1.1 – Google Analytics 4, tool di Marketing Analytics

Trascrizione

Ciao a tutti e benvenuti a questo nuovo corso di Studio Samo. Quello di oggi sarà un corso interamente incentrato su Google Analytics 4. Io sono Gianmarco, ma a breve darò un po’ di notizie su di me e su chi sono. Però prima vorrei soffermarmi un attimo sul motivo per cui siamo qui a fare questo corso, di che cosa parleremo e soprattutto vorrei cercare di trasmettervi il perché ha senso parlare in questo momento di Google Analytics 4 e appunto perché effettivamente è un tema caldo, ammesso che non lo sappiate già. Abbiamo deciso di intitolare il corso, proprio Google Analytics 4, come funziona e cosa serve sapere, perché crediamo che attualmente la necessità numero uno sia quella di cercare di capire un po’ come barcamenarsi in una piattaforma che comunque è nuova rispetto a quella a cui siamo magari abituati, quella di Universal Analytics, e quindi appunto se non altro mettere i paletti per quello che è la base dello strumento, sapere dove trovare appunto ciò che ci interessa, come funziona la piattaforma in background e dietro, e appunto dall’altra parte tutto quanto quello che serve sapere per essere pronti a quella che diciamo tutti per comodità chiamiamo migrazione, ma che in realtà non è proprio esattamente una migrazione, perché è proprio la partenza di un nuovo strumento rispetto a Universal Analytics. Per tutti quanti coloro che magari appunto non lo sapessero, Google Analytics 4 nasce, in realtà adesso è un bel po’ di tempo fa, prima rilasciata in versione beta e poi piano piano resta sempre più ufficiale, diciamo così, per sostituire quella che era la piattaforma di Google Universal Analytics, che è stata diciamo in voglia e funzionante per un bel po’ e che è stata annunciata da subito come in fase di obsolescenza, di deprecazione. Google era sempre stata molto attenta nel dire, occhio stiamo rilasciando Google Analytics 4, ha incominciato a familiarizzarci perché di cui fra un po’ di tempo iniziamo a non poter utilizzare più Google Analytics Universal e ci mandavano delle mail per dirci guarda che chiudiamo, guarda che chiudiamo e alla fine effettivamente è una cosa che sta per succedere appunto in maniera lenta ma inesorabile. Quindi Google Analytics 4, per chi non avesse mai avuto familiarità con Google Analytics Universal, è un nuovo strumento che oggi scopriremo insieme e che cercheremo appunto di capire in che modo possa essere utilizzato al meglio. Per chi invece è abituato, come lo sono io, ad utilizzare Universal Analytics, cerchiamo un po’ di spiegare le differenze soprattutto nel modo in cui vengono collezionati i dati. Questa è una cosa su cui metto un po’ l’accento, lo farò anche nelle prossime slide. Sembra un po’ un eccesso di zelo da parte mia cercare di vedere la teoria che c’è dietro la raccolta dei dati di Google Analytics 4 ma in realtà si tratta di qualcosa di, a mio parere, essenziale perché capire in che modo vengono raccolti i dati, capire come ragiona Google Analytics 4, ci mette nelle condizioni di fare il salto da Universal a GA4 nella maniera più liscia possibile. Una volta capiti come funziona lo strumento, come vengono raccolti i dati, come sono definiti i dati, come è definito quello che si chiama data model che fra un po’ vedremo, diventa un po’ più facile anche prendere confidenza con lo strumento che a quel punto diventa uno strumento come un altro. Quindi questo qui è giusto per raccontarvi in brevissimo quello che cercheremo di vedere e qual è l’obiettivo che io mi sono dato impostando un po’ questo corso e che vorrei ovviamente che raggiungeste anche voi. Come promesso, mi presento e do giusto due informazioni su di me. Io mi chiamo Gianmarco Giannelli, sono in realtà laureato in filosofia, ma prestato al mondo dei dati dopo aver fatto un Master in Big Data Analytics and Social Mining ed è dal 2019, quindi da un bel po’ di anni, che lavoro in DigitalPeace, che è una società di consulenza, una data inside boutique come ci diciamo spesso, che ha come appunto ragion d’essere quella di lavorare nell’ambito dei dati e soprattutto dell’insight, quindi nella generazione di insight che possono essere poi utilizzati per migliorare le performance del prodotto digitale, dell’e-commerce o dell’app o di qualsiasi cosa sia digital in questo senso. All’interno di DigitalPeace la mia figura è quella di senior web analyst e di data strategist, quindi mi occupo sia della parte di implementazione e di raccolta dei dati, sia della parte di analisi dei dati, che è quello su cui magari ci soffermiamo anche un po’ di più oggi, e della parte di data strategy, quindi di ragionamento sul perché stiamo raccogliendo i dati che stiamo raccogliendo, come li vogliamo raccogliere, come vogliamo che poi questi siano rappresentati, mostrati nei vari report, nelle varie dashboard, e quindi cercare di dare una visione strategica a quella che è la parte di implementazione e di raccolta dei dati. Ovviamente per questo mi occupo sia di progetti legati esclusivamente alla data strategy che alla data architecture nel suo complesso, quindi proprio tutta la parte di implementazione della data stack e quindi degli strumenti che ci permettono della raccolta dei dati, e gli analytics. In basso potete anche vedere il mio nickname di LinkedIn che potete utilizzare, come dirò alla fine, anche per fare delle domande nel momento in cui vi venissero in mente durante questo tempo insieme. Quindi partiamo subito da quello che secondo me è la base, ovvero facciamo una piccola introduzione a GA4, quindi cerchiamo un po’ di capire di che cosa parliamo quando parliamo di GA4. GA4 che cos’è? GA4 è uno strumento di digital analytics che ci permette di visualizzare dati relativi alle visite che gli utenti effettuano su un sito web o su un’app. Questa qui diciamo è la definizione che sicuramente sarà un po’ più utile a chi non ha molta familiarità con gli strumenti di analytics rispetto a chi l’ha con Universal, perché di fatto l’obiettivo è lo stesso, ma appunto questo qua è una cosa che dobbiamo ben tenere in mente. Quindi semplicemente visualizzare i dati di chi entra sul nostro sito, entra sulla nostra app e fa delle interazioni sulla nostra app, quindi fa quella che si chiama una user journey, quindi atterra su una pagina, ne vede un’altra, clicca su un bottone, acquista un prodotto, si scrive una newsletter e così via. GA4 ci permette di avere una visione statistica dei dati che vengono raccolti. In generale gli strumenti di digital analytics hanno due principali finalità e questo qui è un passaggio importante su cui soffermarsi. Gli strumenti di digital analytics possono avere uno scopo interamente dedicato al mondo della marketing analytics oppure uno scopo interamente dedicato al mondo della product analytics oppure, come vedremo anche per GA4, un po’ una via di mezzo fra le due. Quindi due obiettivi diversi che devono essere presi in considerazione quando si decide di utilizzare un prodotto di digital analytics rispetto a un altro. Quando si decide di utilizzare GA4 rispetto a Mixpanel, come vedremo, o un altro strumento, bisogna cercare di capire effettivamente cosa vogliamo che ci aiuti a fare il nostro prodotto, migliorare dal punto di vista di marketing o di prodotto. Cosa vuol dire però migliorare dal punto di vista di marketing o dal punto di vista del prodotto? Come vi dicevo è molto importante capirlo perché di fatto dà proprio una direzione diversa al nostro lavoro. Dalla parte della marketing analytics, avere un prodotto come Google Analytics o come un prodotto di digital analytics ha l’obiettivo di utilizzare lo strumento per migliorare quella che è l’acquisizione. Per chi non fosse particolarmente familiare con il concetto di acquisizione, intendiamo migliorare e ottimizzare il numero di utenti che arrivano sul nostro sito, sulla nostra app, dai diversi canali. Quindi quanti arrivano dai canali a pagamento, quanti arrivano dalla newsletter, quanti arrivano da Google Organic perché fanno una ricerca e così via. Quindi migliorare l’acquisizione significa essere un po’ padroni, per così dire, del modo in cui gli utenti arrivano da noi. Quindi dire io voglio che un tot di utenti arrivino dai canali paid, voglio che però la maggior parte degli utenti arrivino dai canali per me gratis, perché ovviamente è un risparmio. Quindi quando parliamo di migliorare l’acquisizione parliamo di questo, cioè di essere padroni in qualche modo, di avere sotto controllo la situazione e sapere in che modo gli utenti arrivano al nostro sito e migliorare determinati canali di acquisizione o in generale migliorare tutti i canali di acquisizione per fare in modo che arrivi. Dall’altra parte quindi significa lavorare inevitabilmente su tutto quanto quello che è la reportistica legata alla campagna, alle campagne di advertising o alle campagne di acquisizione degli utenti più generiche come può essere ad esempio, l’ho già citato, le dem, quindi tutto quanto quello che è il mondo delle newsletter e dell’email marketing. Quindi avere sotto controllo lo speso, in che modo stanno arrivando gli utenti, gli utenti che arrivano da un determinato canale, cosa fanno subito dopo. Avere sotto controllo il comportamento degli utenti, la parola comportamento è proprio una parola in questo senso tecnica, degli utenti una volta che atterrano sul mio sito da un determinato canale ci permette di avere una visione di come quel canale sta funzionando e quindi in caso di ottimizzarlo. Una delle cose a cui si bada di più a livello di marketing analytics tool ad esempio è il numero di sessioni rispetto alle pagine, cioè di pagine rispetto alle sessioni, ovvero all’interno di una sessione quante sono le pagine che vengono mediamente viste da un utente, perché appunto a livello di magari engagement o di partecipazione dell’utente all’interno della customer journey ci interessa che una volta che abbiamo speso un euro per far arrivare un utente da un canale pay dal nostro sito, ci interessa che sia ingaggiato con il nostro sito quindi veda un tot di pagine, faccia un tot di operazioni, di azioni che hanno una finalità marketing per così dire. Ovviamente alla base c’è il fatto che essendo uno strumento di marketing analytics quindi legato al mondo della reportistica delle campagne, dell’ottimizzazione delle campagne, non ha tanta necessità di sapere che l’utente x Gianmarco che ha fatto una cosa sul mio sito sia proprio Gianmarco. Gli interessa sapere che il 20% degli utenti arrivati sul sito sono arrivati da un canale paid e che il 50% di quelli hanno effettivamente poi acquistato, quindi diciamo è un ragionamento molto più focalizzato sulle percentuali, sui ragionamenti statistici per così dire, che sul singolo utente, su Gianmarco Giannelli o su Pinco Pallo. E’ anonimizzato sotto questo punto di vista, è anonimo e soprattutto un’altra cosa su cui ci soffermiamo è che in qualche modo il sapere che nasce dalla parte di marketing analytics tool a volte dobbiamo prendere in considerazione l’idea che sia centralizzato, cioè che una business unit in particolare, come può essere quella che si occupa dell’advertising, la parte di marketing e di pubblicità online, sia la detentrice fra virgolette del sapere perché appunto ha quella finalità lì, quindi c’è una persona o di consulenti esterni o un reparto che si occupa di fornire le informazioni al dipartimento advertising. Quindi marketing analytics tool, per dirlo con una parola, per dirlo con poche parole, ha come finalità quello dell’ottimizzazione delle campagne dell’acquisizione appunto in un’ottica di ottimizzazione delle performance e dell’advertising. Cosa succede nel caso del product analytics? Nel caso del product analytics parliamo proprio di ottimizzazione del prodotto digitale, quindi qui non ci soffermiamo molto su come gli utenti sono arrivati al mio sito, se sto procedendo bene con le campagne, se sto mettendo bene il budget e così via, qui sto semplicemente dicendo io voglio che il mio prodotto digitale sia perfetto e che quindi l’esperienza degli utenti sul mio prodotto digitale sia la migliore possibile. Quando parlo di prodotto digitale utilizzo un termine ombrello, come si suol dire, che è molto ampio, semplicemente proprio per trasmettere, per trasmettervi che quando parliamo di prodotto digitale parliamo di un’ampia gamma di prodotti, possono essere ancora una volta dei siti, delle app, può essere un prodotto come Spotify, così come Airbnb, così come l’app per l’allenamento, qualsiasi cosa. Quello lì è un prodotto digitale che ha come finalità quello di essere perfetto per l’utente, quindi appunto un prodotto di digital analytics che ha come obiettivo quello di migliorare la product analytics, ovviamente non starà tanto al punto di migliorare l’acquisizione quanto di migliorare il più possibile il prodotto. Quello che si cerca non è l’ottimizzazione della campagna, come abbiamo visto prima, o il miglioramento delle performance di acquisizione, ma assicurarsi il più possibile che l’utente o il visitatore sia così tanto stupito e contento di come funziona l’app da ritornare e da rimanere diciamo parte di quell’app, di non disiscriversi, di non smettere di visitarlo a cadenza temporale una volta a settimana, una volta al giorno, e quindi di migliorare quella che è tutto quanto questo qui che adesso sto dicendo con molte parole, in realtà un termine che si chiama retention, cioè evitare che l’utente vada via, detto in una parola. Se fate un collegamento con gli esempi che vi ho fatto prima, Spotify e Airbnb, vi dovrebbero tornare molto, è la stessa cosa, Spotify vuole che voi continuate a ascoltare la musica il più possibile, come Facebook vuole che continuate a leggere i posti il più possibile, e così via. Ovviamente qui, più che concentrarsi sulle sessioni, le pagine o le pagine all’interno di una sessione, ci si concentra molto di più sugli eventi, quindi quali sono quegli eventi, quelle interazioni che gli utenti fanno sul sito o sull’app o sul prodotto digitale in generale, che in qualche modo possano essere definiti critici, ovvero caratterizzanti della nostra app o del nostro sito, cioè quali sono quegli eventi che gli utenti fanno perché ottengono valore dal nostro prodotto digitale facendolo, questo qui è il ragionamento sugli eventi. Ovviamente da tutto quanto quello che vi sto dicendo e se ci pensate, riconducendo ancora una volta agli esempi che vi ho fatto, dovrebbe tornarvi, qui invece il concetto di avere un utente autenticato è importantissimo, pensate che tutti quanti gli esempi che vi ho fatto necessitano di una registrazione, di un login per poter essere utilizzati ancora una volta Airbnb, Spotify, Facebook e l’app per la palestra, perché in realtà essendo l’ottimizzazione di un prodotto digitale, noi vogliamo sapere che un utente specifico, gli utenti specifici fanno questi tipi di interazioni per poter poi creare dei cluster, delle corti, come si chiama di quegli utenti, e dire occhio ci sono tutti quanti questi utenti che si chiamano Gianmarco, che fanno queste determinate operazioni, possiamo prenderne degli insight per fare altro, quindi l’importanza dell’autenticazione. Dall’altra parte i prodotti di product analytics tool spesso sono un pelo più difficili a livello di implementazione, a livello di consultazione, ma una volta fatto ci mettono nelle condizioni di avere una situazione di self service, come si suol dire, self service implementation and analysis, cioè gli utenti da soli dovrebbero essere in grado di implementare nuovi tracciamenti e soprattutto dovrebbero essere autonomi nell’analizzarli, quindi ci vuole un po’ più di tempo, diciamo iniziale, la curva di apprendimento un po’ più alta, ma una volta fatto si va nella parte del self service, quindi questo qua in generale per chiarire un punto fondamentale, da una parte marketing analytics, miglioramento delle campagne dell’acquisizione, dall’altra parte product analytics, miglioramento del prodotto, vi ho detto pensate a da una parte, per quanto riguarda la parte di marketing analytics, qualsiasi e-commerce che faccia campagne online, dall’altra parte pensate a tutti gli esempi che che vi ho fatto. Google Analytics, come vi suggerivo, vi anticipavo, nasce in realtà come un tool di marketing analytics, se pensate all’Universal Analytics era totalmente e pienamente uno strumento di marketing analytics, era pochissimo focalizzato sul prodotto, ma tutto sull’acquisizione, se ricordate c’era tutta una sezione della piattaforma dedicata all’acquisizione, ai modelli di attribuzione, alle campagne, ai content e così via. La nuova versione di GA4 però, come vedremo, per una questione tecnica che riguarda il data model, lo rende in realtà performante anche come strumento di product analytics, nel senso che si colloca un po’ a metà strada fra quello di cui abbiamo parlato, in maniera tale in qualche modo di poter supplire ad entrambe le esigenze. Ovviamente questo lo riesce a fare anche perché GA4, come potete immaginare, è ben integrato con tutta la suite di Google e questo ovviamente lo rende particolarmente vantaggioso per chi investe molto, per chi fa campagne, per chi fa advertising attraverso le piattaforme di Google naturalmente, perché come potete immaginare Google parla bene con Google, quindi questo qui significa che quando parliamo di connessioni disponibili e di linking quindi disponibili per GA4, quindi a che cosa posso collegare la piattaforma di GA4 e degli altri strumenti di Google, parliamo di tutti questi. Ora ovviamente non ve li racconto tutti e undici, però sicuramente parlare di Google Ads, integrazione con Google Ads, fa già accendere la campanella a chi di voi fa le campagne perché significa una facile comunicazione tra quello che è il mondo di Google Analytics, quindi delle interazioni e delle visite sul sito, quello che è il mondo delle campagne, utilizzare quello che gli utenti fanno sul sito per poter fare retargeting, campagne targettizzate, specifici annunci sulla base degli utenti che visitano il mio sito e così via. L’export con BigQuery ci permette di avere un collegamento facile con quello che è poi l’export dei dati raw e l’analisi dei dati direttamente in una versione raw grazie a tutto quanto l’integrazione con la Google Cloud, appunto le campagne display e tutto quanto quello che vedete qui come connessione disponibile, quindi questo solo per dirvi che ovviamente se siete abituati a lavorare molto con le piattaforme Google avrete sicuramente da leccarvi i baffi dal fatto che GA4 sia perfettamente integrato con tutta la suite. Detto questo, vorremmo anche il più possibile, visto che abbiamo parlato di Marketing Analytics e Product Analytics, dare se non altro una sorta di panoramica molto veloce su quello che sono gli altri strumenti di Digital Analytics, perché appunto per una questione di coerenza, avendo detto all’inizio che la scelta dello strumento di Digital Analytics è fondamentale sulla base di quelle che sono le nostre aspettative, i nostri obiettivi, quello che noi vogliamo raggiungere, ci sembrava importante dare una veloce scorsa a quelli che sono i competitor, tra virgolette, le alternative in questo momento a Google Analytics 4, perché magari c’è qualcuna di quelle che, come si suol dire, fitta un po’ meglio con quelle che sono le vostre necessità. Quindi qui ne abbiamo messe alcune, alcune di queste appunto sono Amplitude, ad esempio, che diciamo ha alla base il fatto che debba avere un’organizzazione molto, molto, molto fiduciosa in quello che è il mondo della self-service analytics. Amplitude, soprattutto, si indirizza a chi lavora in contesti di app, quindi applicazioni e di applicazioni mobile. È uno strumento di pura, per così dire, product analytics, non è quello che cercate se pensate appunto al mondo del marketing, ma per l’ottimizzazione del prodotto digitale è un validissimo strumento. Adobe Analytics, che è lo storico competitor di Universal Analytics, ovviamente è uno strumento altrettanto valido. Certo, come vi dicevo prima, ha una curva di apprendimento un po’ più alta, è uno di quelli, quindi sicuramente richiede sia un buon budget, diciamo, da parte di chi vuole implementarlo, perché appunto ne richiede anche per tutto quanto quella parte che, diciamo, di training degli analyst al fine di renderli autonomi e, come posso dire, competenti nel mondo della visualizzazione di questo. Il tool, appunto, è potentissimo, cioè ha davvero delle possibilità immense, però appunto richiede un grande lavoro dietro, quindi è un po’ uno di quelli da usare con cautela rispetto a Google Analytics. Stesso discorso lo farei per Snowplow, che è appunto invece uno strumento che risponde ad una necessità specifica, che è aiutare tutti quanti coloro che non vogliono utilizzare i third-party tool, quindi vogliono avere un controllo totale su quella che è la pipeline e quindi, diciamo, il percorso che fanno i dati dall’inizio alla fine. Anche questo qui, però come Adobe, forse mi permette di dire anche un po’ di più, è complesso a livello di implementazione perché richiede proprio un team o comunque almeno dei membri del team che siano molto competenti in ambito data engineering per poter implementare lo strumento. Dall’altra parte, i due che sicuramente hanno meno necessità di competenze tecniche sono sicuramente, da una parte, Pwik, che ha come focus quello di essere lo strumento perfetto per coloro che hanno un business, appunto, un sito, un app all’interno dell’Unione Europea e vogliono avere un focus molto specifico sulla privacy. Questo qui dovrebbe fare suonare il campanello a tutti quanti coloro che hanno letto delle varie novità in ambito privacy, decisioni dei garanti della privacy in Italia, ma in generale nel mondo, in Francia. Ecco, Pwik è sicuramente il modo in cui ci possiamo, sotto un certo punto di vista, mettere a riparo per il momento, naturalmente, per quelle che sono le condizioni attuali. Da tutto perché, diciamo, professa di essere, appunto, compliant sotto questo punto di vista. Ovviamente c’è un trade off, come nella maggior parte dei casi, e non è soltanto il fatto di non essere ben collegato con tutta la suite di Google, come abbiamo visto che invece, ovviamente, è GA4, ma soprattutto è, in generale, uno strumento meno avanzato degli altri dal punto di vista di marketing e di product. Quindi, diciamo, sotto un certo punto di vista perdiamo qualcosina per guadagnarne in sicurezza a livello di compliance, di privacy, di rispetto della privacy. L’altro competitor, ultimo, l’altro strumento alternativo su cui mi soffermo un secondo, invece, è Mixpanel, che invece, appunto, anche qui richiede una parte di sviluppo, ma non così tanto importante come Adobe o Snowplow, anzi, diciamo, è decisamente gestibile da un team di sviluppo, ma è molto, molto, molto focalizzato sulla parte di product analytics. In realtà, per una buona parte del tempo, è stato lo strumento, diciamo, di riferimento per il mondo della product analytics prima, appunto, che nascesse GA4, quindi tutti quanti coloro che avevano necessità più di ottimizzazione del prodotto si rivolgevano più verso Mixpanel che verso Google Analytics. Tra l’altro, anche Mixpanel, essendo comunque uno strumento, diciamo, abbastanza noto e che comunque ha avuto un buon investimento, sia, diciamo, economico che di tempo e di effort di chi l’ha sviluppato nel posizionarsi bene, diciamo, sul mercato, ha anche una buona parte di collegamenti disponibili con le altre piattaforme, quindi è davvero, diciamo, a lungo è stato l’opposto. Se Google Analytics Universal era molto marketing ed era lo strumento di riferimento, Mixpanel probabilmente era lo strumento di riferimento per quello che è il mondo della product analytics.