Cosa sono le Web Analytics, e come utilizzarle per ottimizzare il vostro business digitale?



Ormai, non parliamo più di una novità: le nostre azioni online sono perfettamente tracciabili, e generano una grande mole di dati che devono essere trasformati in informazioni utili ai processi di decision making.

Da un lato, tali osservazioni diventano ancora più valide nell’attuale contesto dominato dai Big Data; d’altra parte, diverse ricerche (per esempio “The Analytics Mandate – 2014 Data & Analytics Global Executive Study and Research Project”, progettata da MIT e SAS) sottolineano come l’utilizzo efficace ed efficiente delle analitiche diventi fonte di vantaggio competitivo solo in un primo momento di early adoption, prima che i concorrenti inizino a prestare la stessa attenzione verso dati e statistiche.

Ecco che allora la conoscenza degli approcci, degli obiettivi e degli strumenti di web analytics diventa fondamentale al fine di ottimizzare il business, online come offline. In questo articolo facciamo un po’ di chiarezza sul mondo delle analitiche digitali: siete pronti a fare i primi passi per diventare Web Analyst di successo?

LEGGI ANCHE: Analytics Of Things: l’evoluzione del Data Management nella vision di Deloitte

Cosa sono le web analytics, e perché sono indispensabili per ottimizzare i processi aziendali e organizzativi?

Web Analytics: cos’è? Riprendendo le parole dirette della Digital Analytics Association, definiamo le web analytics come:

“La misurazione, la raccolta, l’analisi ed il reporting di dati provenienti dalla rete, con lo scopo di comprendere e ottimizzare i comportamenti online.”

Da questa prima definizione è possibile distinguere le principali differenze fra 3 etichette – misura, metrica e KPI – utilizzate spesso come intercambiabili quando si parla di (web) analytics, ma che in realtà nascondono alcune eterogeneità di fondo. Per farlo, prendiamo spunto dalla classificazione e dagli esempi riportati nell’articolo “What is a KPI, Metric or Measure?”:

  • Misura: una convenzione, uno standard che permette di definire linguaggio comune. Un esempio: la velocità espressa in Km/h.
  • Metrica: molto simile alla misura, “cala” maggiormente la definizione sopracitata su un discorso pratico e hic et nunc. Un esempio: il limite di velocità fissato a 50 Km/h.
  • Key Performance Indicator (KPI): metrica di performance rilevante per un’industry, un’attività, un settore, diventando poi comparabile nel tempo anche in funzione degli obiettivi pre-fissati. Un esempio: stiamo guidando ai 60 Km/h, ovvero 10 Km/h in più rispetto al limite fissato dalla legge.

A livello pratico, relativamente al livello di complessità dei calcoli ed alla conoscenza diffusa degli approcci, delle metodologie e degli strumenti all’interno delle organizzazioni, è possibile individuare tre principali layer:

  • Analytically Challenged: si tratta di attori (manager, aziende, etc.) che in generale “soffrono” il mondo delle analitiche. Si affidano maggiormente alle sensazioni di pancia, all’esperienza personale/professionale, ai percorsi storici. Nel momento in cui si approcciano ai numeri hanno difficoltà a individuare cosa misurare e in che modo, orientandosi principalmente alla riduzione dei costi di misurazione e di gestione dell’intero processo.
  • Analytical Pratitioners: si stanno impegnando a fondo per diventare esperti in data analysis. Concentrano sforzi e attenzioni sui dati adeguati, nella volontà finale di diventare entità data-driven.
  • Analytical Innovators: danno un grande valore ai dati ed alle misurazioni online e offline, e le attività sono spinte/stimolate con un approccio top-down. Manager e dirigenti sono infatti i primi attori coinvolti e consapevoli, e lavorano nell’obiettivo di diffondere una cultura analitica d’eccellenza.

Dagli obiettivi alle analitiche: il modello SMART

Naturalmente, le analitiche online e offline non hanno senso se non utilizzate per misurare in modo periodico l’andamento di azioni, dinamiche e comportamenti in funzione di specifici obiettivi.

La questione diventa allora quella di definire ex-ante i giusti obiettivi (di business, di vendite, di engagement, etc.), il cui raggiungimento potrà essere monitorato/certificato dalle stesse web analytics.

A proposito, un modello interessante è quello definito come SMART, il quale sostiene che i goal debbano avere almeno 5 caratteristiche di fondo: specificità, misurabilità, raggiungibilità, rilevanza, limitazione nel tempo. L’immagine sotto descrive più nello specifico ciascuna dimensione.

Tale modello è perfettamente applicabile a qualsiasi progetto digitale, diventando il driver per l’avvio della configurazione e gestione delle analitiche web.

2 strumenti irrinunciabili di web analytics: Google Analytics vs Adobe Analytics

Una volta chiarita la natura delle web analytics e avere differenziato le principali tipologie in funzione degli impatti digitali e di business, passiamo brevemente in rassegna 2 tool che non possono mancare nel toolkit del Web Analyst di successo, spartendosi le quote di utilizzo e mercato: Google Analytics, Adobe Analytics (Site Catalyst). Per una comparazione aggiornata al 2014 ma schematica e più complessiva, leggete l’articolo “Google Analytics vs Adobe Site Catalyst – A Quick Comparison”.

Google Analytics

“Google Analytics non solo ti permette di misurare vendite e conversioni, ma ti offre anche dati aggiornati su come i visitatori utilizzano il tuo sito, come sono arrivati ​​sul tuo sito e che cosa puoi fare per incentivarli a tornare.”

Uno dei tool standard di settore, Google Analytics è largamente utilizzato da manager, analisti, consulenti, utenti per monitorare le performance dei propri progetti digitali, indipendentemente da tipologia e dimensioni del business. Come riportato dalle ultime statistiche di W3 Techs e anche grazie alla versione free del prodotto, ad oggi è il servizio di web analytics più utilizzato.

Alla voce dedicata su Wikipedia, ne sono descritte molto bene le principali funzionalità:

“Sul sito è possibile monitorare i visitatori provenienti da tutte le fonti, siano essi motori di ricerca, siti referer o campagne a pagamento, il Display Advertising, le reti di Pay per click e l’email marketing, ma anche i collegamenti all’interno dei documenti PDF. Integrato con AdWords, gli utenti possono analizzare le campagne online, monitorando la qualità delle pagina di destinazione e le conversioni (obiettivi). Gli obiettivi possono includere le vendite, la lead generation, la visualizzazione di una specifica pagina o il download di un particolare file e possono anche essere monetizzati. Utilizzando Google Analytics, il marketing è in grado di determinare quale sia il rendimento degli annunci, fornendo le informazioni per ottimizzare le campagne o abbattere i costi.”

Adobe Analytics (Site Catalyst)

Tool interno alla suite Adobe dedicata al Digital Marketing, Adobe Analytics è il tool di actionable real-time intelligence che permette ai Marketers di monitorare le statistiche e le metriche di successo del posizionamento online.

A pagamento, più complesso (e più potente) di Google Analytics, lo strumento è adottato dagli headquarters internazionali delle principali aziende globali.

Risulta particolarmente adatto al tracciamento dei dati di eCommerce, nonché quando esiste la necessità di svolgere analisi più approfondite.

Conclusioni: le web analytics come alleato essenziale nella strategia digitale

In questo articolo abbiamo trattato diversi temi legati all’argomento delle web analytics, sottolineandone la rilevanza non solo per ottimizzare i progetti e le strategie digitali, ma anche per incrementare la competitività di business aziendale più complessiva.

E voi, Ninja, siete pronti per diventare dei veri esperti di analitiche digitali?

Nel caso, non perdete il corso online di Performance Marketing e Web Analytics firmato Ninja Academy: 15 ore di formazione in compagnia dei migliori professionisti italiani del settore. Vi basterà avere con voi un pc e tanta voglia di imparare: approfittate dell’early booking e iscrivetevi subito! #NinjaPerformance



VUOI APPROFONDIRE L'ARGOMENTO?