Molte aziende che operano nel settore del retail stanno affrontando sfide sempre più complesse per rimanere competitive e soddisfare le esigenze dei consumatori. Un nostro cliente, specializzato in rivendita di abbigliamento sportivo sia online che offline, ha riconosciuto l'importanza cruciale della raccolta e analisi dei dati per la crescita omnicanale. 

In questo breve contenuto racconteremo uno dei progetti a cui abbiamo lavorato in quest’ottica: un’attività di keyword clustering volta a comprendere al meglio quali fossero le keyword che portavano traffico organico al sito, in modo da comprendere cosa funzionava e soprattutto quali fossero invece le aree che richiedevano intervento.

In merito a questo tema esigenze principali del cliente erano due:

1. Valutare le performance del sito web: il cliente desiderava avere una visione chiara e dettagliata delle performance del suo sito web. In particolare, una delle sfide più importanti era l'identificazione delle query di ricerca che portavano i visitatori al suo sito web.
   
2. Ottimizzare la strategia SEO: una volta identificate le query di ricerca, il cliente intendeva utilizzare queste informazioni per migliorare il posizionamento del sito nei motori di ricerca, aumentare la visibilità online e ottenere insight volti a supportare il canale offline. 

Per soddisfare queste esigenze, abbiamo condotto un'analisi delle keyword utilizzate dagli utenti che hanno raggiunto il sito web.

In questo caso studio condivideremo l'approccio gli output di questa analisi di clustering delle keyword, evidenziando come questi dati possano contribuire a migliorare le performance non solo del sito web ma in generale di tutte le strategie di promozione sia online che offline.

Prima di procedere: se vuoi ricevere ogni settimana i nuovi articoli, casi studio e aggiornamenti sul mondo dei dati puoi iscriverti alla nostra newsletter.

Come identificare i Keyword cluster

Abbiamo prima di tutto effettuato una prima analisi sulla distribuzione delle keyword e dei click per tipologia di keyword, in modo da avere una visione di alto livello di come le varie keyword contribuiscono nel portare traffico organico al sito.

Abbiamo in seguito utilizzato i dati di Google Search Console per eseguire il clustering sulle parole chiave che hanno portato traffico al sito web nel periodo analizzato.

Identificazione dei cluster

Per la clusterizzazione abbiamo provveduto ad una differenziazione tra segmenti di keyword di brand (ovvero keyword che contenevano il nome del brand del nostro cliente) e segmenti di keyword senza brand.

L’algoritmo di clusterizzazione ha identificato 7 cluster differenti.

Cluster 0 - query branded e offline-oriented. Si tratta di traffico che sta cercando informazioni sui negozi offline del cliente e che può essere sfruttato in ottica omnichannel.

Cluster 1 - query branded e legate a prodotti (zaini, softshell…). Traffico fidelizzato e che conosce il brand, molto probabile che converta.

Cluster 2 - query legate a brand specifici di abbigliamento sportivo che non includono il brand del cliente. Si tratta quindi di persone che hanno in mente un prodotto specifico ma non stanno cercando il rivenditore. Potenziale di espansione e miglioramento grande, ma molta competizione.

Cluster 3 - query legate ai prodotti per donna, sia collegate a brand specifici che a categorie di prodotto (pantaloni donna, antipioggia donna primavera 2023).

Cluster 4 - query collegate a “piumini”. Probabilmente influenzata dal periodo invernale, da ripetere nel corso dell’anno per vedere quanto può pesare sull’economia annuale del sito. Nei mesi invernali circa il 10% delle parole chiave totali e dei click.

Cluster 5 - query collegate in generale al mondo “abbigliamento sportivo”, si evidenziano molte query quasi di content marketing tipo “taglie pantaloni alpinismo” su cui il sito sembra ben posizionato ma che sono difficilmente convertibili. 

Cluster 6 - query collegate a “cappelli”. Valgono stesse considerazioni della 4, con la differenza che sono il 5% del totale delle query e il 2% dei click circa.

Prima di procedere due note sulla metodologia di identificazione dei cluster

Il processo

Si tratta di un processo eseguito da Digital Pills con algoritmi proprietari senza supporto di software SAAS o strumenti terzi (es. Chat GPT). Ricordiamo infatti che è fondamentale non condividere dati potenzialmente riservati con piattaforme che hanno politiche di condivisione dei dati stessi con terzi o per il training di modelli. 

Le fasi del dell’attività sono state le seguenti

1. Download dei dati di Google Search Console (keyword e numero di click che hanno portato sul sito)
2. Pulizia dei dati (es. rimozione delle stop words, conversione a lower case etc.)Implementazione dell’algoritmo per l’identificazione del numero ottimale di cluster
3. Run del K-means che ha restituito i 7 cluster di appartenenza delle keyword
4. Caratterizzazione dei cluster (distribuzione e composizione dei cluster tramite grafici e wordcloud)

La soluzione: una dashboard per prendere decisioni

Una volta ottenuti i cluster abbiamo poi creato una dashboard che ha permesso al cliente di visualizzare in real time l’andamento delle performance del sito sui vari cluster di keyword.

Per ogni cluster di keyword, come si può vedere dal grafico sotto, abbiamo analizzato il numero di click che hanno portato al sito:

Per andare più nel dettaglio poi, abbiamo costruito uno scatterplot, detto anche grafico a dispersione.

Nel grafico che segue si possono osservare due variabili di un set di dati distribuite in uno spazio cartesiano: vediamo i Click sull’asse delle X e il Click Through Rate sull’asse delle Y.

Ogni punto rappresenta una keyword, mentre a colore diverso corrisponde un diverso cluster.  Le linee tratteggiate invece rappresentano le due medie: una parte l’average CTR e l’average di click.

Questo tipo di grafico permette di fare analisi granulari, permettendo di identificare quali sono i cluster di keyword su cui concentrarsi per migliorare le performance del sito.

Vediamo un esempio. 

Nell’immagine che segue si trova il dettaglio del cluster 0, che è quello di query branded e offline-oriented, con per esempio parole chiave come NOME BRAND + CITTÀ e altre parole.

Se ci concentriamo ad esempio sul quadrante in basso a sinistra (quello in sono disposte keyword con click e CTR al di sotto della media), vediamo che è per la maggior parte composto da keyword contenenti il nome del brand seguito dal nome della città e dalla parola ‘orari’ o ‘foto’.

Da questa prima analisi emerge un bisogno degli utenti specifico: ottenere informazioni in merito a orari e foto del negozio offline in una specifica città.

In questo caso è probabile che le performance del sito siano sotto la media poiché Google mostra già i risultati della ricerca all’interno della SERP senza che sia necessario cliccare sui link dei risultati di ricerca.

Una granularità di questo tipo permette quindi di intraprendere azioni specifiche, come in questo caso adottare delle strategie volte ad indicizzare contenuti, come ad esempio gli orari di apertura, anche su canali diversi dal sito web (come per esempio i social).

Il nostro Keyword clustering in breve

In queste poche righe abbiamo esplorato l'importanza di un'analisi delle keyword come punto di partenza per ottimizzare una strategia SEO.

L'identificazione dei cluster di keyword può rappresentare una preziosa fonte di quick win, consentendo di migliorare la visibilità del sito web sui motori di ricerca e attrarre un pubblico più ampio e interessato. Inoltre una visualizzazione così granulare come quella della scatterplot permette di fare interventi specifici e molto mirati per cluster di keyword, rendendo l’ottimizzazione delle performance del sito molto più mirata.

Sottolineiamo anche che questo tipo di analisi risulta anche utile nell’ottica di una strategia omnicanale: alcuni cluster sono correlati alle esperienze offline dei clienti e comprendere le loro esigenze è fondamentale per lo sviluppo di contenuti online agevolino la loro conversione offline.

Se ti interessa la clusterizzazione degli utenti qui puoi trovare un articolo che parla di RFM e clustering analysis per l'ottimizzazione del budget e del lifetime value. Potresti anche trovare utile la nostra guida per prepararsi al Black Friday, che offre spunti utili sulle analisi da fare per affrontarlo al meglio!

Vuoi ricevere i prossimi articoli via mail appena li pubblichiamo? Iscriviti alla nostra newsletter.