Lezione 1 di 5
In Corso

Introduzione al data driven marketing e il digital analytics journey – Lezione 1

3 Luglio 2025

Trascrizione

Bene, riciao a tutti, questo è il primo pezzettino di quello che sarà poi il percorso per andare a applicare una metodologia data-driven all’interno di un processo aziendale e chiaramente tutto inizia con un’introduzione al termine più comune che conosciamo, quindi il termine con il volume di ricerca più alto in Italia che rimane comunque Web Analytics e un’introduzione al modellino che io ho chiamato Digital Analytics Journey che permette poi di creare una coerenza all’interno di una strategia di marketing. Negli sfondi c’è il mare e c’è tanto blu un po’ per tranquillizzarvi perché poi gli argomenti sono sempre un po’ austici e un po’ anche perché siamo a ridosso delle ferie e quindi iniziamo in modo molto soft spero. Mi presento brevemente, allora io ho iniziato quasi dieci anni fa la parte di Web Analytics, peraltro studiando da sola, tutte le volte che qualcuno mi chiede ma come hai fatto a fare questo percorso, io dico sempre c’è un sacco di corsi gratuiti online, un giorno io trovai proprio come si chiamava il mestiere che io avrei voluto fare da trovare su internet, era il Web Analyst e da lì poi corsi Google e altre attività mi hanno poi permesso di andare a lavorare da Calcedonia che è stata l’esperienza un po’ più grossa che ho avuto e poi dopo all’interno di Intarget ho cominciato ad avere tutta una serie di clienti molto più grossi come L’Oreal, Unicef, Ermenegi d’Ozegna, Munkler e diversi altri e in tutti questi anni ho sempre curato il mio blog personale che si chiama Marketing Freaks dove ci sono spesso articoli che scrivo io, articoli anche di altre persone che si offrono di condividere la propria conoscenza e poi lo uso un po’ come hub di tutte le attività che faccio, di workshop, delle consulenze e non solo quindi degli articoli, è nato come blog e è diventato quasi un’azienda praticamente e in tutto questo percorso sono rimasta fedele al dato fino a quasi due anni fa, dopo due anni fa ho scoperto tutta un’altra serie di metodologie a cui mi sono avvicinata che servono poi per colmare quelli che vedremo anche insieme i limiti dei dati e ho iniziato a lavorare come ricercatrice all’interno dell’Università di Barcellona nell’ambito dell’applicazione del design thinking all’interno del digital marketing, questa però è completamente tutta un’altra storia, tendenzialmente è la parte che gli manca un po’ al dato, cioè la parte di creatività, però chiaramente per avvicinarsi a quella che io chiamo la perfezione, cioè l’utilizzare entrambi le parti del cervello, la parte analitica e la parte creativa per creare innovazione, bisogna maneggiare con molta attenzione e con molta consapevolezza tutta la parte di dato, altrimenti ogni scelta creativa che poi viene fatta è chiaramente forbiata da un dato che non è corretto, quindi queste lezioni servono anche per imparare a padroneggiare il dato, sapendo che comunque a un certo punto il dato arriva fino a dove può e l’altra parte si chiamerà poi creatività. A questo proposito tutte le mie formazioni, tutti i miei corsi hanno sempre delle modalità molto più legate all’Harmony Doing, a parte oggi che è l’introduzione che ho bisogno di spiegarvi un po’ di teoria e dell’approccio, tutte le altre lezioni, i corsi che faremo saranno molto operativi e come vi diceva prima Jacopo, qualsiasi cosa non capiate oppure volete approfondire o avere anche un testo semplicemente perché qualcuno preferisce leggere che guardare o per altri motivi, tutti gli argomenti che vediamo sono all’interno del libro, non completamente però chiaramente vi dico anche qualcosa di nuovo rispetto alle cose che continuo a studiare eccetera eccetera, quindi diciamo l’attività del dato è arrivata al suo culmine attraverso quella che si chiama il Conversion Rate Optimization e poi mi sono spostata su Design Thinking e diciamo la cosa più importante a un certo punto che come qualsiasi modo lo chiamiamo Conversion Rate Specialist, Strategist, Web Analyst eccetera eccetera, secondo me alla fine poi devono riuscire a fare tutti la stessa cosa cioè aumentare il tasso di conversione, aumentare la Brand Awareness, aumentare alcune KPI che ci mettiamo come obiettivo. Allora se siete tutti pronti iniziamo con una piccola overview generale, una visione a 360 quadri di come è andato il mercato, quindi quando mi sono approcciata a questo mestiere c’erano tantissime definizioni di utilizzo del dato, allora nel marketing tradizionale tutto quello che aveva a che fare con il dato si chiama ancora Business Intelligence ed è a che fare con tutte le attività che prendono in considerazione i database aziendali, quindi tendenzialmente sono Data Warehouse con questi database dove ci sono i dati di vendita, quindi tendenzialmente il cliente X ha comprato questo, ogni quanto l’ha comprato eccetera eccetera e si potevano fare tutta una serie di analisi sul venduto, l’analisi di merchandising, sono anche gli anni in cui nascono tutte le analisi di fidelizzazione, quindi l’analisi per esempio del Customer Lifetime Value dove riesco a dire quanto vale il mio cliente all’interno di un anno, le analisi di RFM cioè quali sono i clienti migliori che comprano più spesso, spendono di più e quindi posso premiare con delle tecniche di fidelizzazione, questo diciamo fino agli anni 90 dove a un certo punto compare il boom del vecchio Ukraine che sarebbe poi il Google Analytics e da lì parte tutta l’andata della Web Analytics, quindi la Web Analytics questo rappresenta quest’area in cui noi riusciamo a utilizzare i dati digitali per migliorare gli obiettivi aziendali studiando il comportamento e soddisfando i bisogni degli utenti, questa definizione classica poi la definizione vera sarebbe in realtà utilizzare Google Analytics per guidare il marketing, se non è Google Analytics è Adobe, è WebTrack, è tutta un’altra serie di strumenti in ogni caso è tutto quello che ha a che fare con i tracciamenti all’interno del sito e più diciamo il marketing si espandeva più Google diciamo cercava di fare investire le persone ma anche come Facebook in realtà quindi cercano sempre di rendere gli imprenditori sempre più autonomi, le KPI del sito web o comunque i dati contenuti all’interno delle piattaforme di Web Analytics non sono sufficienti per avere un quadro completo, tipo manca tutta una parte di questionari, tutti i dati qualitativi sulle heatmap, tutta una parte media di metriche pre click, impression, reach eccetera fuori strumenti Google e a questo punto come in tutta la parte di analisi della concorrenza, analisi delle keyword eccetera eccetera quindi a un certo punto si comincia a dire che i dati non sono solo all’interno del sito web ma si trovano in tutto un ecosistema molto più grosso e così dalla Web Analytics si passa alla Digital Analytics, poi c’è un’altra area ancora che è praticamente un’area dove si unisce la Digital Analytics alla parte di User Experience che si chiama Conversion Rate Optimization che poi tanti cominciano a pensare che sia più analisi delle pagine del sito web però in realtà non è così, si tratta praticamente di attuare tutto quello che ci ha insegnato la Digital Analytics fino a quel punto e darle però uno sprint sul lato azione quindi alla fine noi vogliamo comunque aumentare il tasso di conversione e anche qui non si fanno analisi solo sulle pagine ma si fanno anche analisi su due asset principali, due asset di ogni azienda tendenzialmente sono il sito web e il traffico quindi se il traffico per esempio non è qualificato il tuo sito web può essere bellissimo ma non convertirei nessuno quindi le analisi DCR hanno a che fare con tutto il customer journey dell’usente prima di arrivare sul sito e quando è sul sito quindi il Conversion Rate, la Digital Analytics più una parte di User Experience che aumenta la quantità di dati qualitativi cioè dei dati legati a espressioni degli usenti, cose che difficilmente poi si traducono molto in numeri e poi adesso siamo in un’altra ondata di tipologia di materia che si chiama Data Science che poi è legata a quello che può essere il Machine Learning, l’intelligenza artificiale, che cosa cambia nel Data Science? Nel Data Science cominciano ad arrivare delle tecniche statistiche applicate ai database digitali quindi tendenzialmente è un Data Scientist che ne sa un po’ di più di statistica rispetto magari a un Digital Analyst dove era portato magari l’altro a conoscere solamente le KPI digitali, le tecniche di analisi come la segmentazione ma magari ecco nessuno fa poi un chi-quadro, un econometrico o altre tecniche di analisi un pochettino più compresse quindi adesso le tecniche online e tecniche offline si stanno mischiando e a questo punto io direi di eliminare ogni tipo di definizione e di concentrarsi su quello che è il dato puro. Allora c’è una teoria molto interessante che secondo me guida tantissimo poi le attività di analisi dei dati che si chiama la piramide della conoscenza. Nella piramide della conoscenza il dato è la più piccola particella di elementi che andiamo a trattare, può essere che abbiamo detto online e offline, nel momento in cui andiamo a trovare delle relazioni che ci sono tra i dati e da questo si capisce tantissimo come mai la cluster analysis che è anche la classificazione delle keyword ma in generale la classificazione dei comportamenti e delle KPI ha un valore enorme perché attraverso cluster analysis tu riesci a capire come sono legati i dati o anche con delle tecniche di correlazione e riesci a trasformare il dato in un’informazione di marketing e una volta che queste relazioni vengono esplicate e non solo capiamo la relazione ma capiamo anche il trend di questa relazione tra le KPI allora l’informazione diventa conoscenza quindi è come se il dato fosse una particella semplice, l’informazione è un po’ il quadro di che cosa sta, di come sta andando nel momento in cui io capisco all’interno di un contesto più ampio cioè di un contesto annuale quel tipo di informazione, l’informazione diventa conoscenza ed è solo la conoscenza che ti permette poi di andare a prendere delle azioni di marketing. Nel momento in cui riusciamo poi a governare un contesto ancora più grande, non ragioniamo su un anno ma ragioniamo su tanti anni in un contesto di competizione con le stagionalità eccetera eccetera a quel punto questa cosa diventa la saggezza che poi è la questione di chiede a un analista che lavora da due anni una cosa e chiede a un analista che lavora da dieci anni in quel settore, lui ha capito i principi di come funzionano le cose e quindi lui ha molta più saggezza evitando la quarta filosofica di questa di questa piramide quindi tendenzialmente qual è il punto che quando cominciamo a lavorare su BI, web analytics, digital analytics, CRO, data science, alla fine della storia del dato non gliene frega niente a nessuno, l’unica cosa che abbiamo bisogno è la conoscenza, abbiamo bisogno di tirare fuori delle azioni di marketing quindi eliminiamo i nomi e ripartiamo a delle teorie molto più originali che hanno a che fare con trasformare il dato in azione, quello che poi Avinash ha chiamato l’approccio from data to action che io ho sposato fin da subito, altrimenti nel mondo dei big data se non tiriamo fuori delle azioni tutto il lavoro che peraltro è molto oneroso non produce nessun risultato e ci si perde anche un po’, quegli italiani sono bravissimi a perdersi in queste cose quindi fare chiarezza è molto importante per me. Che cosa succede poi all’interno di ambiti ingegneristici dove c’è tutta una parte di flusso di informazioni che anche abbiamo detto line of line non ci interessa più, il ciclo informativo quindi le attività per trasformare i dati in informazioni seguono un flusso ben particolare allora si inizia sempre con il collezionamento del dato allora quello che nel digitale noi possiamo fare attraverso il google tag manager e il collezionamento dei dati all’interno di google analytics che diciamo all’interno del mercato sembra sempre una cosa molto operativa di fatti è una cosa strategica quindi collezionare i dati non è un’attività solo operativa ma deve essere strategicamente prevista all’interno di una strategia quindi il data collecting si occupa della raccolta dati parte da un livello strategico e poi chiaramente va a finire in ambito operativo con tutti i sistemi da tag management che hanno a che fare non solo con il sito ma hanno a che fare anche con delle qpi esterne magari di competizione, di cpa del mercato, di questionari, di heatmap eccetera eccetera una volta che abbiamo collezionato questi dati si passa all’attività di processamento dei dati quindi i dati vengono collezionati in dei database, questi database non sempre sono puliti di qualità e sono pronti per essere letti quindi il secondo punto da fare è quello di uniformare i database cosa che google analytics e tutti gli strumenti digitali fanno abbastanza in modo automatizzato per ripulire dai rimori statistici e cercare poi di andarci a fare delle analisi, l’analisi è il momento in cui guardi i dati e cerchi di trovarci fuori un’informazione andando a guardare bene le qpi e identificando il target, il customer giorni, i bisogni, i canali di marketing più utilizzati, i prodotti che vengono di più a seconda di qual è l’ambito, una volta che diciamo abbiamo fatto questa analisi c’è l’attività di presentazione dell’analisi cosa che in ambito moderno si chiama data storytelling, io la ritengo come un’alarma ninja di tutti gli analisti perché tendenzialmente ci sono poche menti abituate a ragionare attraverso i dati in più la velocità di processamento di un testo rispetto all’immagine è quasi quattro volte più veloce quando c’è un’immagine di mezzo quindi tendenzialmente il data storytelling ci permette di ragionare più velocemente quindi trasformare più velocemente data in un’azione e di spiegare molto meglio quello che stiamo andando a fare, faccio un iperbole su questo fate conto che io non uso quasi più excel e quando vado a processare i dati di google analytics io vado direttamente su data studio cioè la mia attività di analisi parte dal data storytelling diciamo nel mio metodo l’analisi e la presentazione sono uniti perché attraverso la presentazione tu riesci a fare l’analisi, poi c’è tutta una parte di interpretazione quando si interpretano i dati quindi vogliamo raggiungere quel livello superiore che dall’informazione diventa una conoscenza andiamo a guardare un contesto più ampio, il contesto più ampio si guarda sempre guardando cosa fanno quelli altri quindi cosa fa il mercato o cosa fanno i miei concorrenti o in generale andare a prendere altri dati da altre piattaforme quindi io posso sapere che il mio target 25-34 ha questi bisogni sì ma a livello antropologico per esempio quali sono i bisogni della generazione x della generazione y eccetera l’ultimo pezzo è il momento in cui una volta che abbiamo fatto le comparazioni trend eccetera eccetera a quel punto tu puoi prendere delle decisioni trasformare il dato in azioni allora tendenzialmente quello che io mi sono accorta a cadere diciamo il motivo poi ho scritto il libro sul data-driven marketing è che l’attività di web analytics in italia si ferma alla presentazione quindi tutta la parte di interpretazione del dato e di azioni vale un 10 per cento quindi di fatti poi se uno si va a togliere tutti i grafici tutti i report tutti i dati le cose da fare rimangono veramente veramente poche allora invece vorrei stressare il punto del dell’azione di marketing

✨ Assistente AI 💬

Registrati e guarda subito gratis questa lezione!*

* Registrandoti potrai seguire gratis la prima lezione di ogni corso presente sulla piattaforma.

Prima volta su Studio Samo Pro?

Guarda il video e scopri come funziona la piattaforma