, ,

Come funziona il Raggruppamento Canali su Google Analytics

Raggruppamento canali su Google Analytics

Cosa è e a che serve il Raggruppamento canali su Google Analyitcs?

In questo articolo vediamo cosa è, a che serve e come funziona il raggruppamento canali su Google Analytics.

? Ammettiamolo: chi di noi non ha scritto valori “disordinati” nei parametri UTM di Google Analytics, che rendono un po’ difficoltosa l’analisi dei dati?

Es. facebook, facebook.com e Facebook; mail, Email e NL; e ancora: PIPPO, test, post, e altre amenità varie…

? Ebbene: su Google Analytics, la funzionalità “Raggruppamento Canali” ci consente di riparare ai nostri errori e riorganizzare i nostri dati in maniera corretta. Anche quelli che abbiamo già raccolto in passato, in maniera retroattiva!

? Non solo: questa funzionalità ci consente di riaggregare le diverse sorgenti di traffico secondo criteri completamente personalizzati, come ad esempio traffico “A pagamento” vs “Non a pagamento”; o, ancora: campagne “Brand” vs “Non Brand”; o altre separazioni più granulari, ad alto livello di dettaglio. E sempre in maniera retroattiva, sui dati passati.

?? In questo video cerco di far vedere come funziona questa funzionalità.

? “Raggruppamento Canali” è stata aggiunta già da diversi anni su Google Analytics, ma ho visto che alcuni non l’hanno mai usata e hanno ancora dei dubbi, per cui penso che un mini tutorial su questo argomento possa essere utile.

Fatemi sapere nei commenti che ne pensate: se la usate, se avete dubbi, quali raggruppamenti utili consigliate o altro! ??

,

Come tracciare un bot di Manychat con Google Analytics

Screenshot del video tutorial tracciamento bot

Come tracciare un bot su Facebook, costruito con Manychat, con Google Analytics e Google Tag Manager.

Finalmente possiamo effettuare un tracciamento molto accurato con Google Analytics di un BOT realizzato con Manychat.

Questa secondo me è una vera bomba, perché il bot è uno strumento ad oggi estremamente efficace, con performance in termini di engagement e conversion rate incredibili.

? Per questo motivo, è fondamentale poter tracciare ogni singola azione che avviene nel bot e metterla in relazione con quello che succede nel resto del nostro funnel.

Finalmente questo lo possiamo fare, e possiamo, tra le altre cose:

? Ottimizzare le nostre campagne ADV rispetto alle conversioni che avvengono nel bot

? Tracciare ogni azione che effettua l’utente nel bot in maniera estremamente accurata, e poi analizzare questi dati insieme al resto del nostro sito web, come un unico funnel.

? Visualizzare tutto il funnel su Google Data Studio, con i tassi di prosecuzione per ciascuno step (anche interni al bot)

? Questo tracciamento è possibile proprio grazie alla nuova funzionalità di Manychat, annunciata dal grande Simone Leopizzi nel suo post di due settimane fa nel gruppo su Facebook Funnel Secrets.

? In questo post quindi vi condivido un video tutorial su come realizzare questo tracciamento step-by-step, come in un ideale proseguimento del post di Simone.

Per poterlo realizzare, sono necessari i seguenti requisiti:

– account Manychat PRO
– account Zapier
– landing page con jQuery e GTM installati
– account e proprietà GA

? Il tracciamento integra insieme tutti questi strumenti, per cui un minimo di conoscenza di ciascuno sarebbe importante.

? Poiché la procedura utilizza jQuery, vi consiglio fortemente di testarla prima in un ambiente non di produzione (es. nel proprio sito di test, in staging, ecc.), per assicurarvi che non vi siano problemi.

Abbiamo sperimentato questo tracciamento due settimane fa per la prima volta con Luca Mastella e il team di Marketers, per cui sono sicuro che le sue potenzialità ancora non sono emerse completamente, così come anche i limiti.

? Fatemi sapere che ne pensate, se ci sono dubbi e anche se avete suggerimenti rispetto a questa implementazione.

Il percorso-bot che ho utilizzato nel video si trova in questa pagina:

https://www.gabrielerapino.com/it/bot-ga-demo/

,

Come filtrare i dati nelle tabelle di Google Analytics

I filtri su Google Analytics

Nella maggior parte dei report su Google Analytics puoi filtrare i dati visualizzati.

In questo articolo vediamo tutto quello che devi sapere sui filtri nel report a “tabella” di Google Analytics (*).

(*) In questo articolo, chiamerò per comodità report a “tabella” quella tipologia di report su Google Analytics in cui i dati vengono visualizzati in forma semplice tabellare (es. Acquisizione –> Tutto il traffico –> Sorgente / Mezzo):

Tabella del rapporto sorgente / mezzo su Google Analytics

Tabella del rapporto sorgente / mezzo su Google Analytics

Filtro semplice di Google Analytics

La casella evidenziata nello screenshot seguente serve ad effettuare un filtraggio semplice dei dati nella tabella.

Nello specifico, ti permette di filtrare i dati rispetto ai valori della dimensione principale (la prima colonna).

La casella di filtraggio su Google Analytics

La casella di filtraggio semplice su Google Analytics

Ad esempio, se vogliamo vedere solo i dati in cui la sorgente di traffico contiene il valore “google.com”, inseriamo banalmente dentro la casella il testo: “google.com”, e clicchiamo sulla lente di ingrandimento:

Esempio di tabella su Google Analytics con filtro semplice attivato.

Esempio di tabella su Google Analytics con filtro semplice attivato.

Notiamo, però, che il filtro semplice è abbastanza limitato:

  • non possiamo creare condizioni di esclusione
  •  non possiamo usare il filtro semplice per filtrare rispetto a valori della dimensione secondaria; la casella di filtro semplice agisce, infatti, sempre solo sulla dimensione principale:
Esempio di tabella con dimensione secondaria

Esempio di tabella con dimensione secondaria

Come si vede nell’esempio, poiché il filtro agisce sulla dimensione principale, cercando un valore della dimensione secondaria non ci restituisce nessun dato.

Esempio di filtro errato sulla dimensione secondaria

Esempio di filtro errato sulla dimensione secondaria

Filtro avanzato di Google Analytics

Il filtraggio semplice ci può servire in alcuni casi, ma nella maggior parte delle situazioni di analisi su Google Analytics avremo bisogno di utilizzare il filtraggio avanzato.

Dove si trova il filtro avanzato su Google Analytics

Dove si trova il filtro avanzato su Google Analytics

La maschera di filtraggio avanzato offre diverse funzionalità:

Filtro avanzato su Google Analytics

Filtro avanzato su Google Analytics

Innanzitutto, possiamo creare delle condizioni sia di inclusione, che di esclusione (es. per includere o escludere dalla tabella tutti i dati i cui i valori soddisfano una determinata condizione):

Condizioni di includi / escludi nel filtro avanzato di Google Analytics

Condizioni di includi / escludi nel filtro avanzato di Google Analytics

Possiamo poi filtrare sui valori sia delle dimensioni (in verde), sia delle metriche (in blu). Le dimensioni e le metriche su cui possiamo filtrare sono limitate a quelle che Google Analytics “recupera” per costruire il rapporto che stiamo vedendo.

Ad esempio, come dimensione per il filtro possiamo scegliere la dimensione primaria, o quella secondaria, ma non possiamo scegliere un’altra dimensione che non abbiamo utilizzato nel rapporto.

Condizione sulle dimensioni o sulle metriche, nel filtraggio avanzato di Google Analytics

Condizione sulle dimensioni o sulle metriche, nel filtraggio avanzato di Google Analytics

Inoltre, possiamo specificare il “criterio di corrispondenza” rispetto al valore che vogliamo filtrare:

Criterio di corrispondenza del filtro avanzato

Criterio di corrispondenza del filtro avanzato su Google Analytics

Tra questi criteri di corrispondenza, abbiamo la possiblità di usare le espressioni regolari, che offrono uno strumento molto potente per costruire filtri con condizioni complesse.

Le espressioni regolari sono una sorta di meta-linguaggio utilizzato in ambito informatico per trovare corrispondenze all’interno di testi.

Sulle prime possono sembrare un po’ complicate, ma ti consiglio in ogni caso di dargli un’occhiata e cercare di imparare le regole principali, perché sono molto utili in ambito analytics.

Infine, notiamo che possiamo aggiungere più condizioni nello stesso filtro, come nell’esempio, “includi i dati in cui la sorgente contiene google.com e la frequenza di rimbalzo è maggiore di 80%”:

Esempio di filtro a più condizioni in AND

Esempio di filtro avanzato con più condizioni in AND su Google Analytics.

Nota: nel filtro avanzato, puoi utilizzare più condizioni, ma solo in AND (cioè: i dati che vengono mostrati nella tabella con il filtro devono soddisfare tutte le condizioni contemporaneamente).

Puoi realizzare un filtro con una condizione in OR, ma solo su una singola dimensione o metrica, utilizzando il criterio di corrispondenza espressione regolare.

Esempio: se volessimo includere nella tabella solo le sorgenti che contengono i valori “google” oppure “youtube”, possiamo utilizzare il simbolo “|”, come segue: 

Esempio di filtro avanzato con espressione regolare su Google Analytics

Esempio di filtro avanzato con espressione regolare su Google Analytics

ottenendo il seguente risultato:

Risultato del filtro in OR realizzato con espressione regolare

Risultato del filtro in OR realizzato con espressione regolare

 Differenza tra filtri e segmenti avanzati

Su Google Analytics vi sono vari modi per filtrare i dati che stiamo vedendo. In questo articolo abbiamo visto i filtri sulla tabella; Google analytics ti offre, tuttavia, anche un altra possibilità di filtraggio, fornita dai segmenti avanzati, di cui abbiamo parlato in quest’altro articolo.

Tra i due sistemi di filtraggio vi sono alcune differenze importanti, tra cui:

Fitri avanzati Segmenti avanzati
Il filtro non viene mantenuto se ti sposti di rapporto Il segmento viene mantenuto anche se ti sposti di rapporto
Con il filtro, puoi creare condizioni solo sulle dimensioni e metriche utilizzate nella costruzione del rapporto. La costruzione del segmento è indipendente dal rapporto che stai guardando. E’ una condizione che viene impostata “a monte” dei rapporti che stati visualizzando, e ti consente di guardare tutti i rapporti isolando solo le sessioni o gli utenti che soddisfano determinate condizioni
Il filtro non ti consente di creare condizioni in OR tra differenti dimensioni e/o metriche Il segmento ti consente di creare condizioni in OR tra differenti dimensioni e/o metriche
Il filtro non ti consente di creare condizioni in sequenza (es. fammi vedere solo i dati in cui prima è avvenuta questa condizione, e poi quest’altra condizione) Il segmento ti consente di creare condizioni in sequenza (es. fammi vedere solo i dati in cui prima è avvenuta questa condizione, e poi quest’altra condizione)

Un approfondimento interessante, un po’ più tecnico, sulla differenza tra filtri e segmenti è riportato qui:

Ok, l’articolo di oggi finisce qui. Spero che sia stato utile, per qualsiasi dubbio scrivimi nei commenti o contattami.

Un saluto e ti auguro una splendida giornata! 🙂

Gabriele

 

,

Tag UTM e Tracciamento delle Campagne Promozionali con Google Analytics

Come tracciare le campagne promozionali su Google Analytics con i tag UTM

In questo post, vediamo tutto quello che c’è da sapere sul tracciamento delle tue campagne promozionali con i tag UTM di Google Analytics.

Su Google Analytics, puoi tracciare il traffico proveniente da tutte le tue campagne promozionali non AdWords (es. le tue campagne sui social network, le tue newsletter e DEM, le tue campagne paid search su Bing, ecc.) utilizzando i tag UTM (anche noti come parametri UTM).

Di seguito, nell’articolo, vedremo:

  • cosa sono i tag UTM
  • come si usano
  • dove si trovano su Google Analytics i dati dei link tracciati
  • quali sono le best practice per popolare i valori dei tag UTM

Nota importante: questo articolo riguarda il tracciamento delle campagne promozionali diverse da Google AdWords. Per tracciare le tue campagne AdWords, devi invece utilizzare una procedura differente (ovvero: auto-tagging attivo + collegamento tra tua proprietà GA e tuo account AdWords, di cui parleremo in un altro post).

Cosa sono i tag UTM e come si usano?

I tag UTM sono dei parametri che servono a tracciare su Google Analytics alcune informazioni importanti relative alle campagna promozionali che hanno portato gli utenti sul tuo sito.

Esempio

Immaginiamo che tu stia per pubblicare un post sulla tua pagina Facebook, in cui hai inserito un link che porta sul tuo sito:

http://www.esempio.com/articolo-interessante

Quello che faresti di solito è pubblicare il link così com’è:

Esempio di post pubblicato su Facebook con link non tracciato

Esempio di post pubblicato su Facebook con link NON tracciato.

Però, se tu pubblichi questo link così com’è (ovvero senza parametri UTM), e un utente vede il post e ci clicca, la sua corrispondente sessione su Google Analytics sarà associata ai seguenti valori di sorgente e mezzo di traffico:

  • sorgente = facebook.com
  • mezzo = referral

(“referral” è il valore che Google Analytics assegna di default alle sessioni che provengono da siti terzi, diversi da motori di ricerca)

Esempio di come viene visualizzata su Google Analytics una sessione non tracciata.

Esempio di come viene visualizzata su Google Analytics una sessione non tracciata.

Questo però è un problema, perché se un altro utente pubblica lo stesso link sul suo profilo Facebook, e i suoi amici ci cliccano, anche le sessioni generate dal suo post avranno gli stessi valori di sorgente e mezzo su Google Analytics: facebook.com e referral.

Quindi, se sulla tua pagina Facebook fai un post in cui pubblichi un link “normale” (non tracciato), su Google Analytics non potrai distinguere quante sessioni (e, eventualmente, quante conversioni) sono venute dal tuo post rispetto al resto del traffico “naturale” proveniente da Facebook, perché Google Analytics vi associa agli stessi valori di sorgente e mezzo!

Tu invece sei interessato a sapere quante visite, conversioni e valore ti ha portato il tuo post, per cui hai bisogno di distinguere nei dati di GA le visite che provengono da esso.

Per poter distinguere le sessioni venute dal tuo post sulla tua pagina Facebook, prima di pubblicare il link, gli devi aggiungere i parametri UTM.

Esempio di link tracciato con i parametri UTM:

http://www.esempio.com/articolo-interessante?utm_source=facebook.com&utm_medium=social-editor&utm_campaign=campagna_esempio

Questo, quindi, sarebbe il link che dovresti pubblicare sulla tua pagina Facebook (*), se volessi tracciare con Google Analytics il post del mio esempio:

Esempio di post su Facebook con link tracciato

Esempio di post su Facebook con link tracciato

(*) Questo esempio serve solo per far capire la differenza tra link normale e link tracciato. Per pubblicare su Facebook effettivamente un link tracciato vedi la sezione più avanti “Accorciare i link tracciati (es. con bit.ly)“.

Differenza tra il link normale e il link tracciato

Avrai notato che il link tracciato ha questa parte in più rispetto al link normale:

?utm_source=facebook.com&utm_medium=social-editor&utm_campaign=campagna_esempio

La parte del link che segue il “?” è chiamata (nel gergo HTML) “Query String“, ed è utilizzata per trasmettere delle informazioni specifiche alla pagina web che viene caricata.

In questo caso specifico, ci sono tre parametri aggiunti nella query string del link, che sono:

  • utm_source: è il parametro di Google Analytics utilizzato per personalizzare il valore della sorgente
  • utm_medium: è il parametro di Google Analytics utilizzato per personalizzare il valore del mezzo
  • utm_campaign: è il parametro di Google Analytics utilizzato per personalizzare il nome della campagna promozionale

Sempre nella query string, per ogni parametro, dopo il suo nome c’è il simbolo “uguale” (“=”) e poi un valore che ho specificato io:

  • utm_source=facebook.com
  • utm_medium=social-editor
  • utm_campaign=campagna_esempio

Nella query string, i parametri sono sempre separati da un segno “&”.

Il link tracciato finale è quindi:

http://www.esempio.com/articolo-interessante?utm_source=facebook.com&utm_medium=social-editor&utm_campaign=campagna_esempio

Quando gli utenti cliccano questo link, i dati su Google Analytics compaiono come segue (prima riga dello screenshot):

Esempio di sorgente e mezzo su Google Analytics con parametri UTM tracciati

Esempio di sorgente e mezzo su Google Analytics con parametri UTM tracciati

Come puoi vedere, ora le visite dal post sulla pagina Facebook contenente il link tracciato (prima riga) vengono visualizzate in maniera distinta da quelle che vengono dagli altri link al sito pubblicati su Facebook da altre persone (seconda riga).

Come già anticipato sopra, sono io che, in utm_source, ho scelto di scrivere facebook.com, e in utm_medium ho scelto di scrivere social-editor.

Questa è stata una scelta mia, in base a come io trovo comodo leggere questi dati su Google Analytics, ma tu puoi personalizzare i parametri UTM come ritieni opportuno, in base a come vuoi visualizzare i dati nel rapporto di GA “Acquisizione –> Tutto il traffico –> Sorgente / Mezzo”.

Più avanti, vedrai alcuni miei ragionamenti e best-practice su come popolare questi parametri.

In sintesi, i parametri UTM ti consentono di personalizzare i valori di sorgente e mezzo, e di distinguere su Google Analytics le visite che entrano sul sito attraverso i link che contengono questi parametri.

Importante #1

Teoricamente, se volessi aggiungere manualmente i parametri UTM ai tuoi link, dovresti seguire alcune regole di codifica, che richiedono un minimo di competenze tecniche.

Per evitarti questa difficoltà, puoi aggiungere questi parametri in maniera molto semplice, utilizzando uno dei tanti tool gratuiti che ci sono online, tra cui il mio tool di tracciamento delle campagne o quello di Google.

Importante #2

Questi tag NON vanno utilizzati per tracciare i link e banner interni al tuo stesso sito (es. i banner che portano dalla homepage ad una pagina di prodotto dello stesso sito).

Questo va evitato, perché ti porterebbe ad alterare il conteggio delle sessioni e a perdere l’informazione sulla sorgente di traffico in cui è avvenuta la conversione.

Per tracciare i click sui link interni allo stesso sito, dovresti invece utilizzare gli eventi.

Quali sono i tag UTM e come popolarli

I tag UTM che puoi utilizzare per tracciare le campagne sono 5:

  • utm_source –> con questo parametro puoi personalizzare il valore della dimensione “sorgente” di traffico. Questo parametro è obbligatorio.
  • utm_medium –> con questo parametro puoi personalizzare il valore della dimensione “mezzo” di traffico. Questo parametro è obbligatorio.
  • utm_campaign –> con questo parametro puoi personalizzare il valore della dimensione “campagna“. Questo parametro è obbligatorio.
  • utm_content –> con questo parametro puoi personalizzare il valore della dimensione “contenuto dell’annuncio“, che tipicamente contiene dettagli aggiuntivi relativi all’annuncio cliccato. Questo parametro è opzionale.
  • utm_term –> in una campagna paid search (es. su Bing), con questo parametro puoi personalizzare la dimensione “parola chiave”, che contiene la parola chiave cercata dall’utente che ha cliccato l’annuncio. Questo parametro è opzionale.

In generale, ad ogni tag UTM corrisponde una dimensione su Google Analytics.

Come popolare i tag utm_source e utm_medium

Nel tag utm_source dovresti specificare il valore della dimensione sorgente, ovvero il “luogo” dove hai pubblicato il link promozionale (es. il nome del sito in cui lo hai pubblicato, es. “facebook.com”).

Nel tag utm_medium dovresti invece specificare il valore della dimensione mezzo, ovvero un attributo comune a tutte le sorgenti dello stesso tipo:

es. “social-editor”, per specificare che il link era pubblicato su un tuo profilo social ed era un post editoriale, ovvero non a pagamento; se fosse stato un post a pagamento, avresti potuto invece specificare “social-paid”… e così via.

Le campagne di email marketing sono un caso particolare, perché il link non viene pubblicato su un sito web, ma all’interno di una email. Per questo, io trovo comodo inserire nel tag utm_source la tipologia di email (es. newsletter per le email che invio ai miei iscritti, o dem, per le email che invio a database esterni); in utm_medium scrivo il mezzo “in comune” a queste due sorgenti, ovvero “email”.

Tipo campagna Sorgente Mezzo
Post editoriali su Facebook, Twitter, ecc. Dominio del social network (es. facebook.com) social-editor
Advertising a pagamento su Facebook, Twitter, ecc. Dominio del social network (es. facebook.com) social-paid
Direct email marketing dem email
Newsletter newsletter email

Sorgente e mezzo sone due dimensioni che abbiamo già discusso in maniera abbastanza approfondita in questo articolo, che ti consiglio di leggere.

Come popolare il tag utm_campaign

Il tag utm_campaign, che corrisponde alla dimensione Campagna, dovresti popolarlo con il “titolo” che vuoi assegnare alla campagna promozionale che stai effettuando.

Ad esempio, se hai un e-commerce di vestiti, e la campagna che stai effettuando è relativa ad una offerta speciale estiva rivolta ai soli uomini, potresti popolare il tag utm_campaign con: “campagna_estiva_uomini”.

I dati aggregati in base alla dimensione Campagna li trovi facilmente dentro il rapporto “Acquisizione –> Tutte le campagne”:

Esempio di rapporto Tutte le campagne su Google Analytics

Esempio di rapporto Tutte le campagne su Google Analytics

Nota: in generale, una tua campagna potrebbe essere eseguita su più canali (es. su Facebook, Twitter, Email Marketing, ecc.). Per questo, per i link relativi ad una stessa campagna, può essere conveniente scrivere sempre lo stesso valore di utm_campaign per tutti i canali, in modo che tu possa avere una visione aggregata delle performance della campagna in questione.

I canali poi potrai analizzarli in maniera differenziata in base ai valori delle dimensioni Sorgente e Mezzo.

Come popolare il tag utm_content

Il tag utm_content, che corrisponde alla dimensione Contenuto dell’annuncio, puoi utilizzarlo per differenziare alcune caratteristiche dei tuoi annunci.

E’ un tag un po’ più di dettaglio, che ti consente di valutare la performance di alcuni aspetti specifici delle tue campagne.

Es. la tipologia di annuncio su Facebook (es. video, immagine, carousel…), o il formato del banner utilizzato (es. 300×250, 468×60, ecc.), o ancora la posizione del link nell’email (es. header, footer, immagine-promo, ecc.).

I dati relativi alla dimensione Contenuto dell’annuncio li puoi trovare nel rapporto Acquisizione –> Tutte le campagne, cliccando sul link “Altro” e selezionando la dimensione “Contenuto dell’annuncio”:

Esempio di dati "Contenuto dell'annuncio" su Google Analytics

Esempio di dati “Contenuto dell’annuncio” su Google Analytics

Come popolare il tag utm_term

Il tag utm_term lo dovresti utilizzare solo nelle campagne SEM (ricerca a pagamento) diverse da Google AdWords (es. nelle campagne Bing Ads).

Per questo motivo, teoricamente dovresti poterlo popolare dal pannello di configurazione dell’advertising, utilizzando delle apposite “macro”, messe a disposizione dal provider dell’advertising, e che fanno in modo che a questo tag venga aggiunto automaticamente il valore della keyword (es. per Bing Ads, la macro sarebbe: utm_term={Keyword}, se vuoi popolarlo con la keyword che ha attivato l’annuncio; o utm_term={QueryString}, se vuoi popolarlo con l’effettivo termine di ricerca utilizzato dall’utente)

Nel pannello di Bing Ads, c’è in realtà una funzionalità che ti permette di popolare i tag UTM automaticamente, incluso il tag utm_term: https://advertise.bingads.microsoft.com/en-us/blog/post/june-2014/auto-tagging-of-destination-urls-in-bing-ads

Questa funzionalità di auto-tagging è molto conveniente, perché ti risparmia il popolamento manuale di tutti i link degli annunci e soprattutto evita (o riduce) la possibilità che vengano commessi degli errori.

I dati relativi alle parole chiave li puoi trovare nel rapporto Acquisizione –> Campagne –> Parole chiave a pagamento:

Esempio di rapporto parole chiave a pagamento su Google Analytics

Esempio di rapporto parole chiave a pagamento su Google Analytics

Accorciamento dei link tracciati (es. con bit.ly)

Sui Social, siccome potrebbe essere un po’ bruttino postare un link lungo e con i tag UTM in evidenza, è spesso conveniente accorciare il link tracciato con uno strumento gratuito di accorciamento URL, come bit.ly.

1) Su bit.ly devi aggiungere il link contenente i parametri di tracciamento:

Esempio di utilizzo di bit.ly

Esempio di utilizzo di bit.ly

2) Il link che devi pubblicare è quello accorciato con bit.ly:

Esempio di link tracciato e accorciato con bit.ly

Esempio di link tracciato e accorciato con bit.ly

Best practice di utilizzo dei tag UTM

Utilizzare i tag UTM in maniera corretta è fondamentale per poter valutare la performance delle tue campagne promozionali, e capire quindi come allocare al meglio le tue risorse. Vediamo alcune best practice di utilizzo dei tag UTM.

Definisci un piano di tagging UTM

Per poter analizzare i dati in maniera corretta, è importante che tu definisca a priori un piano di popolamento dei tag UTM (in breve, piano di tagging), che sia sensato per l’analisi delle tue campagne, e che tu lo esegua con ordine e disciplina.

Un piano di tagging è sensato se ti permette di valutare facilmente la performance delle diverse “leve” che usi nelle tue campagne promozionali.

Ad esempio, differenziare il target a cui si rivolge la tua campagna è una possibile leva che puoi utilizzare; se effettui campagne su differenti segmenti di utenti (es. uomini e donne), potrebbe avere senso utilizzare due nomi diversi per la tua campagna (es. “offerta_promo_uomo” e offerta_promo_donne”), e quindi del tag utm_campaign, in modo che tu possa valutare immediatamente la performance per ciascun segmento.

Sui social, il formato degli annunci di advertising (es. immagini, video, carousel) è sicuramente un’altra leva importante che puoi utilizzare; per cui è utile inserire nel tag utm_content questa informazione, in modo che poi tu possa confrontare, nei dati di Google Analytics, quale formato ti ha portato più traffico e più conversioni.

Esegui il tuo piano in maniera consistente nel tempo

Un’altra cosa fondamentale è che dovresti stare attento a utilizzare i tag in maniera consistente nel tempo.

Ad esempio, se stai facendo una campagna su Facebook, utilizza sempre lo stesso valore, es. “facebook.com”, e NON una volta “Facebook”, un’altra “facebook”, un’altra ancora “facebook.com”…

…altrimenti anche su Google Analytics vedrai una riga differente per ogni valore diverso che hai dato allo stesso tag, e ti servirà del tempo per ri-aggregare tutti i dati e sarà più complicato valutare correttamente la performance delle tue campagne.

Una delle cose che puoi fare per mantenere ordine nel tuo tracciamento è creare un file Excel (o Google Spreadsheet) in cui riporti, per ogni tipologia di campagna, sorgente, formato adv, ecc. tutti i valori da utilizzare per i tag UTM.

Ogni volta che devi pubblicare un nuovo link tracciato, fai sempre riferimento a questo file come memo.

Trova un trade-off tra dettaglio del tracciamento e facilità di esecuzione

Quando scopriamo le potenzialità del tracciamento delle campagne con i tag UTM, è normale volere tracciare più informazioni possibili: posizione del pulsante, testo della call to action, formato, dimensione, target, periodo, ecc.

Per questo, a volte rischiamo di esagerare, creando piani di tagging complicatissimi, che poi non riusciamo ad eseguire in maniera corretta.

Cerca di trovare un giusto trade-off tra la quantità dei dati che vuoi tracciare e la facilità di esecuzione della tua procedura di tracciamento.

Più è elevato il numero di regole diverse che definisci per popolare i tag UTM, e più sarà elevato sia l’effort che devi applicare per mantenere l’ordine nei dati, sia la probabilità di commettere errori.

Spero che questo articolo sia stato utile! 🙂 Per qualsiasi dubbio, scrivimi nei commenti.

Un saluto e ti auguro una buona giornata,

Gabriele

,

Segmenti avanzati su Google Analytics

Segmenti avanzati su Google Analytics

I segmenti avanzati su Google Analytics sono uno strumento che ti consente di analizzare i dati solamente di utenti o sessioni che soddisfano determinate condizioni.

Ad esempio, puoi analizzare i dati solamente degli utenti che hanno comprato almeno una volta nel periodo selezionato: vedere quali sono le loro pagine di entrata, pagine di uscita, sezioni più viste, ecc.

Come vedremo più avanti in questo post, sono uno strumento indispensabile per estrarre informazioni utili dai nostri dati.

Nota: questo articolo è riassunto anche in un mio video della serie Video Tutorial Super Shorts:

Indice dell’articolo

In questo articolo sono contenuti i seguenti argomenti:

  • Perché sono utili i segmenti avanzati di Google Analytics
  • Come attivare un segmento avanzato esistente
  • Come creare un nuovo segmento avanzato
  • Configurazione avanzata delle condizioni (es. OR / AND, Sessioni vs Utenti)
  • Come impostare una sequenza di condizioni
  • Quali segmenti conviene creare per le analisi
  • Link di approfondimento sui segmenti avanzati di Google Analytics

L’argomento è abbastanza vasto, per cui partiamo dall’inizio, complicando via via le cose… 🙂

Perché sono utili i segmenti avanzati di Google Analytics

In generale, segmenti diversi di utenza hanno comportamenti differenti rispetto al tuo sito.

Ad esempio, immagina il comportamento di un utente che non ti conosce e visita per la prima volta il tuo sito: magari entra da una campagna, poi visita la pagina chi siamo, le FAQ, e altre pagine che gli consentono di saperne di più sul tuo business.

Invece, un tuo cliente abituale probabilmente ha già visto quelle pagine, e ora magari andrà dritto al sodo e vedrà solo le pagine che gli interessano (es. la homepage, le pagine prodotto, carrello, checkout, ecc.).

Le metriche di questi due segmenti di utenza (frequenza di rimbalzo, tasso di conversione, ecc.) saranno in generale diverse.

Tuttavia, di default Google Analytics ti mostra i valori complessivi di queste metriche, che saranno quindi una “media” derivante dal comportamento dei vari segmenti di utenza: che informazione puoi trarre leggendo questi valori medi? Non molta, purtroppo…

Per capire realmente cosa sta succedendo sul tuo sito, devi necessariamente analizzare i dati in maniera separata per ciascun segmento.

Come attivare un segmento avanzato su Google Analytics

Per attivare un segmento avanzato, devi cliccare nella parte superiore della finestra di Google Analytics, dove è scritto “Aggiungi segmento”:

Come attivare un segmento avanzato su Google Analytics

Come attivare un nuovo segmento avanzato su Google Analytics

Una volta cliccato, si apre una finestra con una lista di segmenti esistenti, che puoi selezionare: alcuni sono predefiniti da Google Analytics (quelli della categoria “Sistema”), altri li hai creati tu (“Personalizzati”, vediamo dopo come crearli), altri ancora puoi importarli da una galleria pubblica in cui tutti gli utenti di Google Analytics possono condividere i loro segmenti.

Seleziona il segmento che ti serve e poi clicca su Applica.

Nota: puoi selezionare fino a 4 segmenti contemporaneamente.

Attivazione di un segmento avanzato su Google Analytics

Attivazione di un segmento avanzato su Google Analytics

Dopo che il segmento è applicato, tutti i dati che vedrai sono relativi solamente alle sessioni (o agli utenti) che soddisfano la condizione specificata nel segmento (di seguito vedrai come specificarla):

Esempio di dati con segmento avanzato applicato

Esempio di dati con segmento avanzato applicato

Il segmento avanzato resterà applicato anche se ti sposti di rapporto. Per toglierlo, devi cliccare sulla freccetta in alto a destra nel box del segmento, e selezionare “Rimuovi”:

Come rimuovere un segmento avanzato applicato

Come rimuovere un segmento avanzato applicato

Come creare un segmento avanzato su Google Analytics

Per creare un nuovo segmento avanzato e specificare le condizioni che ti interessano, una volta cliccato su “Aggiungi segmento”, clicca su “Nuovo segmento”:

Creare un nuovo segmento segmento avanzato

Clicca per creare un nuovo segmento segmento avanzato

A questo punto ti si apre una finestra, come la seguente:

La finestra di impostazione di un nuovo segmento avanzato.

La finestra di impostazione di un nuovo segmento avanzato.

Ad esempio, immagina di voler creare un segmento per isolare le sessioni di utenti che provengono da Milano.

Step 1: dare un nome al segmento avanzato

Per prima cosa, devi dare un nome al segmento, utilizzando il box in alto a sinistra: per esempio, chiamiamo il segmento “Sessioni provenienti da Milano”.

Dare un nome al segmento avanzato

Dare un nome al segmento avanzato

Step 2: specificare la condizione

A questo punto, devi specificare la condizione del segmento. In questo caso, hai due possibilità:

  • utilizzare delle condizioni “predefinite”, che si trovano in una delle seguenti categorie – “Dati demografici”, “Tecnologia”, “Comportamento”, “Data della prima sessione”, “Sorgenti di traffico”.
  • utilizzare la maschera di impostazione avanzata delle condizioni (sotto la scritta “Condizioni” e “Sequenze”)

Le categorie predefinite sono più semplici da utilizzare, soprattutto se hai ancora poca dimestichezza con il nome delle dimensioni e delle metriche utilizzate da Google Analytics.

Ad esempio, se vuoi isolare le sessioni per provenienza geografica, devi cliccare sulla categoria “Dati demografici” (la provenienza geografica fa parte di questi dati).

La città si trova nella sotto-categoria “Posizione”, e la puoi selezionare cliccando sul relativo menu a tendina:

Selezionare la città come condizione del segmento

Selezionare la città come condizione del segmento

Nota: qui la difficoltà è capire dove si trova e come si chiama la dimensione o metrica su cui impostare la condizione. Questo purtroppo si acquisisce solo con la pratica, ma considera che le dimensioni e le metriche che tipicamente utilizzerai nei segmenti saranno una ventina al massimo, per cui vedrai che dopo un po’ che ripeti questa operazione ti sembrerà tutto più semplice.

Dopo che hai selezionato la dimensione “Città” devi specificare il tipo di condizione (es. contiene, non contiene, inizia con… ecc.):

Selezionare il tipo di condizione del segmento

Selezionare il tipo di condizione del segmento

Infine, inserisci il valore della città che vuoi isolare nei dati, es. Milano. Non appena inizi a scrivere, vedrai che Google Analytics ti suggerisce dei valori: seleziona il valore che ti serve tra quelli suggeriti, in modo da non sbagliare. Ad esempio, Milano su Google Analytics è “Milan”:

Inserisci il valore della condizione

Inserisci il valore della condizione

A questo punto, clicca su “Salva” (pulsante in alto), e il segmento viene salvato e applicato ai tuoi dati:

Clicca su Salva per salvare e applicare il segmento

Clicca su Salva per salvare e applicare il segmento

Et voilà! I dati che ora vedrai saranno relativi solo alle sessioni di utenti provenienti da Milano:

Dati con segmento avanzato relativi a sessioni provenienti da Milano

Dati con segmento avanzato relativi a sessioni provenienti da Milano

Nota: puoi anche specificare più condizioni all’interno del segmento (es. “città contiene Milan” e “mezzo di traffico contiene Organic”); in questo caso, le condizioni sono valutate in AND, cioè devono essere tutte vere perché una sessione venga inclusa nel segmento.

Dopo che hai salvato il segmento, lo trovi nella lista dei segmenti:

Il segmento avanzato salvato su Google Analytics viene inserito nella lista dei segmenti associati al nostro utente

Il segmento avanzato salvato su Google Analytics viene inserito nella lista dei segmenti associati al nostro utente

Nota: i segmenti sono associati all’utente (es. mario.rossi@gmail.com) con cui accedi all’account di Google Analytics, non all’account stesso. Questo vuol dire che se vuoi che altri utenti usino il tuo segmento, devi condividerlo con loro con la funzione “Condividi”.

Configurazione avanzata delle condizioni

Spesso, su Google Analytics, hai la necessità di creare segmenti più complessi, che non è possibile configurare con le categorie predefinite viste poco sopra.

In questo caso, è molto utile la configurazione avanzata, che di fatto ti consente di specificare qualsiasi combinazione di condizioni che tu abbia in mente.

Cliccando su Condizioni, vedi subito una serie di opzioni aggiuntive rispetto alle configurazioni predefinite:

1) puoi aggiungere condizioni in “O” (OR)

In questo caso, la sessione viene inclusa nel segmento se soddisfa una condizione o l’altra (es. se il mezzo di traffico è Organic o CPC).

Nota anche che puoi aggiungere più blocchi di filtri (delimitati dal bordo rettangolare grigio): le condizioni in OR puoi crearle nel singolo blocco; tuttavia, blocchi di filtri differenti vengono sempre valutati in “E” (AND).

Nello screenshot seguente, una sessione viene inclusa nel segmento se il mezzo è Organic o CPC e se la pagina di destinazione è /it/guida-google-analytics/:

Esempio di segmento avanzato con condizioni in OR

Esempio di segmento avanzato con condizioni in OR

2) Puoi creare filtri sugli utenti

Se, con la freccetta accanto a Filtro, selezioni “Utenti”, le condizioni del blocco vengono valutate sull’utente, non su una singola sessione.

Se le condizioni sono state vere per l’utente nel periodo selezionato, allora tutte le sessioni di quell’utente vengono incluse nel segmento.

Ad esempio, se vuoi creare un segmento di persone che nell’ultimo mese sono venute almeno una volta dalla campagna “Offerta 20% 2016”, farai una condizione di questo tipo:

Esempio di segmento sugli utenti

Esempio di segmento sugli utenti.

Questa condizione sull’utente si legge così: “includi nel segmento le sessioni di tutti gli utenti che, nel periodo selezionato, sono venuti sul sito almeno una volta dalla campagna Offerta 20% 2016”.

La differenza tra condizione su sessioni e condizione sugli utenti si capisce forse meglio guardando queste due immagini (prese dal blog di Justin Cutroni):

A) Immaginiamo di mettere una condizione che includa solo le sessioni in cui gli utenti hanno generato un minimo di $500 di revenue.

La condizione viene valutata da Google Analytics rispetto a ciascuna sessione, per cui entrano solo le sessioni in cui le revenue hanno superato la soglia impostata. Nel segmento, entra solo la sessione verde dell’utente verde:

Segmento con condizione applicata sulle sessioni: revenue >= $500

Segmento con condizione applicata sulle sessioni: revenue >= $500

B) Se invece specifichiamo la stessa condizione, ma sugli utenti, entrano tutte le sessioni degli utenti che hanno soddisfatto la condizione, e che quindi, in totale (nel periodo selezionato) hanno generato almeno $500 di revenue. Ora entrano quindi tutte le sessioni di due utenti:

Segmento con condizione applicata sugli utenti: revenue >= $500

Segmento con condizione applicata sugli utenti: revenue >= $500

(la seconda figura è un po’ misleading sui pallini grigi dell’omino di sinistra; con il segmento utenti entrano tutte le sue sessioni, non solo quelle verdi con $200)

Aggiungendo più blocchi filtro puoi creare segmenti con condizioni complesse, alcune sugli utenti (in AND e in OR, includi o escludi), altre sulle sessioni (in AND e in OR, includi o escludi).

Nota: quando utilizzi una condizione sugli utenti, il periodo che puoi selezionare è di massimo 90 giorni.

Check sulle condizioni e sulla dimensione del segmento

Per avere una stima approssimata della dimensione del segmento, puoi guardare il diagramma sulla destra della finestra, che ti dice quanti utenti e quante sessioni entreranno nel segmento (e quali sono le rispettive percentuali su tutti gli utenti e tutte le sessioni):

Preview della dimensione del segmento

Preview della dimensione del segmento

Segmento con condizioni in sequenza

Google Analytics ti permette anche di creare segmenti che valutano in che ordine si sono verificate le condizioni che specifichi… Questa è l’apoteosi della segmentazione! 🙂

Cliccando su Sequenze, puoi costruire segmenti basati anche sulla sequenza con cui si verificano le diverse condizioni.

Ad esempio, nello screenshot di seguito puoi vedere un segmento che isola le sessioni in cui gli utenti hanno prima scaricato una brochure promozionale, e poi si sono registrati al sito:

 

Segmento con sequenza di condizioni su Google Analytics

Segmento con sequenza di condizioni su Google Analytics

Con le due opzioni seguenti, puoi raffinare ulteriormente i vincoli sulla sequenza.

1) Innanzitutto, puoi scegliere se la prima condizione della sequenza deve essere la prima interazione dell’utente con il sito (es. la homepage deve essere la prima pagina vista nella sessione, altrimenti la sessione non viene inclusa nel segmento, anche se le altre condizioni sono vere);

oppure una interazione qualsiasi (es. l’utente deve vedere la homepage, ma non necessariamente come prima pagina della sessione).

Vincolo sull'interazione dell'utente

Vincolo sull’interazione dell’utente

2) Poi puoi scegliere se le due condizioni devono essere immediatamente conseguenti (altrimenti la sessione non viene inclusa nel segmento, anche se le altre condizioni sono vere), o se la seconda può avvenire dopo la prima, ma eventualmente anche con altre azioni in mezzo.

Ad esempio, alla visualizzazione della homepage deve seguire immediatamente la visualizzazione della pagina Chi siamo; oppure tra Homepage e Chi siamo l’utente può aver visto anche altre pagine in mezzo.

Conseguenza delle azioni nel segmento avanzato

Conseguenza delle azioni nel segmento avanzato

Quali segmenti avanzati conviene creare per le analisi?

Ora che hai visto nel dettaglio come funzionano tecnicamente i segmenti, ti starai chiedendo come ti conviene utilizzare questa funzionalità e quali segmenti puoi creare.

Purtroppo non c’è una risposta unica a questa domanda, perché dipende dalle informazioni che vuoi ottenere dalla tua analisi dati.

Sicuramente, però, una cosa la vuoi sapere sempre: come si comportano i segmenti di utenza più importanti per il tuo business e com’è la performance della tua attività (sito + campagne di digital marketing) rispetto ad essi.

Per ottenere questa informazione, ti conviene creare segmenti che rispecchiano i differenti “stadi” del rapporto tra un utente e il tuo business.

Ad esempio, se hai un e-commerce, può essere conveniente creare una serie di segmenti dedicati all’analisi del processo di acquisizione di un nuovo cliente (utilizzando il classico “purchase funnel”):

  • utenti che non ti conoscono e che visitano il tuo sito per la prima volta (awareness)
  • utenti che iniziano a considerarti come possibile alternativa di acquisto e tornano sul tuo sito (consideration)
  • utenti che manifestano un interesse attivo per un tuo prodotto (intention)
  • utenti che hanno acquistato per la prima volta un tuo prodotto (purchase)

Per poter creare questi segmenti, hai bisogno di un tracciamento adeguato, che ti consenta di identificare tali azioni su Google Analytics.

Link di approfondimento sui segmenti avanzati di GA

Riporto qui per completezza altri link di approfondimento (estenderò questa lista man mano che ne trovo):

 

Spero che l’articolo ti sia stato utile, per qualsiasi dubbio lascia un commento o scrivimi via email.

Ah, per ricevere via email gli annunci sui prossimi articoli pubblicati e quando escono, iscriviti alla newsletter in fondo alla pagina! 🙂

Un saluto e a presto,

Gabriele

 

 

,

Conversioni indirette su Google Analytics

Il rapporto Conversioni Indirette su Google Analytics

Uno dei rapporti più importanti in tutto il pannello di Google Analytics è il rapporto multi-canale Conversioni Indirette, nella sezione Conversioni –> Canalizzazioni Multi Canale. In questo articolo, vedrai nel dettaglio come si legge e perché ti è estremamente utile per ottimizzare le tue risorse di digital marketing.

Il rapporto Conversioni Indirette ti aiuta a capire quanto è importante, e qual’è il ruolo che svolge, ogni tua campagna promozionale (e ogni canale di traffico) per il tuo business online.

E’ uno strumento fondamentale per l’analisi multi-canale delle tue campagne promozionali.

Cos’è una analisi multi-canale?

Nella maggior parte dei siti web, gli utenti tornano diverse volte prima di effettuare una azione di conversione (es. prima di acquistare un prodotto), arrivando sul sito da diversi canali di traffico, e nell’arco di un periodo temporale più o meno lungo.

Effettuare una analisi multi-canale vuol dire cercare di capire quanto, e in che modo, i diversi canali (e le tue campagne marketing) contribuiscono a portare conversioni e valore al tuo business online.

L’analisi ha raggiunto il suo obiettivo se, alla fine, riesci ad estrarre informazioni ed insight che ti aiutano ad allocare al meglio il budget e ad ottimizzare i tuoi canali di digital marketing. 

Ad esempio, immagina un utente che non conosca né il tuo sito, né i tuoi prodotti:

  1. Un giorno, l’utente vede un tuo banner pubblicitario su Facebook e ci clicca sopra. Naviga un po’ il tuo sito, che lo interessa al punto che si iscrive alla newsletter… e poi se ne va.
  2. Dopo qualche tempo, riceve una tua email che promuove un certo prodotto. Ci clicca sopra, va sul sito, naviga un po’ e se ne va
  3. Dopo alcuni giorni, cerca su Google il nome del prodotto e vede un tuo annuncio AdWords. Ci clicca sopra, vede il prodotto, lo mette a carrello, ma non compra.
  4. Il giorno dopo, grazie ad una campagna di remarketing display, vede il banner del tuo prodotto, torna sul tuo sito e lo acquista.

L’utente, quindi, prima di acquistare il prodotto, è venuto sul sito 4 volte, sempre da canali e campagne diverse.

Effettuare una analisi multi-canale vuol dire, quindi, cercare di capire, ad esempio:

  • qual’è il ruolo svolto da ciascun canale nel processo decisionale dell’utente (es. capire che il banner su Facebook ha fatto conoscere il tuo sito web, mentre la campagna di remarketing ha innescato l’azione di acquisto). Questo ti aiuta a capire, in generale, come si comportano i vari canali di marketing per il tuo business.
  • quanto valore ti ha portato ciascuna campagna, rispetto al costo che hai sostenuto. In questo modo, puoi allocare i tuoi soldi e il tuo tempo in maniera ottimale rispetto ai tuoi obiettivi di business.
  • quanto tempo passa, mediamente, tra le varie fasi del processo decisionale e se questo tempo viene influenzato dalle tue campagne.  Questo ti aiuta a capire come distribuire al meglio, nel tempo, le tue campagne sui vari canali e in che sequenza eseguirle.

Il rapporto Conversioni Indirette ti fornisce diverse informazioni cruciali rispetto a questa analisi.

Nota: per sfruttare al meglio le informazioni di questo articolo, ti consiglio di leggere anche questi due post correlati al tema: cosa sono le conversioni e il problema dell’attribuzione delle conversioni.

Il rapporto Conversioni Indirette

Nello screenshot seguente, puoi vedere un esempio del rapporto Conversioni Indirette nel pannello di Google Analytics, per il sito di Google Merchandise Store.

Innanzitutto, nella riga dei “totali” vediamo subito alcune metriche importanti:

Totale conversioni indirette e last-click per il Google Merchandise Store

Totale conversioni indirette e last-click per il Google Merchandise Store

Questa riga si legge così:

  • Conversioni indirette: è il numero di conversioni, avvenute nel periodo selezionato, in cui gli utenti sono venuti sul sito più di una volta prima di convertire. Il valore delle conversioni indirette è il valore economico associato a queste conversioni.
  • Conversioni attribuite all’ultimo click o dirette: puoi leggerlo come il numero totale delle conversioni avvenute nel periodo selezionato. Il valore di queste conversioni coincide con il valore economico totale generato dalle conversioni sul sito nel periodo.
  • L’ultimo numero è il rapporto tra numero di conversioni indirette e il totale delle conversioni e, in questa riga dei totali, può assumere valori compresi tra 0 e 1. Se è vicino a 0, vuol dire che gli utenti, nella maggior parte dei casi, convertono in una sola sessione; al contrario, se è vicino a 1, vuol dire che gli utenti generalmente impiegano più di una visita per convertire.

Ora, per capire come applicare questi concetti ai singoli canali, vediamo la tabella subito sotto:

Esempio di rapporto Conversioni Indirette su Google Analytics

Esempio di rapporto Conversioni Indirette su Google Analytics

La prima colonna riporta la dimensione che stiamo analizzando, che di default sono i canali di traffico (nel raggruppamento predefinito). Se vogliamo, possiamo cambiare questa dimensione, utilizzando i link soprastanti (es. se clicchi su Altro, puoi selezionare come dimensione le tue Campagne promozionali).

La seconda colonna riporta quante sono le conversioni a cui ciascun canale ha contribuito indirettamente, ovvero: in quante conversioni quel canale ha portato utenti sul sito che hanno poi convertito tornando da altri canali? La terza colonna ti dice qual’è il valore economico di queste conversioni.

La quarta colonna riporta, invece, quante sono le conversioni a cui ciascun canale ha contribuito come last-click, ovvero: in quante conversioni quel canale ha portato utenti sul sito che hanno convertito proprio in quella sessione? La quarta colonna ti dice qual’è il valore economico di queste conversioni.

Nell’esempio precedente, i canali Facebook, Email e AdWords hanno realizzato ciascuno una conversione indiretta, perché hanno portato l’utente sul sito, nelle sessioni precedenti a quella con la conversione; l’utente poi è tornato dalla Campagna di remarketing display e in questa sessione ha convertito, per cui questo canale ha portato una conversione last-click.

In questo caso, vedremmo quindi un “1” nella colonna “Conversioni indirette” per tutti questi tre canali, mentre vedremmo “1” nella colonna “Conversioni dirette o last-click” per il canale associato alla campagna di remarketing.

Nota: le conversioni indirette non posso essere sommate tra loro, perché più canali possono avere contribuito ad una singola conversione. La somma delle conversioni indirette, quindi, non ha senso.

La quinta colonna è un po’ più “criptica”: riporta il rapporto, per ciascun canale, tra conversioni indirette e conversioni last-click. In altre parole, ci dice se il contributo di quel canale è più indiretto o più last-click. Per ciascun canale, si hanno, quindi, questi scenari:

  • se, per un canale, il numero riportato nella quinta colonna è molto inferiore a 1, allora quel canale ha dato un contributo last-click molto più elevato rispetto al contributo indiretto che ha portato. In altre parole, il suo ruolo è soprattutto di “innesco” finale delle azioni di conversione.
  • se il numero è molto superiore a 1, allora quel canale ha dato un contributo indiretto molto più elevato rispetto al contributo last-click che ha portato. Il suo ruolo è soprattutto di “awareness” o “recall”.
  • se il numero è circa 1, vuol dire che i contributi indiretti e last-click portati dal canale sono circa simili. In altre parole, questo canale ha un ruolo sia di “awareness” o di “recall”, sia di “innesco.

Ad esempio, vediamo il canale “Display” dello screenshot precedente:

Esempio di ruolo multi-canale del canale Display

Esempio di ruolo multi-canale del canale Display

Il canale Display ha contribuito indirettamente a 192 conversioni, mentre ha portato l’utente a convertire come last-click in 89 conversioni. Il rapporto tra i due numeri è 2,16, ovvero un po’ più di 1. Qual’è il ruolo di questo canale?

Il suo ruolo è un po’ più di “awareness” o “recall”, e un po’ meno di “innesco”! 🙂

Oggi, tuttavia, a prescindere dal suo ruolo, la sua importanza è piccola nel business di Google Merchandise Store, perché ha partecipato solo a 192 conversioni in maniera indiretta e a 89 come last-click, su un totale di 17.946 conversioni.

Al contrario, il canale (escludendo il diretto) più importante è il referral, che ha partecipato indirettamente a 4.311 conversioni e direttamente a 3.595 conversioni.

Cliccando su “referral”, scopriamo che il sito referente principale è mall.googleplex.com, che è protetto da password. Francamente non conosco il Mall del Googleplex (mi immagino sia un mega-negozio con il merchandising di Google, all’interno del Googleplex), nè tanto meno questo sito: a occhio, posso pensare che sia un portale da cui i dipendenti completano gli acquisti per gli utenti che vanno lì di persona…

I dati multicanale relativi ai referral del Google Merchandise Shopping

I dati multicanale relativi ai referral del Google Merchandise Shopping

Insomma, senza addentrarmi ulteriormente nell’analisi del Google Merchandise Store, spero di aver evidenziato qual’è il ragionamento che posso fare leggendo questo tipo di report.

E, cambiando la dimensione principale nel report, lo posso ripetere per le campagne, per le keyword, ecc…

Altri dettagli importanti del rapporto Conversioni indirette

Ora che abbiamo visto qual’è la logica di base del rapporto Conversioni Indirette di Google Analytics, vediamo qualche altro dettaglio importante.

Selezionare le conversioni da mostrare

Per selezionare quali tipi di conversione mostrare nel rapporto Conversioni Indirette, utilizza il menu a tendina in alto a sinistra:

Selezionare le conversioni da mostrare nel rapporto Conversioni Indirette su Google Analytics

Selezionare le conversioni da mostrare nel rapporto Conversioni Indirette su Google Analytics

Mostrare le campagne AdWords come dimensione principale

Con il click su questo pulsante, puoi mostrare solo le campagne AdWords come dimensione principale:

Mostrare solo le campagne AdWords nel rapporto Conversioni indirette

Mostrare solo le campagne AdWords nel rapporto Conversioni indirette

Selezionare la finestra di look-back per il rapporto

Quanti giorni precedenti al giorno della conversione vuoi considerare, per valutare il contributo dei canali nel rapporto Conversioni indirette? Lo puoi selezionare con questo switch (il rapporto ti consente di guardare al massimo 90 giorni indietro):

Finestra di look-back per il rapporto conversioni indirette

Finestra di look-back per il rapporto conversioni indirette

Ad esempio, se io oggi clicco un annuncio AdWords e fra 31 giorni torno da un altro canale e compro, se la finestra è impostata a 30 giorni, alla campagna AdWords mostrata nel report non verrà assegnata la mia conversione indiretta; se la finestra è impostata su 90 giorni (o qualsiasi numero superiore a 30 giorni), invece sì.

Conversioni indirette, primo click o qualsiasi contributo

Prima ho scritto che se un canale ha molte Conversioni indirette, vuol dire che ha avuto un grande contributo come “Awareness” o “Recall”. Già, ma quale dei due?

Lo posso sapere cliccando su questo tab, ad esempio su Analisi prima interazione:

Analisi interazioni indirette, prima interazione o tutte le conversioni

Analisi interazioni indirette, prima interazione o tutte le conversioni

In questo caso, il rapporto mi mostra le conversioni di “primo click” portate da ciascun canale, ovvero: in quante conversioni quel canale ha portato la prima visita di utenti che hanno poi convertito tornando da altri canali?

Le considerazioni fatte più sopra possono quindi essere ripetute in maniera identica, semplicemente sostituendo “conversioni di primo click” a “conversioni indrette”.

Conversioni primo click su Google Analytics

Conversioni primo click su Google Analytics

I canali che hanno molte conversioni primo click sono quindi importanti come primo touch-point, all’interno della finestra temporale di look-back selezionata. Potrebbero essere quindi importanti a generare “Awareness” rispetto al tuo sito e a farlo conoscere a nuovi utenti (che poi hanno convertito tornando da altri canali).

Infine, ultima info qui nel post ma importantissima: cliccando sul tab “Conversioni” puoi vedere il numero di conversioni a cui ogni canale ha contribuito, a prescindere dal ruolo svolto nel processo di conversione.

Se quindi hai speso tanto per una campagna, ma questa non compare nel tab “Conversioni” (o vi compare, ma con poche conversioni), vuol dire che probabilmente questa campagna non sta svolgendo alcun ruolo nel processo di conversione degli utenti, e che quindi forse ti conviene o spegnerla, o aggiustarla in qualche modo.

Ci sarebbe ancora tantissimo da dire sul rapporto Conversioni Indirette (devo dire che è uno dei miei rapporti preferiti su Google Analytics… 🙂 ), ma questo articolo giunge al termine. Spero che ti sia stato utile!

Per qualsiasi dubbio, lascia un commento qui sotto o scrivimi via email.

Un saluto!

Gabriele

,

Attribuzione delle conversioni su Google Analytics

Attribuzione delle conversioni su Google Analytics

Su Google Analytics, e in generale nel digital marketing, certamente anche tu hai già affrontato (o stai per affrontare) il problema dell’attribuzione delle conversioni.

Attribuire una conversione significa ripartire il “merito” di una conversione (e il valore generato da essa) tra i canali di traffico che hanno partecipato al processo di conversione dell’utente, secondo un determinato criterio.

Il criterio con cui viene ripartito tra i canali il merito (e il valore generato) delle conversioni viene detto “modello di attribuzionedelle conversioni.

Per spiegare cosa significa questa definizione, procedo subito con un esempio.

Immagina che un utente sia interessato ad acquistare una racchetta da tennis. Allora va su Google, cerca “racchette da tennis” e clicca un annuncio AdWords pubblicato dal sito di esempio www.racchettedatennis.it. Naviga un po’ il sito, osserva un po’ di racchette in vendita, e se ne va.

Il giorno dopo torna su Google, cerca di nuovo “racchette da tennis” e questa volta clicca su un risultato non a pagamento del motore di ricerca, sempre dello stesso sito web. Entra nel sito e acquista  una racchetta.

Il merito della conversione, secondo te, a quale canale deve essere attribuito?

  • al primo annuncio AdWords cliccato dall’utente, che lo ha portato a conoscere il sito?
  • al risultato non a pagamento (probabilmente frutto di un investimento SEO), che lo ha portato sul sito nella sessione in cui ha acquistato?
  • 50% all’annuncio AdWords e 50% al risultato non a pagamento?
  • Altre combinazioni di pesi? Es. 70% AdWords e 30% risultato non a pagamento?
Esempio di Customer Journey per il settore Casa e Giardino in USA. Fonte: https://www.thinkwithgoogle.com

Esempio di Customer Journey e del ruolo svolto da ciascun canale di marketing per il settore Casa e Giardino in USA. Fonte: https://www.thinkwithgoogle.com

Ti dico subito che non c’è una unica risposta a questo problema, e non è semplice identificare il modello di attribuzione più adatto al proprio business e strategia di digital marketing! 🙂

Tuttavia, Google Analytics fornisce diversi dati e strumenti utilissimi, che ti aiutano a capire il ruolo svolto da ciascun canale nel processo di conversione degli utenti.

Questi dati e strumenti si trovano nelle due sezioni Canalizzazioni multicanale e Attribuzione, due sezioni che molti ancora non conoscono a fondo.

La sezione Multicanale e di Attribuzione delle conversioni su Google Analytics

Le sezioni “Canalizzazioni Multicanale” e “Attribuzione” su Google Analytics

Perché ti deve interessare il problema dell’attribuzione?

Sia che tu sia un freelance, sia che sia il responsabile digital marketing di una azienda, certamente anche tu hai il seguente problema:

hai degli obiettivi da raggiungere (es. vendite, nuovi clienti, lead, ecc.), e hai a disposizione delle risorse limitate (tipicamente: soldi e tempo tuo o dei tuoi collaboratori) che ogni mese puoi investire in attività di marketing.

Come devi allocare le tue risorse tra le infinite possibilità che offre il digital marketing?

Nel Digital Marketing, le possibilità di investimento sono tantissime (e aumentano sempre di più!), sia nella scelta tra i canali (es. AdWords? Post sponsorizzati su Facebook? Direct email marketing? Video ADV? SEO? E così via…), sia nella scelta tra le tipologie di campagne e messaggi da comunicare (es. evidenzio i benefici del mio prodotto? Promuovo un’offerta speciale? Promuovo una guida o un articolo di interesse? E così via…).

Capire quindi come allocare in maniera ottimale le tue risorse limitate può fare la differenza fra il successo e l’insuccesso, tra la crescita o la stagnazione, tra il raggiungere gli obiettivi o fallirli, tra il paradiso o l’apocalisse… va beh, mi sono spiegato. 🙂

Per poter allocare le tue risorse, però, devi essere in grado di capire come identificare il valore portato da ciascun canale in cui tu hai investito e prendere delle decisioni:

  • se un canale non ha portato valore sufficiente rispetto al costo sostenuto, devi diminuire il suo budget, o addirittura eliminarlo.
  • se un canale sta portando molto valore rispetto al costo sostenuto, potrebbe essere utile aumentare il suo budget.

Inoltre, devi anche cercare di capire se il tuo piano marketing “copre” realmente ed efficacemente tutto il processo decisionale di conversione degli utenti, o se non funzionano dei “pezzi” fondamentali: ad esempio, se non stai investendo efficacemente in campagne di Awareness, che fanno conoscere il tuo brand a persone “in target” che ancora non ti conoscono.

In conclusione, una cosa mi sento di dirla con certezza: saper analizzare le proprie campagne di digital marketing in modo multi-canale è cruciale per ogni business online.

(e aggiungo anche: saper analizzare le proprie campagne tenendo conto anche del comportamento multi-device degli utenti… ma questa è un’altra storia, per futuri articoli di questo blog).

Ad oggi, come valuti l’efficacia delle tue campagne? Come decidi l’allocazione risorse tra le campagne di Digital Marketing?

Se ti basi solo sui rapporti “standard” di Google Analytics e sulle metriche mostrate in essi (il tasso di conversione, le entrate per visita o il ROI), potresti avere un problema.

Vediamo perchè…

Rapporti “standard” di Google Analytics: il modello di attribuzione last-click non diretto

Innanzitutto, vediamo il criterio con cui Google Analytics attribuisce le conversioni, nei rapporti “standard” (es. canali di traffico o sorgenti e mezzi di traffico).

Ad esempio, guarda lo screenshot seguente, e nota come, ad ogni canale di traffico Google Analytics ha attribuito un certo numero di transazioni e-commerce (es. Organic Search –> 45 transazioni):

Esempio di metriche per canale di traffico. Nelle ultime tre colonne sono riportati i dati relativi alle conversioni.

Esempio di rapporto standard “canali di traffico”. Nelle ultime tre colonne sono riportati i dati relativi alle conversioni, che Google Analytics attribuisce ai vari canali di traffico riportati nella prima colonna. Ma in base a quale criterio, ad esempio, GA ha attribuito ad Organic Search 45 conversioni? La risposta è “last-click non diretto”: vediamo che vuol dire.

Ad eccezione dei rapporti contenuti nelle sezioni “Canalizzazioni multicanale” e “Attribuzione”, Google Analytics utilizza sempre lo stesso modello di attribuzione per le conversioni: last-click non diretto:

Nei rapporti “standard”, il modello di attribuzione utilizzato da Google Analytics è last-click non diretto.

Questo vuol dire che tutto il merito di una conversione viene attribuito all’ultimo canale, escluso il “diretto”, che ha portato l’utente sul sito prima della conversione.

Modello di attribuzione Last Click non diretto su Google Analytics

Modello di attribuzione Last Click non diretto su Google Analytics. Fonte: https://support.google.com/analytics/answer/1665189?hl=it

Ad esempio, vediamo tre possibili scenari e capiamo come Google Analytics attribuisce le conversioni con il modello last-click non diretto, nei diversi casi:

  1. un utente visita il sito il primo giorno venendo da un risultato non a pagamento su motore di ricerca (canale = “Organic Search”); il giorno dopo, torna da un annuncio AdWords (canale = “Paid Search”) e acquista. La conversione viene attribuita all’ultimo canale (=last click) che ha portato l’utente all’acquisto, ovvero Paid Search.
  2. Un utente visita il sito il primo giorno venendo da un risultato non a pagamento su motore di ricerca (canale = “Organic Search”); il giorno dopo, torna digitando direttamente la URL del sito nel browser (canale = “Direct”) e acquista. La conversione viene attribuita all’ultimo canale (=last click) diverso da diretto (“non diretto”: da qui, il nome del modello “last click non diretto”) che ha portato l’utente all’acquisto, ovvero Organic Search.
  3. Un utente visita più volte il sito, ma sempre solo digitando la URL del sito nel browser. Nell’ultima sessione acquista. In questo caso, essendo il diretto l’unico canale che ha partecipato alla conversione, l’acquisto viene attribuito al canale Diretto.

I rapporti standard di Google Analytics forniscono quindi una visione semplificata del processo di conversione dell’utente, andando ad attribuire tutto il merito delle conversioni all’ultimo canale che ha portato l’utente a convertire, ignorando il canale diretto (tranne nel caso in cui l’utente abbia utilizzato solo il canale “diretto” in tutte le visite prima della conversione: in questo caso, la conversione viene attribuita a “diretto”).

Quindi, se tu effettui campagne di marketing mirate a far conoscere il tuo brand, ad acquisire nuovi clienti, o comunque se i tuoi utenti hanno bisogno di più visite prima di convertire, i rapporti standard di Google Analytics ti forniscono una visione distorta della performance delle tue campagne.

I rapporti standard, infatti, attribuiscono il merito solo alle campagne che “innescano” l’azione effettiva di conversione, nascondendo il merito delle campagne che contribuiscono all’awareness dei tuoi servizi, o al “recall” (cioè che ricordano i tuoi prodotti agli utenti e li riportano sul tuo sito).

Se quindi devi decidere come allocare il tuo budget tra i vari canali e campagne e ti basi solo sui rapporti standard, su quali canali sarai portato ad investire? Ovviamente, su quelli che innescano l’azione di conversione!

Di conseguenza, poiché hai risorse limitate, toglierai budget dai canali che generano awareness o recall, che però potrebbero essere altrettanto importanti per il tuo business.

Il processo decisonale di conversione è come una "catena"...

Il processo decisonale di conversione è come una “catena”…

Il processo decisionale di conversione è come una catena: la sua efficacia non dipende solo dal lucchetto (=il canale che innesca la conversione), ma da tutti gli anelli che formano la catena (=i canali che generano awareness, recall, ecc.).

Se togli un canale importante nel processo decisionale di conversione degli utenti, questo processo si può spezzare, e la conversione non avviene.

Per avere una visione completa del processo di conversione e del ruolo svolto dai nostri canali di digital marketing, dobbiamo analizzare i dati con i rapporti Multicanale di Google Analytics.

Conversioni ultimo click, primo click e conversioni indirette

Nei rapporti multi-canale di Google Analytics è possibile vedere il ruolo svolto dai diversi canali che hanno partecipato al processo di conversione.

In questi rapporti si parla spesso di conversioni dirette o attribuite al last-click, conversioni attribuite al first-click e conversioni indirette.

Vediamo che vuol dire:

  • Conversioni dirette. Se l’ultimo canale che ha portato la conversione era il diretto, la conversione si dice “diretta”.
  • Ultimo click (last click). Un canale ha portato una conversione di ultimo click se lui è stato l’ultimo canale che ha partecipato al processo di conversione dell’utente (in altre parole, è il canale che ha portato l’utente sul sito nella sessione in cui ha convertito).
  • Primo click (first click). Un canale ha portato una conversione di primo click se lui è stato il primo canale che ha partecipato al processo di conversione dell’utente (in altre parole, è il canale che ha portato l’utente a “scoprire” il sito per la prima volta).
  • Conversioni indirette (dette anche conversioni assistite). Un canale ha portato una conversione indiretta se ha partecipato al processo di conversione dell’utente, ma non è stato l'”ultimo click” (=non è stato l’ultimo canale a portare l’utente sul sito prima della conversione). Le conversioni “primo click” sono quindi un sotto-insieme delle conversioni indirette.
Esempio di rapporto multicanale su Google Analytics

Esempio di rapporto multicanale su Google Analytics.

Ok, ok, ho capito… Ma come analizzare le campagne di marketing in modo multi-canale?

Ottima domanda, di non facile né breve risposta: la vedremo insieme, nei prossimi articoli di questa serie.

Negli articoli successivi, infatti, vedremo come leggere e interpretare i dati dei rapporti Canalizzazioni Multi-canale e come utilizzare lo strumento Modelli di attribuzione delle conversioni.

Per adesso è tutto! Per qualsiasi dubbio lascia un commento qui sotto o scrivimi via email.

Un saluto e a presto! 🙂

Gabriele

,

Cosa sono gli Eventi su Google Analytics

Cosa sono gli Eventi su Google Analytics

Gli Eventi sono un tipo di “dato” di Google Analytics che ti permette di tracciare le interazioni degli utenti con il tuo sito (es. i click su un certo pulsante, il download di un PDF, il login al sito, ecc.).

Di default (ovvero: installando solo il codice base di GA), gli Eventi non sono tracciati: infatti, le uniche interazioni degli utenti che Google Analytics traccia, avendo inserito solo il codice base, sono le visualizzazioni delle pagine del tuo sito.

Se, invece, tu vuoi tracciare anche altre azioni degli utenti, come i click sul pulsante “Iscriviti alla newsletter” o la “Registrazione al sito”, devi effettuare una implementazione custom del codice di tracciamento e, in particolare, devi implementare gli Eventi (di seguito riporto alcuni link che spiegano come fare).

Una volta che raccogli i dati relativi agli eventi, li puoi trovare nella sezione Comportamento –> Eventi del tuo pannello di Google Analytics. I dati si presentano in maniera simile al seguente screenshot:

Esempio di rapporto "Principali eventi" su Google Analytics

Esempio di rapporto “Principali eventi” su Google Analytics

Cosa sono esattamente gli Eventi?

Quando una azione viene tracciata con un Evento, Google Analytics registra sempre due “valori” associati all’azione:

  • La “categoria dell’evento: questa è una etichetta che specifica la categoria a cui appartiene l’azione effettuata dall’utente
  • La “azione dell’evento: questa è una etichetta che specifica l’azione effettuata dall’utente

I valori che queste due etichette avranno, per ogni azione tracciata sul sito come Evento, vengono stabiliti da chi effettua l’implementazione del tracciamento.

Ad esempio, immaginiamo che io voglia realizzare il tracciamento tramite Evento del click sul pulsante “Aggiungi alla lista dei desideri” di un sito e-commerce.

Farò in modo che, quando l’utente clicca su “Aggiungi alla lista dei desideri”, venga tracciato un Evento che contiene i seguenti valori:

  • Categoria: “Processo di acquisto”
  • Azione: “Aggiunta alla lista dei desideri”

Inoltre, posso fare in modo che, quando l’utente clicca il pulsante di aggiunta a carrello di un prodotto, venga tracciato un evento che contiene i seguenti valori:

  • Categoria: “Processo di acquisto”
  • Azione: “Aggiunta a carrello”

Sono io che decido di assegnare proprio questi valori di “categoria” ed “azione” quando l’utente effettua queste due azioni, e scrivo queste etichette nella maniera che ritengo più utile per le mie successive analisi dati.

Infatti, se vado poi nel rapporto Comportamento –> Eventi –> Principali eventi, vedrò una tabella con una dimensione contenente i valori di “Categoria” degli eventi tracciati.

Tra questi valori, troverò quindi la categoria “Processo di acquisto”, assieme ai valori di categoria che ho tracciato per altre azioni che è possibile effettuare sul sito (es. “Downloads”, “Acquisizione lead”, ecc.)

E, per ogni categoria tracciata, vedrò delle metriche misurate da Google Analytics, tra cui la metrica “Totale eventi”, che conteggia il numero di azioni tracciate in ciascuna categoria.

Ad esempio, nello screenshot di seguito vediamo che, nel periodo considerato, su un certo sito e-commerce sono state effettuate:

  • 1553 azioni appartenenti alla categoria “Processo di acquisto” (che possono essere ad esempio: “aggiunte al carrello”, “aggiunte alla wishlist”, e altre azioni che ho tracciato come Eventi sotto questa categoria)
  • 353 azioni appartenenti alla categoria “Awareness” (es. scaricamento della brochure relativa al negozio)
  • 41 azioni appartenenti alla categoria “Errori” (es. visualizzazione della pagina di errore 404)
Esempio di categorie per gli eventi su Google Analytics

Esempio di categorie per gli eventi su Google Analytics

Se ora clicco sulla categoria “Processo di acquisto” entrerò in un nuovo rapporto e vedrò, come dimensione, i valori del campo “Azione” per tutti gli eventi tracciati e appartenenti a quella categoria:

Esempio di azioni per gli eventi su Google Analytics

Esempio di azioni per gli eventi su Google Analytics

In altre parole, tutte le azioni che gli utenti svolgono sul sito e relative al processo di acquisto, le ho tracciate con “categoria” uguale a “Processo di acquisto” e “azione” uguale al nome dell’azione effettuata.

In questo modo posso vedere, in un unico report, quante volte ciascuna azione del processo di acquisto è stata effettuata, nel periodo considerato.

Nota: se hai un e-commerce, è sicuramente conveniente tracciare le aggiunte a carrello, gli avvi di checkout e gli acquisti con le funzionalità di tracciamento relative all'”E-commerce Avanzato” (a.k.a. Enhanced Ecommerce). Tuttavia, trovo personalmente molto utile tracciare queste azioni anche come Eventi, per diversi motivi che spiegherò in articoli successivi.

Etichetta e valore dell’evento

Oltre a “Categoria” e “Azione”, che sono valori che devo specificare obbligatoriamente quando traccio una azione con un Evento, posso anche specificare altri due valori opzionali:

  • Etichetta“, dove ad esempio posso inserire il nome di un documento scaricato, di un prodotto aggiunto a carrello, o qualsiasi altra informazione aggiuntiva che mi interessa associare ad una azione tracciata con Evento.
  • Valore“, dove posso specificare un valore numerico intero da associare all’azione tracciata. Es. se ho tracciato con un evento l’aggiunta di un prodotto alla wishlist, nel campo etichetta di questo evento posso specificare il prezzo del prodotto aggiunto alla wishlist.

Come analizzare i dati relativi agli Eventi su Google Analytics

Implementare un tracciamento completo e corretto di Eventi sul nostro sito web è una attività cruciale se vogliamo effettuare analisi che ci aiutino a prendere decisioni efficaci.

Vediamo un esempio di come una analisi degli eventi ci possa fornire una informazione importante e ci aiuti a risolvere un problema di usabilità del nostro sito.

In un sito e-commerce di esempio, ho implementato tre eventi associati al processo di checkout:

  • Avvio checkout, che scatta quando l’utente vede il form in cui inserire tutti i dati di acquisto (nome, indirizzo, email, ecc.)
  • Click su Effettua ordine, che scatta quando l’utente, dopo aver completato tutti i campi del form, vuole andare a pagare. Dopo il click su Effettua ordine, viene trasferito su Paypal, dove può completare il pagamento.
  • Acquisto completato, che scatta quando l’utente, dopo aver pagato l’ordine, viene rediretto sulla thank-you page di acquisto.
Esempio di analisi degli eventi su Google Analytics

Esempio di analisi degli eventi su Google Analytics

Ora, vediamo la spiegazione di due metriche molto importanti relative agli eventi e mostrate nella tabella:

  • La metrica “Totale eventi“, che misura il numero di azioni complessive tracciate per ciascun evento. Nel caso di “Click su Effettua ordine”, quindi, gli utenti hanno cliccato 63 volte sul pulsante per andare a pagare.
  • La metrica “Eventi unici“, che misura il numero di sessioni in cui quell’evento è stato tracciato almeno una volta. Nel caso di “Click su Effettua ordine”, quindi, vi sono state 33 sessioni in cui gli utenti hanno cliccato quel pulsante almeno una volta.

Questo vuol dire che il pulsante “Effettua ordine” è stato cliccato mediamente due volte, in ogni sessione in cui gli utenti lo hanno cliccato.

Ma perchè accade questo? Se tutto fosse normale, dopo che l’utente ha compilato correttamente i campi del form, gli basterebbe 1 solo click per completare l’acquisto! 🙁

Io mi aspetterei quindi di trovare un valore di “Totale eventi” e di “Eventi unici” abbastanza simile per l’azione “Click su Effettua ordine”, ma invece, vedendo questi dati, sembra che gli utenti provino più volte a cliccare questo pulsante.

Questo sembra indicare una problematica nel form di checkout! Ad esempio, potrebbe essere che gli utenti abbiano dei problemi a compilare qualche campo del form e, dopo il primo click su Effettua ordine, ricevano un errore nell’invio dei dati, che li costringe a ripetere l’operazione.

Una volta che abbiamo capito che c’è un problema in questo punto del sito, possiamo andare ad analizzare la situazione con altri strumenti complementari, come HotJar, che ci consente ad esempio di video-registrare le sessioni degli utenti, o tracciare le compilazioni ed abbandoni sui singoli campi del form, e ci aiuta perciò a capire quali sono i campi problematici del form.

Differenza tra Eventi e Obiettivi su Google Analytics

Su Google Analytics è possibile tracciare le interazioni degli utenti con il sito sia come Eventi che come Obiettivi.

Ma qual’è la differenza tra le due modalità? Quando utilizzare gli Eventi e quando utilizzare gli Obiettivi?

Vantaggi e svantaggi degli Eventi

Tracciare una azione con un Evento significa creare, nel proprio pannello di Google Analytics, un set di tre dimensioni (di ambito “hit”), collegate gerarchicamente tra di loro: “Categoria”, “Azione” ed “Etichetta”. A ciascuna di queste dimensioni è associato il calcolo di alcune metriche, come “Eventi totali” ed “Eventi unici”.

Come tutte le dimensioni, gli Eventi possono quindi essere analizzati in un rapporto specifico, in cui nella prima colonna compare una delle tre dimensioni (es. l’Azione dell’evento) e nelle altre compaiono le metriche misurate per ciascun valore della dimensione.

La struttura gerarchica delle dimensioni associate ad un Evento (Categoria –> Azione –> Etichetta) rende gli Eventi utili a “mantenere ordinati” i dati di interazione con il sito, in maniera a simile a quando ordiniamo i nostri file nelle cartelle del nostro PC.

Se ordiniamo i dati in maniera corretta e a noi “comoda”, le relative analisi sulle interazioni degli utenti con il nostro sito saranno più efficienti ed efficaci, e potremo capire velocemente cosa sta succedendo.

Gli Eventi hanno inoltre un rapporto di flusso a loro dedicato, che permette di vedere la sequenza di Eventi che sono stati tracciati sul sito.

Esempio di rapporto di flusso Eventi su Google Analytics

Esempio di rapporto di flusso Eventi su Google Analytics

Tuttavia, gli Eventi presentano anche degli svantaggi in fase di analisi, tra cui:

1) Per ogni Evento tracciato, Google Analytics NON calcola il relativo tasso di conversione e risulta complicato mettere in relazione gli Eventi con altre dimensioni.

E’ vero, lo potremmo fare, ad esempio, aggiungendo una dimensione secondaria al rapporto Principali Eventi, ma il modo in cui poi vediamo visualizzati i dati a mio parere rende l’analisi complessa e poco efficiente.

Con gli Eventi non è quindi facile, ad esempio, rispondere alla domanda: “da dispositivo mobile quanto frequentemente gli utenti aggiungono prodotti a carrello?”.

Infatti, posso immediatamente contare quante volte gli utenti mettono a carrello da mobile, ma non posso sapere facilmente l’efficienza con cui si svolge questa azione da mobile, perchè manca la misura del tasso di conversione relativo a questa azione.

2) Gli Eventi non compaiono nei rapporti Multicanale, rendendo così molto difficile capire come gli utenti utilizzano il nostro sito nell’arco di più sessioni.

Nei rapporti Multicanale le metriche che compaiono sono relative a Transazioni e-commerce ed Obiettivi, ma non Eventi.

Con gli Eventi faccio fatica, quindi, a rispondere a questa domanda: “Quanto tempo passa mediamente dalla prima visita al sito al momento in cui gli utenti mettono a carrello un prodotto?”

Se voglio rispondere a questo tipo di domande, mi conviene quindi tracciare le relative azioni anche come Obiettivi, che invece permettono questo tipo di analisi.

Differenza con gli Obiettivi

Come spiegato dettagliatamente in questo articolo, tracciare una azione come Obiettivo significa attivare alcune metriche associate ad una azione, tra cui:

  • il conteggio delle sessioni in cui si è svolta l’azione tracciata come Obiettivo
  • la misura del tasso di conversione relativa all’azione tracciata come Obiettivo

Il vantaggio primario di tracciare una azione come Obiettivo è che quindi posso facilmente metterla in relazione con altre dimensioni, e confrontare quindi l’efficienza nel compiere una azione specifica (analizzando il tasso di conversione).

Se voglio quindi sapere da quale canale di traffico o su quale dispositivo avviene più frequentemente (a parità di sessioni) l’azione di messa a carrello, traccio questa azione come Obiettivo e il gioco è fatto! 🙂

Inoltre, un altro vantaggio importante è che gli Obiettivi compaiono come metriche nei rapporti Multicanale, e mi consentono quindi di capire il comportamento degli utenti lungo più sessioni, e valutare quanto tempo passa mediamente tra la prima visita e il momento in cui si compie una certa azione.

Gli obiettivi, di contro, hanno lo svantaggio che non consentono una struttura gerarchica e ordinata, e vengono spesso visualizzati nel pannello come una “unica lista” di azioni.

Inoltre, possiamo configurare al massimo 20 Obiettivi per ciascuna Vista di Google Analytics, per cui siamo costretti a selezionare un numero limitato di azioni tracciate come obiettivo (oppure, siamo costretti a creare più Viste).

In conclusione, personalmente trovo molto conveniente tracciare le azioni più importanti relative al processo decisionale di conversione (quindi sia le conversioni, che le micro-conversioni) sia come Eventi che come Obiettivi, per poter sfruttare i vantaggi, in termini di analisi, delle due modalità di tracciamento.

 

Come implementare il tracciamento degli Eventi con Google Analytics

Implementare il tracciamento degli Eventi sul tuo sito web può richiedere un po’ di lavoro di sviluppo, ma è una attività che ti può portare sicuramente molto valore in fase di analisi.

A questo link del supporto di Google Analytics puoi trovare le guide tecniche per implementare il tracciamento degli Eventi sul tuo sito web.

Personalmente, per implementare il tracciamento con Google Analytics, consiglio di utilizzare il Google Tag Manager, perchè ti consente una flessibilità molto maggiore nell’implementazione e offre numerosi vantaggi.

Spero che questo articolo sia stato utile! Per qualsiasi dubbio lasciami un commento o scrivimi direttamente via email.

Un saluto e a presto!

Gabriele

,

Cosa sono le conversioni

Cosa sono le conversioni su Google Analytics

Nel digital marketing, una conversione è una azione che il proprietario di un sito web desidera che gli utenti effettuino e che, in generale, porta valore (effettivo o potenziale) al suo business online.

Esempi di conversioni per un sito e-commerce possono essere:

  • l’acquisto di uno o più prodotti
  • la registrazione al sito
  • l’iscrizione alla newsletter

Le azioni di conversione generalmente corrispondono con gli obiettivi principali che un sito ha: far comprare gli utenti, farli registrare al sito, farli iscrivere alla newsletter, ecc.

Come si misurano le conversioni su Google Analytics

Su Google Analytics, le conversioni possono essere tracciate in diversi modi:

  • Le transazioni e-commerce si misurano con l’implementazione del tracciamento e-commerce di Google Analytics (che è presente in due tipologie: “standard” e “avanzato”).
  • Le conversioni non e-commerce (es. la registrazione al sito o l’iscrizione alla newsletter) si misurano attraverso la funzionalità degli obiettivi, che a loro volta possono richiedere l’implementazione degli eventi.

In questo modo, con Google Analytics possiamo misurare quante azioni di conversione vengono effettuate sul nostro sito in un certo periodo, e capire se la nostra attività sta crescendo nel tempo, o a seguito di una certa campagna di marketing, ecc.

Su Google Analytics, le informazioni relative alle conversioni si trovano in diversi rapporti, ad esempio:

Esempio di metriche per canale di traffico. Nelle ultime tre colonne sono riportati i dati relativi alle conversioni.

Esempio di metriche per canale di traffico. Nelle ultime tre colonne sono riportati i dati relativi alle conversioni.

Ai seguenti link puoi trovare un approfondimento su:

Cos’è il tasso di conversione

Nel digital marketing, una delle metriche più importanti ed utilizzate è il tasso di conversione.

Come puoi vedere dallo screenshot soprastante, il tasso di conversione viene riportato in una delle ultime tre colonne dei report di Google Analytics (al momento nella terz’ultima, ma credo che presto verrà spostato nell’ultima colonna).

Per spiegare cos’è il tasso di conversione, procediamo con un esempio.

Immaginiamo che nell’ultimo mese nel mio negozio online siano arrivate 100.000 visite di utenti provenienti da Roma e 20.000 visite di utenti provenienti da Milano.

Gli utenti di Roma hanno effettuato 3.000 acquisti, mentre gli utenti da Milano solo 2.000.

Se volessi attivare una campagna di marketing localizzata solo in una città, dove mi converrebbe effettuarla: su Roma o su Milano?

Per rispondere a questa domanda, devo ovviamente confrontare quanti acquisti provengono dalle due città a parità di visite. Il tasso di conversione mi consente proprio di effettuare questo confronto.

Infatti:

 

Il tasso di conversione è una metrica che misura quante conversioni sono state generate mediamente in un certo periodo, ogni 100 visite al sito.

 

Il tasso di conversione si esprime in percentuale, e si calcola con questa formula:

tasso di conversione = conversioni / sessioni * 100

Calcoliamo quindi il tasso di conversione per le due città dell’esempio qui sopra:

  • Roma: 3.000 / 100.000 * 100 = 3% –> Tasso di conversione = 3% –> ovvero: ogni 100 visite mediamente vengono realizzati 3 acquisti
  • Milano: 2.000 / 20.000 * 100 = 10% –> Tasso di conversione = 10% –> ovvero: ogni 100 visite mediamente vengono realizzati 10 acquisti

Nel nostro esempio, il tasso di conversione di Milano è oltre tre volte più grande di quello di Roma, ovvero, a parità di visite gli utenti comprano oltre 3 volte di più!

Confrontando i valori del tasso di conversione per le due città ottengo una informazione importante che posso utilizzare (insieme ad altre informazioni, che vedremo in articoli successivi) per decidere dove attivare la mia campagna pubblicitaria.

Cosa sono le micro-conversioni

Spesso, nel digital marketing, e nella web-analytics, si parla di micro-conversioni.

Le micro-conversioni sono tutte le quelle azioni che l’utente può compiere prima di arrivare ad una conversione e che sono associate al processo decisionale di conversione.

Ad esempio, nel caso di un sito e-commerce, possono essere considerate micro-conversioni:

  • la ricerca di un prodotto nel sito (es. attraverso il box di ricerca interno o il menu di navigazione)
  • l’aggiunta a carrello di un prodotto
  • l’aggiunta di un prodotto alla lista di desideri
  • l’avvio del checkout
  • il click sul pulsante “Vai a pagare”

… e così via.

E’ molto importante tracciare con Google Analytics anche le micro-conversioni che avvengono sul tuo sito, perchè ti consentono di avere una visione di dettaglio del comportamento utente e capire quali sono, ad esempio, i principali punti di abbandono.

Per adesso è tutto! Per qualsiasi dubbio lasciami un commento o scrivimi via email senza esitare.

Un saluto e a presto!

Gabriele

,

Categoria dispositivo su Google Analytics

Rapporto categoria dispositivo su Google Analytics

Su Google Analytics possiamo analizzare i dati rispetto alla categoria del dispositivo da cui gli utenti hanno visitato il nostro sito: desktop, mobile e tablet.

Questo tipo di analisi è molto utile, perchè ci permette di valutare la performance del nostro sito quando viene visitato dai diversi device.

Ed è importante soprattutto oggi, che il traffico da mobile su un sito spesso supera quello da desktop, e che Google si sta preparando ad implementare un’indicizzazione “mobile-first”.

La categoria dispositivo è una dimensione di Google Analytics e i suoi dati si possono trovare nel rapporto Pubblico –> Mobile –> Panoramica.

Come analizzare i dati per categoria dispositivo

Innanzitutto, possiamo confrontare le diverse metriche rispetto ai tre tipi di dispositivi, per formarci un’idea di come si sta comportando il nostro sito rispetto ai principali aspetti di interesse.

Vediamo un esempio, relativo al sito e-commerce “Google Merchandise Store“, i cui dati sono stati gentilmente resi disponibili da Google a tutti gli utenti di GA. Il periodo è 4 nov 2016 – 5 gen 2017.

Esempio di rapporto "Categoria dispositivo" su Google Analytics

Esempio di rapporto “Categoria dispositivo” su Google Analytics

Dallo screenshot possiamo trarre le seguenti informazioni:

  • sul sito di GMS, ad oggi la maggior parte del traffico proviene ancora da desktop (quasi 80% delle sessioni). Il traffico da mobile rappresenta il 17%, mentre quello da tablet è quasi trascurabile (3% circa), per cui al momento non lo considero nella mia analisi.
  • Come performance di primo impatto, mi sentirei di dire che il sito sui tre device si comporta in maniera abbastanza simile: un po’ meglio su desktop (frequenza di rimbalzo 42,39%), e un po’ peggio su mobile (49,26%).
  • Il sito da mobile viene navigato mediamente meno in profondità che da desktop (4,62 pagine per sessione vs 3,73) e per un periodo un po’ più breve (mediamente 30 secondi in meno).
  • Tuttavia, il dato più importante è secondo me questo: il tasso di conversione e-commerce da mobile è di gran lunga inferiore a quello desktop, 0,54% vs 3,89%, una differenza molto, molto elevata. Ad oggi, una visita da mobile sembra portare un valore economico circa 7 volte inferiore rispetto ad una visita da desktop.

L’insieme di questi dati mi suggerisce che la versione mobile del sito potrebbe avere un problema di usabilità, soprattutto nella fase di acquisto (es. nelle pagine di checkout).

A questo punto, è sicuramente opportuno investigare più in profondità su questo problema, ad esempio analizzando:

  • il funnel di checkout dei rapporti di e-commerce avanzato di Google Analytics, confrontando le performance da desktop e da mobile per ogni singolo step del funnel
  • le pagine di uscita del sito, confrontando le performance da desktop e da mobile: gli utenti, da mobile, abbandonano il sito da pagine diverse e inaspettate (es. le pagine prodotto o il carrello)?
  • gli eventi e obiettivi, confrontando le performance da mobile e da desktop (avendo prima avuto cura di tracciare tutte le azioni più importanti del processo di acquisto con queste due modalità di tracciamento, es. l’aggiunta a carrello o l’esplorazione di una scheda prodotto)
  •  i dati di altri tool complementari quali HotJar, che, tra le varie funzionalità, permette di video-registrare le sessioni di navigazione degli utenti (in realtà quello che registrano sono semplicemente i movimenti del mouse) e di vedere, direttamente con i nostri occhi, quali sono i problemi che essi si trovano ad affrontare.

Per adesso è tutto! Per qualsiasi dubbio, lasciate un commento qui sotto o scrivetemi via email.

Un saluto,

Gabriele