Web analytics: premesse strategiche e metriche di misurazione

2,896 views
2,770 views

Published on

La presentazione descrive le condizioni che favoriscono un uso strategico della web analytics, dal ruolo chiave del sitoweb alla definizione e coordinamento tra risultati attesi e obiettivi; dalle metriche di base alla segmentazione;
con alcuni esempi sulle principali strategie analitiche.

Published in: Education
0 Comments
6 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,896
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
141
Comments
0
Likes
6
Embeds 0
No embeds

No notes for slide

Web analytics: premesse strategiche e metriche di misurazione

  1. 1. Ivan De Noni & Andrea Ganzaroli [nome.cognome@unimi.it] Università degli Studi di Milano Dipartimento di Economia, Management e Metodi Quantitativi SoMediaLab UNIMI - 10 Luglio 2013
  2. 2. • Un approccio strategico alla web analysis; • Il ruolo chiave del sitoweb; • Risultati attesi e obiettivi; • Le metriche di base; • Segmentazione; • Alcuni esempi di strategie analitiche; • Conclusioni Università degli Studi di Milano – SoMediaLab – Web Analytics
  3. 3. 1. In che modo il web è utile per l’azienda (analisi interna) 2. Cosa vogliono i clienti (analisi di mercato) 3. Cosa fanno i competitor (analisi competitiva) 4. Quali sono gli obiettivi (quali vantaggi spero di ottenere) 5. In che modo intendo raggiungere gli obiettivi (strumenti di web marketing) 6. Come misuro il grado di raggiungimento dei risultati. Quali sono le metriche (web analytics) TuttoquestoèSTRATEGIA Università degli Studi di Milano – SoMediaLab – Web Analytics
  4. 4. La web analytics consente la misurazione e il controllo dei risultati, attraverso l’analisi quantitativa dei dati di monitoraggio. Fonte: Arnie Kuenn, ”Web Analytics to Measure Your Content Marketing Progress”, www.verticalmeasures.com Università degli Studi di Milano – SoMediaLab – Web Analytics
  5. 5. La misurazione e il controllo rappresentano solo la fase finale del processo. Questa fase sarà efficace solo se nelle fasi precedenti sono state identificate e predisposte tutte le condizioni per una misurazione efficace delle performance La Web Analytics non può prescindere dalla visione strategica ma ne è la naturale conseguenza Università degli Studi di Milano – SoMediaLab – Web Analytics
  6. 6. Come misuro la qualità dei contenuti Come misuro se l’ottimizzazione ha portato benefici Come misuro se la promozione funziona Come misuro la diffusione del messaggio/ la conoscenza dei prodotti Come misuro l’efficacia della mia strategia di link building Università degli Studi di Milano – SoMediaLab – Web Analytics
  7. 7. Nel marketing ci sono alcune regole generali e il web marketing non fa eccezione  Tutti i piani di marketing richiedono un’intensa attività di coordinamento e di controllo.  Il sistema di controllo deve essere strategicamente progetto (definire standard e misurazioni di performance).  Il sistema di controllo stabilisce gli obiettivi prestazionali che, se non raggiunti, obbligano alla ridefinizione del piano di marketing (azioni correttive).  Il monitoraggio e la verifica continua contribuiscono al successo della strategia. Università degli Studi di Milano – SoMediaLab – Web Analytics
  8. 8. Quali canali scegliere… uno, tutti o nessuno? …dipende… Prima di tutto…le domande giuste Quali sono i migliori canali per il mio business? Quali mi permettono di raggiungere il mio target? Quali mi offrono il miglior rapporto costi/benefici? Quali mi permettono di monitorare le performance? Università degli Studi di Milano – SoMediaLab – Web Analytics
  9. 9. 1. Quale è la finalità del sito?  Aumentare le entrate;  Ridurre i costi;  Aumentare la soddisfazione/fedeltà dei clienti. 2. Che tipo di soluzioni ci sono…cosa fanno i competitor 3. Ci sono delle risorse/competenze da valorizzare 4. Qual è il target di riferimento Definizione della struttura e creazione dei contenuti Web Designer Università degli Studi di Milano – SoMediaLab – Web Analytics
  10. 10. I passi precedenti sono già un buon passo…ma si può andare oltre:  Quali metriche utilizzate per monitorare lo stato di salute del vostro business?  In che modo il sitoweb incide su queste metriche?  Quali sono le metriche attraverso cui voi misurate/potreste misurare l’impatto del web sul vostro business? INTEGRARE contenuti e struttura con OBIETTIVI E METRICHE DI MISURAZIONE E CONTROLLO Università degli Studi di Milano – SoMediaLab – Web Analytics
  11. 11. SITOWEB POSIZIONAMENTO sui motori di ricerca Organico Content management e tecniche di SEO Sponsorizzato Advertising e remarketing DIFFUSIONE Link popularity Spontanea Buzz attraverso blog, forum e social network Pilotata Link building Referal marketing Newsletter Email marketing AZIENDA Università degli Studi di Milano – SoMediaLab – Web Analytics
  12. 12. SITOWEB POSIZIONAMENTO Organico Sponsorizzato DIFFUSIONE Spontanea PilotataNewsletter AZIENDA Chi arriva sul mio sito raggiunge gli obiettivi? 1. Le newsletter sono efficaci? 2. I visitatori come si comportano? Qualcuno parla del mio sito? Gli strumenti di diffusione sono efficaci (banner, articoli su blog)? 1. Sito è ben posizionato? 2. Per le giuste parole chiave? 3. Ottimizzazione SEO è efficace? Annunci a pagamento su motori di ricerca sono efficaci? Università degli Studi di Milano – SoMediaLab – Web Analytics
  13. 13. 1. definire come entrare nel web. Generalmente l’interfaccia tra l’azienda e il web è il proprio sito internet. 2. definire la relazione tra performance aziendali e gli obiettivi del sito 3. definire i canali da utilizzare per raggiungere il proprio target (per garantirsi visibilità) 4. definire gli strumenti e le tecniche di misurazione 5. definire le metriche per valutare e misurare costantemente l’efficacia degli strumenti e i ROI Università degli Studi di Milano – SoMediaLab – Web Analytics
  14. 14. Anche in fase di implementazione di uno strumento di web analytics, una dei primi step è la definizione degli obiettivi da monitorare. Schermata di Google Analytics L’impostazione degli obiettivi richiede alcune condizioni tecniche… conoscerle permette di costruire il sito in modo corretto. Università degli Studi di Milano – SoMediaLab – Web Analytics
  15. 15. 1. Una thank-you page alla fine di un percorso di registrazione o di pagamento 2. La compilazione di un form o di un questionario 3. L’iscrizione alle newsletter, sottoscrizione RSS 4. Il download di un file, un software o un catalogo 5. Un determinato evento, un click su un certo banner, il play di un filmato 6. Un evento social, es. il «mi piace» o il «plus» di Google 7. Il tempo sul sito e la profondità della visita (anche se difficilmente valorizzabili) 8. Nel caso dell’e-commerce, il valore dell’acquisto Università degli Studi di Milano – SoMediaLab – Web Analytics
  16. 16. • Valore di un iscrizione ad un abbonamento feed RSS? • Valore di una richiesta di punto vendita? • Valore di un clic ai fornitori di beni e servizi complementari? Cercare di tradurre qualsiasi obiettivo in VALORE Università degli Studi di Milano – SoMediaLab – Web Analytics
  17. 17. Un sito web svolge molteplici funzioni e risponde a molteplici bisogni $ Conversioni????? $InformazioneSupportoCarriera Micro conversioni Macro conversioni Università degli Studi di Milano – SoMediaLab – Web Analytics
  18. 18. Risultati attesi [online e offline] Analisi dei dati quantitativi e qualitativi [web + concorrenti ] Miglioramento continuo dell’esperienz a di navigazione Università degli Studi di Milano – SoMediaLab – Web Analytics
  19. 19. Flusso dei clic Analisi multipla dei risultati Sperimentazione e test Ascolto dei clienti Competitive intelligence Informazioni utili • Il cosa • Il quanto • Il perché • Il perché • Il cos’altro • I risultati economici Università degli Studi di Milano – SoMediaLab – Web Analytics
  20. 20. • Visite e visitatori • Time on Page e Time on Site • Engagement • Bounce Rate • Exit Rate • Conversion Rate Università degli Studi di Milano – SoMediaLab – Web Analytics
  21. 21. • [Visite ]: sessioni registrate in un dato periodo. • [Visitatori ]: cookie persistenti univoci rilevati nell’arco di tale periodo. • [Attenzione]: L’unica metrica veramente affidabile per i visitatori unici, con l’esclusione di alcuni strumenti, è quella assoluta. Università degli Studi di Milano – SoMediaLab – Web Analytics
  22. 22. Pagina 1 Pagina 2 Pagina 3 9:00 9:03 9:08 Exit TP(1)=3 TP(2)=5 TP(3)=ND TS=8 Sessione scade > 29 Università degli Studi di Milano – SoMediaLab – Web Analytics
  23. 23. • Esistono diverse misure dell’engagement – Numero di viste ripetute da un visitatore (loyalty) – Tempo tra una visita e l’altra (recency) – Tempo trascorso sul sito (lunghezza della visita) – Numero di pagine visitate (profondità della visita) – … • Nessuna di queste è sufficiente a misurare l’engagement; – Grado vs Tipo • Per misurare l’engagement è necessario predisporre strumenti ad-hoc – Questionari in uscita o in linea; – Segnala il sito; – … Università degli Studi di Milano – SoMediaLab – Web Analytics
  24. 24. • Una delle metriche migliore per individuare i punti deboli del proprio sito; • Sessioni web in cui è stata visualizzata una solo pagina.; • Un bounce rate del 50% significa che la vostra pagina non è riuscita a convincere 1 utente su 2 a fare almeno un click; • Verificate il bounce rate delle 10 principali home page del sito e delle 10 principali keyword. Università degli Studi di Milano – SoMediaLab – Web Analytics
  25. 25. • Numero delle persone che hanno abbandonato il sito da una data pagina. • Molto popolare, ma poco utile – Non ci dice nulla di positivo o negativo su quella pagina. • Il bounce rate è una misura migliore per valutare la qualità della pagina. • Fa eccezione lo studio delle canalizzazioni o l’abbandono su specifiche pagine. Università degli Studi di Milano – SoMediaLab – Web Analytics
  26. 26. • È la metrica più importante che abbiamo a disposizione per misurare la qualità di un sito; • La sua misurazione presuppone una chiara definizione degli obiettivi che si vuole raggiungere attraverso il sito; • [%] numero degli obiettivi convertiti su visite/visitatori; E-commerce permette di andare oltre il conversion rate • Cart e Checkout Abandonment; • Days to Purchase e Visits to Purchase • Valore reale della conversione • Average Order Value Università degli Studi di Milano – SoMediaLab – Web Analytics
  27. 27. COMPORTAMENTO DEL CLIENTE - Visitatori unici - Nuovi e di ritorno - Loyalty e recency - Coinvolgimento SORGENTI DI TRAFFICO - Motori di ricerca - Traffico a pagamento - Referral - Traffico diretto - Canali social CONTENUTI - Pagine di destinazione - Pagine di uscita - Analisi dati in page - Ricerca nel sito OBIETTIVI E CONVERSIONI - Canalizzazioni - Percorsi di conversione - Conversioni indirette - E-commerce Università degli Studi di Milano – SoMediaLab – Web Analytics
  28. 28. Segmentare, segmentare e ancora segmentare
  29. 29. • Per conoscere il comportamento di navigazione di uno specifico target • Per capire quali target convergono maggiormente • Per valutare i contenuti rispetto a target differenti • Per comparazioni rispetto al tempo o alla localizzazione geografica Università degli Studi di Milano – SoMediaLab – Web Analytics
  30. 30. Segmentazione avanzata per dimensione e metriche Università degli Studi di Milano – SoMediaLab – Web Analytics
  31. 31. • Degli utenti che hanno consultato l’elenco dei prodotti • Quanti hanno scaricato il catalogo coi prezzi • Quanti di questi hanno compilato il form (di informazioni, per ricevere un coupon o un campione gratuito) • Quanti di questi si sono registrati alla newsletter per essere aggiornati sui nuovi prodotti o sulle promozioni Università degli Studi di Milano – SoMediaLab – Web Analytics
  32. 32. STRATEGIE ANALITICHE FONDAMENTALI ALCUNI ESEMPI
  33. 33. • Problemi del sito – Prime 10 pagine di entrata del sito; – Prime 25 parole chiave di accesso al sito: Le parole chiave per il cui il cliente non trova risposta nel vostro sito. • Come migliorare – Migliorare le landing page – Test A/B – Ottimizzazione SEO – Ottimizzare le campagne a pagamento; Università degli Studi di Milano – SoMediaLab – Web Analytics
  34. 34. • Output – #numero clic su ciascun link – Risultati che derivano dal clic a ciascun link; – Obiettivi raggiunti; – Le principali metriche e le principali key words • Analisi – Confronto tra link più popolari e quelli che volete che l’utente clicchi; – Link con più elevati tassi di conversione e valutazione delle intenzioni dei clienti; – Seguire i clic più importanti per capire l’esperienza di «acquisto» del vostro cliente. Università degli Studi di Milano – SoMediaLab – Web Analytics
  35. 35. • Rapporti gemelli – Distribuzione delle visite necessarie prima che qualcuno decida di acquistare qualchecosa; – Days to Purchase • Permette di definire il tempo e la frequenza delle visite necessarie affinché un visita si traduca in una vendita. • Utilizzo – Ottimizzazione della vista; – Ottimizzazione della comunicazione; – Ottimizzazione dell’inventario. Università degli Studi di Milano – SoMediaLab – Web Analytics
  36. 36. • Vi permette di avere una maggiore comprensione delle intenzioni di chi ha visitato il sito • Tre tipi di analisi – Utilizzo • Quante volte viene utilizzato; • Per fare che cosa? (Analisi delle parole chiave) – Qualità • Analisi del bounce rate (search exit); • Profondità della visita/search; • % dei search refinements – Segmentazione • Nuovi vs ricorrenti; • Per sorgente di traffico; • Rispetto ai risultati. Università degli Studi di Milano – SoMediaLab – Web Analytics
  37. 37. • Prestazioni correnti del traffico – Valutazione rispetto alle principali metriche (visite vs qualità); – Comparazione sorgenti di traffico. • Copertura dei contenuti – Quantità di contenuti indicizzati nel corso del tempo (cresce al crescere dei contenuti pubblicati); – Numero di pagine che ricevono traffico dal motore di ricerca (# Landing page per organic traffic). • Prestazioni delle parole chiave – Impressions, Clic Through Rate (CTR), Posizione nella SERP • Risultati – Analisi delle conversioni, Valore medio dell’ordine Università degli Studi di Milano – SoMediaLab – Web Analytics
  38. 38. • Per monitore le campagne a pagamento dovete specificare i tag corretti. • Valutazione delle performance delle parole chiave – Le solite metriche + indicatori di performance economica (CPC; RPC, ROI, Margine) • Analisi della Keyword Positions – Visite, Conversioni, Per visit goal value, Bounce rate… • Analisi del comportamento del consumatore – Day to Purchase (Rispetto ad altre fonti di traffico)  aggiustamento della landing + del AD. Università degli Studi di Milano – SoMediaLab – Web Analytics
  39. 39. • Necessario generare dei tag di monitoraggio. • Risposta della campagna [Metriche provenienti dal provider] – Delivery rate; – Open rate; – CTOR (Clic-to-open rate) – Subscriber retention • Comportamenti del sito web – Bounce Rate, Length of Visit • Risultati per l’attività – Conversion Rate, Ricavo medio per mail spedita Università degli Studi di Milano – SoMediaLab – Web Analytics
  40. 40. • TUTTO o QUASI è monitorabile sul web (molto più che nel marketing tradizionale) • Monitorare ha senso SOLO in un’ottica di miglioramento • Deve essere CONTINUO… azionemonitoraggiotestingcorrezionemonitoraggio • Monitorare con successo richiede STRATEGIA, OBIETTIVI CHIARI, STRUMENTI di raccolta e analisi dei dati… • …ma richiede anche TEMPO, ORGANIZZAZIONE e MENTALITA’. • I numeri devono trasformarsi in AZIONI MIGLIORATIVE E VALORE per l’azienda. Università degli Studi di Milano – SoMediaLab – Web Analytics

×