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.

Dal luglio 2023, GA3 non raccoglierà più dati e, dopo qualche mese, non saranno più disponibili nemmeno per la consultazione. Occorre quindi agire al più presto anche per i seguenti motivi:

GA4 infatti, fornirà metriche differenti o, per lo meno, calcolate in modo diverso.

Con GA4, si passa da un sistema basato su sessioni e visualizzazioni pagine a un data model incentrato su eventi e parametri.

Gon GA4 non serve più utilizzare 2 sistemi: GA3 per i siti e Firebase per App. Finalmente si può utilizzare uno strumento unico che produce le stesse metriche che sono così confrontabili e aggregabili.

Finalmente le Analytics possono misurare le interazioni con gli utenti anche quando questi cambiano il device con cui navigano. Si può ad esempio scoprire quanti utilizzi della App sono stati necessari prima che l’utente accedesse al sito. Oppure i reali tassi di conversioni delle campagne di web marketing multi-device.

6 - Tracking automatico di alcuni tipi di eventi

Con GA4, abilitando la misurazione avanzata, è possibile misurare senza script aggiuntivi: scroll, click sui link che portano all’esterno del sito, interazioni con i video, ricerche sul sito, form e, udite udite, download dei file.

Quest’ultima funzionalità è sempre stata fonte di grattacapi in GA3.

GA4, a differenza di GA3, permette di corredare gli eventi con parametri aggiuntivi superando i classici:

Grazie al DebugView è possibile verificare i propri settaggi in tempo reale abbattendo drasticamente i tempi di verifica.

Sono disponibili nuove metriche quali: Engaged Session, Engagement Rate, Engaged session per user e Average engagement time.

A differenza di GA3, in cui era prevista solo GA360, GA4 offre una connessione gratuita con BigQuery in modo da poter facilmente utilizzare Query SQL sui dati grezzi e connettersi con altre fonti.

Come in passato (con Google Analytics 360) in GA4 sono preimpostati una serie di report avanzati che permettono analisi complete quali: esplorazione Coorti, Funnel, Sovrapposizione segmenti, analisi percorsi di navigazione, lifetime utente.

In GA4 qualsiasi evento può essere indicato come Conversione (i vecchi goal o obiettivi di GA3). Le conversioni di GA4 possono basarsi anche su condizioni complesse basate su combinazioni di pagine viste, eventi, tempo di permanenza e pagine vista per sessione. Mentre in GA3 potevano essere di un solo tipo alla volta. Il processo di creazione delle conversioni permette anche l’utilizzo di segmenti di pubblico complessi.

Facilità di impostazione di installazioni multi-dominio con il semplice pannello di amministrazione.

In GA4 ci sono una serie di report dedicati all’analisi predittiva. Tra questi: previsioni di acquisti, di ricavi e stima del tasso di abbandono (churn rate), ossia probabilità che un utente attivo sul sito nei 7 giorni precedenti non torni nei prossimi 7 giorni. Ovviamente la creazione dei suddetti segmenti di utenti è abilitata solo se il volume dei dati è sufficiente per la significatività della previsione.

GA4 ha introdotto una serie di report maggiormente specifici per capire il comportamento degli utenti all’interno del sito in modo più accurato rispetto a GA3.

Un buon settaggio di GA4 richiede tempo. Solitamente non si ottengono buoni risultati limitandosi a replicare l’implementazione di Universal Analytics in GA4 perché sono strumenti radicalmente differenti con un data model concettualmente diverso. La migrazione a GA4 ci offre l’opportunità di ripensare alla raccolta dei dati e creare dei KPI che siano veramente efficaci per affrontare le sfide dei prossimi anni.

Con le quattro sedi di Milano, Brescia, Piacenza-Cremona e Roma, 12 facoltà, e oltre 40 corsi di laurea triennali e altrettanti magistrali, l’Università Cattolica del Sacro Cuore è una delle più importanti università private in Italia.

Università Cattolica ha una presenza online particolarmente ricca e complessa costituita da parecchie decine di siti. Durante il 2012 abbiamo completamente riprogettato il sistema di Google Analytics, definendo obiettivi e Kpi di controllo e individuando una serie di report aggregati che permettessero di avere una visione di insieme permettendo al contempo di arrivare sino al singolo dettaglio.

Parallelamente abbiamo formato il personale interno in modo da renderlo partecipe del progetto e consentirgli non solo la lettura e l’interpretazione dei dati ma anche di continuare a mantenere il progetto attivo nel tempo.

L’incarico è stato svolto in collaborazione con B-Human.

Cliente: Università Cattolica del Sacro Cuore Inizio: 2011 Fine: 2013 Attività:

Categoria: Università privata Sito: www.unicatt.it

Un volta definiti gli obiettivi, non ci resta che verificare quali sono le sorgenti che meglio riescono a convogliare sul nostro sito traffico che acquisti o soddisfi gli obiettivi.

Sarebbe dunque molto comodo poter distinguere, oltre il traffico diretto, da referral o da motori di ricerca, anche gli utenti che derivano da:

Se osserviamo Google Analytics relativamente a “Acquisizione” possiamo vedere le sorgenti di traffico (Acquisizione > Tutto il traffico > Sorgente / Mezzo). Vediamo che l’elenco delle provenienze degli utenti è mostrato definendo delle coppie di “Sorgente / Mezzo”.

Nella figura ai primi due posti troviamo “google/CPC” e “google/organic”: la sorgente è sempre Google, ma i mezzi differiscono. Nel primo caso gli accessi provengono da ricerca organica (organic, sono i risultati naturali delle ricerche in Google) e nel secondo da CPC (Cost-Per-Click, vale a dire le AdWords di Google, cioè gli annunci a pagamento che compaiono generalmente sopra e sotto i risultati organici).

Prima di proseguire facciamo un passo indietro e cerchiamo di capire come sono fatti gli url che richiamano le varie pagine di un sito.

Il WWW è sostanzialmente una architettura client server basata sul protocollo http (o su alcune sue varianti) in cui un web client (es. web browser) inoltra richieste di risorse (pagine  html, documenti, file ecc.) a una macchina (web server) che risponde alle richieste dei web client. Sia il web server che il web client sono programmi in esecuzione su macchine connesse a Internet.

Struttura di un ULR. In questo caso, finito il nome della risorsa (prodotto.html) c’è un “?” che dice che quello che segue sono coppie di variabili e relativi valori: nome variabile “var1” valore variabile = “val1”, seconda variabile “var2” valorizzata a “val2”. Le coppie Variabile/Valore vengono separate tra di loro mediante il carattere “&”.

Ogni richiesta viene specificata indicando l’URL (Uniform Resource Locator), che è un nome che identifica univocamente ogni risorsa disponibile sul web.

Ogni URL specifica:

ES1: https://www.emailcaffe.it/?s=papero in questo caso viene attribuito il valore “papero” alla variabile “s” ed è utilizzata per passare la parola immessa nella casella di ricerca del sito: www.emailcaffe.it

ES2: nell’esempio seguente si fa abbondante utilizzo di parametri per richiamare all’interno dello stesso frame i dati di prodotti differenti (nel primo: id_tecnologia=5, nel secondo id_tecnologia=3).

Due pagine di uno stesso sito. Gli url differiscono solo per i valori dei parametri: id_tecnologia.

Due pagine di uno stesso sito. Gli url differiscono solo per i valori dei parametri: id_tecnologia.

Attenzione al fatto che se si prende un qualsiasi url (con o senza parametri) e gli si aggiungono ulteriori parametri (non utilizzati dal sistema), la risorsa in questione viene comunque chiamata e apparentemente non cambia nulla. Di fatto però l’url richiesto ha un aspetto differente. Vedremo poco più avanti come questa caratteristica sarà utile per tracciare differenti fonti di campagne di web marketing.

Torniamo al nostro Google Analytics. Se andiamo a curiosare in “Dimensione secondaria”  possiamo scegliere di visualizzare (alternativamente) anche Parola chiave, Campagna, Contenuti dell’annuncio, informazioni con cui Google dettaglia ulteriormente la sorgente. Se, per ogni azione di marketing che facciamo,  abbiamo l’avvertenza di “marchiare” il link al nostro sito, capiremo subito quali effetti abbiamo sortito. Il meccanismo con cui si passano queste informazioni a Google è molto semplice: è sufficiente richiamare un URL aggiungendo una serie di parametri che non faranno cambiare il contenuto della pagina ma serviranno a Google per decodificarne la provenienza. I parametri da utilizzare sono:

Google mette anche a disposizione uno strumento con cui costruire velocemente gli url (Google Url Builder)

Google Url Builder permette di costruire facilmente dei link che sono agevolmente riconoscibili da Google Web analytics

Quindi, se vogliamo mandare una newsletter al cui interno vi sono link alle pagine dei nostri prodotti, è sufficiente aggiungere agli url che identificano le pagine i parametri utm e, automaticamente, le visite provenienti da lì verranno classificate  in Google Analytics.

Se, ad esempio, volessimo richiamare il sito www.shakti-mat.it da una email promozionale potremmo utilizzare le variabili nel modo seguente:

e l’url definitivo diverrebbe:

https://www.shakti-mat.it/?utm_source=newsletter&utm_medium=email&utm_content=testo&utm_campaign=Aprile

Possiamo dunque sapere quanti utenti sono arrivati grazie alla newsletter di aprile e come si sono comportati sul nostro sito.

Report di Google Analytics in cui è possibile vedere i risultati della campagna di email (riga 3, la cui sorgente è newsletter). Possiamo vedere che nell’intervallo selezionato ci sono state 224 visite provenienti da quell’email, hanno generato 691,60 € ripartite in 23 transazioni con un tasso di conversione all’e-commerce di oltre il 10% (significa cioè che 1 su 10 di coloro che sono arrivati sul sito avendo cliccato il link dell’email promozionale ha fatto un acquisto.

L’utilizzo dei link parametrizzati permette di classificare con precisione le nostre fonti di traffico e misurare con precisione quanto e se rendono. L’importante è gestire con razionalità una mappa dell’utilizzo delle variabili utm_ per raccogliere i dati in modo uniforme e facilmente analizzabile.

Qui di seguito riportiamo un piccolo specchietto di esempio:

Esempio di assegnazione dei valori ai parametri UTM per gestire differenti media e canali promozionali.

Lo stesso metodo si può usare anche all’interno di documenti (pdf informativi, listini prezzi, brochure, approfondimenti)  distribuiti online, associando al semplice indirizzo del sito, l’url completo dei parametri di tracciamento. O addirittura per verificare l’efficacia di campagne offline, siano esse stampa, radio o tv, in cui naturalmente si rimanda al nostro sito. In questi casi, invece che comunicare un url molto complesso e impossibile da ricordare, è sufficiente creare un alias facilmente memorizzabile da collegare in modo trasparente all’url completo dei parametri di tracciamento.

Esempio:

Semplice vero?

Oggigiorno la quasi totalità dei siti internet ha installato Google Analytics o un altro sistema di web Analytics ma, quasi altrettanto di frequente, vi sono importanti errori di configurazione che rendono i dati inservibili o portano a prendere decisioni sbagliate in quanto si basano su dati non corretti.

Operando correttamente le Analytics forniscono informazioni preziose per migliorare il nostro posizionamento online e per conoscere meglio il navigatore che arriva sul nostro sito. Infatti:

Di seguito un breve riepilogo degli errori più comuni e di come porvi rimedio o prevenirli.

Succede più spesso di quanto si pensi che non si abbia in azienda l’email e la password dell’account di Google Analytics con le proprietà “Gestisci utenti, Modifica, Collabora, Leggi e analizza”. Spesso infatti l’account è stato creato da un’agenzia che per evitare che qualcuno manometta involontariamente la configurazione, consegna al cliente solo un account di consultazione.

Come fare: verificare di essere in possesso di un account con pieni poteri di amministrazione e in caso contrario richiederlo all’agenzia prima che sia troppo tardi.

Perché  è importante: nel caso i rapporti con l’agenzia si interrompano si perde la possibilità di modificare il proprio account e si è costretti a crearne un nuovo perdendo lo storico dei dati che è essenziale per capire se si sta migliorando o meno la propria presenza online.

Il problema è abbastanza diffuso. Gli errori più comuni sono:

Come fare: per verificare l’esatta configurazione è sufficiente utilizzare l’estensione di Chrome Google Tag Assistant

Perché è importante: per avere dati affidabili.

Soprattutto nei siti con un numero di visite limitato (qualche decina al giorno) è fondamentale escludere dalle statistiche le visite dei dipendenti e degli sviluppatori che andrebbero a inquinare e “gonfiare” in modo significativo i dati.

Come fare: è sufficiente aggiungere dall’area di amministrazione un filtro di esclusione. Ovviamente dobbiamo procurarci prima gli IP da cui navighiamo noi e gli eventuali e sviluppatori.

Perché è importante: gli interni e gli sviluppatori hanno generalmente frequenze di rimbalzo molto basse e un comportamento differente.

Come è noto la maggior parte delle modifiche della configurazione di Google Analytics nell’area di amministrazione operano sui dati in ingresso prima che vengano salvati nel database di Google. Quindi la maggior parte di errori che commettiamo in fase di configurazione compromettono irrimediabilmente i dati raccolti.

Come fare: creare anche una vista di Test su cui fare le prove e,  per essere sicuri, creare anche una vista “vergine” (solitamente chiamata RAW) senza applicare nessun filtro di modo da poter confrontare i dati della versione operativa con una sorgente che sappiamo essere immune da errori. Ricordo che da qualche tempo è possibile fare una copia di una vista ereditando così la configurazione base.

Perché è importante: evitare di sporcare le statistiche ufficiali e, in caso di dubbi, poter controllare con una versione dei dati non filtrati.

Pochi click veloci per abilitare:

Perché è importante: per consultare e sfruttare tutti i report disponibili in Google Analytics.

Raccolta Dati: abilitare il Remarketing (attenzione alle implicazioni sulla Privacy) e Funzioni di generazione di rapporti sulla pubblicità. Anche se non si ha intenzione di impostare nell’immediato campagne Google AdWords ci permetterà, quando lo facciamo di essere già operativi.

Perché è importante: i dati possono sempre servire e prima iniziamo a raccoglierli meglio è.

Esclusione referral: questioni tecniche o redirect o sistemi di pagamento “sporcano” spesso i referral. Suggerisco di inserire il proprio sito ed eventualmente altri domini di terzo livello collegati che non si vuole che compaiano tra le fonte dati “referral”.

Perché è importante: il rischio è sovrastimare i link (referral) che mandano al nostro sito.

Non impostando la pagina predefinita, Google Analytics tratta le pagine “/” e “/default.html” (che sono sempre la home) come pagine diverse mostrando dunque i dati delle statistiche errati. Infatti l’esatto numero di visualizzazioni della home non è 103.197 bensì 131.019 quasi il 30% in più!

Un sito web ha dei costi, più o meno facilmente quantificabili. Nel caso dell’e-commerce, è facile anche valutarne il guadagno in termini di vendite. Meno facile è determinarne l’efficacia a livello di visibilità, immagine, prospect e nuove opportunità. È importante dunque tenerne conto in maniera sistematica e riuscire a tradurre anche queste dimensioni in termini quantitativi, per valutare se il nostro investimento sul Web è redditizio o meno.

Google Analytics permette non solo di tracciare le vendite, ma di impostare anche una serie di obiettivi (al massimo 20) a cui attribuire un valore monetario che sarà utile per poter valutare quanto sta rendendo la nostra presenza online.

Perché è importante: per calcolare il ROI (Return on Investiment) delle azioni di web marketing.

Per gli obiettivi di tipo “pagina di destinazione” è possibile identificare anche un percorso (obbligatorio o meno) che l’utente deve seguire per raggiungere la pagina di destinazione.

Perché è importante: Per poter visualizzare i funnel di conversione e concentrarsi su quelle pagine o quei passaggi dove il funnel risulta maggiormente strozzato.

Google Analytics permette di tracciare sia le transazioni di e-commerce (Abilitazione e-commerce) sia dati più completi quali i prodotti più visti, quelli aggiunti o rimossi con maggiore o minore frequenza al/dal carrello, e il funnel di conversione all’e-commerce. Questo secondo gruppo di informazioni più puntuali va sotto il nome di e-commerce avanzato.

In entrambi i casi occorre anche un intervento sul codice del sito per rendere disponibile a Google il relativo data layer che fornisce le informazioni necessarie. Per i più diffusi CMS come WordPress è sufficiente utilizzare un opportuno plugin e abilitare il tracking in Google Analytics (Amministrazione > Vista > Impostazioni e-commerce > Attiva e-commerce). Per informazioni più dettagliate rimandiamo alla Guida di Google.

Perché è importante: non mi viene in mente nessun motivo per non doverlo fare 😉

Attenzione ai filtri. In particolare tener presente che:

Questo filtro rimuove tutti i parametri. Prima di applicarlo provarlo su una vista di TEST e verificare che non rimuova anche informazioni potenzialmente utili per le nostra analisi.

Perché è importante: evitare il proliferare del numero della pagine di un sito aiuta a mantenere le Analytics pulite e consente di leggere e analizzare correttamente il comportamento dei visitatori sulle pagine.

A meno che non si tratti di un sito con pochissimo traffico dovuto solo agli “interni” la normale frequenza di rimbalzo di un sito è superiore al 40%. Nel caso in cui vi siano forti azioni di advertising si arriva facilmente anche al 70-80%.

A causa della duplicazione dello snippet di Google Analytics e a una gestione scorretta di un evento generato in automatico la frequenza di rimbalzo era inferiore all’1%. Rimuovendo il doppio snippet e escludendo l’evento dalle interazioni si è attestata intorno al 50%.

I principali motivi di frequenze di rimbalzo molto basse o addirittura nulle sono:

Perché è importante: la frequenza di rimbalzo è uno degli indicatori più utili per capire sia l’interesse che suscita la pagina nel visitatore, sia le azioni di web marketing che portano il traffico migliore.

Google Analytics considera le fonti di traffico che non sono dirette come traffico referral. Quindi, se si riceve traffico da campagne di posta elettronica, banner, annunci PPC, campagne di affiliazione o altro (a meno che non siano canali già noti a Google come le AdWords di Google stesso) saranno tutti identificati come traffico referral. Per impostazione predefinita, Google Analytics fornisce solo le informazioni “sorgente” e “mezzo” del traffico in ingresso. Se vogliamo che Google Analytics classifichi meglio e utilizzi ulteriori informazioni sulle campagne di marketing, occorre aggiungere le variabili di monitoraggio alla fine di ogni URL di destinazione degli annunci.

L’aggiunta delle variabili della campagna alla fine dell’URL di destinazione di un annuncio è detto “tagging” e permette successivamente a Google e quindi a noi di controllare i risultati di ogni singola campagne. Per facilitare la creazione degli URL taggati è possibile utilizzare il Goole Url Builder.

Perché è importante: per valutare i risultati delle singole iniziative di web marketing,

Ci sarebbero ancora molti argomenti da trattare per una corretta implementazione di un sistema di Analytics quali cross domain tracking, modelli di attribuzione, eliminazione spam e robots e altri ancora ma che per una impostazione base i consigli qui riportati dovrebbero permettere di ottenere dei dati su cui poter ragionare con una ragionevole certezza che siano sufficientemente affidabili.

Un sito Internet ha dei costi, più o meno facilmente quantificabili. Nel caso dell’eCommerce, è facile anche valutarne il guadagno in termini di vendite. Meno facile è determinarne l’efficacia a livello di visibilità, immagine, prospect e nuove opportunità.

È importante dunque tenerne conto in maniera sistematica e riuscire a tradurre anche queste dimensioni in termini quantitativi, per valutare se il nostro investimento sul Web è redditizio o meno.

Google Analytics, per esempio, permette non solo di tracciare le vendite, ma di impostare anche una serie di obiettivi a cui attribuire un valore concreto espresso nella valuta corrente. Moltissime azioni, oltre l’acquisto, andrebbero valorizzate e monetizzate. Esempi possono essere: l’iscrizione a una Newsletter, il download di un particolare documento o ancora la visione di un filmato, facilmente accessibili all’utente del web, mentre offline prevedrebbero dei costi, più o meno importanti, che vanno considerati.

Vediamo alcuni esempi:

In genere, per definire gli obiettivi, può essere utile ispirarsi alla suddivisione che riporto qui sotto in base all’obiettivo primario del proprio sito. Ognuno cerchi di applicarla alla propria situazione.

Brand awareness

Brand Loyalty

Customer Engagement

Lead Generation

Online sales

Obiettivi inbound marketing

Gli obiettivi devono essere fissati guardando alla strategia globale del marketing aziendale e, ripetiamo, devono essere espressi in modo quantitativo, in modo che siano facilmente misurabili e permettano quindi di capire se il sito sta rendendo o meno.

Se non si definiscono degli obiettivi misurabili, non si sarà in grado di capire se il sito sta andando bene o male.

Google Analytics permette di definire gli obiettivi secondo quattro differenti criteri:

Per gli obiettivi definiti anche in base alla destinazione è inoltre possibile stabilire anche un funnel di conversione che permette di comprendere meglio le fase più critiche del percorso dell’utente.

In questo caso il funnel di conversione è particolarmente lungo anche perché sono previsti differenti punti di ingresso il che spiega anche il motivo per cui al passo 2 sono presenti più sessioni rispetto al passo 1.

Per chi fosse interessato a imparare meglio come configurare correttamente gli obiettivi in Google Analytics e come leggerne le statistiche consigliamo i nostri corsi aziendali di Google Analytics Base e Avanzato (Corso Google Tag Manager e Google Analytics Avanzato).

Google Analytics – Conversioni indirette

Come è possibile vedere, molte conversioni sono generate da utenti che hanno visitato il sito provenendo da differenti canali: 2 ricerche organiche differenti, una ricerca organica e una visita diretta, una ricerca a pagamento (Google AdWords, in questo caso) e una ricerca organica, e così via.

In questi casi a chi va attribuito il merito della conversione? Al primo click fatto in ordine di tempo, all’ultimo, a tutti con egual peso o a tutti ma con peso differente in base alla sequenza temporale? Ovviamente non c’è una riposta ma dipende da cosa vogliamo misurare e in che contesto.

L’attuale versione di Google Universal Analytics permette di fare questo e molto altro ancora, bisogna imparare a conoscerlo e comprendere le logiche che lo governano.

Da quando Google ha acquistato Urchin nell’ormai lontano 2015, Google Analytics (GA) è radicalmente cambiato e le funzioni si sono sempre più evolute. Se 5 anni fa si potevano trovare molte alternative gratuite o a costi contenuti, oggigiorno per disporre di uno strumento alla parti di GA è necessario un budget di almeno qualche decina di migliaia di euro all’anno. Ne è anche riprova il fatto che la versione avanzata di GA, chiamata Google Analytics Premium, viene a costare 150.000,00 USD all’anno (compreso il supporto).

Riportiamo qui un breve elenco di cosa si può fare con Google Analytics:

Google Universal Analytics – Creazione di segmenti in base a sequenze

Attualmente Google offre due soluzioni: Universal Analytics e Google Tag Manager. Le differenze sono molteplici ma semplificando possiamo dire che Google Tag Manager è stato appositamente progettato e sviluppato per permettere di configurare tracking di siti complessi o di e-commerce attraverso una apposita interfaccia senza bisogno di andare di volta in volta a modificare i TAG di monitoraggio all’interno del sito. Con Google Tag Manager quindi è possibile configurare completamente Google Analytics senza dover continuamente scomodare il web master. E scusate se è poco…!

Nel corso degli ultimi anni sono stati via via implementate nuove funzionalità tra cui ricordiamo:

Google Universal Analytics – Visualizzazione in tempo reale delle viste di un sito.

Detto questo,  Google Analytics in versione Universal o Tag Manager, risulta oramai uno strumento la cui conoscenza è indispensabile per tutti coloro che devono gestire un sito internet, pianificare una campagna di web marketing o semplicemente desiderano capire meglio come gli utenti navigano sul proprio sito e da dove arrivano .

Web Marketing Garden organizza corsi aziendali per tutti coloro che vorrebbero:

Sono i falsi referral e vi consigliamo di liberarvene!

Provate a vedere il report di Analytics: Acquisizione > Tutto il Traffico > Referral.

Se vi trovate in una situazione come quella riportata sopra, in cui tra i referral ci sono siti come:

abbiamo due notizie per voi: una cattiva e una buona

Il problema è particolarmente rilevante soprattutto nei siti delle piccole e medie aziende (PMI) in quanto molto spesso il numero delle visite non è elevato e i referral sono generalmente pochi. I fenomeni descritti poc’anzi possono  quindi “sporcare” i dati in maniera consistente, rendendo la lettura delle analytics totalmente inutile in quanto basata su dati inaffidabili.

Il Referrer Spam (o falso referral) si verifica quando il sito riceve traffico da un spam bot e questo viene registrato da Google Analytics come traffico normale.

I bot (abbreviazione da robot) detti anche crawler sono software che navigano in automatico attraverso internet per rilevare e prelevare contenuti trovati in rete. Sono utilizzati per lo più dai motori di ricerca nel processo di identificazione ed indicizzazione dei contenuti dei siti.

Alcuni bot sono invece utilizzati per scopi malevoli quali:

Quindi a seconda di come viene utilizzato un bot, possiamo avere bot “buoni” e bot “cattivi”.

Esempio di un bot “buono” è Googlebot che viene utilizzato da Google per eseguire la scansione e indicizzare le pagine web su Internet.

La maggior parte dei bot – sia buoni sia cattivi – non esegue JavaScript e quindi le loro “visite” non vengono registrate dai sistemi di Analytics che si basano su script Java, come ad esempio Google Analytics, ma non è così per tutti.

I bot che eseguono JavaScript appaiono dunque nei rapporti GA e alterano di fatto i dati di traffico (traffico diretto o referral) e tutte le metriche basate su sessioni come la frequenza di rimbalzo, il tasso di conversione ecc.

In alcuni casi si spingono addirittura a generare falsi eventi come si può vedere nell’immagine.

In questo caso oltre a una serie di eventi voluta troviamo: “to use this…” che è una intrusione non voluta nel nostro account di Google Analytics.

I motori di ricerca che non eseguono JavaScript – come Googlebot – invece non inquinano i dati sul traffico e le relative metriche. Per sapere se Googlebot è passato sul nostro sito dobbiamo ricorrere ai dati registrati nei log dei server e a strumenti appositi come Google Webmaster Tool.

Bot cattivi utilizzano vari metodi per mascherare se stessi, in modo da non poter essere facilmente rilevati, ad esempio fingendo di essere un browser web (come Chrome, Internet Explorer, ecc) o possono fingere di essere traffico proveniente da un sito web legittimo.

Per risolvere il problema, anche se non in modo definitivo perché continuano a crescere, si può procedere a mano come descritto qui in seguito o più semplicemente affidarsi a un servizio messo a disposizione gratuitamente da Simo Ahava, guro della Web Analytics: spam insertion tool che evita il lavoro iniziale ma non risolve ovviamente il problema dell’aggiornamento.

Occorre sostanzialmente filtrare all’ingresso questi siti malevoli. Ecco come procedere:

I filtri creati avranno il seguente aspetto:

Non va usata invece la “lista esclusione referral” (Amministrazione > Proprietà > Informazioni sul monitoraggio > Elenco Esclusione referral, perché essa converte in dirette le visite dai domini specificati spostando solamente il problema.

Attenzione: con questi filtri non sempre la verifica Filtri di GA funziona.

Nel breve video:

Keep in touch!