Altra informazione fondamentale per noi per capire quanto valgono i nostri clienti esistenti una volta che li acquisiamo.

E quindi una volta che abbiamo messo insieme, messo in moto la strategia, la macchina di acquisizione dei clienti ai costi target che abbiamo visto precedentemente.

Così un nuovo cliente.

Ma l'idea è che o siamo profittevoli sul primo ordine, oppure riusciamo nell'arco di sessanta, massimo novanta giorni almeno coprire tutte le spese appunto, di acquisizione di questo cliente.

Questo è un aspetto, un aspetto fondamentale di cui abbiamo già parlato in un video precedente.

Ma il dato mancante in questa fase di analisi è proprio quello del o l T V a sessanta novanta giorni e in più l'altra informazione mancante riguarda invece il calcolato in associazione al primo prodotto acquistato dai nostri clienti.

Queste informazioni tra informazioni sessanta giorni, novanta giorni e anche annuale o a novanta giorni, se preferiamo e sulla base del primo prodotto acquistato.

Sono informazioni cruciali, perché ci fanno capire da una parte quanto vale un nostro cliente in media e quindi quanto quanto quanti dei nostri costi riusciamo a coprire nel caso in cui non riusciamo a coprirli con l'acquisizione del primo cliente dalle nostre app o eventualmente che tipo di profitto? Che margine avremo a sessanta novanta giorni? Primo punto secondo punto ci fa capire di tutti i prodotti che noi abbiamo all'interno del nostro e-commerce.

Qual è il prodotto che da questo punto di vista genera volumi? E quindi ci sono c'è domanda Quindi le persone vanno sul nostro e-commerce e lo comprano e dall'altra parte genera anche valore.

Quindi se noi riusciamo a trovare la combinazione perfetta tra il prodotto il primo acquisto dell'utente.

Quindi quando lo facciamo entrare all'interno del nostro database e al all'interno del della nostra macchina di comunicazione e riusciamo anche a capire qual è quello tra tutti i vari prodotti che riesce a generare poi nel tempo i maggiore valore.

Ecco che abbiamo trovato verosimilmente degli elementi delle informazioni cruciali per la nostra strategia, perché potremo spingere maggiormente in acquisizione un prodotto che nel lungo termine sappiamo porterà l'utente a comprare più volte, quindi a aumentare il suo, quindi il valore nel corso del del tempo.

Bene, queste informazioni come si trovano di nuovo? Le andiamo a cercare le andiamo a trovare le andiamo a salvare all'interno del nostro tab insis come al solito e di nuovo qua possiamo o estrarle man manualmente dal nostro band.

Vediamo brevemente come, oppure possiamo anche utilizzare un tool di terza parte.

Adesso faccio vedere per chi utilizzasse.

Come ho detto nella lezione precedente Trip Well per estrarre i dati Questa è la sezione all'interno della quale troviamo queste informazioni.

Quindi andiamo all'interno della nostra dashboard di trip Well e nel caso in cui lo utilizziamo, andiamo nel report sotto retention.

Andiamo su l T V sessanta novanta giorni E in questo esempio di questo da questo brand da questo e-commerce troviamo, per esempio che queste sono le informazioni chiave.

Abbiamo qua le informazioni chiave rispetto all', quindi la o V in generale, quindi sul primo acquisto che è di trentasei dollari, sappiamo che a sessanta giorni il nostro tutto il catalogo del nostro e-commerce si alza a centosettantasei e a novanta giorni arriva fino a centotré, quindi si alza di circa il trenta percento nell'arco di di sessanta giorni e circa il quarantuno percento nel nel nel corso dei novanta giorni.

Il nostro concetto a livello di macro punti è il nostro gol, il nostro target.

Il nostro obiettivo è quello di alzare idealmente almeno il trenta per cento nell'arco di sessanta giorni e di idealmente il cento percento, quindi raddoppiarlo nell'arco di dodici mesi.

In questo modo sappiamo che abbiamo davvero tanto margine per poter appunto implementare quella struttura di cui abbiamo parlato all'interno del conto economico, tale per cui riusciamo a coprire la maggior parte dei costi e senz'altro i costi fissi attraverso il traffico di ritorno dei clienti di ritorno.

E questa cosa succede soltanto se i clienti ritornano effettivamente e se ritornano, il si alza è un po'.

Questo il concetto no.

Quindi più clienti di ritorno maggiore è il più riusciamo di sicuro a coprire i costi di acquisizione.

Quindi il CAC e idealmente, facciamo anche margini nel corso di un tema relativamente breve per garantire il cosiddetto quindi la nostra liquidità.

Altrimenti la copertura di e gli eventuali costi o gli eventuali margini sono soltanto futuri.

E quindi ci sarà un periodo di tempo in cui siamo totalmente in perdita e quindi non siamo liquidi.

Se dobbiamo comprare, per esempio, dello stock dei prodotti, metterli a magazzino e quant'altro questa cosa non sarà possibile a meno che non abbiamo dei capitali, quindi degli investimenti.

Okay, Quindi è qui è sempre questa la la logica di base.

Il cash è fondamentale, quindi puntiamo ad un vaglio di almeno sessanta novanta giorni che ci faccia coprire le perdite e ci faccia coprire i costi.

Quindi qua abbiamo i dati su in questo caso rispetto al a sessanta e novanta giorni.

Quindi in questo caso le metriche appaiono corrette.

Appaiono sane, diciamo così perché in sessanta giorni aumenta del del trenta per cento e subito sotto all'interno di questo report possiamo vedere esattamente quali sono i prodotti che hanno generato i i.

Diciamo così il il maggior.

Questi sono i top dieci prodotti in questo caso, che per esempio, questo prodotto si chiama Full Service Pack, che è un bundle, è una scatola all'interno del quale ci sono più prodotti più integratori, in questo caso integratori alternativi a base di funghi.

E qua abbiamo, per esempio un che è di duecentoventitré dollari, un un un a sessanta giorni che si alza a trecentosettantadue e un che si alza a novanta giorni a trecentosettantasette dollari.

Chiaramente questo è un quindi è un prodotto che funziona meglio in assoluto, che ovviamente ci porta il più alto in assoluto.

Sappiamo che se puntiamo su questo prodotto, possiamo verosimilmente migliorare le performance del nostro e-commerce da allo stesso.

Allo stesso modo, però, acquisire un cliente ad un prezzo medio di più di duecento dollari non è necessariamente facile, quindi ci servono comunque dei prodotti alternativi che magari hanno un in entrata all'inizio, magari un pochino più basso, che però ci portino abbastanza.

Per esempio questo è un esempio di un prodotto che ha un un un po' inferiore ai centonovantuno dollari, o addirittura questo che ha un un decente in dollari che è centosessantanove e quindi questo sappiamo che comunque è il terzo miglior prodotto che ci porta a novanta giorni un del duecentosessanta di duecentosessantasette dollari e quindi è un'ottima soluzione per chi magari non performa come il primo, ma ma potrebbe essere un prodotto da spingere in acquisizione.

E infatti è uno dei prodotti che viene spinto maggiormente a livello di acquisition marketing dalle dalle campagne pad media sia su Google haz shopping sia su sia su Metas.

E poi abbiamo un altro esempio che questo è un ottimo esempio perché ha un il più abbordabile di tutti a centoquarantasette dollari che è assolutamente possibile sul mercato, per esempio americano, australiano.

Noi dobbiamo cercare di trovare qual è il nostro fit migliore all'interno del nostro mercato.

Perché? E comunque sappiamo che questo sta nei top cinque e ci porta un vaglio che poi a novanta giorni si alza a duecentosessantasette da centoquarantasette.

Quindi quindi capiamo bene che questi sono i prodotti su cui sappiamo di di poter puntare, se poi troviamo un prodotto, per esempio come questo il man che è un prodotto singolo, non è un bandol, ha un molto più basso a ottantasei dollari e però sappiamo che questo è nella top ten è il prodotto che è ha il prezzo inferiore, quindi in entrata probabilmente avrà la frizione più bassa possibile, quindi il rate realisticamente più alto, soprattutto se c'è tanta domanda e in questo caso c'è tanta domanda perché nella top ten di di di e poi se si va ad analizzare il mercato, questa tipologia di di prodotto in questa nicchia è molto cercata.

Però sappiamo che a novanta giorni vediamo subito che quasi che appunto si raddoppia il valore del prodotto stesso, quindi è è ottimo.

Questo è un ottimo esempio di un prodotto che costa relativamente poco, funziona in acquisizione e ha un che si raddoppia addirittura nell'arco di di quasi due mesi.

Quindi il concetto è troviamo questa tipologia di combo, questo questo off di prodotti che costano poco vanno bene per l'acquisizione di cui c'è domanda e poi di cui aumenta il valore velocemente nel corso del tempo, perché portano clienti fidelizzati che o ricomprano lo stesso prodotto o comprano prodotti simili.

Ora, se non abbiamo un tool come triple wl non lo stiamo utilizzando.

Costa troppo e vogliamo fare questa operazione manualmente.

Ho preparato un documento che io utilizzo quando faccio le diciamo le analisi manuali dove sostanzialmente ho già una struttura implementata dove basta sostanzialmente scaricare i dati dal nostro shopify.

Quindi andiamo sul nostro report customer overtime e andiamo a estrapolare questi dati nell'arco di tempo che a noi interessa.

Io di solito considero sempre gli ultimi dodici mesi.

Vai, andiamo a estrapolare questi dati come giorno customer tipe che in realtà non è necessariamente utile in questo caso order i d customer i d product or name custos che che è ovviamente il valore associato alle vendite stesse.

E poi ci sono delle tabelle PV che vanno a fare, diciamo così i calcoli per noi in questo tab abbiamo l diciamo l'ordine del del prodotto quando è stato comprato.

Il primo prodotto che è stato è stato comprato per ogni customer i D, quindi per ogni singolo cliente.

Nel secondo tab invece è questo viene automaticamente popolato perché c'è una tabella PV al suo interno.

Questa tabella PV va a prendersi le informazioni dal primo tab.

In particolare l'informazione del customer.

I d che avevamo qua e avevamo diciamo, inserito e aveva caricato dal shopify um e tutte le altre colonne invece sono calcolate con delle formule.

Quindi si va a calcolare la data del primo ordine associato associata al al cliente specifico è il t V annuale, ma se vogliamo lo possiamo anche calcolare a novanta giorni e questo è già automatizzato all'interno di queste di queste celle.

E il primo prodotto che sarà associato al al cliente e al primo ordine e poi all'interno di questa tabella PV che ho creato.

Abbiamo praticamente il nome del primo prodotto e poi automaticamente nella sezione dei valori abbiamo messo i l t v dell'anno, quindi um inteso come media, quindi avra quindi valore l t v hanno e che è un valore che è stato calcolato precedentemente all'interno di questa colonna.

Quindi su base annuale sappiamo che questa lista di prodotti che ho oscurato.

In questo caso sappiamo che vale questo ammontare in media, cioè l'utente che compra questo prodotto su questa riga come primo prodotto in media ha un un di settantasette euro in questo caso specifico.

In più, sempre all'interno della sezione valori ho inserito il il diciamo l' l t v non soltanto l' l t v annuale, ma anche il volume del del prodotto, quindi ho messo la voce first product e poi all'interno del fast product ho messo le il conteggio, quindi conteggiamo quante volte quel prodotto è stato effettivamente comprato in questo modo abbiamo sia il valore legato al volume, quindi ci dice più o meno che domanda c'è rispetto a quel a quel prodotto sia e quindi e ed è ho già ordinato in ordine discendente il primo prodotto acquistato in ordine discendente per volumi okay per il volume dei dei primi acquisti e poi sappiamo qual è il associato.

Se volendo possiamo anche riordinare questa tabella e non per um volume di ordini, ma per la media dell' l t v mettendo in cima il prodotto che ha l' l t V più alto, ma poi c'è la formata condizionale in questo caso che ci aiuta tantissimo a capire esattamente qual è il prodotto che ha effettivamente un un valore più alto.

E qua, per esempio, troviamo che questo prodotto ha un associato a chi lo compra come primo prodotto di duecentodieci euro duecentoventiquattro euro duecentodieci euro e quindi ci fa capire che questi sono ottimi prodotti.

Però il problema è che hanno pochi volumi, quindi noi vogliamo trovare prodotti che hanno tanti volumi.

Diciamo che nell'arco dell'anno almeno sopra i cento acquisti e che hanno il più alto in questo caso.

Per esempio questo prodotto avrà il in assoluto più alto di centosessantadue euro ed ha un volume decente di ordini e quindi facciamo le nostre valutazioni.

Tutto ciò è già all'interno di questa tabella PV quindi quello che è sufficiente fare, dato che ci sono già tutte le formule um diciamo così strutturate è inserire all'interno di questo tab questi dati.

Quindi andiamo ad aggiornare questa sezione, tu questo dataset con tutte queste colonne che ci andiamo a esportare da shopify e tutto il resto delle tabelle PV è stato automatizzato.

Se vogliamo ovviamente caricare a mano questi dati, copiarli ed incollarli per esempio da un file excel un file C S V dopo dopo averlo scaricato da shopify.

Ricordiamoci che questa colonna la colonna delle SAS e non incollare il valore numerico corretto.

Se per esempio noi nei qua abbiamo messo per esempio um Italia abbiamo come locale come general locale Italia semplicemente perché c'è una formattazione diversa con la con la virgola.

Quindi dobbiamo ricordarci di modificare la struttura dei setting del nostro Google sheet, per esempio United States in modo tale che li prenda direttamente da shopify, dal dal C S V.

Il formato numerico poi avrà il punto, cosicché quando lo copiamo ed incolliamo avrà già i dati formattati corret- correttamente, altrimenti il valore della vendita non verrà caricato correttamente.

Quindi per andare ad estrare questi dati con un C S V, ricordiamoci di tornare su shopify sempre il report customers overtime all'interno di questo report andiamo ad inserire all'interno di tutte le colonne che vogliamo scaricare.

Scarichiamo il report quindi giornaliero aggiungiamo le colonne che sono customer i D product title order, name order, I d customers orders e net sales e in questo modo avremo tutte le informazioni che noi possiamo scaricare in C S V.

Aprire in excel per esempio copiamo ed incolliamo il dataset e lo andiamo ad incollare all'interno del file excel che ho fatto vedere precedentemente e la tabella si aggiornerà.