Google Analytics: nuove analisi grazie ai dati demografici e agli interessi

 In News

Come annunciato al summit di Google Analytics 2013 a Mountain View, stanno diventando disponibili alcuni report molto interessanti all’interno della sezione Audience. Questi report forniscono i dati sull’età, il sesso e gli interessi dei nostri utenti. I dati che compongono questi report provengono da informazioni che Google utilizza in Google Display Network; perciò se si stanno facendo campagne GDN, analisi e segmentazione del pubblico saranno pienamente coerenti con i dati delle proprie campagne.

Per attivare questo tipo di report è necessario fare una piccola modifica al codice di tracciamento di Google Analytics; con questa correzione si utilizzeranno i cookie di DoubleClick, utilizzando di fatto un cookie di terze parti. Per questo motivo è fondamentale prestare attenzione alla propria politica cookie per assicurarsi che sia conforme alla Direttiva 95/46/EC.  Dopo aver modificato il codice di tracciamento e accettato l’emendamento sull’elaborazione dei dati, è necessario abilitare i report dal pannello di amministrazione di Google Analytics.

 

Nell’analisi di questi report ci sono però alcuni aspetti da considerare: le informazioni, infatti, si riferiscono ai soli utenti maggiorenni e, come si potrà notare, questi report contengono campionamento, poiché a volte, Google non dispone di dati sufficienti. Ciò può implicare che in una segmentazione molto profonda possano apparire aree prive di dati.

E’ inoltre possibile utilizzare questi dati per creare dei segmenti avanzati, determinando uno scenario molto suggestivo. Infatti ciò permette, in primo luogo, di avere un quadro più dettagliato di chi siano i propri utenti e di poter stabilire più precisamente l’obiettivo della propria attività. Inoltre consente di raccogliere preziose informazioni per identificare il proprio pubblico di riferimento, altrimenti identificabile solo tramite costose ricerche di mercato o tramite supposizioni dettate dall’intuizione, e soggette ad un ampio margine di errore.

Ora invece, con la possibilità di creare segmenti per genere, età e interessi, e potendoli applicare alle diverse aree di analisi del proprio marketing, si può aumentare l’efficienza delle proprie campagne, dei contenuti del proprio sito web e dei propri prodotti.

All’interno del lancio e dell’analisi delle campagne, questi segmenti rendono possibile riconoscere quali siano le campagne che hanno portato le visite più preziose per la fidelizzazione e per la conversione, determinando così differenti segmenti di utenti.

Nel ridefinire i contenuti si può capire quali siano le categorie, le tematiche e i particolari più interessanti suddivisi per gruppo di utenti. Con questi dati, ora si può ottimizzare la navigazione tra le diverse aree e pagine di un sito web, in modo da migliorare l’esperienza dell’utente. Diventa possibile individuare anche le pagine che non contribuiscono a migliorare l’esperienza del proprio target principale, ma che contribuiscono magari nel migliorare quella di altri segmenti, riconoscendole di conseguenza come una potenziale linea di contenuti aggiuntivi. Prendendo ad esempio un sito e-commerce, ora si è in grado di identificare i segmenti che hanno più difficoltà a portare a termine un acquisto, coloro che hanno bisogno di rivedere i termini di pagamento e di consegna, e rapportarli con le linee di prodotto per offrire informazioni più rilevanti e facilmente fruibili per l’utente. Si possono individuare anche quei contenuti che contribuiscono alla vendita, come le caratteristiche dei prodotti, i commenti degli altri utenti, o i suggerimenti di acquisto, in modo da semplificare la navigazione tra le pagine e creare soddisfazione nel cliente.

Per quanto riguarda i prodotti, chiunque può immaginare quanto sia importante mettere in relazione le caratteristiche dei propri utenti con il proprio prodotto, non solo per facilitare il processo di acquisto, ma anche per adattare i prodotti alle esigenze dei clienti.

Seguendo l’esempio della vendita online, si potrebbe scoprire che il target principale ha effettuato acquisti soprattutto nel corso di una particolare collezione, ma che ha visitato anche altre due o tre collezioni che condividevano alcune caratteristiche con la collezione venduta: per esempio prezzo, comfort, moda, e così via. Da questo si possono trarre le linee guida per lavorare in termini di cross-selling.

Si potrebbe trovare anche quali prodotti interessino maggiormente agli utenti che navigano all’interno del proprio sito, e di conseguenza impostare differentemente (o anche solo modificare) il proprio sito web, o il proprio modello di business o il proprio marketing mix, comprendendo quali linee di prezzo siano più adatte per ciascun target, quali siano i prodotti preferiti da ciascun tipo di cliente, o la fiducia di acquisto riscontrabile in ognuno dei diversi profili di clientela.

Come si può intuire quindi, i nuovi dati a disposizione forniscono la possibilità di compiere un salto che oltrepassa l’analisi del web stesso, rendendo possibile rapportare le proprie analisi con il pubblico su larga scala, in relazione ai propri contenuti e obiettivi.

Articoli consigliati

Leave a Comment