Lezione dal corso Digital Analytics

Rapporto rendimento elenco prodotti di GA

Durata: 10:09 minuti - Percorso: Digital Analytics - Modulo: Tracciamento E-commerce EEC su GA - i rapporti

Inizia il corso gratis
Questa lezione fa parte del corso completo Digital Analytics (7:50 ore, 63 lezioni) su Learnn. Puoi iniziarlo gratis solo con la tua email (senza carta di credito) 🙌

Transcript della lezione

Come abbiamo detto anche nelle elezioni precedenti, uno dei problemi principali che si trova ad affrontare il digital manager di un e-commerce di fatto è quello dell' ordinamento dei prodotti all'interno del sito.

Questo ordinamento in realtà è diverso per varie parti del sito stesso.

Ad esempio, abbiamo gli ordinamenti delle categorie di prodotti.

Immaginatevi di navigare un e-commerce nell'e-commerce sono le varie categorie a cui può accedere navigando.

Ad esempio nel menu.

Ogni volta che uno entra in una categoria, ad esempio scarpe da ginnastica, si trova una serie di prodotti ordinati che possono essere magari tutti in verticale oppure semplicemente messi per righe e così via.

Questo ordinamento chiaramente influenza le performance.

Perché? Perché i prodotti, tanto per cominciare, che si trovano in pagina uno, avranno più visibilità dei prodotti che sono messi nelle altre pagine.

Perché? Perché tipicamente le altre pagine vengono viste in percentuale molte meno volte rispetto a quelle che viene vista la pagina uno.

Dopodiché c'è stato anche un altro effetto I prodotti nelle prime posizioni tipicamente vengono cliccati di più rispetto ai prodotti nelle ultime esposizioni.

Questo è un po' l'analogo di quello che si ha su Google, dove i risultati nelle prime posizioni tipicamente prendono più click di quelli che si trovano nelle ultime posizioni, per non parlare poi dei risultati che si trovano nelle pagine successive.

Tuttavia le categorie di prodotto non sono le uniche parti del nostro sito in cui dobbiamo definire un ordinamento dei prodotti.

Per esempio, ci sono anche i risultati del motore di ricerca interno del nostro commercio.

Quindi se l'utente va nei nostri commerci, tipicamente una barra in cui puo' inserire delle query e in base a quello che inserisce il motore di ricerca interno fornisce dei risultati.

Questi risultati chiaramente potrebbero avere un ordinamento diverso rispetto a quelli mostrati nelle varie categorie e quindi anche loro.

Ovviamente a seconda di come vengono presentati i risultati rispetto a ogni singola query determinano le performance di vendita rispetto a un sito.

Per esempio, se cerco scarpe da ginnastica e un motore di ricerca interno mi fa vedere magari scarpe da ballo, io ovviamente poi non lecchero' il risultato e non comprero'.

Quindi chiaramente la pertinenza del risultato è fondamentale e quindi capire se il mio motore di ricerca interno sta funzionando bene oppure no.

Per me digital manager che devo gestire un e-commerce e un'altra delle mie attività molto importanti attraverso le quali possa influenzare le performance di vendita.

In ultimo, ma non è necessariamente l'ultimo, è semplicemente perché qua lo vedono l'esempio, all'interno dell'e-commerce.

Molto spesso ci sono degli snipe, quindi delle strisce in cui vengono visualizzati i prodotti consigliati o prodotti correlati rispetto a quella che magari la storia di navigazione degli utenti oppure la storia di acquisto, oppure semplicemente vengono mostrati i prodotti più affini rispetto al prodotto che la persona sta vedendo.

I classici diciamo Chi ha visto questo prodotto ha comprato anche ora anche in cui si strisce il posizionamento dei prodotti e quali prodotti vengono mostrati.

È essenziale perché se io sia una persona che sta comprando un martello, i mostri chiodi oppure dei quadri posso massimizzare le probabilità di acquisto insieme.

Ma sia una persona che sta comprando un martello Visco li mostro le scarpe da ballo di prima.

Chiaramente, diciamo le due cose non sono correlate ed è molto difficile che due prodotti vengono acquistati insieme e che quindi lo snip dei prodotti raccomandati abbia effettivamente un'efficacia.

Voglio quindi capire quanto questa efficacia e poter effettuare tutte le mie azioni di ottimizzazione.

Di conseguenza su Google Analytics io una serie di informazioni che sono proprio utili a questo scopo e queste informazioni si possono trovare nel report Rendimento elenco prodotti che vediamo qui a schermo questo report a diverse funzionalità che adesso vediamo molto velocemente.

Innanzitutto io posso attraverso il click qui sulla riga dimensione principale scegliere cosa vedere in questa tabella nella prima colonna.

In questo momento sto vedendo quello che è il nome elenco prodotti, ovvero in altre parole, la lista di prodotti divisa per area quella un po' che ho descritto testo, cioè rea di categoria rea di risultati di ricerca interna, é ebrea di prodotti correlati.

Quindi quali vedo in aggregato e vedo per ciascuna di queste liste quante visualizzazioni di prodotti sono state generate, quanti click i prodotti in ciascuna lista hanno ricevuto e vedo anche il click straight, il rapporto percentuale dei click rispetto alle impressioni di ciascuna lista.

Già da queste informazioni io mi rendo conto che i risultati della del motore di ricerca interno hanno lictor sette percento, che è quasi il doppio rispetto al lictor delle pagine di categoria.

Questo diciamo io adesso non posso dire se questo è fisiologico, non è fisiologico, però sicuramente uno spunto utile per capire come si sta comportando gli utenti.

In altre parole, chi utilizza il motore di ricerca interno sembra essere più propenso al click.

Questo se può essere anche normale.

Giustamente la persona che utilizza il motore circa interno ha un intento di ricerca probabilmente più forte rispetto alla persona che sta semplicemente navigando tra le categorie.

Per questa è un'ipotesi che non necessariamente deve essere verificata.

In ogni caso questo dato per il momento mi dice questo.

Poi io l'ho snip rail products, quindi prodotti correlati dove però vediamo qua su Google smerciando store un problema di tracciamento perché vedete, non sono tracciati click, quindi in questo momento non posso fare valutazioni rispetto al clickbait di questi snipe.

Però anche in questo caso se il tracciamento fosse eseguito correttamente, io vedrei una percentuale e anche sulla base di questo numero potrei capire se mi sniper di prodotti correlati stanno funzionando oppure no.

La percentuale è troppo bassa anche rispetto ai miei vari benchmark.

Io posso magari immaginare che posso posizionare questo snipe in maniera diversa, oppure posso mostrare altri prodotti all'interno dello sniper, quindi tutti i ragionamenti che posso fare sulla base di questi dati.

Dopodiché quello che vediamo qui dentro sono per ogni lista, anche quante aggiunte del prodotto a carrello sono state effettuate.

Questo cosa vuol dire? Che le persone che hanno visto questi prodotti e poi l'hanno cliccati potrebbero averli aggiunti a carrello e poi potrebbero averli inseriti nel check-out qua.

Purtroppo è una traduzione, un po' infelice che pagamenti prodotti.

Questo in realtà vuol dire che i prodotti che sono stati visti in questa lista prodotti e poi sono stati aggiunti al check-out, diciamo facevano parte del check-out.

Infine sono stati acquistati.

Quindi di fatto io da qui, da questo semplice schema posso cercare di capire la gente che acquista principalmente da dove ha scoperto i prodotti all'interno al mio sito e capire se li sta scoprendo piu' attraverso la navigazione tra le categorie attraverso il motore di ricerca interno attraverso i prodotti correlati, che per me è un'informazione chiaramente cruciale.

Se io però cambio dimensione io posso vedere altre informazioni.

Per esempio posso fare dei ragionamenti a livello di prodotto stesso, perché i vari prodotti chiaramente compaiono all'interno del sito in vari elenchi.

In questa maniera io posso vedere ciascun prodotto quante volte è stato visto quante volte è stato cliccato clicks e poi quante volte è stata aggiunta carrello è comparso nel check out ed è stato acquistato e anche quanto è stato il fatturato che ciascun prodotto ha generato in questa maniera, quindi mi posso rendere immediatamente conto che questo Google zip fu di black ha un del dodici per cento che, per esempio, è nettamente superiore a quest'altro prodotto che Google laptop Cliff Charcoal Ovviamente non so nulla di questi prodotti, però senza sapere nulla rispetto a questi prodotti, già mi accorgo che il grado di click che riesce a catturare il prodotto numero sei è nettamente superiore perché più di dieci volte superiore rispetto al tasso di clic che riesce a catturare il prodotto numero due.

Chiaramente questi tassi di click possono prendere da vari fattori.

Uno di questi è la posizione in cui in cui compaiono all'interno del sito.

Però diciamo se io a questo punto vedo questi numeri, posso fare un'indagine più approfondita per capire meglio che cosa sta succedendo e quindi eventualmente, come abbiamo detto anche nelle precedenti elezioni, cercare di mettere questi numeri a parità di condizioni per poter estrarre delle informazioni significative durante questo tipo di analisi può essere molto utile anche aggiungere delle dimensioni secondarie per esempio per vedere questi prodotti, in quali elenchi sono comparsi, in che posizione sono comparsi in maniera tale da poter confrontare prodotti, ad esempio a parità di posizione.

Quindi in questo caso potrei aggiunge una dimensione secondaria e cercare la dimensione e posizione posizione elenco prodotti.

Aggiungendolo a questa tabella a questo punto non vedo soltanto i prodotti, ma per ciascun prodotto.

Vedo anche in quale posizione ha avuto queste performance specifiche.

Potrei anche filtrare per singolo prodotto, quindi mi copia qui il nome lo metto all'interno del box di ricerca e quindi a questo punto vedo il singolo prodotto nelle varie posizioni in cui compare, quante volte è stato visto che ha avuto e quante volte è stato acquistato e questo mi aiuta a capire se magari un prodotto stava avendo una performance buona nelle prime posizioni, ma magari negativa quando arriva viene messo un po' più in basso nella pagina o addirittura nelle pagine successive.

Per finire questo tipo di ragionamento, noi possiamo spostarci sotto il tab di nuovo rendimento prodotti e qui andiamo a vedere un rapporto molto completo che questo link comportamento di acquisto perché questo link ci permette di accedere di fatto una tabella che di fatto ci mette insieme un po' tutte le informazioni che ci servono perché qua vediamo come la dimensione prodotto é qua per ciascun prodotto.

Vediamo le sue volte che è stato visualizzato.

Le volte che è stata vista la scheda prodotto le volte è stata aggiunta carrello le volte in cui è comparso un check out, i suoi acquisti e poi questi altri due metri che abbiamo visto le elezioni precedenti, cioè i rapporti percentuali tra volte in cui è stata aggiunta al carrello e la visualizzazione, la scheda prodotto e volte in cui è stato acquistato e la visualizzazione della scheda prodotto.

Quindi questo diciamo è come se fosse una tabella di sintesi che mi permette di avere contemporaneamente informazioni rispetto un po' a tutto quello che sta succedendo rispetto a appunto le performance di ciascun prodotto.

Tutti questi dati mi dovrebbero essere utili poi per prendere decisioni per ottimizzare il posizionamento dei vari prodotti all'interno del mio sito, eventualmente anche per utilizzarli in campagna promozionale esterna

Vedi tutto

Scopri di più sul corso Digital Analytics

7:50 Ore
durata percorso
63 Lezioni
da 5-10 minuti
Slide e PDF
scaricabili

Il tracciamento e l’analisi dei dati è di fatto uno dei più potenti strumenti di business.

Conoscere i dati e saperli interpretare è il primo step per prendere decisioni di successo all’interno della nostra attività, soprattutto se questa è online.

Il corso Digital Analytics è stato sviluppato insieme ad un professionista di veramente alto livello (non a caso è lui che sta sviluppando tutta la struttura di analisi dei dati all’interno di Learnn con un tracciamento molto avanzato con database).

Gabriele Rapino, il professionista ad aver tenuto questo corso, è Head of Analytics & CEO di DataBeat, azienda che ha supportato la crescita di multinazionali e startup tra cui 4Books di Marco Montemagno.

Proprio la parte finale su E-commerce è per noi estremamente importante per rendere ancora più attuabile e concreto il tracciamento di dati per qualsiasi business che vende online.

Per noi è davvero un piacere poter trattare in modo così approfondito questo argomento che in Italia è davvero molto sottovalutato.

Categorie: Dati, E-commerce, Funnel

  • Dati e Analisi
  • Business Growth
  • E-commerce

Tutti i contenuti del percorso Digital Analytics:

Gabriele Rapino

Gabriele Rapino
CEO @ DataBeat

Inizia questo e altri 145+ corsi gratis, solo con Learnn 🚀

Cresci con meno sforzo e resta sempre aggiornato con corsi e workshop illimitati di business, marketing, tech e design tenuti dai massimi esperti e team di business di successo.
Scelto da oltre 92.000 professionisti iscritti
(+100)
Impari da massimi esperti e Top Brands come: