Sono molti anni, ormai, che mi occupo di formazione in ambito web analytics. Nel mio ruolo di docente mi trovo spesso a rispondere a una domanda semplice, eppure basilare: cos’è che deve studiare chi, oggi, si vuole occupare di analisi dei dati relativi al marketing? Qual è, in altre parole, il bagaglio di competenze e di esperienze che deve avere un buon analista di marketing?

Questa domanda ne apre una seconda, più ampia. Ovvero: in un’azienda come dovrebbe essere impostato, in senso più ampio, un sistema efficace per la misurazione dei risultati? Spesso la risposta è che dovrebbe essere più leggero rispetto a quelli già in uso, ma più focalizzato e meglio ottimizzato.

Da queste domande nascono riflessioni che possono interessare anche gli imprenditori e chi si occupa di marketing online in varia misura, non soltanto i futuri analisti.

Vale la pena, quindi, di investire qualche minuto per fare luce su alcuni dei dei falsi miti che circolano a proposito dell’analisi dati e che creano, purtroppo, comportamenti non efficaci all’interno delle aziende.

Quando lo strumento di misurazione soppianta l’obiettivo

Il primo problema (che tra l’altro interroga direttamente anche il mondo della formazione) è la preponderanza degli strumenti rispetto agli obiettivi di misurazione.

Pensate a quanti corsi si concentrano, ad esempio, sull’uso di Google Analytics, di Google Tag Manager, degli strumenti di analisi di Facebook. Ma quanti puntano, invece, a capire come si identificano con precisione le grandezze che occorre monitorare? E quanti vogliono imparare a interpretare correttamente i dati raccolti, nelle loro diverse implicazioni?

Un buon marketing analyst deve possedere tutte queste capacità: deve saper stabilire gli obiettivi, impostare gli strumenti, interpretare correttamente i risultati. 

Ci sono quindi competenze di tipo diverso che devono integrarsi tra loro: di marketing, di conoscenza degli strumenti di analytics, di statistica.

Oggi come oggi, vediamo che i più comuni strumenti tecnici legati al web stanno subendo modifiche radicali:

• Google Tag Manager sta passando da client side a server side;
• Google Analytics vive una vera rivoluzione con la nuova Google Analytics 4, che sta rapidamente soppiantando la precedente versione Universal Analytics;
• Facebook sta introducendo l’API conversion Pixel per il monitoraggio dei dati.

Alla luce di questi cambiamenti, diventa ancora più essenziale avere chiaro che cos’è che non cambia e che effettivamente dobbiamo continuare a misurare per capire cosa sta accadendo al nostro business.

I KPI sono transazioni

Per farlo, può essere utile fare un passo indietro a livello logico fino a dare una nuova definizione dei KPI. 

Spogliamoci delle sovrastrutture a cui ci hanno abituato gli strumenti estremamente raffinati che abbiamo a nostra disposizione, e chiediamoci cos’è che effettivamente dobbiamo andare a misurare.

La risposta è estremamente sintetica: dobbiamo misurare le transazioni.

Cos’è una transazione?

Ogni business coinvolge due parti: l’impresa da un lato, e il mercato dall’altra. Il mercato è composto principalmente da due figure, talvolta coincidenti, ossia l’acquirente e il consumatore. Dal lato dell’impresa, invece, abbiamo una proposta di valore. 

I meccanismi che decretano il passaggio dall’impresa al mercato possono essere di due tipi: 

• La vendita diretta, come nel caso dell’e-commerce.
• L’acquisizione di una manifestazione di interesse per la value proposition del brand (che può andare dal nuovo follower sui social fino al click sulla campagna).

In entrambi i casi si parla di transazioni: un movimento con il quale l’acquirente/consumatore si avvicina al brand. Ovviamente ogni transazione avrà un valore diverso per l’impresa: un acquisto ha un valore diverso rispetto ad un click sul sito web.

La data analytics va a misurare esattamente questo: le transazioni, nelle loro diverse manifestazioni; il processo di avvicinamento al brand, fino alla transazione finanziaria vera e propria.

Un sistema di analytics ben congegnato va quindi a misurare l’efficacia e l’efficienza dei nostri sistemi di generazione delle transazioni all’interno dei canali di marketing, attraverso quei percorsi che abbiamo attentamente impostato affinché funzionino come corridoi per portare l’utente verso l’obiettivo.

Ecco quindi che i KPI dovrebbero essere letti in questa chiave: strumenti per misurare la nostra capacità di creare transazioni.

La conseguenza di un approccio non ottimizzato: la Data Obesity

Cosa succede, invece, quando ci si lascia prendere la mano dagli strumenti? Abbiamo un fenomeno che potremmo chiamare data obesity: un eccesso di dati che porta, paradossalmente, a una minore efficacia nelle misurazioni. 

Prendiamo in esempio Google Analytics: lo strumento ci mette a disposizione 600/700 oggetti misurabili tra metriche e dimensioni.  Ciascuna di esse ha, ovviamente, una sua funzione, ma la quasi totalità risulta utile solo in casi molto particolari.

La maggioranza delle aziende può vedere tutto ciò che gli è davvero utile utilizzando solo una decina di queste metriche.

Produrre report ricchi di grafici sostanzialmente inutili (davvero ti è utile sapere da che sistema operativo navigano i tuoi utenti, a meno di casi particolarissimi?) non è solo una perdita di tempo: è potenzialmente dannoso per la comprensione, perché distoglie l’attenzione del lettore dai dati realmente importanti per capire se il piano di marketing sta funzionando adeguatamente.

Una cura dimagrante per la data obesity

Un buon report di marketing analytics è snello, comprensibile, ben congegnato sugli obiettivi dell’azienda ed è esattamente questo che ci si dovrebbe attendere da un buon data analyst o, più in generale, dall’agenzia che si occupa del marketing.

Per la mia esperienza, ad esempio, su Google Analytics la schermata che mostra i canali che portano traffico al sito, con i relativi parametri di comportamento, contiene già quasi tutto quello che serve per capire se il piano di marketing sta funzionando come dovrebbe oppure no. Il problema, casomai, sta nel personalizzare le impostazioni di visualizzazione, tarandoli al meglio sulle esigenze specifiche della nostra azienda.

Pochi dati, appunto, ma impostati con la massima cura e in funzione dell’obiettivo che l’azienda si è data.

La moltiplicazione degli strumenti

Purtroppo le aziende, quando si trovano in difficoltà nel capire cosa sta avvenendo, prendono troppo spesso la strada opposta: aprendo il portafoglio e pagando un nuovo strumento per il tracciamento e l’analisi dei dati, sicure che il nuovo sistema di analytics rappresenti la soluzione a tutti i loro problemi.

Se lavorate con il marketing, sicuramente ve ne verranno in mente molti.

Proprio come certe funzionalità di Google Analytics, anche questi sistemi sono decisamente utili in certi casi; non si può pretendere, però, che risolvano un problema che nasce in realtà dall’errata impostazione degli obiettivi di misurazione. 

Anzi, rischiano di aggiungere ulteriori dati di scarsa utilità in una situazione nella quale la sovrabbondanza è il problema principale.

Analista di Dati: un mestiere scalabile?

Per concludere la nostra riflessione, torniamo quindi a parlare di come dovrebbe essere un buon analista di dati. 

Abbiamo detto che deve essere capace di interpretare un piano di marketing e di estrapolare, di conseguenza, i KPI da tenere d’occhio. Questi KPI altro non saranno, in sintesi, che transazioni che avvicinano l’utente alla proposta di valore dell’azienda.

Dovrà poi essere evidentemente in grado di maneggiare gli strumenti di web analytics, e di interpretarli in modo corretto per capire cosa sta avvenendo sul sito, sui social, sul web in generale.

Si potrebbe pensare quindi a una figura estremamente specializzata su singoli settori: ad esempio, ci si potrebbe aspettare di avere analisti specializzati negli e-commerce di arredamento piuttosto che nel mercato del B2B. In realtà non è così.

Al contrario, la scalabilità dei processi che portano all’analisi è uno dei punti di forza di questa figura, che è perfettamente capace di passare non solo da un settore all’altro ma anche dall’offline all’online e viceversa.

I processi logici infatti saranno sempre gli stessi e potranno essere applicati con successo a strumenti diversi a seconda delle esigenze. 

Ecco perché la web analytics oggi rappresenta un’occasione preziosa anche per chi era abituato a fare analisi dei dati offline, e che anzi si trova semplicemente avvantaggiato dalla maggiore facilità di reperimento dei dati che il web ci mette a disposizione.