto o da tablet.

Quindi in altre parole, chi si trova su desktop desktop performa, quindi ha un tasso di conversione all'acquisto maggiore, quindi riesce a fare tutto il tunnel più frequentemente quando si trova su desktop rispetto a quando si trova su mobile o su tablet.

Partendo dalla scheda prodotta per gli utenti che hanno visto la scheda prodotto si arriva all'acquisto più facilmente piuttosto che da mobile o da tablet.

Questo quindi è um l'utilizzo della della caratteristica suddivisione champions switch mostra il tempo trascorso um quando io lo attivo posso vedere il tempo medio che è passato tra uno step e il successivo togliamo la suddivisione perché questo magari ci può un pochino rendere più complicata la lettura.

Vedete qua si è aggiunta una colonna col tempo medio passato tra uno step e il successivo.

Chiaramente qui non c'è una divisione per sessione, quindi lui va a fare un conteggio proprio per gli utenti.

Tempo medio eh? In dopo che gli utenti hanno visto la scheda prodotto um prima che hanno aggiunto un prodotto a carrello è stato circa di quattordici ore e cinquantanove litri una volta che hanno aggiunto il prodotto a carrello per arrivare al check out sono passate mediamente nove ore dal checkout all'acquisto mediamente sei ore.

Quindi questo è, um per quanto riguarda il tempo trascorso in ultimo eh, l'ultima caratteristica è questa azione successiva.

Se io qua la seleziono, ci metto un nuovo evento.

Lui sul grafico mi fa vedere quelle che sono state le prime cinque azioni successive rispetto allo step in cui stavo.

Per esempio stavo la scheda prodotto.

Le cinque azioni successive sono state la poi nessuna azione, tremila per tremilacentosessantasette utenti lo scroll sta la stessa cosa possiamo vedere per i i passaggi successivi.

Perfetto.

Quindi questo è un pochino diciamo come funziona questo tipo di report.

Ovviamente anche questo è possibile filtrarlo esattamente come abbiamo visto nel report tabellare.

Un altro tipo di canalizzazione che possiamo impostare qua è la canalizzazione di tendenza.

Questa io di solito la uso un po' meno.

Però di fatto quello che lui ci fa vedere è l'andamento del funnel nel tempo.

Sostanzialmente qui per capire come queste variazioni di tassi di abbandono e prosecuzione cambiano nel tempo.

In questo caso vedete che ci fa vedere di fatto e ci fa vedere di fatto soltanto il trend dei vari utenti che hanno raggiunto quello step lì.

Quindi in altre parole, noi dovremmo farci a mano un pochino l'idea di se questi stanno migliorando o peggiorando rispetto ai vari step.

Okay, abbiamo visto un po' tutto e per cui questa lezione direi che finisce qui