Digital Analytics per E-commerce: il libro sulla web analytics e non solo

Warning: preg_match(): Compilation failed: invalid range in character class at offset 4 in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 1385

Warning: preg_match_all(): Compilation failed: invalid range in character class at offset 4 in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 690

Warning: Invalid argument supplied for foreach() in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 697

Warning: preg_match_all(): Compilation failed: invalid range in character class at offset 4 in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 690

Warning: Invalid argument supplied for foreach() in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 697

Warning: preg_match(): Compilation failed: invalid range in character class at offset 4 in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 1385

Warning: preg_match_all(): Compilation failed: invalid range in character class at offset 4 in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 690

Warning: Invalid argument supplied for foreach() in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 697

Warning: preg_match_all(): Compilation failed: invalid range in character class at offset 4 in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 690

Warning: Invalid argument supplied for foreach() in /home/customer/www/fabiopiccigallo.com/public_html/wp-content/plugins/smart-image-loader/simple_html_dom.php on line 697

È un bel po’ che non scrivo su questo blog, ormai. Il motivo è nel titolo: ho passato l’ultimo anno a scrivere e curare il mio libro sulla digital analytics, edito da Dario Flaccovio, da oggi in libreria e su Amazon.

Il libro è una sintesi della metodologia di lavoro analitico che ho acquisito in questi anni lavorando su siti e-commerce di tutte le dimensioni, dai più piccoli a quelli molto grandi. Non si tratta, insomma, di un ennesimo manuale su come utilizzare Google Analytics per fare analisi dei dati. L’orientamento è di tutt’altro genere.

Al centro di tutto è il marketing: marketing di acquisizione, marketing di retention, marketing di prodotto. Il libro ti darà quindi una metodologia per studiare l’utente in tutte le sue sfaccettature, dal momento iniziale – quello della prima scoperta – a quello dell’acquisto e del riacquisto.

Gli strumenti, ad iniziare da Google Analytics, vengono affrontati quindi nella trattazione in modo funzionale, per rispondere a domande come: “Ho un obiettivo di analisi, qual è lo strumento giusto per raggiungerlo?”. Il risultato è un manuale operativo che, sono convinto, potrà essere una guida all’analisi dei dati per molto tempo senza “invecchiare” precocemente, come accade invece ai moltissimi libri che mettono al centro della propria trattazione gli strumenti di analisi.

 

Di seguito l’indice del volume, che potrà, più di tante parole, farti comprendere “cosa c’è dentro” e se risponde alle tue necessità.

 

1. Costruire l’ambiente di analisi

1.1. E-commerce piccoli, e-commerce grandi

1.2. Io sto con gli ippopotami: HiPPO e cultura data-driven

1.3. Comprendere il contesto: OKR, business model e strategie di marketing

1.4. Obiettivi e strategie di misurazione

1.5. La catena del valore: Big Data, reportistica, analisi

1.5.1. Il modello di maturità della business analytics

1.6. E-commerce Analytics

1.7. La catena del valore della e-commerce analytics

1.7.1. Identificazione degli obiettivi e della strategia di analisi

1.7.2. Costruzione e validazione dell’ambiente di analisi e-commerce

1.7.3. Raccolta, analisi, reportistica e presentazione dei dati

1.8. Non sparate sul pianista

 

2. Strumenti

2.1. Scegliere gli strumenti

2.2. La collezione dei dati: Google Analytics

2.2.1. Come funziona Google Analytics

2.2.1.1. Collezione

2.2.1.2. Processazione e configurazione

2.2.1.3. Reportistica

2.2.2. Altri strumenti di collezione e analisi dei dati

2.3. Google Tag Manager: il complemento ideale di Google Analytics

2.4. Strumenti di analisi comportamentale

2.5. Strumenti di analisi euristica e visualizzazione dei dati

2.5.1. Google Analytics

2.5.2. Google Data Studio

2.5.3. Microsoft power BI

2.5.4. Microsoft Excel

2.5.5. Tableau

2.5.6. Weka

2.5.7. R

2.5.8. Python

2.6. Il bagaglio dell’analista

 

3. Enhanced E-commerce con Google Tag Manager

3.1. Come funziona (in breve) Google Tag Manager

3.2. Implementare un tag di Google Analytics

3.3. Il modulo E-commerce avanzato

3.3.1. I limiti di Enhanced Ecommerce

3.4. Enhanced Ecommerce con Google Tag Manager

3.4.1. Definire il prodotto

3.4.2. Visualizzazione del prodotto in un elenco

3.4.3. Dalla lista alla scheda prodotto

3.4.4. Aggiungere un prodotto al carrello

3.4.5. Checkout

3.4.6. Acquisto

3.5. Inviare le informazioni a Google Analytics

 

4. Raccontare con i dati

4.1. Visualizzare efficacemente i nostri dati

4.1.1. A chi ci rivolgiamo

4.1.2. Visualizzazione efficace: perché è importante

4.2. Come strutturare un report

4.2.1. L’inizio del racconto

4.2.2. Lo sviluppo del racconto

4.2.3. La conclusione del racconto

4.3. Visualizzare i dati in modo efficace

4.4. Tabelle

4.5. Grafici

4.5.1. Aiuti visuali

4.5.2. Sistemi di coordinate

4.5.3. Scale

4.5.4. Contesto

4.6. Rappresentare i dati

4.7. Come e cosa rappresentare

 

5. Metriche, dimensioni e KPI

5.1. Dagli OKR ai KPI: costruire il data model

5.1.1. Tipologie di dati

5.2. Ambiti

5.2.1. Hit

5.2.2. Sessione

5.2.3. Utente

5.2.4. Prodotto

5.2.5. Il ruolo degli ambiti

5.3. KPI, medie e altre storie

5.3.1. Misurabilità

5.3.2. Comprensibilità

5.3.3. Confrontabilità nel tempo

5.3.4. Pertinenza con gli obiettivi di business

5.4. Funzioni statistiche e come leggerle

5.4.1. Media

5.4.2. Mediana

5.4.3. Deviazione standard

5.5. KPI: qualche esempio

5.5.1. KPI di traffico

5.5.2. KPI di engagement

5.5.2.1. Pagine visitate

5.5.2.2. Pagine visitate per sessione

5.5.2.3. Frequenza di rimbalzo

5.5.2.4. Durata media della sessione

5.5.3. KPI per l’analisi SEO

5.5.3.1. Posizione media nella SERP

5.5.3.2. Click through rate delle pagine prodotto

5.5.4. KPI specifici per l’e-commerce analytics

5.5.4.1. Ricavi

5.5.4.2. Ricavo medio per sessione

5.5.4.3. ROI

5.5.4.4. Tasso di conversione e-commerce

5.5.4.5. Valore medio degli ordini

5.5.4.6. Numero totale di transazioni registrate

 

6. Le fonti di traffico

6.1. Analizzare il traffico

6.1.1. Dati generali di traffico

6.1.2. Distribuzione per dispositivo

6.1.3. Dati di venduto

6.2. Comprendere le fonti di traffico

6.2.1. Fonti di traffico a pagamento

6.2.2. Fonti di traffico attribuibili a un canale organico

6.3. Fonti di traffico per un sito e-commerce

6.3.1. Pulizia dei dati

6.3.2. Adeguare le fonti di traffico al business model

6.4. Fonti di acquisizione

6.5. Dal generale al particolare

6.5.1. Verificare i trend

6.5.2. Analisi dei canali e analisi di canale

 

7. Analisi di numeri e analisi di persone

7.1. Comprendere il ciclo di vita del cliente

7.2. Il ciclo di marketing e le caratteristiche funzionali dei canali di acquisizione

7.3. Canali di traffico e customer journey: il modello AIDA

7.4. Aumentare la complessità: il ciclo di vita del cliente

7.5. Analisi di marketing

7.6. Search engine optimization

7.6.1. Dimensioni e metriche per l’analisi SEO

7.6.2. Elementi di analisi: tipologia di query

7.6.3. Elementi di analisi: evoluzione dei posizionamenti medi

7.6.4. Elementi di analisi: misurare gli outcome dell’attività SEO

7.7. Analisi delle attività di search engine advertising

7.7.1. Analisi SEA: quali domande farsi

7.7.1.1. Analisi dei KPI di engagement

7.7.1.2. Analisi della tipologia utente

7.7.1.3. Analisi di dispositivo

7.7.1.4. Analisi di redditività

7.8. Analisi delle campagne di advertising

7.9. Analizzare le campagne prima di farle: il valore atteso

7.10. Analisi dei social media

7.11. Analisi dell’email marketing

7.12. Canali, sessioni, utenti

7.12.1. La questione del “chi” e del “cosa”

 

8. Comportamenti

8.1. Dati comportamentali

8.2. Eventi

8.2.1. Quali eventi tracciare

8.2.1.1. Eventi da attività promozionali

8.2.1.2. Eventi di conversione non e-commerce

8.2.1.3. Eventi per il passaggio dati

8.3. Analisi dei comportamenti

8.3.1. Analisi dei comportamenti

8.3.1.1. Analisi delle ricerche in Search Console

8.3.1.2. Analisi di query, analisi di pagine

8.3.1.3. Analisi dei contenuti: un esempio pratico

8.3.1.4. Analisi dei contenuti: sintesi metodologica

8.3.2. Flussi

8.3.3. Analisi di usabilità

 

9. Analisi del pubblico, analisi dei clienti

9.1. Definire il pubblico

9.2. Analizzare e profilare gli utenti

9.2.1. Caratteristiche generali del pubblico

9.2.2. Analisi degli outcome per tipologia di pubblico

9.3. Customer analytics

9.3.1. Segmentazione

9.3.1.1. Segmentazione: tecniche di base

9.3.1.2. Tipologie di segmentazione

9.3.1.3. Supervised segmentation

9.3.1.4. Entropia

9.3.1.5. Guadagnare con i segmenti

9.3.2. Metodologie di segmentazione empirica

9.3.2.1. Stilare una classifica dei nostri clienti: il profilo RFM

9.3.3. Dal punteggio alla segmentazione

9.4. Analisi del valore del cliente

9.4.1. Churn e churn rate

9.4.2. Analisi coorte

9.5. Torniamo al lifetime value (e calcoliamoloI

9.6. Come proseguire

 

10. Prodotti e transazioni

10.1. Analisi sugli ordini, analisi sui prodotti

10.2. Prodotto, questo sconosciuto

10.2.1. Prodotto e attributi

10.2.2. Definire il prodotto: tre esempi particolari

10.2.2.1. Prodotti in abbonamento

10.2.2.2. Viaggi

10.2.2.3. Vacanze

10.2.3. Definire il vettore prodotto

10.3. Analisi di prodotto

10.3.1. KPI di vendita

10.3.2. KPI del processo di acquisto

10.3.2.1. Metriche di elenco prodotti

10.3.2.2. Metriche di dettaglio prodotti

10.3.2.3. Aggiunte del prodotto al carrello

10.4. Analisi associative

10.4.1. Analisi associative: un caso studio

10.5. Ordini e transazioni

10.6. KPI relativi agli ordini

10.6.1. KPI di transazione

10.6.2. KPI di processo di acquisto

10.6.3. Se gli ordini non combaciano

10.7. Attribuzione nell’e-commerce analytics

10.7.1. Attribuzione e modelli di attribuzione

10.7.2. Conversioni dirette e indirette

10.7.2.1. Rapporto tra conversioni dirette e indirette

10.7.3. Modelli di attribuzione

10.7.4. Classificazione dei modelli di attribuzione

10.7.4.1. Ultima interazione

10.7.4.2. Prima interazione

10.7.4.3. Lineare

10.7.4.4. Basato sulla posizione

10.7.4.5. Ultimo click non diretto

10.7.4.6. Decadimento temporale

10.8. Metodologie di ottimizzazione

10.8.1. Ambiti di ottimizzazione

10.8.2. Formulare una ipotesi

10.8.3. Progettare e realizzare il test

 

Il libro si avvale infine dei contributi di Giulia Bezzi, Francesca Cora Sollo e Lucia Emiliani, mentre Gaetano Romeo ne ha scritto la prefazione.

Pensi possa esserti utile? Allora acquistalo subito su Amazon cliccando qui.

CIAO! Grazie per essere arrivato a leggere fino a qui.

Porto avanti questo blog solo per passione, senza voler fare altro se non avviare un confronto con chi condivide con me l'interesse per tutto ciò che è marketing. Se ti è piaciuto questo post, la soddisfazione più grande che potrai darmi sarà quella di condividerlo sui social media e di lasciare un tuo commento.

Se poi vuoi rimanere sempre aggiornato, iscriviti subito alla newsletter!

Inserisci qui il tuo indirizzo e-mail:

Delivered by FeedBurner