Il tasso di conversione ideale è più alto di quello che ha il tuo sito. (Peep Laja)
Per poter rispondere a questa domanda, dobbiamo fare qualche passo indietro. Come prima cosa dobbiamo abbandonare i “secondo me” e analizzare i dati del nostro sito e-commerce, sempre che tu abbia configurato tutto quanto necessario per tracciarli. Analisi che però deve essere basata su quello che viene chiamato “metodo scientifico” ovvero basata sulla osservazione dei comportamenti degli utenti, sulla sperimentazione, sulla verifica dei risultati ottenuti rispetto alla ipotesi di partenza.
Ed è proprio qui che si nasconde il primo grande rischio ovvero elaborare una teoria prima di avere in mano i dati. Senza accorgersene, si comincia a travisare i fatti per adeguarli alla teoria, invece di costruire la teoria dei fatti.
Un’analisi degli utenti e dei loro comportamenti basata su metodi di ricerca sia quantitativa (cosa avviene, dove e in che misura) che qualitativa (perché avviene) aiuta a non cadere in questo tranello.
Molti confondono questo tipo di analisi scientifica con il guardare il sito per capire cosa non va, fare qualche modifica così che converta di più, ovvero produca più vendite. Niente di più sbagliato. E’ invece un processo analitico di miglioramento continuo, senza fine, con l’obiettivo di trasformare i visitatori e i contatti in clienti affezionati. Questo perché i bisogni degli utenti cambiano, i competitori si muovono anche loro, le tecnologie evolvono.
Ovviamente il “metodo scientifico”, ovvero testare con dati alla mano le ipotesi analizzate, è una condizione necessaria ma non sufficiente per migliorare il tasso di conversione del nostro sito e-commerce. Una particolare attenzione dovremo dedicarla alla cosiddetta “esperienza di acquisto” ovvero dopo aver amplificato la motivazione all’acquisto, rendere le cose semplici creando una esperienza di acquisto senza frizioni, unita alle tattiche di “marketing persuasivo” ovvero la capacità di saper comunicare la propria proposta di valore, creando desiderio e motivazione di acquisto.
Per essere pratici, partiamo ad esempio da una frase molto semplice ma sempre vera: “un sito converte quando vende prodotti che i clienti vogliono comprare”.
Per capire meglio se e quando questo è vero per il tuo e-commerce e dove invece sta perdendo opportunità di guadagno, partiamo dall’analisi dei dati (web analytics) che ci aiuta in questo, magari partendo proprio da Google Analytics, che però mi dispiace dirlo ma non da risposte, aiuta però a formularne altre, quelle giuste. Ogni report ci porterà a nuovi quesiti e dovremo scavare a fondo per trovare le risposte. Esistono però dei report “imprescindibili”.
Facciamo alcuni esempi.
Partiamo dall’analisi del comportamento dell’utente nelle fasi di check out, dal carrello all’ordine, iniziando ad ottimizzare laddove ci sono più opportunità di miglioramento come come ad esempio potrebbe essere rivedere il form dei dati anagrafici, i costi di spedizione, la disponibilità di metodi di pagamento alternativi.
Ripercorrendo a ritroso il flusso del comportamento dell’utente, il cosidetto “customer journey”, potremo analizzare anche come si comporta e le azioni che compie da quando entra nel sito e prima che arrivi ad aggiungere prodotti nel carrello.
Se dovessimo evidenziare “alti rimbalzi o abbandoni” tra le pagine di categoria di prodotto, le schede prodotto e il carrello probabilmente dovremmo porci le seguenti domande:
– tempo di caricamento pagina o altre frizioni di tipo tecnico?
– traffico in entrata non in target?
– prezzi non in linea con il mercato?
Ulteriori analisi meritano i flussi di comportamento degli utenti in relazione alla visualizzazione ed acquisto dei prodotti presenti nelle varie categorie del catalogo del sito e-commerce.
Vale la pena creare una matrice di controllo per segmentare i prodotti in questo modo:
- Prodotti visualizzati ma non aggiunti al carrello, sui quali approfondire con sondaggi e feed back il motivo per cui gli utenti vedono i prodotti ma non li aggiungono al carrello
- Prodotti ad alta visualizzazione e conversione, che vanno promossi ulteriormente
- Prodotti con poche visualizzazioni e ricerche, da rimuovere o sostituire con altri prodotti
- Prodotti ad alto potenziale, studiare offerte per portarli a prodotti ad alta conversione.
Ancora vanno analizzati i tasso acquisto in relazione alla visualizzazione scheda prodotti, segmentando questa volta gli utenti in base sempre ai comportamenti evidenziati nei dati:
- Utenti entrati per sbaglio: alti rimbalzi? Verifichiamo dove atterrano e vanno via? Si tratta di visite solo informative? Quali pagine visitano? Da quali sorgenti di traffico arrivano?
- Utenti poco interessati al sito: utenti non entrano dalla pagina di listato alle schede prodotti? Verifichiamo comprensione architettura informazioni fornite, filtri di ricerca, ordinamenti delle liste prodotti, motore di ricerca interno (solitamente chi lo usa sono pochi sul totale degli utenti, ma presentano tassi diconversione superiore di 3-4 volte).
- Utenti con interesse moderato: utenti che aggiungono prodotti al carrello ma non entrano nel flusso di check out? Usano il carrello come lista desideri, magari per un acquisto successivo nello store fisico? Lo usano per fare comparazione prezzi (fanno preventivo)? Riesaminare quindi il carrello, costi e tempi spedizioni, ricerca coupon o buoni regalo? Gestire i carrelli abbandonati con mail profilate dove possibile.
- Utenti con interesse alto: utenti iniziano il processo di check out ma non lo portano a termine? Possiamo testare mini survey (sondaggi) che vengono visualizzati dagli utenti che stanno per uscire dal carrello (exit intent), test di usabilità empirici, analizzare le videoregistrazioni ottenibili con strumenti come Hotjar, Yandex Metrica o ancora analisi dei form verificando su campi del form si bloccano?
Ovviamente oramai è chiaro che la precondizione affinché sia possibile indagare tutti questi comportamenti è che i dati vengano tracciati adeguatamente. Perché “Se non lo puoi misurare, non lo puoi migliorare” (Peter Druker).
Quindi, mentre si analizzano questi dati, farsi le domande giuste focalizzandosi “poche metriche” ma significative ovvero quelle in grado di produrre il cambiamento che stiamo cercando.
Ma quali sono le metriche più interessanti per l’e-commerce:
- Tasso abbandono carrello/checkout: obiettivo, ridurre uscite dal flusso di acquisto (analisi divisa per step rispetto al customer journey dell’utente).
- Tasso di convesione (CR): obiettivo aumentare il rapporto transazioni/visite (analisi per tipologia di utente, rispetto alla sorgente di traffico, al dispositivo mobile/desktop utilizzato, rispetto ai prodotti visualizzati e con cui l’utente ha interagito).
- Frequenza di acquisto obiettivo, aumentare la frequenza di acquisto soprattutto per prodotti che si prestano ad acquisti ripetuti.
- Valore medio carrello obiettivo aumentare lo scontrino medio di ogni transazione, tramite anche tecniche di up-selling e cross-selling.
- Revenue per cliente (CLV): obiettivo, aumentare il totale degli acquisti effettuato in un periodo di tempo dello stesso cliente.
- Costo acquisizione cliente: obiettivo, ridurre il rapporto tra costo acquisizione cliente / CLV cliente
- Revenue = visitatori(V) * tasso conversione (CR) * valore cliente nel tempo (LTV).
Infine elenchiamo qui solo alcuni degli strumenti (tools) di misurazione molto utili in questo lavoro di analisi scientifica orientata alla conversione:
- Google Analytics
- Yandex Metrica
- Crazyegg.com (heat map, scroll map) oppure
- Hotjar (session recording, form analysis)
In conclusione, una volta che abbiamo installato i tools sul sito e raccolti e analizzati i dati, questi suggeriranno mille ipotesi da vagliare con il metodo scientifico. A questo punto si dovrà decidere da dove iniziare. Per cui è importante creare un vero e proprio piano di ottimizzazione, individuando prima tutte le evidenze emerse e le azioni da compiere, stabilire le priorità, fare i test e valutare i risultati.
“Non ci sono errori, ma opportunità per conoscere le cose” – Ugo Foscolo.
Vogliamo provare ad aumentare le tue vendite? Allora rimbocchiamoci le maniche e iniziamo dall’analizzare i tuoi dati.
Digital strategist & Innovation Manager
