Vediamo adesso in maniera abbastanza semplificata come possiamo analizzare i dati di un nostro sito lead generation, ovviamente un'analisi molto semplice, ma è giusto per far capire qual è il flusso di ragionamento.

Mi baso su questa slide che sto mostrando.

Immaginiamo quindi di aver creato una landing page, questa landing page.

Se io credo soltanto una variante, poi faro' un po' fatica a creare delle analisi che mi portano a degli insight azionabili.

La prima cosa che farei quindi, avendo una singola landing page che ho creato, è innanzitutto fare un'analisi di caratterizzazione per capire come si muove l'utente all'interno di questa landing page.

Per esempio, capire se lui ha oggi con questa lending sta vedendo frequentemente magari un video che ho messo all'interno della lending, oppure se sta aprendo delle immagini che ho messo all'interno del lending.

Oppure ancora se si sta soffermandosi su determinate sezioni orizzontali testuali.

Faccio vedere proprio un esempio di una lenin fittizia che ho creato su questo sito di test.

Ovviamente un business ipotetico in questa landing page, per esempio un video, poi successivamente ciò un'immagine dove ciò anche un bottone che poi mi fa aprire qualcosa, per esempio, mi fa aprire questa immagine qui qui o una brochure che l'utente può scaricare e qui ho un form di contatto che l'utente può iniziare a compilare e poi puoi inviare quindi un'ipotetica landing pure abbastanza bruttina d-generation e noi chiaramente possono fare del lending anche molto più complesse, con molte piu' componenti con molte piu' parti testuali.

Però in generale quello che noi ci chiediamo rispetto a questa spending, eh di tutti questi elementi che ho messo in questa pagina, quali sono quelli che realmente influenzano la decisione dell'utente di lasciarmi il Leeds? Quali sono invece quegli elementi che sono negativi per la decisione, quindi le condizionano in maniera negativa? E poi ancora quali sono quegli elementi che sono ininfluenti rispetto a questa decisione? Quindi la prima cosa è caratterizzare il comportamento utente, quindi utilizzerò un tool quale potrebbe essere, ad esempio Giaro altri tool similari che permettono di creare delle hit map delle scroll map delle mummie rispetto al mouse, quindi avro' delle mappe di calore che mi consentono di capire l'utente.

Se magari si sofferma di più su questa parte del video, se l'utente effettivamente vede il video quanto tempo ci passa sopra? Qual è la percentuale media che L'utente vede di questo video.

Se l'utente invece, magari clicca su questa immagine per aprirla.

Chiaramente questa immagine nessuno picchieranno.

Immaginiamo qua di aver messo magari una galleria di immagini piuttosto che qualche testo.

Un po' più dettagliato l'utente può aprire con un pulsante che fa aprire è scomparsa una parte descrittiva più ampia.

Magari é questa parte qui che influenza maggiormente la scelta dell'utente e quindi io con uno strumento tipo oh you're possano iniziare a caratterizzare il comportamento perché posso vedere su una mappa di calore se l'utente si sofferma di più su questo su quell'elemento, oppure dal punto di vista sia dei clic dal punto di vista del movimento del mouse dal punto di vista dello scroll.

Questo però io tipicamente lo trovo ancora non sufficiente, per cui invece preferisco vedere anche in maniera complementare dei video delle videoregistrazioni sempre con strumenti simili alloggiare per esempio, giusto per citarne qualcun altro smart luke un altro che conosco, che mi consentono di vedere l'utente come si muove all'interno della landing page utente per utente come se io fossi dietro al suo schermo e se si vedendo una videoregistrazione della sua navigazione e questo chiaramente mi dà un po' meno dati aggregati, quindi un po' più difficile poi da quantificare, però mi da' piu' una sensazione, un feeling effettivamente di come gli utenti fruiscono la pagina e anche se ci sono eventuali problemi tecnici o disabilità, questa è una cosa che può.

Può apparire poi il lato invece strumenti di analytics mi mette in condizione di avere anche più dati quantitativi rispetto al suo comportamento.

Per esempio, sicuramente andrò a tracciare le visualizzazioni di questo video, sia gli avvii della visualizzazione, ma anche i le percentuali di prosecuzione.

Per capire se innanzitutto sulla gente a parità di volt che vede questa questa sezione, ci clicca.

E poi, una volta che ha visto il video, qual è la percentuale media di fruizione del video che lo tenga presente? Vede, magari l'utente avvia parecchio perché l'utente? Perché il video era una bambina accattivante, ma poi l'utente magari abbandona il video, all'inizio il quindici percento al venti percento, perché il video magari è noioso e la gente non vuole vedere.

E questa stessa cosa la faccio per ogni sezione, per cercare effettivamente di capire qual è la sezione in cui gli utenti si soffermano di più e quali sono invece quelle che più stanno ignorando qua il tracciamento di queste cose e anche l'analisi é un pochino complesso.

Però vediamoci un esempio proprio immaginando di aver fatto un'analisi iniziale e di aver capito che il video è un elemento che l'utente fruisce abbastanza.

Quindi noi abbiamo creato una prima landing page.

Abbiamo scoperto attraverso l'analisi la nostra analisi di caratterizzazione che l'utente spesso quando vede questa lending.

Molti utente si soffermano su video e lo avviano a questo punto se io guardo soltanto i dati, questo video probabilmente avro' pochi insight.

Perché? Perché avrò una frequenza di avvio.

Magari immaginiamo di vedere un venti percento di avvio il video avrò una percentuale di completamento, magari un sessanta percento e poi avrò una serie di altre metriche collegate appunto all'utilizzo del video e in generale anche le altre sezioni.

Queste queste metriche sono buone, sono cattive.

Come abbiamo visto anche nelle altre elezioni precedenti.

Io faccio fatica a dire se una determinata metrica è buona o cattiva sulla base del suo valore assoluto.

Ma per poter trarre delle informazioni utili, prendere decisioni, io spesso confrontarla con un mio riferimento.

Questo riferimento può essere sulla base dell'esperienza.

Per esempio, io posso sapere che una percentuale di video il video del venti percento è buona oppure posso sapere per esperienza che è povera e quindi sulla base di questo prendere decisioni.

Però è raro che io diciamo sempre per qualsiasi elemento abbia un mio database interiore di esperienza tale che riesca a giudicare per ogni settore per ogni business.

Quali sono i valori corretti per cui la cosa migliore in questi casi e creare delle varianti, fare degli abiti test.

Quindi creero' un secondo video se mi è possibile eventualmente cambio soltanto la LATHAM oppure crea un montaggio differente, un video, un po' più lungo, un video più corto che enfatizza alcune parti specifiche e quindi creero' una variante di landing page in cui tutto è uguale tranne il video che sto mostrando e quindi sono una variante uno aveva una variante due e tutto il resto ci puoi tenerlo uguale campagna advertising, audience di riferimento e così via.

Vediamo adesso dei dati di esempio di questa situazione che ho appena illustrato quello dell'abi test di due lending che sono identiche tranne che per il video che viene mostrato.

Quindi questi sono dati chiaramente finti che però mi consentono di capire il ragionamento.

Io qua vedo due trending video una video due e vedo che hanno varie metriche con differenti valori.

Per esempio in video una cia, cinquemila sessioni, video due un po' meno traffico duemila quattrocento anni video uno probabilmente stava girando da più tempo, dopodiché ho deciso di avviare un test e di quindi di affiancare anche un individuo due.

Immaginate quindi gli utenti che è ogni utente che entrando mica mente, viene diviso e un utente vedere lending uno e un altro utente vedere lending due.

Questi utenti che vedono la uno la due sono scelti in maniera totalmente casuale e ovviamente ciascun utente non sa che esiste anche altro landing.

Ora normalmente in una b test noi abbiamo un numero di sessioni simile per come tipicamente viene assunto dalla b test.

Però in questo esempio facciamo finta che la rende una abbia accumulato più traffico, quindi cinquemila sessioni ovviamente ha generato più leader duecentocinquanta.

Quindi se io non vedessi tutte le altre metriche io potrei essere portato a dire ok lending uno mi ha generato più lead e quindi sta per formando meglio.

In realtà vedete che il tasso di conversione al lidl perché nel caso prendine uno e cinque per cento mentre nel caso del landing due otto percento.

Quindi vuol dire che a parità di sessione, in realtà lending due sta portando piu' lead.

Però ovviamente siccome ho avuto meno traffico io ha un valore assoluto.

In valore assoluto vedo una quantità inferiore cento novantadue.

Questo già ci fa capire una cosa che noi per valutare le performance di qualsiasi cosa dobbiamo metterli a parità di condizioni.

Perché se io non metto per esempio a parità di sessioni gli elementi, io rischio di giudicare le cose in maniera errata.

Per esempio qua io se vedessi soltanto l'id sarei portato a pensare che la lending uno sta per formando meglio quando in realtà era lending due sta per formando meglio perché apparte le sessioni sta per formando mclaren in due andiamo avanti sulle altre metriche percentuali di visualizzazione dei video dove qua io intendo a parità di sessioni quante volte gli utenti vedono i video quindici percento? Quindi vuol dire che ogni cento sessioni in quindici è stato visto il video planning uno mentre in undici sessione è stato visto il video lending due cosa vuol dire questo? Vuol dire che mediamente il video due probabilmente ha qualcosa che ne rende meno accattivante il click iniziale tant'è che la lending uno a un numero a un tasso di visualizzazione superiore, cioè a parità di sessioni, sono più utenti che cliccano il video per avviarlo, magari due video, una delle etnie differenti, magari quella del video uno più accattivante.

Tuttavia la percentuale di completamento medio del video vediamo che è molto più elevata quella della land video due ottanta per cento contro il cinquanta percento del video.

Una cosa vuol dire che in questo caso sto confrontando quanto mediamente l'utente arriva avanti nel video a parità di volte che è stato avviato sempre questo a parità compare nel nostro ragionamento.

Quindi in questo a parità di volte io vedo che vince il video due quindi evidentemente il mio montaggio, i miei elementi che ci ho messo dentro, eventualmente anche gli spezzoni diversi e ci ho messo dentro o l'argomento di cui ho parlato differente, ha fatto sì che il video due è più interessante, anche se cattura il click più il video.

Una però il video dove più interessante perché io vedo un completamento medio superiore, quindi la gente va avanti più più, più a lungo nel video.

E questo alla fine che succede, succede che io vedo anche una percentuale di avvio compilazione del form che è superiore.

Quindi questo video qui della lending due potrebbe essere stato più interessante per l'utente e l'utente è andato più avanti nel proseguimento del video e noi ipotizziamo che quindi abbia contribuito a convincerlo in maniera più forte.

Ovviamente questa è un'ipotesi, noi non siamo certi di questa cosa, però può essere un'ipotesi ragionevole.

Quindi l'utente che ha visto questo video due è più propenso poi andare a raggiungere il forum e iniziare a compilarlo e quindi poi alla fine a compiere il summit e lasciarci il leeds queste cose noi possiamo iniziare a dedurre le proprio da tutte queste metriche che sono chiaramente metriche che possiamo avere non in fase di monitoraggio, ma in fase di analisi di dettaglio che ci aiutano a capire che cosa sta succedendo a estrarre insight.

Per esempio appunto qui possiamo decidere che il video due sta funzionando meglio, però possiamo usare una thumbnail che sia più vicina a quella del video uno perché vediamo dai dati che è quella che ha catturato di più il click sul video e quindi possiamo poi ideare un ipotetico test tre in cui la landing è sempre la stessa il video, quello del video due, ma la thumbnail e quel video uno perché abbiamo catturati piu' click ipotizzando che quindi portiamo più gente a vedere il video.

Più gente sarà quindi con convinta dal video, poi compriamo il forum e quindi ipoteticamente nella nostra variante tre potremmo vedere addirittura un conversion rate superiore.

Quindi questo un po' il ragionamento complessivo che si puo' fare sulla base di questi dati fittizie e che noi potremmo idealmente applicare a un sito di generation.

Ovviamente dentro ci stanno anche tutte le altre considerazioni su tutte le altre leve che abbiamo a disposizione, per esempio la partita advertising o su un ipotetico blog o su altre cose.

Però questo è giusto per schematizzare come ragionare su una leva che noi abbiamo a disposizione.