Il paper esplora come l’attenzione non sia un dato statico, ma un processo dinamico e multidimensionale che coinvolge percezione, emozione, comprensione e comportamento. Non basta che un annuncio sia “visibile” a schermo; ciò che conta è il grado di coinvolgimento reale, misurato oggi attraverso tecnologie avanzate non solo di eye-tracking ma anche grazie a strumenti che integrando AI e neuroscienze catturano le micro espressioni sul volto dei navigatori.

Un esempio di interesse, spesso sottovalutato dai media planner, riguarda il potere dell’audio digitale. Secondo gli studi citati (Dentsu/Lumen), l’attenzione generata dall’audio è superiore del 66% rispetto al video digitale e del 155% rispetto ai social media. Questo si traduce in un aumento della Brand Choice del 67%, dimostrando che l’assenza di stimoli visivi può paradossalmente focalizzare meglio il coinvolgimento cognitivo.

Fonte: IAB Italia – Attention Metrics

La ricerca ha il pregio di voler standardizzare un mercato frammentato, introducendo concetti operativi come l’aCPM (Attentive CPM) per remunerare la qualità e non solo il numero delle esposizioni dell’annuncio. È un passo fondamentale per la sostenibilità economica dei publisher di qualità.

Swot analysis delle Attention Metrics. Fonte: Iab Italia

Tuttavia, emergono delle criticità:

In conclusione, il paper ci dice che dobbiamo smettere di contare le impression e iniziare a far contare i secondi di reale connessione con l’utente.

Se si carica un testo inedito o riservato per ottenere una traduzione, un report o un’analisi su ChatGPT, Gemini, o NotebookLM è fondamentale sapere se il file e la relativa chat potranno essere: (a) condivisi con altri utenti, (b) usati per addestrare il modello, (c) conservati oltre il necessario.

Qui sotto ho provato a fare un confronto aggiornato al 21/10/2025 su cosa ci si può aspettare.

Fig.1: ChatGpt Controllo dati > Migliora il modello per tutti. Disattivandolo le chat non vengono utilizzate per addestrare il modello.

Fig.2: In ChatGpt con l’opzione “Attiva Chat temporanea”, in alto a destra, la conversazione non viene salvata.

Fig.3: in Gemini con l’opzione salva l’attività disattivata si può evitare di salvare le conversazioni. Sempre dallo stesso pannello si può decidere quali conversazioni eliminare.

I file caricati non vengono condivisi automaticamente con altri utenti in nessuna delle tre piattaforme.

L’uso ai fini di apprendimento dipende da piano e impostazioni:

Questo è quello che sono riuscito a capire dalla documentazione, qualcuno ha informazioni differenti?

Oggi il marketing opera tra analytics, advertising, SEO, copywriting, AI generativa e automazioni: investire in competenze è necessario, ma la modalità con cui lo si fa fa la differenza.

Penso che, nonostante quello che si vede online, sia chiaro a tutti che le scorciatoie e le ricette miracolose non solo non sono utili, ma spesso siano la via più breve per l’insuccesso. Le guide pratiche possono essere fonte di ispirazione e utili nel caso si abbia già un buon livello di competenza ma non possono sostituire un percorso di apprendimento tradizionale e solido.

Condivido nel seguito alcuni punti che ritengo importanti e che applico quando progetto un percorso formativo con i miei clienti.

Corsi registrati o a “catalogo” in cui partecipano più aziende possono sembrare efficienti, ma generano bassa trasferibilità: ignorano livello di partenza, processi interni e obiettivi di business. Un percorso efficace non si compra a scaffale: si progetta.

Il compito di HR è costruire un piano formativo che colleghi:

Ogni azienda ha una diversa maturità digitale: ciò che funziona per una start-up può non funzionare per un gruppo industriale o retail.

Le aziende che abbandonano i corsi generici e costruiscono un percorso su misura — integrando AI, SEO, copy e analytics — vedono risultati concreti: team più autonomi, decisioni migliori e performance superiori.

La vera svolta non è “fare corsi”, ma progettare una formazione che cambia i comportamenti in azienda e faccia crescere il gruppo di lavoro. Per mia esperienza un buon corso è anche un’occasione straordinaria per cementare il gruppo di lavoro, avere una visione comune e far comprendere quanto la collaborazione fra i vari ruoli permetta di ottenere risultati concreti.

Una delle strategie più efficaci per “ripulire” le SERP da questi contenuti spuri è l’utilizzo del parametro udm=14, un vero e proprio search modifier non documentato ufficialmente ma emerso recentemente grazie all’analisi delle query URL da parte della community.

È possibile aggiungere manualmente il parametro udm=14, all’URL di ricerca di Google, forzando il motore a presentare i risultati classici, evitando i blocchi generati dall’intelligenza artificiale, le risposte “sintetiche” e altri elementi UI/UX più recenti come:

Vediamo un esempio pratico provando a fare una ricerca di “pompa di calore”. Il risultato che ci presenta Google è quello visibile nell’immagine riportata.

Se cambiamo l’URL aggiungendo il parametro udm=14, quindi https://www.google.com/search?q=pompa+di+calore&udm=14 otteniamo una ricerca più puntuale e “pulita”. Questo approccio restituisce una SERP molto più simile a quella di 3-4 anni fa, dominata da link diretti a pagine, forum, documentazione ufficiale, ecc.

Un Bookmarklet è un segnalibro speciale che, invece di contenere un semplice URL, contiene codice JavaScript. Quando si clicca sul bookmarklet, il codice viene eseguito sulla pagina web che si sta visitando. In pratica, è uno script “one-click” che modifica il comportamento della pagina senza bisogno di ricorrere a modifiche manuali dell’URL o a estensioni come Tampermonkey o altri plugin che appesantiscono il browser.

Vediamo come procedere:

Cosa fa in pratica?

Dal rollout globale di Google AI Overviews nel maggio 2024, Google ha introdotto anche una nuova sezione fissa denominata WEB.

Cliccando su WEB in pratica avviene la stessa cosa:

Tuttavia, esistono casi in cui l’utilizzo del parametro &udm=14 può rivelarsi utile.

L’utilizzo di &udm=14 è completamente automatizzabile, il che lo rende ideale per:

Il parametro udm=14 applica un comportamento deterministico, ovvero:

Il tab WEB, invece:

Essendo un parametro URL, udm=14:

Infine udm=14 è interoperabile:

Oltre i tecnicismi mi permetto anche una considerazione un po’ più personale e opinabile. La ricerca “pulita” con il parametro &udm=14 è, se vogliamo, un atto di resistenza digitale.

Mi spiego, nel momento in cui Google diventa un oracolo generativo, più attento a prevedere ciò che vogliamo sentirci dire che a mostrare ciò che realmente esiste online, il parametro &udm=14 diventa un gesto piccolo ma rivoluzionario: non farci “raccontare la realtà” ma chiedere di vederla “nuda e cruda”.

Certo, il tab “WEB” è lì, a disposizione di tutti. Ma è un interruttore beneducato: serve a placare chi non vuole l’intelligenza artificiale ma non sa nemmeno bene il perché. &udm=14, invece, è per chi sa cosa sta cercando. Per chi vuole le mani sporche di SERP grezza, senza layer, senza trucco.

“La differenza tra un utente e un analista è che l’utente accetta il risultato, l’analista lo interroga.” mi sembra che dicesse uno di quei nerd che utilizzano solo le interfacce a caratteri Linux.

Per chi lavora con l’informazione, ogni parametro conta. E &udm=14 non è solo una stringa nell’URL: è una chiave di accesso alla verità algoritmica. O, quantomeno, alla sua versione meno decorata.

Entrambe le soluzioni hanno vantaggi e svantaggi, e la scelta dipende da diversi fattori, come il tipo di business, il budget disponibile e le competenze del team di marketing.

Cercheremo di fare qualche considerazione sui punti di forza e le criticità di ciascun approccio, con consigli pratici su quando preferire uno all’altro, posto che ovviamente si potranno adottare approcci misti.

AI: l’Intelligenza Artificiale è ideale per aziende con obiettivi ampi, target diversificati e budget sostanziosi, che possono beneficiare dell’automazione per risparmiare tempo e ottimizzare in modo dinamico. È particolarmente utile quando si utilizzano strumenti avanzati come Smart Bidding e Performance Max.

Gestione manuale: la gestione tradizionale è consigliata per business di nicchia, dove è necessario un controllo approfondito e una personalizzazione delle strategie che l’AI non è in grado di garantire. È la scelta giusta per chi dispone di competenze specifiche o un team dedicato alla gestione delle campagne. La gestione manuale diviene una strada quasi obbligata quando si hanno budget limitati e il tempo necessario per raccogliere dati che siano statisticamente affidabili, richiederebbe tempi troppo lunghi.

Senza nessuna pretesa di completezza o di rilevare “trucchi” miracolosi, mi limito a fornire qualche spunto su cui iniziare a lavorare nel caso si scelga una ottimizzazione manuale.

Gli annunci delle campagne devono essere tutti in stato Eccellente. Per una verifica veloce è sufficiente mostrare nel report degli annunci lo stato dell’annuncio (da Google Ads > Campagne > Annunci selezionare Colonne e aggiungere Efficacia dell’Annuncio).

Possiamo così controllare che tutti gli annunci attivi abbiano l’efficacia dell’annuncio Eccellente.

Se si trovano in altri stati occorre provvedere ad ottimizzarli verificando che:

Attenzione: nel caso si siano bloccate le posizioni di uno o più Titoli o Descrizioni è improbabile che l’annuncio possa essere in stato Eccellente.

Una volta che tutti gli annunci sono in stato Eccellente possiamo passare a verificare il Quality Score. Nel caso in precedenza molti annunci fossero in uno stato non eccellente consigliamo di lasciare passare un po’ di tempo per dar modo a Google di allineare il punteggio di qualità con il nuovo stato degli annunci.

Il Punteggio di qualità (da 1 pessimo a 10 ottimo) è la metrica assegnata da Google Ads ad ogni parola chiave dei gruppi di annuncio e riflette la qualità complessiva dell’esperienza che l’annuncio e la landing page offrono agli utenti in relazione alla parola chiave.

Perché il Quality Score è così importante? Perché influisce direttamente su:

Il punteggio di qualità si basa su tre componenti principali:

La prima cosa è verificarlo mostrando le relative colonne. Nella visualizzazione in cu sono mostrate le parole chiave (Campagne > Segmenti di pubblico, parole chiave e contenuti > Parole chiave per la rete di ricerca) con il tasto Colonne > Punteggio di qualità spuntare Punteggio di qualità, CTR previsto, Esper. Pag. dest. e Pertinenza degli annunci. Eventualmente è possibile vedere anche lo stato inziale del periodo scelto mostrando i corrispondenti con (cron).

Vediamo come può essere migliorato.

1 – Ottimizzare il CTR Previsto

2 – Aumentare la Rilevanza dell’Annuncio

3 – Migliorare l’Esperienza della Landing Page

4 – Monitorare e Analizzare i Dati

5 – Utilizzare Parole Chiave Negative

Il punteggio di qualità non è statico; varia in base alle prestazioni e alle modifiche nel comportamento degli utenti. È buona norma monitorarlo regolarmente e adottare un approccio iterativo per perfezionare ogni aspetto.

Un investimento costante nel miglioramento del Quality Score porta benefici non solo nel breve termine, ma crea una base solida per campagne pubblicitarie di lungo successo.

Per tutte le campagne sulla Rete di Ricerca occorre verificare il CPC (costo per Clic) medio della campagna e poi esaminare l’elenco delle Keyword scelte e ordinare per CPC in ordine decrescente. Nel caso ce ne siano alcune con CPC particolarmente alto abbiamo diverse alternative:

L’interfaccia di GA4 permette di vedere solo una parte dei dati raccolti e spesso è necessario creare report specifici con Looker Studio, o con altri strumenti, ma, la prima cosa da fare, è porsi le domande corrette.

Può essere un buon inizio partire dalle seguenti:

Vediamo come rispondere a queste domande in modo efficace.

Chiariamo innanzitutto cosa dobbiamo intendere con target dal momento che solitamente nel marketing si pensa al Target per il remarketing, o ancora lo si segmenta per canali di acquisizione (ad esempio, ricerca organica, social o referral). Più raramente si suddividono i target in base al comportamento, ai dati demografici o alle conversioni. GA4 ci aiuta anche in questi casi e permette di impostare Custom Audience da utilizzare per la segmentazione.

Tra questi, ad esempio, possiamo raggruppare i visitatori che:

GA4 consente a chi ha ruolo di Editor o Marketer di creare Nuove Audience (Amministrazione > Data Display > Audiences) mediante trigger di target che entrano in gioco quando gli utenti raggiungono alcune soglie di interazione come l’inizio di X sessioni, la lettura di Y articoli o il superamento di Z soglie di conversione.

Con le Audience è possiamo scoprire cosa cercano e con cosa interagiscono i diversi target e come gli utenti navigano sul nostro sito.

Il bello delle Audience di GA4 è che permettono di operare su tutti i dati raccolti.

Viene dunque da chiedersi quali eventi dovremmo impostare sul nostro sito web per una efficace segmentazione.

Molti degli eventi che tracciano il comportamento degli utenti sono raccolti automaticamente da GA4 ma non sono visualizzati e non sono utilizzabili per creare target fino a quando non vengono abilitati con la misurazione avanzata.

Ricordiamo gli eventi raccolti automaticamente che possono essere abilitati per la misurazione avanzata (Amministrazione, Flussi di dati > Web e spuntarli in Misurazione avanzata):

Potrebbe essere utile aggiungere anche altri eventi consigliati, tra cui:

Se questi non bastassero è sempre possibile definire eventi custom.

Si definiscono micro conversioni quelle piccole conversioni che costituiscono i passi necessari per le conversioni più importanti (dette macro-conversioni o più semplicemente conversioni). Nella maggior parte dei casi, basta andare su Amministrazione, cliccare su Eventi e contrassegnare l’evento come conversione.

Ad esempio, si potrebbero misurare le seguenti micro conversioni:

Il passo successivo è associare valori monetari alle micro conversioni in modo da ottimizzare le campagne di marketing, soprattutto quelle Google ADS in cui potremo sfruttare la possibilità di gestire offerte “Massimizza il valore della conversione” ed eventualmente “Imposta un ritorno sulla spesa pubblicitaria target” con un ROAS Target.

Questo è un passaggio che purtroppo è spesso sottovalutato ma è fondamentale per ottimizzare le campagne Google ADS. Infatti se ci limitiamo a importare o configurare in Google ADS le conversioni non abbiamo modo di far percepire a Google il peso da dare loro e rischiamo, ad esempio in un e-commerce, di tener conto solo degli acquisti ma non degli utenti che mettono prodotti nel carrello, si iscrivono alla newsletter o chiedono chiarimento sui prodotti.

Se da una parte Google ADS permette di classificare le conversioni come Principali (su cui ottimizzare le campagne) o Secondarie (che non vengono prese in considerazione per l’ottimizzazione delle campagne), assegnando anche un valore alle conversioni potremo dare il giusto peso alle conversioni principali suddividendole per importanza in base al valore attribuito.

Facciamo un esempio: supponendo che il 20% delle persone che compilano un questionario diventino successivamente clienti, e la transazione media sia di 100 € con una marginalità di 50 €. Allora potremmo associare 10 € (cioè il 20% di 50 €) come valore della compilazione del questionario.

Per aggiungere un valore quando qualcuno ha completato un questionario è sufficiente:

Collegano infine GA4 con Google ADS è possibile vedere l’intero ciclo del cliente, dal clic sugli annunci fino al completamento di micro e macro conversioni.

L’integrazione con Google ADS è fondamentale anche per il remarketing permettendo alle ADS di utilizzare le Audience basate sui target di Analytics di cui abbiamo parlato all’inizio.

GA4 offre diverse raccolte di report basate sulle informazioni fornite durante la configurazione.

Il principale set predefinito di report da esaminare è “Ciclo di vita/Life cycle”, che aiuta a capire ogni fase del percorso del cliente, dall’acquisizione al coinvolgimento, alla monetizzazione e alla retention.

Può essere sostituito dalla raccolta degli obiettivi aziendali in alcune configurazioni in cui è stato selezionato “Aumentare la consapevolezza del marchio”, “Esaminare il comportamento dell’utente”, “Generare lead” o “Generare vendite online” durante la configurazione.

Anche la raccolta Utenti/User, ci aiuta a capire chi utilizza il sito, compresi i dati demografici (ad esempio, età e località da cui navigano) e la tecnologia che utilizzano (ad esempio, versione del browser, versione dell’app).

Nel caso non fossero disponibili nella nostra configurazione si può provare ad accedere alla voce Library (nel menu di sinistra in basso) e abilitarli.

Tramite il menu di sinistra di GA4 con la voce Explore / Esplora si possono generare report partendo da diverse impostazioni:

Se, come me, non vi trovate completamente a vostro agio con i report di GA4, con la sezione Explore o con la customizzazione dei report, il consiglio è di giocare un po’ con Google Looker Studio, la nuova versione di Google Data Studio, che è a disposizione gratuita di tutti gli utenti di Google.

Non è un tool perfetto ma nel 90% dei casi permette di costruire dei buoni report e delle dashboard efficaci con uno sforzo molto contenuto.

Le novità introdotte da Google Analytics 4 (GA4), segnano un passaggio cruciale per professionisti e aziende nel campo dell’analitica web. La messa in pratica dei suggerimenti forniti sono fondamentali per chi desidera sfruttare al meglio le nuove funzionalità di GA4, ottimizzando le strategie di marketing digitale e la comprendere il reale comportamento degli utenti del proprio sito.

Per chi volesse approfondire ulteriormente o avere un supporto in questa attività, potrebbe essere utile considerare un corso specifico su GA4 e Looker Studio, o un affiancamento per la fase di implementazione.

In GA3, gli eventi sono definiti da tre parametri principali: Categoria evento (Event Category), Azione evento (Event Action) e Etichetta evento (Event Label) che vengono utilizzati per classificare e monitorare le azioni degli utenti sul sito web o nell’App.

In GA4 invece sono classificati come eventi personalizzati automatizzati (Automatically Collected Custom Events), eventi di misurazione avanzata (Enhanced Measurement Events), eventi consigliati (Recommended Events) e eventi personalizzati (Custom Events). Questa struttura offre una maggiore flessibilità nel tracciare e analizzare le azioni degli utenti.

Inoltre, GA4 introduce nuovi concetti come gli insiemi di parametri (Parameter Sets) e le proprietà dei dati (Data Properties) che consentono di organizzare e strutturare meglio le informazioni raccolte.

Riassumendo: scordiamoci di Categoria, Azione e Etichetta e prepariamoci a entrare in un mondo in cui tutto è un evento caratterizzato da una serie di parametri. Alcuni di questi sono comuni a tutti gli eventi (ad esempio la sessione a cui si riferiscono) mentre altri sono propri del tipo di evento o dai parametri che decidiamo di creare.

La possibilità di creare eventi direttamente dall’interfaccia utente è una novità interessante per le proprietà di Google Analytics 4 (GA4). È una funzionalità che non era presente in Google Universal Analytics ed è un buon passo avanti per personalizzare gli eventi, i relativi parametri e disporre di eventi di conversione più specifici.

Entrambi i metodi funzionano bene per gestire eventi di conversione specifici ed eventi consigliati. Utilizzare l’interfaccia utente è più semplice ma ha qualche limitazione mentre l’utilizzo di GTM è più flessibile anche se comporta qualche conoscenza in più.

Questa guida si concentra sulla creazione di eventi personalizzati tramite l’interfaccia utente di GA4.

Vediamo passo dopo passo come farlo.

Un’ultima premessa è doverosa: GA4 permette sia di creare eventi a partire da quelli già presenti sia di modificare un evento esistente.

La modifica di un evento esistente può essere utile per:

Attenzione: gli eventi modificati in Analytics presentano le seguenti limitazioni:

Si inizia da Amministrazione > Eventi

e nella parte superiore destra della tabella degli eventi, fare clic sul pulsante centrale “Crea evento“.

A questo punto si apre la schermata degli eventi personalizzati. Fare clic su “Crea“.

A titolo di esempio possiamo creare un evento che si concentri specificamente sulle visite alla pagina “Informazioni” (https://www.mio-sito.it/info_contatti/”) in modo da poter contare più facilmente quelle visualizzazioni di pagina senza dover consultare i report dei parametri.

Per prima cosa, diamo al nuovo evento un nome unico:”page_view_contatti”.

Ora dobbiamo inseriamo le condizioni corrispondenti. per prima cosa occorre specifichiamo l’evento da cui desideriamo creare il nuovo evento. In questo caso, è page_view, quindi lo inseriremo sulla prima riga di condizione come event_name uguale a “page_view”.

Ora dobbiamo indicare una condizione aggiuntiva per distinguere specificamente la visualizzazione della pagina “Informazioni” dal resto come evento separato. Utilizzeremo la condizione page_location contiene “contatti” per questa condizione.

Infine, impostiamo la configurazione dei parametri. Se desideriamo utilizzare solo i parametri già presenti nell’evento “page_view” originale, possiamo lasciare selezionata l’opzione “Copia i parametri dall’evento di origine“. In caso contrario, posso aggiungere i parametri aggiuntivi da utilizzare per l’evento “page_view_contatti”.

Nel nostro caso possiamo lasciare i parametri come sono nell’evento “page_view” originale, poiché questo evento non è molto diverso, e cliccheremo su “Crea” in alto a destra.

Questo è quello che dovremmo ottenere:

L’ultimo passo è verificare che il nuovo evento si attivi come previsto. Per farlo, è sufficiente andare sul sito e navigare sino alla pagina “Contatti”. In questo modo si dovrebbe ora attivare il nuovo evento “page_view_contatti”. Per verificare che si attivi effettivamente, apriamo il rapporto “In tempo reale” in GA4 .

Se navigheremo sino alla pagina Contatti vedremo attivarsi l’evento creato.

Uno dei motivi principali per cui la funzionalità di creare facilmente nuovi eventi nell’interfaccia è interessante è la possibilità di contrassegnare questi eventi come conversioni. Ci sono due modi per farlo.

Alcune regole per la denominazione degli eventi:

Gli eventi che si configurano hanno delle limitazioni. Ecco le limitazioni di cui devi è bene essere consapevoli:

Prima di creare eventi personalizzati, è bene consultare l’elenco di eventi raccolti automaticamente, eventi di misurazione avanzata ed eventi consigliati. Questi tipi di eventi popolano automaticamente dimensioni e metriche predefinite. Inoltre, non influiscono sui limiti sul numero di eventi e parametri che è possibile creare.

Per un corso dedicato (da Google Analytics Universal a GA4) o una consulenza aziendale progettata “su misura” siamo il giusto riferimento.

Google Analytics 4 (GA4) è l’ultima versione della popolare piattaforma di web analytics di Google. È stato introdotto in sostituzione di Universal Analytics (UA o GA3 o GUA che dir si voglia), che ci ha assistito per oltre 10 anni (dal 2012) e verrà dismesso a partire dal luglio 2023.

Ci sono molte differenze tra GA4 e UA, tra cui l’uso dell’auto-aggiornamento dei dati, una maggiore attenzione alla privacy  e una visualizzazione dei rapporti più intuitiva. Oltre ovviamente al fatto che, più siamo stati abituati a usare GA3, più fatica faremo inizialmente a cambiare approccio. Tuttavia, per quanto riguarda specificamente le metriche, ci sono alcune differenze importanti che vale la pena conoscere.

La prima differenza è la distinzione tra utente e sessione. In GA4, un utente è un navigatore che ha interagito con il sito o la app, mentre una sessione è una singola visita che può includere una o più azioni o interazioni (eventi). In GA3, la distinzione tra sessione e utente era molto meno netta.

Altra differenza rilevante è l’uso di eventi e parametri. In GA4, sono supportati molti più eventi predefiniti, ed è possibile anche creare eventi personalizzati in modo più semplice. I parametri sono utilizzati in modo diverso in GA4 rispetto a UA, e sono essenziali per aiutare a tracciare l’attività sul sito o nella App.

Durante la configurazione di Google Analytics 4 o i primi mesi di utilizzo, si potrebbe aver la necessità di confrontare i risultati della proprietà di Google Analytics 4 con quelli della proprietà di Universal Analytics per valutare la corretta implementazione.

Nel seguito riportiamo alcuni aspetti da tenere in considerazione per non rischiare di preoccuparsi inutilmente se i dati non tornano.

Google Analytics 4 calcola le sessioni in modo diverso rispetto a Google Analytics 3. Le sessioni potrebbero risultare inferiori in GA4 a causa di:

GA4 Differenze Misurazioni con GA3

ATTENZIONE: Occorre notare inoltre che mente in GA3 una sessione inizia non appena si ha una “page  view” e non ci sono sessioni attive, in GA4 una sessione può iniziare anche senza una “page view” come nel caso in cui si carichi un sito in una finestra in background.

Quelli che abitualmente sono stati indicati come Obiettivi (goal) in GA3, in Ga4 sono ora chiamati “Conversioni“, ma fino a qui cambia poco. Quello invece che fa la differenza è come vengono conteggiati: GA3 raggruppa tutte le attività del sito all’interno di una sessione. In tal modo, Google deduplica anche tutte le conversioni all’interno di quella sessione. Se qualcuno in una stessa sessione compila un modulo 3 volte, Google Analytics lo conta come un solo obiettivo raggiunto.

Al contrario, GA4 non utilizzando un modello di dati basato sulle sessioni, nell’esempio prima citato, conteggia 3 conversioni. Questa differenza è assai significa e in molti casi genera un aumento delle conversioni in GA4 rispetto agli obiettivi raggiunti in GA3. È importante sottolineare che a causa di questa mancanza di deduplicazione, il passaggio a GA4 è un ottimo momento per testare la validazione dei nostri moduli. Succede di frequente infatti che l’evento di conversione si attivi quando si fa clic su un pulsante “invia” anche senza inviare il modulo.

Per calcolare la metrica della durata media della visita su una pagina in GA3, Google sottrae l’orario di caricamento della prima pagina all’orario di caricamento della pagina successiva. Il difetto intrinseco è che Google Universal Analytics non ha modo di misurare il tempo che l’utente trascorre sulla pagina di uscita perché non c’è alcuna successiva visualizzazione di pagina e di conseguenza non si ha un’ora di uscita da cui sottrarre l’ora di arrivo nell’ultima pagina della sessione.

Poiché Google non è mai stato in grado di stabilire la durata del tempo che qualcuno ha trascorso su una pagina di uscita, GA3 ha sempre sotto-stimato la durata media della sessione. A volte di pochi secondi, altre di 10 minuti o più. E l’errore era tanto più frequente nel caso di siti mono-pagina o da mobile in cui la propensione al click sui link è solitamente minore.

GA4, diversamente, misura il tempo in modo differente inviando un timestamp con ogni evento (tra cui ad esempio c’è anche lo scroll). Quindi generalmente, quando si confrontano le metriche della durata media della sessione in GA3 con GA4, è probabile che GA4 riporti un tempo più elevato.

La metrica Tasso di rimbalzo di GA3 è influenzata in gran parte dalla quantità di tracciamenti degli eventi che sono stati aggiunti all’implementazione base di Google Analytics. Più eventi sono stati configurati, più bassa risultava la frequenza di rimbalzo. Al contrario, i proprietari di account che non hanno implementato alcun tracciamento degli eventi personalizzato fanno registrare un tasso di rimbalzo più consistente.

In GA4, la metrica Tasso di Coinvolgimento viene utilizzata al posto del tasso di rimbalzo. Il tasso di coinvolgimento è la percentuale di visitatori la cui visita è durata più di 10 secondi, ha avuto un evento di conversione, o almeno 2 visualizzazioni di pagina o schermata per le App. In pratica il Tasso di Coinvolgimento è l’inverso del tasso di Rimbalzo, diciamo che pur mostrando metriche confrontabili, GA4 ha una visione più ottimista!

Con GA4, il tracciamento degli eventi diminuirà il tasso di rimbalzo solo se viene settato come una conversione. Il risultato è che se si aveva un tasso di rimbalzo molto basso in Universal Analytics dovuto all’aggiunta di molti eventi, è probabile che il tasso di rimbalzo in GA4 sia più alto. Al contrario, se il tasso di rimbalzo era particolarmente alto in Universal Analytics, non ci si dovrà stupire se ci saranno valori più bassi in GA4.

Nonostante GA4 sia l’opzione predefinita per le nuove proprietà di Google Analytics dal 14 ottobre 2020, molti marketer e sviluppatori web non hanno ancora effettuato la transizione da UA a GA4 e spesso si sono limitati a una conversione automatica che porta spesso a implementazioni imprecise o addirittura inutili.

Una possibile ragione è che Google Analytics 4 funziona in modo differente dal suo predecessore e, pur offrendo nuove funzionalità, ha subito critiche per bug presunti e per la mancanza di alcune funzionalità apprezzate dagli utenti di UA.

Cerchiamo quindi di capire da Google Analytics Universal a GA4: cosa cambia? E quando?

Il 16 marzo 2022, Google ha annunciato che Universale Analytics interromperà l’elaborazione dei dati dal 1º luglio 2023 per le proprietà standard UA e dal 1º ottobre 2023 per le proprietà UA 360. Il periodo di tempo relativamente breve tra l’annuncio e la data di fine ha sorpreso molti marketer e causato un leggero panico nel settore. Anche se Google Analytics 4 era uscito dalla beta dal 2020, l’adozione era ancora relativamente bassa. Questo ha probabilmente influenzato la decisione di Google di accelerare i tempi.

Più di un anno potrebbe sembrare un tempo sufficiente per aggiungere uno script di tracciamento su un sito, ma è importante ricordare quanto possa essere critica l’implementazione di Google Analytics per la maggior parte delle aziende quando si tratta di misurare il proprio sito in modo corretto ed efficace. Prima di iniziare ad implementare Google Analytics 4, è cruciale capire come sia diverso da Universal Analytics.

Una delle funzioni più attese di GA4 è la capacità di tracciare i dati del sito web e dell’app nella stessa proprietà.

GA4 infatti sfrutta lo stesso modello di misurazione di Google Analytics Firebase (utilizzato per le app mobile) in cui tutte le interazioni sono catturate come eventi. Questo nuovo data model unificato tra il sito e l’app mobile significa che sarà più facile combinare i dati e seguire il comportamento degli utenti che interagiscono sul sito e sulle App.

Un’altra differenza significativa tra UA e GA4 riguarda il modo in cui vengono acquisite le interazioni. UA, acquisisce le interazioni con diversi tipi di hit, come le visualizzazioni di pagina, le transazioni e le interazioni social. In GA4, al contrario, acquisisce le interazione acquisita come eventi.

Gli eventi esistevano anche in UA, con una categoria, un’azione e una descrizione associati, ma queste classificazioni non esistono più in GA4. GA4 lavora con i parametri dell’evento che sono informazioni aggiuntive sull’azione (evento) che ha compiuto l’utente. Alcuni parametri di evento vengono inviati automaticamente, come page_title, mentre altri possono essere aggiunti (è possibile registrare fino a 25 parametri per ciascun evento).

Dal momento che i modelli di dati sono fondamentalmente diversi, Google consiglia di non copiare semplicemente la logica degli eventi esistenti da UA a GA4, ma di implementare invece una nuova logica che abbia senso in questo nuovo contesto. Torneremo su questo argomento con un post più specifico.

Un’altra differenza tra UA e GA4 che può diventare evidente quando si iniziano a confrontare le statistiche tra i due sistemi, riguarda i valori delle sessioni.

In UA, una sessione rappresenta il periodo di tempo in cui un utente è attivamente impegnato sul sito. Dopo essere atterrati sul sito, questi sono gli eventi che interrompono una sessione in UA:

In GA4, invece, l’evento session_start genera un ID di sessione a cui, durante la sessione stessa, sono associati tutti gli eventi successivi. Similmente ad UA, una sessione termina dopo 30 minuti di inattività (o le impostazioni del timeout della sessione), ma le sessioni possono ora proseguire oltre la mezzanotte e non sono influenzate dal riscontro di nuovi parametri di campagna. Se il sito ha un pubblico globale (cioè con differenti fusi orari), ciò può causare discrepanze nel numero delle sessioni tra UA e GA4.

Con GA4, le esportazioni in BigQuery sono disponibili per tutte le proprietà (per UA, ciò era limitato alle proprietà di Analytics 360). Ciò significa che si possono inviare eventi grezzi a BigQuery, che successivamente possono essere rielaborati e aggregati utilizzando SQL.

L’utilizzo di BigQuery non ha alcun costo a condizione che l’utilizzo sia entro i limiti della sandbox per BigQuery (10 GB di spazio di archiviazione attivo e 1 TB di dati di query elaborati ogni mese). Vale la pena notare che l’ambiente sandbox non supporta il live streaming dei dati.

Alcune delle mancanze più significative di GA4 sono le metriche relative ai rimbalzi (bounce rate). GA4 ha scelto di adottare un approccio più “positivo” e riportare le cifre per il tasso di coinvolgimento. In poche parole, il tasso di coinvolgimento è calcolato come percentuale di sessioni con coinvolgimenti /sessioni.

Ma cosa sono le sessioni con coinvolgimento? Sono tutte quelle sessioni che sono durate almeno 10 secondi, hanno almeno 1 evento di conversione o hanno almeno 2 visualizzazioni di pagina (sito) o schermata (App).

Quindi il tasso di rimbalzo non esiste più in GA4?

Esiste, ma viene calcolato in modo un po’ diverso in GA4. In Google Analytics 4, il tasso di rimbalzo è la percentuale di sessioni che non sono sessioni con “coinvolgimenti”. In altre parole, il tasso di rimbalzo è l’inverso del tasso di coinvolgimento.

Se stavate  utilizzando le funzionalità base di GA Universal, potevate utilizzare GA senza Google Tag Manager. Ad esempio, potevate creare conversioni della pagina di destinazione in Google Analytics stesso.

Ora, con GA4, ciò non è più possibile. Tutti i goal sono basati su eventi, quindi è più importante che mai conoscere bene Google Tag Manager. Soprattutto se utilizzate realmente Google Analytics per attività di marketing o ecommerce.

Comprendere il Tag Manager (o GTM) e saper lavorare con esso, è anche utile per la raccolta avanzata di dati. Ad esempio, sarà utile per creare eventi personalizzati e dimensioni personalizzate, possibile in parte anche dalla nuova interfaccia di GA4, ma in modo meno organico e strutturato.

Mentre Universal Analytics conserva i dati praticamente per sempre, i dati di Google Analytics 4 scadono dopo 14 mesi.

Per quanto riguarda i dati sulle abitudini degli utenti (cookies o identificatori di utente) Universal Analytics, permette di scegliere tra più opzioni: 14 mesi, 26 mesi, 38 mesi, 50 mesi e non scadere automaticamente. Diversamente Google Analytics 4, hai solo due opzioni: 2 mesi e 14 mesi.

In GA4 sebbene la comparazione anno su anno sarà ancora possibile, non sarà più possibile accedere ai dati storici. Per ovviare sarà necessario predisporre una copia di backup dei dati di GA4 su BigQuery.

Ai sensi del GDPR, l’indirizzo IP viene considerato un dato personale. In Universal Analytics, era necessario configurare attivamente GA per anonimizzare gli indirizzi IP in modo da poter conformarsi alla normativa GDPR, con Google Analytics 4, gli indirizzi IP vengono automaticamente anonimizzati.

In GA3, c’era l’account, sotto il quale c’era una proprietà (come un sito web, un blog o un’app), e sotto ogni proprietà, c’erano le Viste. Di default, si aveva una sola Vista non filtrata nella quale si potevano vedere tutti i rapporti. Per chi lo desiderava si potevano configurare altre Viste grazie alla definizione e applicazione dei Filtri.

Ad esempio si potevano avere viste per tracciare sottodomini, o per isolare tutto il traffico proveniente da un determinato paese.

In GA4 non ci sono più le viste ma ci sono i Data Stream (Flusso dati), che sono diverse fonti di informazione che alimentano ciascuna la proprietà di Google Analytics. Quindi, si potrebbe avere un data stream per il sito web, un’app iOS o un’app Android e poi vedere i rapporti aggregati.

Va inoltre segnalato che mentre Universal Analytics raccoglie dati a livello di proprietà con un ID di tracciamento, GA4 raccoglie dati a livello di flusso tramite un ID di flusso dati univoco. Ogni proprietà GA4 può avere fino a 50 flussi di dati suddivisi tra Web e App con un limite di 30 flussi di dati per le App.

Va inoltre segnalato che poiché l’ID di tracciamento di GA3 utilizzava i codici UA e GA4 si è spostato su gtags, è più difficile verificare quale stream è presente su un sito con Google Tag Assistant.

Con Universal Analytics, il campionamento dei dati avviene automaticamente quando si raggiunge il limite di 500.000 sessioni per l’intervallo di date scelto.

In GA4, i report standard sono sempre non campionati. I report avanzati vengono campionati quando i dati superano i 10 milioni. In UA, i dati possono essere campionati se si applica una dimensione secondaria o un segmento ai report standard. Ma in GA4, è possibile applicare confronti e dimensioni secondarie, filtrare i report e tutto può rimanere non campionato.

Ora che Google Analytics passa da un modello di dati basato sulla sessione a un modello basato sugli eventi, i cambiamenti non sono pochi e come sappiamo gli ingegneri di Google sono sempre al lavoro e è quindi presumibile che avverranno altri cambiamenti.

Da oggi, sta a noi iniziare ad esplorare e imparare. Se avete bisogno di un aiuto per il passaggio a GA4 o volete farlo a 4 mani o volete semplicemente aggiornare le vostre conoscenze o quelle del vostro gruppo di lavoro, possiamo aiutarvi. Lasciate i vostri dati compilando i form e capiremo insieme quale potrebbe essere l’approccio migliore: un corso dedicato (da Google Analytics Universal a GA4) o una consulenza aziendale progettata “su misura”?