Come chiunque abbia esplorato il pannello di Google X sa gia' sul buon leader.

Ci sono tantissime sezioni, tantissimi report, tantissime dimensioni metriche, tantissime funzionalità.

Quindi è molto facile rimanere affascinato nei primi cinque minuti, andando dentro il pannello e trovare cose super interessanti da analizzare.

Ma è altrettanto facile perdersi dopo pochi minuti che uno sta esplorando i dati, perché se non si ha ben preciso in mente lo schema logico di analisi e di insight che si vuole andare a cercare, è molto semplice perdersi, navigare tra i dati.

Ma poi alla fine non riuscirà a concretizzare questa fase di analisi, non riuscire a estrarre insight e soprattutto non riuscire a trasformare questi insight in azioni e indecisione.

Ricordiamoci che lo scopo di tutto questo processo e fare in modo che ci sia un ciclo decisionale in cui, dopo la fase di monitoraggio e analisi dati, vi è una fase di decisioni.

Quindi io devo fare in modo che le mie decisioni siano basate sulla parte di monitoraggio, analisi dati, se così non è.

E questo purtroppo accade in molte aziende, in molti business da parte di analisi di monitoraggio, di fatto è fine a se stessa, perché le decisioni sono scollegate da questa fase qua.

Quindi, per poter fare in modo che le nostre decisioni siano influenzate dai dati, dobbiamo rendere efficace sia la fase di monitoraggio che la fase, in particolare di analisi.

E per poter rendere efficace la fase di analisi dobbiamo avere uno schema mentale abbastanza chiaro di quali sono le varie possibilità di analisi e di dove dobbiamo andare a guardare per trovare di fatto quelli che sono i nostri insight, come se fossimo dei detective che devono andare a cercare i loro indizi e le loro prove lungo la scena del delitto.

Per fare questo chiaramente ci serve uno schema mentale.

Ora, questo schema mentale che adesso io vi propongo, ovviamente non è esaustivo.

Ci sono tantissime possibilità di analisi e tantissime altre possibilità di crearsi una logica di ragionamento pero' nell'ambito della esperienza è quello che ho visto essere più comune quando poi uno effettivamente analizzare dei dati legati al digital marketing.

Le analisi sono sostanzialmente di tre tipi, quelli che adesso vedremo é la prima analisi è un'analisi che ho chiamato di confronto.

Cioè in pratica è l'analisi più frequente che viene effettuata sia su Google Analytics, sia anche sui pannelli di advertising.

In altre parole, quello che io faccio è visualizzare una tabella tipo questa qui che vediamo a schermo in cui vediamo una dimensione, oppure al massimo vediamo anche due dimensioni nelle prime due colonne e poi una serie di altre colonne con tutte le metriche che quindi di fatto ci rappresentano.

Un confronto di valori di una stessa metrica o di piu' metriche tra vari valori di una stessa dimensione.

Facciamo proprio un esempio tra quello che abbiamo davanti a noi.

Vediamo la categoria del dispositivo, quindi le persone che sono entrate dal desktop mobile tablet.

Vediamo una serie di metriche utenti nuovi utenti, sessioni, frequenza di rimbalzo, transazioni, entrate, tasso di conversione, commerce.

Quindi questa analisi in pratica noi qua facciamo un confronto tra i valori delle metriche, magari di alcune metriche, non tutte necessariamente per avere degli insight.

Per esempio, noi vediamo che da desktop abbiamo molte più visite al sito che da mobile, perché sono in rapporto circa settanta percento e ventisette percento e addirittura da tablet abbiamo una percentuale di visite al sito che trascurabile.

Una punto nove percento, quindi meno del due per cento mila tablet.

Questa è un'informazione.

Ci dice che quindi la maggior parte delle persone che entrano in questo sito specifico stanno arrivando desktop.

Chiaramente nel vostro caso potrà essere magari inverso, anzi tipicamente, sempre di più.

La maggior parte del business vede il grosso del traffico provenire da mobile.

Dopodiché, andando a vedere scorrere le altre metriche, troviamo ad esempio che la permanenza e la durata della sessione media sud stop e molto più alta che da mobile, perché da mobile mediamente dura due minuti e qualcosa da desktop dura tre minuti e venti secondi, quindi mediamente da stop l'utente passa più tempo sul nostro sito.

Tuttavia il tasso di conversione commerce quindi quante persone comprano? A parità di sessioni di visite che ci son state sul sito è molto più alto e nobile.

Cosa vuol dire? Che quindi io sto portando meno persona nobile, ma quelle che porto comprano più frequentemente.

Quindi questo mi apre un insight che succede su desktop qualche problema? Oppure questo è fisiologico per come funziona il mio business? Perché magari io ho strutturato le mie campagne, la mia comunicazione o semplicemente le modalità di acquisto per favorire l'acquisto mobile.

Questa è un'anomalia normalmente.

Di solito le performance mobile possono essere un po' peggiore rispetto a quello destro.

Però non è sempre vero.

Magari posso aver strutturato mio business per facilitare l'acquisto nobile.

Prendete ad esempio Amazon con l'acquisto one click che da mobile estremamente semplice.

Io stesso, per esempio, mi trovo ad acquistare su Amazon molto più frequentemente mobile, per cui questo tipo di tabella è una tabella di confronto.

Io per poter fare analisi su questo tipo di tabella, metto a confronto metriche la stessa metrica rispetto a vari valori di una di una certa dimensione.

Io posso ripetere questo processo per altre dimensioni, quindi, per esempio posso farlo per la città di provenienza.

Posso farlo per posso farlo per la campagna promozionale.

Posso farlo per il canale di traffico, ma il principio è sempre lo stesso io sto confrontando vari valori di una stessa dimensione rispetto a uno o più metriche.

Altra cosa importante in questo caso io il confronto lo sto facendo di fatto tra i valori della dimensione però non è sempre vera questa cosa.

Per esempio io a volte posso fare un confronto anche senza rendermene conto, con un mio benchmark che ho in testa.

Per esempio io per esperienza già so qual è il valore massimo e minimo che mi posso aspettare dalla frequenza del rimbalzo oppure del tasso di conversione in commercio.

Se io quando vedo questa tabella, per esempio quando vedo anche il valore aggregato in questo caso zero punto quattordici percento, capisco che questo valore eccessivamente inferiore a quello che è il mio benchmark mentale, che io conosco per esperienza, anche se io non mi rendo conto e soffrendo un confronto e quindi questa analisi rimane un'analisi di confronto.

Oppure magari io in letteratura perché online da varie fonti, ho trovato che il tasso di conversione commercio magari tipicamente dell'un percento.

Io vedo che il mio e-commerce dello zero quattordici io poiché faccio un confronto con quelle che sono fonti esterne di questo dato, capisco che c' è un problema e quindi capisco che devo andare a intervenire da qualche parte, quindi non è necessariamente un confronto tra i primi della dimensione.

Però c'è sempre un confronto con qualche altro valore che io conosco.

Faccio un ultimo esempio in un funnel io un fan immaginavo il check-out, cioè il primo step secondo step terzo step io il primo step magari l'utente inserisce i dati, compila tutti i suoi dati nel secondo te step magari inserisce quello che è la scelta del metodo di pagamento bonifico bancario, carte di credito e così via.

Il terzo step, magari il riepilogo dove lui clicca il pulsante per completare l'acquisto.

Allora io posso vedere un grafico tipicamente quello fa nel si chiama dove io vedo quante persone arrivano al primo step.

Quante di queste poi passano al secondo step? Quanto invece abbandonano il primo step? Al secondo step vedo la stessa cosa vedo quale percentuale di persone che sono arrivate al secondo step, poi vanno al terzo step e quanto invece poi abbandonano a questo punto qual'è il confronto.

Il confronto è tra gli step del funnel, perché io magari vedo che il primo step da un tasso di prosecuzione che del cinquanta percento ma al secondo step al momento di scegliere il metodo di pagamento e magari vedo che il tasso di prosecuzione soltanto del venti percento.

Quindi io in questo momento sto facendo un confronto tra i vari step del funerale e quindi da questo confronto io capisco.

Ok, allora devo focalizzare la mia attenzione sul primo step perché qui ho scusate sul secondo step perché qui ho il maggiore tasso di abbandono nel mio esempio, facevo un tasso di prosecuzione del venti percento.

Quindi ho un tasso di abbandono dell'ottanta percento, mentre sempre il mio esempio il tasso di abbandono del primo step del cinquanta percento.

Quindi chiaramente il secondo step sembra quello più problematico.

Ultima regola questo sento questo confronto ha senso quando riesco a mettere a paragone cose a parità di condizioni.

Chiaramente non ha senso confrontare desktop e mobile se questi device vengono visti in differenti momenti del customer journey.

Se magari io mobile sto scoprendo il prodotto, ma poi l'acquisto lo concretizzò.

Tipicamente se io sto confrontando momenti diversi del customer journey, oppure semplicemente campagne differenti, audience differenti, ovviamente questo confronto già meno senso.

Quindi devo cercare di mettermi in condizione di confrontare i valori di una dimensione o in generale valori a parità di condizioni.

É un po' come se stessi facendo una B test.

Però in questo caso la B test lo faccio in fase di analisi, mettendo delle condizioni per isolare il più possibile tutti gli altri fattori che potrebbero condizionare la mia analisi.

Per esempio una cosa che io posso effettuare su Google Analytics e creare dei segmenti, ad esempio per isolare.

Quindi i segmenti sono questa funzionalità che io posso utilizzare qui cliccando quest'opera io creando un segmento, posso isolare lo stesso tipo di traffico per desktop, mobile tablet, ad esempio, posso isolare soltanto il traffico della mia campagna Facebook e vedere come questo perform sud-est mobile tablet facendo questo segmentazione, quindi isolando soltanto il traffico Facebook, io mi metto in condizioni molto piu' pulite, perché a quel punto sono sicuro che le persone che arrivano su desktop e mobile sono piu' simili perché appartengono di fatto a provenienza della stessa campagna.

Quindi mi immagino che appartengono allo stesso audience e più o meno che l'intenzione con cui hanno cliccato l'annuncio sia all'incirca la stessa e quindi mi garantisco che la mia analisi di confronto sia il più sensato possibile.