“La perfezione è nemica dell’utilità. I dati web non sono perfetti; le cose cambiano troppo rapidamente, tutti vogliono una certa informazione per ieri e i concorrenti sono forti. Non cercate la perfezione quando si tratta di metriche.”

(Avinash Kaushik)

Due “note di colore” per aprire questo post.

Uno dei framework più famosi ed utilizzati nel product management di prodotti online noto con l’acronimo AAARRR viene detto anche funnel dei pirati. Perchè? Ricorda il verso dei protagonisti delle incursioni nei  sette mari mentre si accingono ad ingurgitare il rum. Una delle fondamentali tecniche di analisi di prodotti online, quella delle coorti che vedremo nelle prossime righe, rievoca la suddivisione militare di una a legione romana (una legione era divisa in 10 coorti).

Il Modello AAARRR o funnel dei pirati

Forse il miglior esempio di modello di metriche di riferimento è uno dei framework più noti ed utilizzati; il  modello AAARRR (o Funnel dei pirati) di Dave McClure. In estrema sintesi, il funnel, descrive sinteticamente il ciclo di vita del cliente online (customer lifecycle). Per spiegare in modo semplice a cosa serve questo framework, ricorriamo ad un esempio:

Sono una persona, un tuo potenziale cliente e fino a qualche giorno fa non sapevo nemmeno che esistesse il tuo prodotto o servizio; diciamo che sono ad un punto alfa del mio ciclo di vita come cliente online. Oggi pago per usare il tuo prodotto e ne sono soddisfatto. Diciamo che sono al punto beta.

Per arrivare da alfa a beta uno avrò fatto un percorso, compiendo diverse scelte ed azioni. 

Sono dovuto venire in qualche modo a conoscenza (awareness)  che il tuo prodotto esiste. Ho raccolto informazioni, l’ho conosciuto e raggiunto (acquisition), magari l’ho provato (activation); poi, non convinto magari ho lasciato stare, ma dopo qualche tempo ho ricominciato ad usarlo (retention)  e l’ho trovato utile, quindi mi sono deciso e l’ho acquistato (revenue). Ne sono stato talmente soddisfatto da parlarne bene in giro con amici e conoscenti (referral).

Se riesci a sapere quando mi sono fermato o quando ho deciso di andare avanti, in ognuno di questi passi del mio percorso, ti sarebbe più semplice prendere decisioni di prodotto; leggere i dati e capire cosa c’è che non va e capire dove mi sono bloccato e dove invece ho deciso di proseguire.

Il framework AAARRR, serve proprio a scandire questo percorso e attribuire delle metriche di riferimento per ognuno dei passaggi.

In questo modello, proprio come nell’esempio sopra, vengono identificati 6 step fondamentali nel ciclo di vita dell’utente:

1. Awareness: l’utente sa che il tuo prodotto o servizio esiste e fa parte dei tuoi “visitatori” potenzialmente interessati ai tuoi prodotti, servizi, contenuti, etc. L’ awareness è quanto risulta familiare il tuo prodotto o brand al tuo cliente ideale. E’ tuttavia utile sapere che non è possibile determinare il valore dell’awareness in una campagna di digital marketing. L’awareness identifica la presa coscienza di un brand o prodotto, successiva alla sua pubblicità sui media online e offline. Tale attività, è solo l’inizio di un processo. Vale a dire che, dalla sua buona qualità, parte tutto il funnel del marketing e diventa misurabile in un successivo percorso del cliente, il cosiddetto customer journey.
2. Acquisition: oltre a sapere che esiste, adesso l’utente è interessato ed ha il suo primo contatto col prodotto. Si possono acquisire nuovi visitatori sfruttando diversi canali (ad es: seo, sem, social advertising, mobile app, affiliazioni, direct e-mail marketing, media tradizionali, etc.). Generalmente deriva da un processo di lead generation (generazione di contatti) che porta il nuovo utente a lasciarti i suoi dati personali.
3. Activation: l’utente interessato ha la prima esperienza gratificante; diventa attivi perché compiono una determinata azione, solitamente Iscrizione al sito o alla newsletter, una visita più approfondita del sito, utilizzo di funzionalità e/o richiesta di demo e/contatti.
4. Retention: l’utente ritorna, è interessato e sta utilizzando la nostra piattaforma con più frequenza, quindi la sta conoscendo ed apprezzando. Alla retention si associano, quindi, il livello di popolarità e di fidelizzazione dei tuoi utenti. 
5. Revenue: l’utente paga per usare il tuo prodotto: è un cliente a tutti gli effetti e non solo potenziale.
6. Referral: l’utente è talmente soddisfatto che è pronto a consigliarlo a qualcun’altro.

Di solito in prodotti poco maturi in cui si è più propensi a validare più la parte di prodotto e meno quella di marketing si esclude dal funnel la prima A (Awarness). In alcuni casi, per semplificare, si esclude anche l’ultima R (Referral) perchè spesso più complessa da misurare nelle fasi iniziali di un’iniziativa.

Le metriche del funnel

Ad ogni fase del funnel, si diceva, si può attribuire una o più metriche di riferimento per avere un pannello di controllo generale

Awareness ->  sono 5 le principali metriche da tenere sotto controllo prima, durante e dopo le campagne:

1. Il traffico diretto: tutte quelle sessioni sul tuo sito che Google non riconosce come provenienti da un canale social, campagne a pagamento e traffico da motore di ricerca noto. In parole povere: quando l’utente arriva scrivendo l’url del tuo sito. Magari non conosce ancora esattamente il valore aggiunto del tuo brand, ma ne ha già sentito parlare e vuole saperne di più. Non va confuso con il traffico organico, che si ha quando si fa una ricerca i cui risultati (non sponsorizzati) portano a cliccare sulla pagina del sito.
2. I volumi di ricerca. Legato al concetto di traffico organico perché si riferisce a quante volte il tuo brand, i tuoi prodotti o servizi, il tuo sito o il tuo blog sono stati cercati. Analizzando il volume capirai quanti utenti di Internet si interessano a quello che fai e trascorrono una fetta del loro tempo a sapere di più sul tuo brand.
3. Il Social Engagement: se il tuo brand è presente sui social è importante misurare il coinvolgimento degli utenti. Questo vuol dire che devi contare commenti, like, condivisioni, retweet, risposte. L’analisi di queste metriche, oltre a dirti quanto gli utenti sono coinvolti dai tuoi contenuti, ti fa capire cosa preferiscono. Porre attenzione ai contenuti con più ingaggi ti fa scoprire cosa vogliono sapere o cosa interessa di più ai tuoi clienti.
4. Le menzioni. quando un articolo del tuo blog viene usato come fonte per un contenuto, quando il tuo brand viene menzionato su un blog, su un social, quando viene taggato in post, storie, commenti o anche hashtag che hai lanciato.
5. La Share of Voice (SOV): ovvero la percentuale del tuo target che ti sei conquistato a discapito dei tuoi competitor. E’ certamente molto complessa da misurare.

Alcune sono relativamente semplici da ottenere, altre sono più complesse e (spesso) non particolarmente utili. Indugiando solo su queste metriche senza proporsi un valido motivo/obiettivo, si ricade nella vanity.

Acquisition -> Sono 2 le metriche più utili in questa fase:

1. CAC (Customer Acquisition Cost):  rappresenta il costo medio di acquisizione di un nuovo utente; indica quanto stai pagando un canale specifico per ottenere un singolo utente. Per calcolarlo è sufficiente effettuare il rapporto tra il totale del budget speso su un determinato canale di acquisizione ed il numero di nuovi utenti acquisiti tramite il canale medesimo in un periodo di tempo. 
2. CPA (Costo per Acquisizione) misura il costo impiegato per ottenere un contatto – per richiedere maggiori informazioni, una demo o per scaricare un contenuto di interesse – che non necessariamente si trasformerà in seguito in un cliente effettivo.

Activation -> Qui la metrica utile è l’AR (Activation Rate):  cioè la percentuale delle persone che hanno effettivamente provato il prodotto dopo essersi iscritte.

Retention:  -> Sono diverse le metriche utili a seconda dei casi specifici

1. Il CR (Churn rate):  il tasso di abbandono esprime la percentuale di clienti che ha abbandonato un servizio in un dato periodo di tempo rispetto al numero totale di clienti che ne ha usufruito nello stesso periodo. Partendo dai dati ottenuti dall’analisi del processo di Abandon Rate si possono ipotizzare i vari scenari e poi definire quali modifiche o aggiunte apportare alle pagine con un’alta percentuale di abbandono, per poi verificare successivamente, in maniera ricorsiva, l’effettiva funzionalità del percorso. 
2. CLTV (Customer Lifetime Value): è la stima del profitto che un’azienda può ricavare da un cliente durante l’intero periodo in cui rimane cliente. In altre parole indica il profitto medio che si riesce a generare da un singolo utente, prima che abbandoni il tuo prodotto. Non esiste una formula unica per il calcolo del CLV perché questa può variare in base al contesto dell’analisi, alla tipologia di prodotto, alle dinamiche del mercato in cui operiamo.
3. MAU (Monthly Active Users): numero di utenti attivi mensili

Revenue -> Le metriche principali di questa fase sono: 

1. MRR  (Monthly Recurring Revenue), cioè gli introiti periodici mensili.
2. ARPU (Average Revenue Per User), cioè i ricavi medi per utente.
3. CR (Conversion rate) conversione si riferisce alla capacità che un sito ha di convertire un utente in cliente, un visitatore in un visitatore affezionato. Si potrebbero definire “conversioni” tutte le attività che gli utenti effettuano sul sito e che i gestori ritengono interessanti, di valore e misurabili con indicatori analitici. Conversion Rate = numero conversioni/numero accessi

Referral -> Le metriche più adatte alla misurazione della fase di referral sono: 

1. Condivisioni sui social, 
2. AIPU (Average Invitations Per User) Numero medio di inviti per utente. 
3. Numero di recensioni create mensilmente. 
4. NPS (Net Promoter Score) è un indice per valutare la fidelizzazione dei clienti e la loro capacità di promuovere un brand.

Un aiuto per prendere migliori decisioni di prodotto: l’analisi delle coorti

Un prodotto è un’entità in continua mutazione. Cresce, cambia e si evolve. 

Se si vuole capire se sta crescendo nella direzione auspicata è utile avere delle “istantanee” per ogni sua singola fase di vita, così da capire nel tempo cosa ha avuto maggiore impatto e orientare le proprie decisioni di conseguenza.

Nel settore dell’analisi di coorte, viene principalmente analizzato il cambiamento dei comportamenti di gruppi di persone predefiniti entro un periodo di tempo ben preciso. Una coorte in senso statistico e demografico è un gruppo di persone caratterizzate dall’aver sperimentato uno stesso evento in un periodo predefinito.

Un esempio di coorte sono i nati in un determinato anno.

Le coorti  servono per monitorare come migliora (o peggiora) il tuo prodotto in base ai singoli cambiamenti che apporti. 

La visualizzazione delle coorti in un dato periodo è una istantanea delle metriche dei periodi passati (solitamente settimane o mesi) esattamente in quell’intervallo di tempo specifico in cui il prodotto ha determinate caratteristiche.

Nelle piattaforme o applicazioni online i gruppi di utenti si creano,  in base alla data di nascita on-line. In termini più semplici,  il giorno in cui si sono iscritti al tuo sito web/piattaforma/app.

Le analisi di coorte sono talmente utili (indispensabili?) che fanno parte del set base in Google Analytics e vengono usate proprio per analizzare il funnel di prodotto. 

Il rapporto analisi di coorte, infatti, permette di isolare e analizzare il comportamento di una coorte. Ad esempio tutti gli utenti che presentano lo stesso valore per data acquisizione appartengono alla stessa coorte. 

Ogni utente fa parte di una sola coorte: l’insieme di azioni che l’utente compie nel suo intero ciclo di vita deve essere registrato sempre all’interno della coorte in cui si è iscritto.

L’analisi delle coorti può essere utilizzata per una serie di scopi, tra cui:

• Esaminare le singole coorti per valutare le risposte ad azioni di remarketing nel breve periodo, come le campagne di email di singole giornate.
• Verificare la variazione quotidiana, settimanale e mensile del comportamento e del rendimento di singoli gruppi di utenti rispetto a quando sono stati acquisiti.
• Organizzare gli utenti in gruppi in base a caratteristiche comuni, come la data di acquisizione, e successivamente analizzare il comportamento di tali gruppi in base a metriche come Fidelizzazione utenti o Entrate.
• Lanciare campagne sviluppate per promuovere un’azione desiderata.
• Spostare il budget marketing nel momento giusto del ciclo di vita di un cliente.
• Riconoscere quando interrompere una versione di prova o un’offerta in modo da massimizzare il valore.
• Sviluppare idee per il test A/B in aree come prezzo, percorso di upgrade ecc.

In genere, comunque, quando non si hanno volumi di utenti sufficienti per gestire A/B test sul prodotto online le coorti sono una delle poche possibilità concrete di di analisi dinamica.

Conclusioni

Secondo Kaushik Avinash autore di Web Analytics 2.0: “Un sito web tenta fondamentalmente di fornire solo tre tipi di Risultati.  Aumentare le entrate. Ridurre i costi. Migliorare la soddisfazione/ fedeltà del cliente. Questo è tutto. Tre semplici cose. Tutto ciò che si fa sul sito web deve essere confrontato con questi tre Risultati.”

Le metriche e gli strumenti di analisi sul web sono in grado di riferire solo ciò che possono registrare. Ma non sono in grado di registrare ciò che i clienti desideravano ma non hanno trovato. 

Sono in grado di rilevare il “cosa” accade, non il “perchè accade”.

Attraverso il Business Design e l’ascolto dei clienti la ricerca del perché non solo è possibile, ma anche coinvolgente ed efficace. Le informazioni più importanti da reperire sono quelle che ci permettono di capire e comprendere i nostri utenti e/o potenziali clienti. Sono essenziali per sapere che cosa fare e come comportarci. E questo è esattamente ciò a cui ci si riferisce con l’espressione customer journey o viaggio del cliente:  capire quali sono i punti di contatto col nostro cliente dall’inizio alla fine, e definire una sorta di mappa, in modo da essere in grado di analizzare quale dei  touchpoint o punti di contatto è più debole e su quale è importante intervenire.

Non perderti il prossimo post in cui affronteremo la differenza tra Big data e Small data, introducendo il concetto di Customer’s Job, alla base della Jobs Theory. Scopriremo come capire i dati sia importante ma che il punto cruciale è:

capire i clienti!