Google Analytics 4 sta vivendo il trimestre di aggiornamenti più denso dalla migrazione da Universal Analytics. Tra gennaio e aprile 2026 Google ha spinto in produzione o in beta una serie di funzionalità che cambiano il modo in cui si legge, si pianifica e si governa il dato. Molti degli interventi non sono cosmetici: toccano il motore di attribuzione, il consenso, l’integrazione con canali media esterni a Google e l’interazione utente tramite AI generativa. Per chi gestisce property GA4 in produzione, è il momento di rivedere checklist di setup, documentazione consent e piani di media planning.

Analytics Advisor è il nuovo assistente AI nativo di GA4, lanciato in versione beta a dicembre 2025 e in progressiva diffusione nei primi mesi del 2026. È costruito sui modelli Gemini più recenti e sostituisce di fatto la logica degli “Insights automatici” con un’esperienza conversazionale agentica.

Il funzionamento è quello tipico di un assistente LLM applicato al dato: si pone una domanda in linguaggio naturale — ad esempio “cosa ha causato il picco di traffico il 25 settembre?” — e il sistema esegue una scansione di migliaia di combinazioni dimensione-metrica, identifica pattern, anomalie e correlazioni, e restituisce una risposta in linguaggio naturale accompagnata da grafici, tabelle e link ai report di riferimento. Secondo la documentazione ufficiale, Analytics Advisor fornisce insight personalizzati, visualizzazioni e collegamenti diretti ai report utili.

Il limite più rilevante oggi è linguistico: Analytics Advisor è disponibile – per ora – solo per account in lingua inglese anche se poi può essere interrogato e risponde in italiano. Per i mercati italiani significa che l’utilizzo richiede di impostare l’interfaccia GA4 su English (Admin > Impostazioni) . Non è un blocco tecnico assoluto, ma è un da tenere in conto, soprattutto nei gruppi di lavoro.

Da un punto di vista pratico, le aree dove Analytics Advisor dà il ritorno più alto sono tre: diagnosi rapida di anomalie (spike e drop), analisi esplorativa su segmenti non ancora strutturati in audience, e accompagnamento per utenti non tecnici che devono leggere il dato senza padroneggiare Explorations. Meno convincente per ora sul lato forecasting e modellazione causale: rimane un layer di interpretazione, non di previsione.

Sempre in area AI, Google ha introdotto i Generated Insights direttamente sulla home page della property. Si tratta di un blocco sintetico che riepiloga le tre variazioni più rilevanti rispetto all’ultima visita: modifiche di configurazione, anomalie di traffico o conversione, trend stagionali. L’obiettivo dichiarato è ridurre il tempo per “entrare nel dato” quando si apre GA4 dopo giorni di assenza.

A complemento, arriva l’enhanced onboarding assistant, che durante la creazione di una property suggerisce impostazioni pre-configurate in base al settore dichiarato (e-commerce, lead gen, media/publisher, SaaS). La logica è simile a quella dei template di Google Ads: meno scelte iniziali, meno errori in setup, più velocità nel portare la property a produzione. Parallelamente è attivo anche un sistema di stream diagnostics in tempo reale che segnala se uno stream è inattivo o configurato in modo incoerente, prima che il dato diventi inutilizzabile per giorni.

Operativamente: chi setta nuove property a partire da gennaio 2026 dovrebbe accettare i suggerimenti del wizard come baseline, ma ricontrollare manualmente le conversioni chiave, l’enhanced measurement e l’ecommerce tracking prima di collegare Google Ads. L’automazione copre bene l’80% dei casi standard; è sul restante 20% che si gioca la qualità del dato nei mesi successivi.

È forse la novità concettualmente più pesante del 2026. Con Cross-Channel Budgeting, GA4 smette di essere uno strumento di sola misurazione e diventa anche un ambiente di pianificazione e previsione della spesa media. La feature è attualmente in closed beta, senza data confermata di general availability, ed è indirizzata inizialmente ai clienti Google Ads enterprise.

Due gli strumenti che la compongono: Scenario Planner, per modellare diverse allocazioni di budget prima dell’investimento, e Projection Plans, per monitorare in corso d’opera le performance reali rispetto al piano costruito. I due tool sono pensati per essere usati insieme: si modella, si investe, si confronta. Napkyn ha sintetizzato bene i prerequisiti di accesso, che sono restrittivi: servono almeno 12 mesi di dati di conversione e spesa, su minimo due canali (uno Google e uno non-Google).

Nativamente supportati i canali Google (Google Ads, DV360, SA360); via import di cost data entrano Meta (Facebook/Instagram), TikTok, Pinterest, Snap e Reddit. Restano fuori, al momento, Microsoft Ads, LinkedIn e X/Twitter — un gap rilevante per chi lavora in B2B o su mercati dove LinkedIn pesa sensibilmente sul mix.

Il punto di vista operativo è duplice. Da un lato, la feature sposta il baricentro: analisi e pianificazione nello stesso strumento riducono gli handoff tra team analytics e media buying. Dall’altro, i requisiti di 12 mesi di storico e la copertura parziale sui canali non-Google rendono improbabile che questa diventi, a breve, l’unico ambiente di planning. Più realisticamente sarà un layer in più accanto a strumenti dedicati.

Sul fronte marketing automation e Google Ads, Google ha introdotto due template di audience pre-costruiti con taglio lifecycle: High-Value Purchasers e Disengaged Purchasers. Il primo segmenta gli utenti in base a purchase count o Lifetime Value (con opzione per percentile LTV), il secondo sui giorni trascorsi dall’ultimo acquisto. Entrambi sono esportabili su Google Ads per campagne di acquisizione customer-value-oriented e di re-engagement, come documenta Search Engine Land.

La parte delicata è la calibrazione. “Alto valore” non è un dato, è una scelta: top 5%, 10% o 25% per LTV? Dipende da dimensione del customer base, costi di acquisizione e struttura di margine. Analogamente, “disingaggiato” ha senso solo rispetto al ciclo di acquisto naturale del business: 14 giorni per il food delivery, 730 giorni per l’arredamento. Il template offre il frame, il calibro lo decide chi conosce il business.

Più tecnica, ma altrettanto importante, la novità del 16 gennaio 2026: l’attribuzione delle conversioni è ora regolabile in modo indipendente per ogni singola conversione. Questo elimina una delle cause storiche di discrepanza tra GA4 e Google Ads e permette di affinare le strategie di bidding sulla base della natura di ogni conversion (hard vs soft, lead vs acquisto, ecc.). A corredo è stato rilasciato in beta il nuovo Conversion Attribution Analysis report, che separa percorsi single-touch da percorsi multi-touch e classifica i touchpoint in Early, Mid, Late stage nella vista data-driven.

Per chi gestisce portafogli di conversioni eterogenei (es. e-commerce con iscrizione newsletter + acquisto + richiesta preventivo), la possibilità di settare modelli di attribuzione distinti per conversione è un upgrade sostanziale: permette di non appiattire strategie di bidding diverse sotto lo stesso modello.

L’ultimo cambiamento, e probabilmente quello che richiede più attenzione in termini di compliance, riguarda la separazione tra governance del dato Analytics e governance del dato Ads. Dal 15 giugno 2026, Google Signals non controllerà più se Google Ads può raccogliere cookie e identificatori pubblicitari dal tag GA4. L’autorità passa esclusivamente al parametro ad_storage del Consent Mode. Il resoconto più chiaro della modifica è pubblicato da PPC.land.

Dopo il 15 giugno, l’impostazione Google Signals in GA4 conserva una funzione soltanto: decidere se associare i dati Analytics alle informazioni dell’utente loggato, a fini di reporting comportamentale. Tutto il resto della governance ads-related si sposta sul Consent Mode. In pratica, disattivare Google Signals non basterà più a bloccare la raccolta cookie lato Ads: quella decisione sarà interamente nel segnale ad_storage.

L’implicazione operativa è seria. Fino a giugno, un setup con Google Signals disattivato poteva funzionare da “cintura di sicurezza parziale” anche in presenza di un Consent Mode imperfetto. Dopo giugno, quel paracadute scompare: la correttezza dell’implementazione Consent Mode — in particolare la tempestività e coerenza degli update di ad_storage — diventa il singolo punto di verità. I due scenari post-giugno sono netti: concedere ad_storage e far passare tutti i segnali Ads (incluso il linking via Google sign-in), oppure negare ad_storage e limitare Google ai soli identificatori disponibili nell’URL (es. gclid).

La checklist operativa da completare entro metà giugno è quindi chiara: audit completo del CMP e del Consent Mode v2, verifica che ad_storage si aggiorni correttamente al change-of-consent (non solo al page load iniziale), test dei flussi di default consent e update consent, documentazione delle scelte per i team legali. In parallelo, Google ha anticipato che entro fine 2026 anche le impostazioni di ads personalization saranno consolidate, e che gli IP raccolti da Google Tag e SDK saranno cifrati e instradati agli account Ads linkati secondo le configurazioni lato Ads.

Il filo conduttore del 2026 è esplicito: GA4 si sposta da strumento di misura a piattaforma di azione. AI conversazionale, planning del budget e template di audience pronte all’export su Ads sono tre tasselli dello stesso disegno — ridurre la distanza tra dato e decisione, e tenere l’intero stack più vicino all’ecosistema Ads. Per chi lavora la piattaforma da anni, questo implica una revisione di processo: meno esportazioni custom, più uso delle feature native; più attenzione al Consent Mode e meno affidamento a Google Signals come interruttore. Il rovescio della medaglia è un’ulteriore dipendenza dal walled garden Google — ed è una variabile che vale la pena monitorare nella strategia analytics complessiva.

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.

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”?

Per integrare lo snippet di GA4 si raccomanda l’utilizzo di Google Tag Manager poiché, sebbene richieda un maggior impegno iniziale, fornisce una maggiore facilità di gestione e integrazione di eventuali ulteriori tracciamenti (come Google Ads, Google Optimize, Facebook, Linkedin, ecc.) creando una configurazione più facilmente mantenibile nel tempo.

GA4 include una nuova funzionalità chiamata Enhanced Measurement che consente di monitorare e misurare automaticamente determinate azioni degli utenti sul sito, come lo scroll, il download dei file, i clic sui link in uscita, i clic sui pulsanti di riproduzione video, la ricerca sul sito e le interazioni con le Form in tutto il sito. Attivando la misurazione avanzata si ottengono dati più precisi e completi su come gli utenti interagiscono con il sito, in modo da poter migliorare l’esperienza utente e ottimizzarne il rendimento.

Dettagli Stream di dati

Approfondimento Stream di dati

Dettagli misurazione avanzata

Abilitare le voci di interesse

Attivando Google Signals GA4 si possono raccogliere dati cross-device dagli utenti del nostro sito a condizione che abbiano effettuato l’accesso a uno dei loro account Google (Gmail, YouTube, ecc.) e abbiano attivato la personalizzazione degli annunci.

Quando Google Signals è attivato, Google Analytics raccoglie le informazioni sulle visite e le associa alle informazioni di Google provenienti dagli account degli utenti che hanno eseguito l’accesso e acconsentito a questa associazione ai fini della personalizzazione degli annunci. Queste informazioni possono includere la località, la cronologia delle ricerche e la cronologia di YouTube dell’utente finale, nonché i dati dei siti che collaborano con Google. Vengono inoltre utilizzate per fornire informazioni aggregate e anonime sui comportamenti cross-device degli utenti.

Grazie a Google Signals, GA4 permette di generare report e utilizzare i dati per il remarketing cross-device e avere una visione completa del comportamento dell’utente.

Abilitazione di Google Signals

In funzione del volume del traffico globale del nostro sito e di quanto i collaboratori accedono al sito aziendale, potrebbe aver senso escludere tale traffico da Google Analytics per evitare di conteggiare visite multiple o “gonfiate” da dipendenti o utenti che si trovano all’interno della stessa rete. Ciò potrebbe causare una sovrastima del traffico e rendere difficile valutare la vera performance del sito. Inoltre, escludere il traffico interno consente di concentrarsi sui visitatori esterni e sui loro comportamenti di navigazione, che sono più rappresentativi dell’effettiva attività del sito web.

Configurare le impostazioni del tag

Definizione del traffico interno

Inserire gli IP o gli intervalli IP da considerare traffico interno

Attivare il filtro del traffico interno precedentemente definito

Universal Analytics si basava sul obiettivi legati alle sessioni. Gli obiettivi basati su sessioni erano l’unico modo per importare le interazioni degli utenti nei dati di Google Ads. Con la limitazione di 20 obiettivi per vista, era abbastanza difficile definire e configurare l’audience per le migliori prestazioni della campagna considerando, ad esempio anche micro obiettivi.

Il problema è ora risolto con l’avvento di GA4. Google Analytics 4 utilizza un modello basato su eventi, che permette di configurare più interazioni chiave dell’utente nel proprio account Google Ads senza attivare un tag di conversione per azioni individuali. È così possibile definire il proprio pubblico in modo più dettagliato in base agli eventi come lo scroll, il download di un file, la riproduzione di un video e gli eventi personalizzati.

Per collegare una proprietà GA4 a Google Ads è sufficiente selezionare la voce “Collegamenti Google Ads” della Sezione “COLLEGAMENTI PRODOTTI” della colonna proprietà della schermata Amministrazione.

Per configurare il tracciamento della ricerca del sito in GA4, si deve abilitare la funzionalità di misurazione avanzata. Una volta abilitata, la ricerca del sito viene automaticamente tracciata nella proprietà GA4. Tuttavia, il tracciamento della ricerca del sito funzionerà solo con i parametri di query predefiniti definiti da Google. Se il sito web utilizza un parametro diverso da quelli predefiniti (q, s, search, query, keyword) nella sua URL, sarà necessario configurare un parametro personalizzato per attivare l’evento.

Inserire i parametri customizzati se non sono compresi in quelli di default di GA4

Per configurare il tracciamento dello scroll in GA4, si deve abilitare la funzionalità di misurazione avanzata. Una volta abilitata, il tracciamento dello scroll viene automaticamente tracciato nella proprietà GA4. Tuttavia, di default GA4 traccia solo il 90% della profondità dello scroll e traccia solo gli eventi di scroll verticale senza raccogliere alcun parametro per l’evento. Se si desidera configurare eventi di scroll per soglie più basse (10%, 25%, 50% e 75%) o tracciamento dello scroll orizzontale, sarà necessario configurare eventi personalizzati tramite Google Tag Manager.

Per collegare la proprietà GA4 al proprio account di Google Search Console, sarà necessario creare l’opportuno collegamento. Attraverso questa integrazione, sarà possibile visualizzare i dati di Google Search Console (query, impressioni, clic, CTR, pagine di destinazione, ecc.) nei report di Search Console della visualizzazione dei report GA4. Google Search Console fornisce dati su ciò che gli utenti vedono nei risultati di ricerca di Google prima di decidere di fare clic sul sito web. Questi dati possono essere utilizzati per identificare opportunità e per dare priorità agli sforzi di sviluppo per aumentare il numero di visitatori del sito web.

Per collegare la proprietà GA4 al proprio account di Google Search Console è sufficiente selezionare la voce “Collegamenti Search Consolle” della sezione “COLLEGAMENTI PRODOTTI” della colonna Proprietà della schermata Amministrazione.

Per importare le conversioni in Google Ads si procede come con Universal Analytics (Google Ads > Strumenti > Conversioni > Nuova Azione di Conversione > Importazione > Proprietà Google Analytics 4).

Per configurare il tracciamento tra domini in GA4, in passato con Universal Analytics era necessario un setup complesso. Di solito si utilizzava il parametro “allowlinker” inserito manualmente in ogni singolo tag GTM o in ogni chiamata “gtag.js” (Global Site Tag). Con GA4, invece, configurare il tracciamento tra domini è diventato molto semplice e non è più necessario inserire i tag manualmente come nelle versioni precedenti. Ora può essere effettuato solo con le impostazioni di configurazione nella sezione “Amministrazione” > Stream di dati > Configura le impostazioni dei tag > Configura i tuoi domini e qui è sufficiente inserire i propri domini / sottodomini utilizzando le opportune corrispondenze.

Accedere alla sezione “Configura i tuoi domini”

Inserire i domini (sotto-domini) che utilizzano lo stesso TAG di GA4 in modo da gestire correttamente il passaggio da un all’altro.

Collegare la proprietà GA4 a BigQuery è possibile, a differenza di Universal Analytics, GA4 include una connessione gratuita a BigQuery, quindi è possibile accedere ai dati grezzi di GA4 e eseguire query SQL su di essi. Ciò consente un’analisi dei dati più precisa e a livelli multipli degli utenti, rendendo facile comprendere le attività degli utenti sul sito web. Utilizzando BigQuery, si possono manipolare i dati di Google Analytics, cosa che spesso non è possibile fare utilizzando l’interfaccia utente di Google Analytics.

GA4, come Universal, permette di impostare delle condizioni che identifichino i referral indesiderati e impediscano di vengano segnalati come traffico di referral. In questo modo non si vedrà il traffico di referral da determinati domini (come il proprio dominio o da un gateway di pagamento come PayPal) nei report GA4.

Come in GA3, tramite il tracciamento UTM, è possibile inviare informazioni dettagliate su una campagna di marketing a GA4.

Rispetto a GA3 in GA4 c’è qualche parametro in più, tra quelli più interessanti segnaliamo “utm_source_platform” che viene utilizzato per inviare il nome della piattaforma di marketing che ha inviato il traffico al proprio sito web quando si utilizza una rete pubblicitaria multi-piattaforma. I valori comuni sono: Google Ads, Manual, Shopping Free Listing, Search Ads 360, Display & Video 360.

Tali valori possono essere visualizzati in GA4 attraverso le dimensioni: Piattaforma di origine del primo utente, Piattaforma di origine della sessione, Piattaforma.

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.

Da premesse errate, conclusioni sbagliate…

Ecco un elenco degli errori più comuni di cui ho già parlato in varie occasioni. Se hai dubbi sul fatto che alcuni dei punti riportati sotto possono affliggere anche le tue statistiche e ti occupi di web marketing probabilmente ti posso aiutare. Da oltre 10 anni tengo corsi di web marketing direttamente in azienda con una formula che si è andata via via affinandosi ma sostanzialmente è un mix tra formazione e consulenza. Infatti durante i corsi non solo spiego come funziona Google Analytics, i principi e le caratteristiche delle varie statistiche ma insieme controlliamo le configurazioni degli account aziendali e le mettiamo a punto in funzione del sito e della strategia di comunicazione adottata. La nostra formula Learn by doing fa si che alla fin del corso i partecipanti non solo abbiano imparato a leggere le statistiche ai fini del business e verificarne la corretta configurazione, ma si troveranno anche con un sistema di analytics affidabile su cui poter contare.

Se anche voi volete migliorare le vostre azioni di web marketing e misurane gli effetti basandovi su informazioni corrette, volete poter valutare il lavoro dei vostri fornitori e sapere cosa sta succedendo in prossimità e all’interno del vostro sito aziendale prendete in considerazione di fare un corso aziendale personalizzato di Web Analytics.

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?