Questa sarà la prima mail “ufficializzata” di Performance Analytics, una newsletter orientata all’analisi dei dati strategica per il performance marketing.
Sono molto felice di averti qui Simone 🙂 penso che l’analisi dei dati nel marketing sia un tema più che mai attuale ed estremamente importante.
Dico sempre che “senza dati siamo ciechi” proprio perché, per prendere decisioni strategiche corrette abbiamo sempre necessità di non basarci su gusto personale o semplici intuizioni.
Abbiamo bisogno di guardare i numeri reali e comprendere cosa sta succedendo e perché, prima di prendere decisioni.
E sono molto contento di approfondire interamente questi temi all’interno di Performance Analytics.
Prima di cominciare però vorrei chiederti una cosa.
Se trovi interessanti i contenuti in questa newsletter condividila con altri colleghi e imprenditori a cui pensi possa essere utile e invitali ad iscriversi da questa pagina.
In questo modo:
1) Aiuterai altri professionisti ad approfondire l’analisi dati a livello strategico
2) Mi aiuterai a far crescere questa newsletter e a produrre contenuti sempre migliori 🙂
Al momento siamo circa 100. A 500 vorrei sganciare un bel regalone, che ti svelo in anteprima: una raccolta dinamica di centinaia di creatività interessanti per l’advertising, divisa per industry (cosmetics, beauty, ecc.). “Dinamica” nel senso che avrai dei link a cui accedere anche ai futuri aggiornamenti di questo database!
L’obiettivo è ambizioso, ma fattibile. Non appena raggiungeremo i 500 avrai questo regalo immediatamente, a prescindere dal tempo che impiegheremo per arrivarci.
Iniziamo con il botto parlando di una delle metriche di performance più utilizzate, ovvero l’Average Order Value.
All’interno di un video pubblicato su YouTube ho parlato di come secondo me l’AOV è un dato fortemente limitato per sua natura.
Ti consiglio di recuperarlo se non lo hai ancora visto.
Ho parlato di come integrare all’analisi AOV anche il concetto di Moda Statistica per scoprire quali sono i range di carrello maggiormente presenti sul nostro ecommerce.
E oggi parlo di AOV per chiarire che non ho assolutamente nulla contro di esso e che, anzi, lo uso come indicatore di performance nel mio arsenale.
La mia parziale critica all’AOV deriva semplicemente dal fatto che ritengo vada usata come indicatore generale e non vada considerata come un “stiamo andando benissimo” o “stiamo andando malissimo”.
Anche perché di fatto l’AOV non ci dice questo.
Se l’AOV è aumentato del 30% significa che le persone stanno spendendo mediamente di più sul nostro store. Fine.
Quindi a livello assoluto, a parità di ordini, facciamo più revenue e questo è ottimo.
Non significa che stiamo “andando bene”. Significa piuttosto che ogni acquisto vale di più. Molto semplicemente. E questo può essere un bene o un male a seconda di come vanno le altre metriche.
FOV (first order value, quindi AOV calcolato solo sui nuovi clienti) +20% e nuovi clienti -20% non va interpretato solo come “che bello, le persone stanno spendendo di più quindi con meno ordini faccio lo stesso fatturato” bensì anche come “stiamo acquisendo meno clienti nuovi”.
E questo può rappresentare una criticità in termini di acquisizione di quote di mercato.
Dato che il tema è ampio verrà approfondito successivamente.
Torniamo in focus sull’AOV.
In questa mail ti mostro come, attraverso una semplicissima e davvero banale analisi, è stato possibile aumentarlo in modo importante.
Un piccolo disclaimer: il focus di questa mail è l’AOV, non il MER, non il gross profit, non il CAC. Non è un case study, bensì una semplice ottimizzazione che puoi sperimentare tu stesso per fare dei test sull’aumento dell’AOV.
Fatte le dovute premesse, osserva questa curva di AOV su uno store multi-prodotto avviato negli ultimi mesi del 2022:
Valore di partenza: €76
Valore finale: €119
Una semplice media.
Che ci dice, però, che mediamente un utente sta spendendo di più sul nostro ecommerce.
57% in più per la precisione.
Cos’è successo quindi?
La strategia adottata, per aumentare i volumi di questo ecommerce, è stata molto semplice (anche banale, se vogliamo).
Analizzare i prodotti a Conversion Rate % stimato più alto e tra questi scegliere quelli con prezzo medio 10-20-30% più alto rispetto all’AOV attuale.
Questi prodotti poi sono stati promossi in advertising con creatività ad hoc.
Molto semplice. E in questo caso anche efficace.
Se ci pensi, tutto parte sempre dal farsi le domande giuste.
Qui la domanda è stata: come alziamo l’AOV in maniera immediata considerando che mediamente gli utenti comprano solo 1 prodotto per carrello e quindi il bundling è più difficile da gestire?
Domanda che è nata dall’esigenza di avere un carrello medio più alto per “giocare” maggiormente con il cap di spedizione gratuita.
E se lavoro principalmente con catalogo dinamico?
In questo caso potresti provare a creare dei product set inserendo un limite minimo al pricing dei prodotti mostrati per fare dei test di aumento dell’AOV.
Un’altra strategia interessante è quella di studiare i carrelli composti da 2+ prodotti (non è il caso di questo ecommerce, ma di moltissimi altri sì) e fare un’analisi dei prodotti maggiormente acquistati assieme, per fare azioni di upselling e retargeting mirato.
Le possibilità sono davvero tante, e partono sempre dalle domande corrette.
Ho voluto mostrarti questa situazione per darti un esempio pratico di come un’analisi dei dati anche semplicissima, ma mirata, possa produrre output qualitativi per un ecommerce e non solo.
E strutturare un proprio sistema di analisi per trovare queste informazioni in tempi brevi ha davvero un grande valore secondo me.
Ti è piaciuta questa prima mail di Performance Analytics?
Qualunque feedback è ben accetto. Se vuoi, rispondi a questa mail o scrivimi su Linkedin per dirmi cosa miglioreresti o cosa ti piacerebbe approfondire di più.
A proposito, hai avuto modo di testare la Dashboard GSheet che ti ho inviato? Come ti stai trovando?
Anche qui, ricevere feedback mi aiuterà a migliorarla 🙂
Più andiamo avanti più ti mostrerò sempre più analisi, più complesse e ancora più interessanti.
A presto