Ti è mai successo di trovarti nella situazione in cui, al momento di capire se più campagne online sono andate bene o male, i report provenienti dai diversi canali, tra di loro, non tornino?
Ogni strumento, da Google a Facebook Ads sembra parlare una propria lingua.
Tutti, però, hanno una cosa in comune: si attribuiscono una fetta consistente delle conversioni.
Come possiamo interpretare questi dati? E quali, di questi, vanno presi in considerazione per capire come stanno effettivamente andando le campagne?
Attribuzione e obiettivi sono i due nodi chiave da sciogliere per rispondere a queste domande e rappresentano una sfida continua.
Il modo in cui si interpretano i dati influenza le decisioni sugli investimenti e sulle strategie da adottare per raggiungere determinati obiettivi.
Qualche esempio pratico
Prendiamo questa situazione, in cui il pannello di Facebook Ads mi dice di aver generato circa 38.000 €:
Mentre Google Analytics, considerando il medesimo periodo questo, attribuisce a Facebook circa 10.000 € in meno:
Quale di questi due dati è veritiero?
O ancora, prendiamo il caso in cui in Google Ads vediamo un dato di questo tipo:
Lo stesso obiettivo, monitorato con Google Ads e Google Analytics si discosta di circa 10.000 €. Perché?
A quale dei due dati devo dare credito?
L’inghippo, o la soluzione del caso, sta nel fatto che le tre piattaforme usano tre modelli di attribuzione diversi per riportare i dati.
Questione di attribuzione
Partiamo da una definizione: cosa si intende per attribuzione o, ancora meglio per modello di attribuzione?
Un modello di attribuzione è l’insieme di regole che determina in che modo viene assegnato il “merito” delle azioni monitorate su un sito o una pagina web ai diversi canali.
Ogni strumento sceglie il proprio, secondo le modalità più adatte al proprio modello pubblicitario e alla propria funzione.
Google Analytics prende in considerazione il giorno in cui si verifica l’azione che stiamo monitorando, quindi, ad esempio, il giorno in cui si verifica un acquisto, registrandolo in quella specifica data e dandone il credito all’ultimo canale di accesso al sito, escludendo il traffico diretto (modello ultimo clic non diretto).
Google Ads, invece, usa un modello basato sulle interazioni. In altre parole registra la conversione nella data in cui si è verificato l’ultimo clic su un annuncio, nell’arco di 30 giorni, prima del verificarsi dell’acquisto.
Anche Facebook, per impostazione predefinita, espone i dati secondo un modello basato sull’ultima interazione o visualizzazione, con una finestra di 7 giorni dall’ultimo clic e 1 dall’ultima visualizzazione.
La differenza tra i rapporti basati sul momento dell’interazione e quelli basati sul momento del verificarsi della conversione, producono un fenomeno detto Conversion Lag. Un ritardo tra i due dati registrati, che è una delle cause delle discrepanze viste all’inizio.
Se, ad esempio, io ho cliccato su un annuncio il 12 settembre e ho acquistato un prodotto nel sito sponsorizzato il 21 settembre, la transazione e il valore di quanto ho acquistato saranno riportate in Google Analytics il 21 settembre, in Google Ads o in Facebook (a seconda di su quale annuncio o inserzione ho cliccato) il 12.
Un altro pezzo importante di questo puzzle riguarda come vengono elaborati i dati di traffico: i sistemi Google si basano sui cookie, quindi non sono sempre in grado di destreggiarsi tra i vari dispositivi. Facebook, invece, si basa sui profili ed è molto più “bravo” a mettere in pratica il cosiddetto tracciamento “cross device”. Se io, infatti, clicco su un annuncio o inserzione dal mio smartphone e poi concludo l’acquisto qualche giorno dopo da desktop, per Google potrei essere due persone differenti, mentre per Facebook, se sono collegata con il mio profilo su entrambi i dispositivi, sono sempre io.
Quindi, come fare a leggere i dati? Di quale strumento fidarsi?
La risposta è: un po’ di tutti, con le giuste chiavi di lettura.
Ogni piattaforma di digital advertising usa i propri dati per ottimizzare le sue campagne (e, a questo proposito, ti consiglio l’articolo di Nicola su come funziona il Machine Learning di Facebook, te lo lascio qui), quindi è importante capire in che modo li interpreta e fornirgli le giuste informazioni.
Come? In primis impostando correttamente il tracciamento delle conversioni, sfruttando il tag di Google Ads e il pixel di Facebook. Google Analytics fa da collante: permette di avere la panoramica sulle prestazioni globali del sito e di confrontare, sfruttando diversi modelli di attribuzione, appunto, come i diversi canali collaborano al raggiungimento degli obiettivi.
Ed è proprio la collaborazione la chiave del successo: capire insieme, advertiser e cliente, come funziona il business che si sta sponsorizzando, testare metodi di attribuzione diversi e cercare di analizzare contesto e situazione da più angolazioni possibili per creare una strategia di sponsorizzazione completa e in grado di accompagnare le persone dal “primo incontro” all’acquisto.
Questione di attribuzione e di obiettivi
Ogni canale può dare un contributo al processo di conversione e ogni touch point ha un obiettivo diverso, che dipende da in quale fase del processo di acquisto si trovano le persone.
I miei consigli, per sbrogliare questa intricata matassa, quando si tratta di capire i risultati prodotti da delle sponsorizzate online, sono: non fermarsi a un solo strumento o a un solo modello di attribuzione. La situazione va analizzata da diverse angolazioni e, modificando i modelli di attribuzione sia sui singoli canali che su Google Analytics, è possibile farsi un’idea più precisa e completa di come le persone si muovono tra i diversi canali prima di arrivare a convertire.
Oltre al modello di attribuzione, considerare di inserire nell’analisi più metriche, non solo l’acquisto o il contatto.
Una citazione di Einstein dice: Ognuno è un genio. Ma se si giudica un pesce dalla sua abilità di arrampicarsi sugli alberi lui passerà tutta la sua vita a credersi stupido. Ed è un concetto che si può applicare anche al modo in cui vanno interpretati i risultati delle campagne in base ai contenuti e ai messaggi che si sponsorizzano. Alcune di esse sono pensate per attirare l’attenzione delle persone, incuriosirle e iniziare a far conoscere la loro nostra attività. Altre sono progettate per intercettare chi è pronto ad acquistare. Le prime non vanno misurate dal fatturato immediatamente prodotto, ma analizzando metriche più “soft”: quanto coinvolgimento hanno generato? Quante persone hanno portato sul sito? E queste, come si sono comportate?
Lavorare con una strategia su più canali e con obiettivi diversi può aiutare ad aumentare le vendite nel breve periodo, ma anche e soprattutto ad acquisire nuovi clienti nel lungo periodo.
Commenti