La Web Analytics (WA, chiamati anche Digital Analytics, analitiche digitali o analisi Web) è oramai fondamentale per il business digitale e il successo dei servizi online di ogni tipo di azienda sia pubblica che privata. Per questo motivo, è importantissimo conoscere questo argomento dalle basi. Vediamo in questo articolo cos’è l’analisi del Web, mentre qui è possibile trovare una guida agli strumenti di Web Analytics disponibili online, molti gratuiti.
Cos’è la Web Analytics (Digital Analytics) e a cosa serve: la definizione della WAA
Chiariamo subito che, per Web Analytics, o analitiche per il Web, intendiamo tutte quelle informazioni che riguardano gli utenti che visitano il sito web. Per essere precisi, c’è una definizione coniata dall’autorevole WAA (la Web Analytics Association, poi diventata Digital Analytics Association) che considera i Web Analytics come «la misurazione, la collezione, l’analisi e il reporting di dati internet allo scopo di capire e ottimizzare l’utilizzo del Web». Nel corso del tempo, gli strumenti di Web Analytics sono diventati sempre più importanti e sofisticati per l’analisi del comportamento degli utenti. Non a caso si parla di Big Data, proprio per sottolineare che i dati sono diventati sempre più numerosi e di difficile interpretazione, ma che possono trasformarsi in una miniera di informazioni da cui prelevare preziose strategie di marketing.
«Tramite web analytics si possono analizzare con un ottimo grado di dettaglio le proprie piattaforme digitali, effettuando benchmark con i dati provenienti dal mercato (Rivaliq, tra gli altri, offre costantemente riferimenti di performance aggiornati) o con altre organizzazioni e siti del settore – spiega l’esperto Federico della Bella, Associated Partner P4I. Fare web analytics significa identificare le dimensioni chiave di performance delle proprie piattaforme web, del proprio eCommerce, delle proprie web-app e analizzarne i risultati, effettuando confronti e scoprendo come si comportano e come fruiscono dei servizi digitali i propri utenti. Il paragone con i “best in class”, anche cross-settore, costituisce uno stimolo potente all’innovazione e al miglioramento».
Who's Who
Federico Della Bella
Per una seria analisi dei digital analytics, che possa poi essere utile al fine di pianificare una corretta strategia di Web Marketing, dobbiamo idealmente seguire quattro passi: collezionare i dati; analizzare questi dati; creare degli indicatori; stabilire una strategia di Web Marketing.
«Le informazioni ricavabili da una piattaforma di Analytics sono molteplici – spiega Della Bella -. Si può anzitutto capire come un sito web è utilizzato, misurandone le performance quantitative. Secondariamente si possono comprendere i clienti, il loro modo di usare il web, le loro caratteristiche socio-demografiche e infine i loro interessi e le preferenze. Tutto ciò permette di ottimizzare esperienza e contenuti. Un altro utilizzo della web analysis permette di identificare aree di malfunzionamento di un sito, abilitando in tempo reale azioni correttive».
Collezionare i dati
I dati a disposizione di un’azienda, in genere, sono molteplici e arrivano da più fonti. Per questo motivo, la raccolta dei dati, considerando non solo l’online ma anche l’offline, è fondamentale per poi poter effettuare un’analisi seria del nostro business su Internet in una prospettiva di omnichannel. Succede spesso di scoprire che alcune analisi sono errate per una cattiva o errata raccolta dei dati aziendali. Quindi, è importantissimo scegliere attentamente le fonti da cui attingere i dati ed essere sicuri del loro contenuto. Per esempio, un dato come le vendite estero, deve essere ben definito: si tratta di vendite online? Di vendite online più quelle in negozio? Di sole vendite registrate in negozio?
Analizzare i dati
Tra statistiche del sito web e Web Analytics c’è una bella differenza… In poche parole, le prime misurano il traffico che passa sul nostro sito web; le seconde, dovrebbero spiegare quello che succede sul nostro sito web. Quindi, le statistiche dovrebbero cogliere l’aspetto quantitativo, mentre gli analytics dovrebbero aiutare a fornire un’analisi qualitativa del dato. Perché le società sono interessate a scoprire il perché il flusso dei dati si dirige in una certa direzione. È per questo motivo che dopo l’analisi dei Web Analytics, per le aziende con un grande numero di transazioni, può essere molto utile dotarsi di programmi di Business Intelligence che permettono un’analisi grafica e analitica molto dettagliata del nostro business, e facilitano diverse tipologie di analisi.
Creare degli indicatori: i KPI (Key Performance Indicators)
È la parte più interessante e delicata. In questa fase di analisi bisogna procedere alla creazione dei cosiddetti KPI (Key Performance Indicators) o metriche che ci aiuteranno a capire se la nostra strategia di web marketing funziona o meno. Sia l’esperto che il principiante possono usare con profitto tool molto facili da utilizzare come Google Analytics e Facebook Analytics, i quali forniscono diversi indicatori che aiutano molto nel comprendere la parte quantitativa, quindi il cosa sta succedendo. In base al nostro mercato di riferimento e alle esigenze aziendali, le metriche possono cambiare di importanza o ne possiamo creare di nuove. Infatti, l’esperienza e la conoscenza del mercato a cui ci rivolgiamo, aiutano tantissimo a capire il perché sta succedendo qualcosa nel nostro business.
Stabilire una strategia di Web Marketing
Una volta individuati i fattori che potrebbero migliorare i nostri affari online, è opportuno testare le soluzioni che abbiamo in mente sottoponendo agli utenti una o più pagine, caratterizzate da elementi diversi tra loro, al fine di capire quella che garantisce il maggiore successo (tecnica che in gergo viene chiamata A/B test). In questo caso, le metriche più interessanti da tenere sott’occhio riguardano il numero di conversioni o il tasso di conversione, che in genere permettono di ottenere migliori guadagni nel medio-lungo periodo.
Tre regole d’oro della Web Analytics
Per il bene del nostro business, quando parliamo di Web Analytics, non dobbiamo più dimenticare queste buone pratiche.
- Controllare quotidianamente o periodicamente i dati provenienti dai tool di analytics: è importante scoprire certe situazioni prima che i clienti abbandonino il nostro sito.
- Il flusso dei dati è rilevante, ma bisogna tenere conto anche della qualità di questo traffico di dati: quindi oltre alla quantità conta anche l’analisi qualitativa.
- I dati sono importanti quando vengono considerati nel lungo periodo: si comprendono meglio i dati quando si ha anche un’analisi storica delle principali metriche.
Google lancia Google Analytics 4, evoluzione di Universal Analytics
Google Analytics, ovvero il principale strumento di web analytics sul mercato, sta oggi vivendo diversi cambiamenti. Google ha, infatti, lanciato ufficialmente Google Analytics 4, l’evoluzione dell’attuale versione, Universal Analytics che, dal 1 luglio 2023, sarà completamente soppiantata.
Si tratta di una trasformazione profonda nella logica con cui i dati sono raccolti, analizzati e utilizzati che tiene conto dell’evoluzione del web, che diviene sempre più mobile-centrico, della dichiarata politica di maggiore attenzione e rispetto della privacy degli utenti, con la limitazione dei cookie di terze parti, e dello sviluppo di soluzioni di machine learning efficaci, che permettono non solo di analizzare il passato, ma di prevedere il futuro.
Google Analytics 4, quali sono i cambiamenti più significativi
- Permette di svolgere analisi cross-platform – se non ancora pienamente omnicanale – dei customer journey grazie i dati raccolti sia dal sito web, sia dalle app mobili, risolvendo, così, la principale limitazione delle precedenti versioni di Google Analytics;
- Permette un’analisi più flessibile dei dati alla quale collega specifici eventi di interesse per l’analista: click, visualizzazioni di pagina, aperture dell’app, scroll delle pagine, download, visualizzazioni di video, ricerche nel sito;
- Monitora in modo dettagliato percorsi di conversione (conversion path) e i funnel di acquisizione di lead e clienti;
- Applica algoritmi di machine learning per l’interpretazione dei comportamenti degli utenti, permettendo di prevedere i comportamenti degli utenti
- Permette analisi anche in assenza di cookie, sfruttando anche in questo caso machine learning e analisi statistiche, permettendo le analisi anche in assenza di cookie;
- Presenta una maggiore qualità nella gestione delle audience di Google Ads.
