Web analytics: i 10 errori più comuni da evitare

cosimozecchi   di Cosimo Zecchi   /  19 settembre 2018  /  commenti

Web analytics: i 10 errori più comuni da evitare

Capire dati e statistiche è fondamentale come saper usare una bussola. Altrimenti non riuscirai a tenere dritta la barra del timone e non arriverai a destinazione.

Questo vale in ogni ambito aziendale e il tuo sito web non è da meno, sia che tu stia studiando google analytics, sia che tu stia studiando i dati delle vendite del tuo e-commerce o gli insight dei social o meglio ancora tutti quanti insieme.

Se eviterai i seguenti errori sarai già sulla buona strada.

  1. Dare per scontato che i dati siano corretti.

    Verificare i dati è l’attività più importante. Sei sicuro che quel 40% di utenti provenienti dalla tua città, o quel tasso di conversione del 6% della tua newsletter, o quel bounce rate bassissimo non siano delle configurazioni sbagliate del software di analytics?

  2. Non normalizzare i dati

    La qualità dei dati è importante, altrimenti nel momento in cui andrai a costruire delle metriche non sarai in grado o troverai grandi difficoltà. I valori “IT”, “ITA”, “Italy” per il tuo programma di analytics potrebbero rappresentare tre paesi differenti. Altre volte invece avrai bisogno di incrociare dati di fonti diverse per produrre un’unica metrica. Differenziare il software con cui si raccolgono i dati da quello con cui si elaborano in certi ambiti è cruciale

  3. Sottovalutare valori anomali

    Quelle 15 persone che visitano il tuo sito ogni giorno migliaia di volte potrebbero essere i tuoi più grandi fan, oppure dei bot. In ogni caso ignorare questo dato e non approfondire sarebbe un grande errore.

  4. Basarti su valori anomali

    Creare un modello generale o prendere decisioni sulla base di queste 15 persone non è una scelta saggia. Per quanto interessanti in una analisi qualitativa, potresti impostare la tua strategia aziendale sulla base di comportamenti di un ristretto numero di persone.

  5. Ignorare la stagionalità

    Se vendi costumi da bagno le statistiche di vendita di novembre e di giugno potrebbero essere molto differenti. Il fatto che dopo l’estate tu abbia registrato un calo degli accessi e delle conversioni potrebbe essere fisiologico e non un campanello di allarme Ignorare i trend stagionali del tuo business e del tuo sito può portarti a prendere scelte generali su un periodo non rappresentativo dell’andamento complessivo.

  6. L’impazienza

    Nel campo degli analytics le dimensioni contano! Per fare una giusta analisi serve un numero di dati congruo e la fretta o l’ansia da prestazione possono portare a fare valutazioni errate.

    Ricordati di questo quando stai lanciando un nuovo sito, apportando modifiche alla tua strategia o lanciando un nuovo prodotto. Su un campione piccolo o poco significativo di dati rischierai di prendere cantonate: poche manciate di utenti saranno in grado di cambiare sensibilmente percentuali e metriche e cercherai comportamenti sistematici in dati puramente casuali.

  7. La confusione

    Non dare i numeri! Anche un eccesso di informazione può essere problematico da gestire. Raccogliere dati in grandi quantità, senza operare una cernita, senza individuare metriche, senza costruire strumenti di lettura come dashboard o report, può solo aumentare l’incertezza.

  8. Metriche troppo sensibili

    Come nella favola di Pierino e il Lupo, quando andrai ad impostare i tuoi indicatori e i report automatici basati su determinate metriche, stai attento a decidere soglie di allarme verosimili, altrimenti finirai per ignorare tutte le notifiche.

  9. Focalizzarsi su di un’unica fonte

    Non inquinare le fonti dei dati non significa non metterle a confronto. Comparare i dati con altre fonti può portare ad analisi molto più interessanti e complete. Incrociando analytics con i dati del tuo e-commerce potresti scoprire comportamenti che non avresti potuto capire solo dall’uno o dall’altro. Per questo più tracci e misuri, meglio è.

    A volte può essere utile anche un’analisi comparativa con dati esterni, di altri siti o studi di settore e di mercato: pur essendo dati più difficili da reperire sono sicuramente di altissimo valore.

  10. Focalizzarsi sul “rumore”

    Il “rumore” sono dati che non rientrano nel caso statistico: le eccezioni che confermano la regola. Lo scopo degli analytics è individuare un modello che dia l’effettiva rappresentazione della situazione. Questo non significa che tutti i dati seguiranno quel modello, ma buona parte si. Se ti concentri sui dati singoli o sui comportamenti strani perderai di vista l’insieme o addirittura potresti rappresentare un comportamento che di fatto non esiste.``

blog comments powered by Disqus