Il Server Side Tagging è una soluzione di tracciamento recentemente molto discussa per i suoi vantaggi. A differenza del Client Side Tagging, una soluzione di tracciamento lato server sposta l’elaborazione e l’invio dei dati raccolti dal dispositivo finale dell’utente al server.

Il Server Side Tagging comporta diversi vantaggi, sia per gli utenti che per le aziende. In primis, le aziende che lo adottano diventano pienamente proprietarie dei dati raccolti, potendo gestire in maniera strategica cosa fare dei propri dati. Spostare l’onere di raccolta dati al server migliora inoltre le prestazioni del proprio sito, garantendo un’esperienza utente e una SEO tecniche migliori.

I dati raccolti attraverso un sistema server-side possono essere elaborati ed integrati da diverse fonti prima di inviarli ad altri servizi, aprendo nuove opportunità di analisi. Infine, una soluzione Server Side permette di non dipendere per la raccolta dati da cookie di terze parti (ormai bloccati da sempre più dispositivi); questo ovviamente dovendo rispettare i consensi espressi dagli utenti.

Tale soluzione non è priva di svantaggi: comporta un aumento dei costi per la gestione dei server ed implica la responsabilità delle aziende nel rispetto dell’utilizzo dei dati raccolti. Si tratta inoltre di una soluzione non ancora pienamente matura, ma sul quale l’attenzione crescente di grandi aziende potrebbe portare presto novità.

Capire se una soluzione Server Side fa al caso proprio deve essere una scelta strategica da valutare attentamente, avvalendosi dell’esperienza di professionisti.

Introduzione: che cosa è il Server Side Tagging?

Il termine Server Side Tagging è di sicuro uno dei più caldi per chiunque si occupi di digital analytics, e per ottime ragioni.

Si tratta di una tecnologia già da tempo sul mercato (Google l’ha annunciato nella Superweek 2020 e qui puoi leggere il nostro resoconto), ma che recentemente ha raccolto sempre più interesse. Una ragione di questo interesse è sicuramente l’attuale contesto digitale, dominato da discussioni su temi come privacy, proprietà dei dati e ruolo delle Big Tech.

In questo clima di cambiamenti inaspettati e allarmismi sull’uso di tecnologie (vedi il caso di Google Analytics “dichiarato illegale” in Austria), una soluzione di Server Side Tagging è diventata sempre più interessante per chi voglia continuare a raccogliere dati sui canali digitali, ma voglia tutelarsi da molti problemi che questo comporta.

Vediamo assieme di cosa significa utilizzare una soluzione di Server Side Tagging, quali vantaggi e svantaggi offre, e come capire se fa al caso tuo.

Qual è la differenza tra Client-side e Server-side tagging?

Per capire di cosa si tratta, occorre fare un piccolo passo indietro su come funziona a grandi linee il web.

Nella navigazione online, esistono due grandi sfere di attività: il lato client ed il lato server.

Per spiegare in che modo questi due ambiti interagiscono, può essere utile adoperare la metafora di un ristorante.

Vi sono clienti che ordinano piatti, camerieri che prendono e portano gli ordini ed una cucina che li riceve, prepara e fa uscire una volta pronti.

Il lato client, ovvero quello dei clienti, è quello dove sarà possibile vedere quanto richiesto; l’insieme di informazioni e codici che inviati al proprio dispositivo ci permette di visualizzare prodotti digitali come una pagina web.

Il lato server è invece dove vengono ricevute le richieste di informazioni dagli utenti finali, si ricercano e preparano i dati necessari, ed infine vengono inviati agli utenti finali.

Sicuramente usare un ristorante per spiegare come funziona internet è una semplificazione. Ma se applichiamo lo stesso modello per miliardi di clienti che possono mandare innumerevoli richieste a milioni di cucine e che questo scambio avviene in pochi millisecondi, si arriva a comprendere come funzioni il tutto.

Come si applica al Tagging?

Nella digital analytics, l’uso di soluzioni di tagging (i.e. Google Tag Manager) permette di impostare un sistema di raccolta dati efficiente senza il bisogno di tempi di sviluppo. Tutto questo si svolge solitamente lato client, caricando assieme al contenuto richiesto stringhe di codice necessarie per raccogliere informazioni su come l’utente utilizzi un sito. Le informazioni vengono raccolte e inviate direttamente lato client a servizi esterni come Google Analytics o Facebook, che le utilizzeranno per altri prodotti.

Fin qui sembra tutto abbastanza chiaro, ma riprendiamo la metafora del ristorante per capire in che modo questa soluzione possa fallire.

Un cliente ordina un piatto da mangiare, la cameriera porta la richiesta in cucina (il server) che si occupa di preparare il piatto richiesto. Nell’inviare il piatto al cliente, la cucina aggiunge alcuni ingredienti da assaggiare assieme a piacere (gli script di tracciamento). Questi servono per aiutare la cucina a capire cosa piace al cliente (i.e. Analytics) e permettere ad altre cucine di offrire al cliente piatti simili (i.e. servizi di advertising).

A questo punto il cliente si troverà ad avere, oltre al suo piatto, diversi ingredienti da assaggiare assieme a suo piacimento. Ma per indicare una sua preferenza dovrebbe essere lui stesso a portare indietro i piatti vuoti per indicare cosa gli è piaciuto; non ad una singola cucina ma alle diverse cucine che si occupano di quegli ingredienti!

Inutile dire che molti clienti non avranno alcun interesse a riportare indietro i piatti e dire cosa è piaciuto e cosa no. Inoltre, con troppi ingredienti extra al tavolo sarebbe più difficoltoso mangiare (o visitare un sito) e genererebbe una pessima esperienza.

Quello che abbiamo appena descritto è sostanzialmente la condizione attuale delle soluzioni di tracciamento client-side, in cui l’onere di raccogliere ed inviare le informazioni è in carico agli utenti finali; in cui aggiungere troppi servizi esterni ai propri tracciamenti può appesantire eccessivamente la navigazione, rendendo poco piacevole l’esperienza utente su un sito.

Per ovviare a questi ed altri problemi, la soluzione migliore è passare ad una soluzione lato Server

Come funziona il Server Side Tagging?

Non entreremo nel tecnico (per chi volesse, ne abbiamo parlato in un articolo dedicato), ma occorre capire in che modo il Server Side Tagging si distingua dal Client Side.

In primis, chiariamo che le due soluzioni non sono esclusive l’una dell’altra. Anzi possono e dovrebbero convivere per assicurarsi una soluzione di digital analytics completa.

Mentre nel tagging client side l’onere di elaborare ed inviare i dati viene demandato agli utenti, nel Server Side Tagging, una volta ricevute dal client le informazioni, l’intera attività di elaborazione ed invio viene gestita dai server stessi.

Per tornare alla metafora, il cliente dopo aver consumato il pasto non dovrà occuparsi personalmente di portare i piatti vuoti a diverse cucine, ma basterà che li riporti alla prima cucina a cui si è rivolto, la quale si occuperà in prima persona di capire cosa ha mangiato e cosa ha apprezzato, comunicandolo ad altre cucine interessate.

Sicuramente un bel risparmio di fatica per il cliente, che porta potenzialmente agli stessi se non a migliori risultati che nella soluzione lato client.

Come ogni cosa però una soluzione Server Side comporta alcuni svantaggi che vale la pena approfondire.

Quali sono i vantaggi del Server Side Tagging?

Vediamo nel dettaglio i vantaggi di una soluzione di tagging server side.

1. Migliori prestazioni del sito

Come già menzionato, adottare una soluzione Server Side significa ridurre la necessità lato client di caricare diversi script per inviare dati. Questa riduzione delle informazioni da inviare si traduce in una maggiore efficienza e velocità del caricamento pagine, migliorando sia l’esperienza utente che la SEO tecnica del proprio sito.

2. Pieno controllo dei dati raccolti

Implementare una soluzione server significa aggiungere un layer aggiuntivo di filtro, dove è possibile decidere come gestire i dati raccolti, quali elaborazioni svolgere e dove inviarli. Questo permette di essere certi di escludere informazioni sensibili o personali dai dati inviati a servizi terzi (come mail o password); così come essere certi di inviare la stessa informazione a diversi punti assicurando così la coerenza dei dati su diversi sistemi.

3. Mitigazione del blocco di cookie di terze parti

Applicare un tracciamento lato server significa non dover più dipendere obbligatoriamente da cookie di terze parti per inviare loro informazioni. Diventa infatti possibile non impostare per nulla tali cookie lato client ma gestire l’invio di informazioni totalmente lato server. Attenzione però: questa possibilità non implica che sia possibile non considerare le preferenze espresse dall’utente in termini di trattamento dei dati. Tali consensi dovranno sempre essere rispettati, ma sarà possibile non essere penalizzati da browser e sistemi operativi che blocchino a priori i cookie di terze parti.

4. Possibilità di integrare dati da diverse fonti

Infine, avere una soluzione Server Side significa poter non solo raccogliere dati dal proprio sito, ma poterli arricchire grazie ad informazioni di altri servizi utilizzati. Diventa infatti possibile collegare Analytics al proprio CRM, aggiungendo informazioni dal CRM agli Analytics e al contempo registrare le interazioni svolte dall’utente. La possibilità di incrociare ed elaborare dati da diverse fonti permette in tal modo di espandere notevolmente le capacità di analisi.

Quali sono gli svantaggi del Server Side Tagging?

Il Server Side Tagging, per quanto rappresenti diversi vantaggi rispetto al Client Side, ha alcuni importanti svantaggi da considerare:

1. Raccolta dati opaca

Le soluzioni Server Side spostano l’attività di raccolta dati nel “dietro le quinte”, rendendo effettivamente difficile per gli utenti sapere in che modo i loro dati vengano raccolti e ancora più difficile dove vengono inviati.

Se infatti con le soluzioni Client side per inviare dati a servizi esterni è necessario impostare cookie di terze parti, che permettono di risalire al servizio in questione, con una soluzione Server Side questo principio crolla, in quanto i dati raccolti saranno inviati solo successivamente dal server, non dandone visibilità chiara all’utente.

2. La gestione del consenso è in mano alle aziende

Adottando una soluzione server side, l’invio dei dati da parte del cliente passa da diversi flussi diretti a molteplici servizi, ad un singolo flusso diretto al server. Questo significa che il modo in cui i dati vengano raccolti ed inviati è completamente in carico alle aziende, che dovranno occuparsi di elaborare e smistare i dati in modo tale da rispettare il consenso espresso dagli utenti all’uso dei loro dati.

3. Costo

Per poter effettivamente usufruire di una soluzione lato server è richiesto, appunto, un server. Tale server può essere proprietario o affittato tramite servizi cloud come Google Cloud Platform, che offre inoltre il grande vantaggio di essere integrabile con l’ecosistema di servizi Google. 

In ogni caso, tali server hanno costi di mantenimento, seppur solitamente ridotti, che vanno considerati in fase di decisione.

4. Bassa maturità del servizio

Anche se si tratta di una tecnologia abbastanza consolidata, sono ancora diversi i servizi che non dispongono dell’infrastruttura web necessaria per essere integrati con le soluzioni di tracciamento lato server. Questo punto andrà sempre più a ridursi con la progressiva adozione di questa soluzione e il relativo interesse a sviluppare un ecosistema integrato attorno ad essa.

Vuoi implementare il Server Side Tracking?

Il Server Side Tracking rappresenta un'importante innovazione nel panorama del Digital Analytics, garantendo alle aziende di diventare realmente proprietari dei dati raccolti sui loro siti. Questo vantaggio chiave porta con sé grandi opportunità ma anche importanti svantaggi da considerare. 

In ultima analisi, la valutazione di fattibilità e convenienza di questa soluzione deve essere una scelta ragionata e tenere conto delle specificità della propria azienda.

Diciamo che in linea di massima il Server-Side tracking è la soluzione migliore per:

• Chi fa investimenti consistenti in advertising ed é interessato a mantenere o migliorare le performance
• Aziende data-driven per cui l’affidabilità del dato é importante

Se pensi che sia quello di cui hai bisogno in azienda, o semplicemente vuoi saperne di più, contattaci scrivendo a hello@digitalpills.it e saremo felici di aiutarti!

In breve: che cosa è successo in Austria e che cosa dobbiamo fare

Una recente sentenza della Corte di Giustizia Europea ha riconosciuto la possibilità di proibire il trasferimento di dati verso altri Paesi, se non presenti le condizioni per garantire il rispetto del GDPR. 

Questo potrebbe compromettere l’utilizzo di Google Analytics i cui dati sono trasferiti a Google LLC, negli Stati Uniti, poiché il modo in cui questi dati vengono utilizzati in USA potrebbero non essere conformi alle normative europee.

Google però non è stata ritenuta colpevole di alcuna violazione a differenza dei gestori del sito web, rei di aver permesso il trasferimento di dati identificativi quali indirizzi IP e identificativi utenti.

Al di là dei futuri interventi che Google credibilmente metterà in campo per ridimensionare il problema, è sufficiente anonimizzare le PII e gli indirizzi IP lato client o implementando un tracking server side per ridurre il rischio di trattamento inadeguato e trasferimento di dati personali.

Privacy online: contesto e tendenze

All’interno di un contesto internazionale pieno di stravolgimenti relativi a rispetto della privacy online e sovranità dei dati, la sentenza Schrems II ha segnato un punto di svolta nella sfera del trattamento dei dati degli utenti.

La Schrems II è una sentenza della Corte di Giustizia Europea che ha riconosciuto la possibilità di interrompere o proibire il trasferimento dei dati verso stati terzi (in particolare USA) se non presenti e garantite le condizioni per rispettare gli standard di protezione dei dati.

La domanda alla base della sentenza può essere riassunta così: se i dati raccolti e storati in Europa sono obbligatoriamente gestiti secondo le normative del GDPR, cosa succede ai dati raccolti in Europa ma trasferiti all’estero, in Paesi in cui vige una legislazione diversa e potenzialmente incompatibile con quella europea?

La domanda acquista rilevanza se riferita agli USA in cui gli enti governativi hanno accesso ai dati delle società americane.

Questa sentenza sembrerebbe avere ripercussioni dirette su Google Analytics, i cui dati raccolti vengono trasferiti presso la Google LLC, negli Stati Uniti, indipendentemente dal Paese in cui vengono raccolti.

La Schrems II non ha però riconosciuto alcuna responsabilità a Google, rendendo chiaro come non sia corretto affermare che Google Analytics sia illegale in Austria o in qualsiasi altro Paese d’Europa. 

A essere colpita dalla sentenza è stato invece il provider del sito, reo di aver permesso il trasferimento di dati personali, compresi identificativi utente, indirizzi IP e parametri del browser a Google LLC, rendendo gli utenti identificabili.

Cosa succederà e come possiamo agire?

Come si stanno muovendo quindi gli attori in gioco e come possiamo muoverci noi per tutelarci da violazioni del GDPR?

Google ha già recentemente affermato di voler iniziare a muovere i primi passi verso una conservazione dei dati all’interno del territorio in cui vengono raccolti, per essere sicuri di non creare violazioni e contrasti con le leggi vigenti nel Paese.

Noi abbiamo la possibilità di ridurre il trattamento dei dati personali non adeguati semplicemente utilizzando tecniche di anonimizzazione dei dati legati a indirizzi IP, nomi, email, numeri di telefono o qualsiasi altra informazione che possa ricondurre a un singolo individuo.

Praticamente le armi a nostra disposizione sono:

• Anonimizzazione delle PII all’interno degli URL o di parametri raccolti attraverso javaScript lato client o implementando GTM Server Side
• Anonimizzazione degli indirizzi IP tramite anonimizzazione standard (che Google assicura essere efficace solo dopo che i dati sono giunti al server locale più vicino) o tramite implementazione di GTM Server Side sicura al 100%

Nessun bisogno quindi di cambiare Data Stack. Google Analytics, per performance e potenzialità, rimane il tool di riferimento per il mondo degli analytics.

Noi tutti come utenti abbiamo aspettative sempre più alte in termini di qualità dei prodotti, di features disponibili e di facilità d’uso. Ma come fanno aziende e creatori di prodotti digitali ad essere sicuri di stare fornendo la migliore esperienza possibile ai propri utenti?

Una risposta sicuramente valida è guardare ai dati:

• Quanto revenue ha generato il mio prodotto in un determinato periodo?
• Quanti utenti si sono iscritti?
• Quale contenuto è più visto?

Tutte domande importanti in ottica business, ma che non riflettono pienamente se un prodotto digitale ha successo oppure no. Non permettono insomma di capire se il proprio prodotto genera valore per gli utenti che lo usano.

Rispondere a questa domande e a tutte quelle che sottintende è l’obiettivo della Product Analytics. Si tratta di una branca del mondo analitico che ha l'obiettivo di analizzare come i clienti interagiscono con prodotti e servizi, identificando opportunità che portino benefici all’intero business. Per fare questo occorre fare uso di alcuni framework e tool specifici.

In questo articolo parleremo di cosa significhi fare Product Analytics e dei benefici che può portare alle aziende. Infine, introdurremo Mixpanel, un tool specifico per la Product Analytics leader del mercato e di cui Digital Pills é primo e unico partner in Italia.

Cosa significa fare Product Analytics?

Il mondo degli Analytics è molto vasto e racchiude al suo interno diverse categorie in cui si declina. La Product Analytics è sicuramente una delle più importanti e di valore per chiunque crei o sviluppi prodotti digitali in cui gli utenti possano interagire.

Per capire meglio in che modo questa branca si distingua dalle altre, è utile partire da due definizioni, diverse ma non in contrasto tra di loro.

Definizione per tutti

"La Product Analytics è il processo usato per comprendere come i clienti interagiscono con prodotti o servizi digitali. Si tratta di un framework per mettere i clienti al centro del business, analizzandone i dati comportamentali, identificando opportunità di alto valore e creando per essi esperienze d’impatto."

-- Amplitude - Guide to Product Analytics

Questa prima definizione di Amplitude ci permette di capire che la Product Analytics si poggia su 3 pilastri fondamentali: clienti, prodotti, business. 

Si chiarisce inoltre che la Product Analytics è un framework, ovvero un processo essenziale per mettere in relazione questi tre pilastri, ricavandone informazioni utili per generare benefici all’intera azienda.

Nella seconda frase è inoltre possibile capire quali sono gli input e gli output di questo framework: raccoglie dati comportamentali dei clienti, dai quali emergano opportunità di miglioramento che aiutino a creare esperienze migliori per i clienti stessi. 

Per riassumere, la Product Analytics è un approccio analitico che pone al centro dell’analisi il cliente e le sue interazioni con il prodotto, al fine di migliorare continuamente la sua esperienza con esso e spingerlo a usarlo di più, portando benefici all'azienda stessa.

Definizione per addetti ai lavori

"Product Analytics consiste nel non preoccuparsi della raccolta dati e usare i dati per generare intuizioni uniche riguardo utenti, uso del prodotto e business."

-- Matthew Brandt, CXL Institute

Questa seconda definizione è più tecnica, ma è molto utile perché, se approfondita, aiuta a comprendere quali sono i fattori di maggiore interesse nell’intraprendere un’analisi di prodotto.

Analizziamo insieme i punti evidenziati:

• Per non doversi preoccupare della raccolta dati, è fondamentale avere dati affidabili, chiari e condivisi a livello aziendale. Questo primo step preliminare presenta già diverse sfide operative, in quanto presuppone un lavoro su più livelli che allinei tutti gli stakeholders di prodotto.

• Parlare di utenti e metterli al centro nasce dalla considerazione che ignorarli è un rischio che nessuna azienda può correre, ma al contempo trattare tutti allo stesso modo o all’opposto spendere troppi sforzi in analisi approfondite sono due estremi deleteri per il business.

• Analizzare l’uso del prodotto è un’attività non semplice ma di grande importanza. Anche se quel prodotto è stato creato con determinati pattern in mente, quasi sempre alla prova dei fatti si scopre che vengono compiute azioni e raggiunti obiettivi in modi imprevisti o non contemplati. Comprendere meglio i diversi percorsi, progettati e non, che portano gli utenti a raggiungere gli obiettivi è fondamentale per capire in che modo agire.

• Infine parliamo di business perché la Product Analytics è fortemente collegata alle performance aziendali. La ragione è semplice: se il business si basa sull’uso di un prodotto da parte del cliente, ogni modifica di prodotto fatta avrà inevitabilmente un impatto sul business.

Adottare correttamente un framework di Product Analytics permette di analizzare questi cambiamenti e capire quali impatti portano, fino ad elaborare nuovi cambiamenti che migliorino le performance di business.

Product vs “Classic” Analytics

Una volta capito meglio come sia possibile definire la Product Analytics, è utile capire in che modo si distingue dalla “Classic” Analytics, ovvero quella non incentrata sul prodotto (esempio pratico: raccolta dati per un sito web ecommerce).

	Classic Analytics	Product Analytics
Tempi di azione / rilascio risultati	Estesi: per vederne effetti possono essere necessari da 1 a +6 mesi	Ridotti: nuove features possono essere rilasciate anche in pochi giorni.
Definizione degli obiettivi	Pianificata: gli obiettivi e le maggiori domande sono già note in fase di implementazione.	Retroattiva: i Product Owners non disporranno della definizione degli obiettivi o domande dall’inizio, ma in seguito
Focus dell’approccio	Transazionale: incentrato su transazioni	User-centric: le interazioni e il comportamento degli utenti con il prodotto sono messe al centro
Reportistica	Statica: poche variazioni nel corso del tempo	Ad-hoc con molteplici interazioni: varia in base agli scenari e alle azioni, richiede confronto con molteplici attori
Main Drivers	Marketing e campagne: mirato ad ottimizzare le conversioni e performance	Specifici obiettivi di prodotto a livello utente o di azienda: le conversioni non sono così rilevanti quando i driver di prodotto.

Come si vede bene dalla tabella, le differenze sono molto marcate e non lasciano molto spazio a rischi di confusione in termini di attività che comportano.

Un punto molto importante da approfondire è sicuramente sulle metriche che i due processi misurano.

Nella Classic Analytics, le metriche prese in più alta considerazione sono spesso quelle più legate al business (revenue, costi advertising, ..). Questo si spiega poiché il focus della analitica classica è transazionale, ovvero portare l’utente alla conversione, definita a priori e legata agli obiettivi di business.

Quando parliamo di Product Analytics invece le cose cambiano. Spostando il focus dalla conversione all’utente e le sue interazioni, utilizzare come unico riferimento metriche che derivano dalle azioni degli utenti (transazioni, conversioni, …) sarebbe deleterio per il corretto sviluppo del prodotto.

L’obiettivo della Product Analytics deve essere quella di allineare lo sviluppo di nuove features, e di conseguenza l’aumento dell'affezione dell’utente verso il prodotto, al raggiungimento degli obiettivi di business. 

North Star Metric

Questo punto di incontro tra quelli che sono i valori degli utenti e quelli che sono i valori del business è definito canonicamente come North Star Metric (NSM), e rappresenta il problema degli utenti che il prodotto cerca di risolvere. 

La NSM rappresenta in questo senso quella singola metrica su cui i Product Owners devono concentrarsi a migliorare per assicurare il raggiungimento degli obiettivi di business.

Questa metrica si distingue da ogni altra metrica della Classic Analytics, spesso comuni a diversi business e definibili facilmente a priori, in quanto rappresenta una vera e propria sintesi della strategia aziendale di crescita, una guida di lungo periodo che deve guidare l’intera azienda.

Qui di seguito riportiamo alcune North Star Metrics di alcune startup, così come riportate da a16z.

I vantaggi della Product Analytics

Per capire i vantaggi che può portare la Product Analytics, è necessario capire le tipologie di business per cui è adatta e quale obiettivo è importante porsi.

A chi si rivolge?

La Product Analytics non ha vincoli in termini di industry o fase di sviluppo di un’azienda. Si tratti infatti di un insieme di strumenti utili sia per la crescita che per il mantenimento delle performance raggiunte.

L’unica vera discriminante da considerare è se sia presente uno o più prodotti digitali e che tale prodotto sia al centro dell’intersezione tra utenti e azienda. Per chiarire questo punto è utile fare alcuni esempi:

• Un'azienda che produce prodotti fisici e li vende tramite un ecommerce.

Pur essendo classificabile come un’azienda di prodotto, non trarrà grandi benefici dall’applicare la Product Analytics. Questo perché i suoi interessi strategici si limitano ad un rapporto transazionale con il cliente.

• Un’azienda che produce prodotti fisici dotati di interfacce digitali (ovvero che comunicano o sono accessibile grazie ad interfacce digitali) e li vende tramite ecommerce.

Non trarrà benefici dall’applicare la Product Analytics limitatamente alla porzione di vendita. Ma potrebbe avere importanti vantaggi nell’analizzare le interazioni tra utente e prodotto tramite canali digitali.

• Un’azienda che crea un’app, che si tratti di un prodotto a se stante o in congiunzione con altri.

Avrebbe considerevoli vantaggi dall’applicare un framework di Product Analytics alle interazioni degli utenti con il proprio prodotto. Questo permetterebbe di migliorare l'esperienza utenti e di conseguenza le potenzialità di monetizzazione.

In generale è quindi utile applicare la Product Analytics ogni qual volta avvengano interazioni dirette su canali digitali tra cliente e prodotto.

Quale obiettivo porsi?

Per dare una definizione generale di obiettivo da porsi nella Product Analytics, sarebbe:

Ottimizzare l’intero Customer Journey all’interno del prodotto (e non solo), collegando ogni step del Customer Lifecycle ad un Data Point, permettendo così di migliorare l’esperienza utente, aumentare la fedeltà sul prodotto (retention), e collegare metriche digitali a metriche del business.

Si traduce nel poter mappare ogni punto di contatto tra cliente e prodotto, analizzando lo stato del cliente tramite l’invio di dati strategicamente definiti. Questi permetteranno di apportare modifiche al prodotto al fine di aumentare l'affezione del cliente verso il prodotto e di conseguenza aumentare i benefici per l’azienda.

Questo obiettivo andrà poi approfondito in base al contesto dell’azienda o prodotto, declinandolo in base alla North Star Metric più adatta al proprio business.

Il modo migliore per raggiungere i propri obiettivi e ottenere i massimi vantaggi da questo processo è dotarsi delle giuste competenze e strumenti. 

Per questo processo noi consigliamo Mixpanel, tool verticale sulla Product Analytics tra i migliori al mondo e di cui siamo Partner certificati.

Mixpanel: lo strumento giusto per la Product Analytics

L’obiettivo di Mixpanel è aiutare le aziende a costruire prodotti migliori (Build Better Products) fornendo un potente software di self-service product analytics per aiutare a convertire, coinvolgere e mantenere attivi i propri utenti.

A differenza di altri prodotti per la self-service analytics, Mixpanel nasce specificamente per rispondere al bisogno di analizzare le interazioni degli utenti con prodotti digitali e ricavarne insight ed opportunità per la crescita.

Il Data Model di Mixpanel

Mixpanel, a differenza di servizi per la marketing analytics, utilizza un data model che si basa su due elementi fondamentali:

• Eventi: qualsiasi azione significativa che un utente esegue
• Profili: una raccolta di informazioni su un singolo utente

Questi due elementi al loro interno contengono Proprietà che forniscono maggiori dettagli sulle interazioni a cui sono associati. Si distinguono in:

• Proprietà Evento: coppie chiave-valore allegate a un evento che forniscono dettagli sull'azione che è stata eseguita
• Proprietà Profilo: coppie chiave-valore allegate a un profilo che forniscono dettagli sullo stato più recente di un utente

Le Proprietà Evento e Proprietà Profilo coesistono, ma hanno comportamenti e scopi diversi.

• Le Proprietà Evento  sono informazioni statiche registrate al momento dell’evento
• Le Proprietà Profilo sono informazioni dinamiche sullo stato attuale dell’utente

Anche se vi sono limiti sul numero di proprietà che eventi e profili possono avere (massimo 255), non vi sono limiti al numero di properties che siano utilizzabili a livello di progetto.

Questa struttura, simile per molti versi a quella di GA4 (che è appunto basato su eventi), permette però una ricchezza di informazioni molto più elevata, che si traduce nella possibilità di svolgere analisi più dettagliate e potenzialmente valide sul prodotto.

Strategia ed implementazione 

Mixpanel è uno strumento che offre grandissime possibilità di analisi una volta che è stato correttamente installato, ma proprio perché si tratta di uno strumento molto potente richiede competenza e pianificazione per essere implementato correttamente.

Dal punto di vista tecnico, Mixpanel offre integrazioni con diverse librerie sia client-side che server-side che ne rendono possibile l’implementazione.

Il processo di implementazione standard segue una scaletta simile:

Planning

Il momento in cui il PM assieme a contributors dai team di prodotto e team a contatto con il pubblico individuano gli obiettivi e definiscono la roadmap di implementazione.

In questa fase avere nel team le competenze e conoscenze giuste è fondamentale, in quanto richiede un lavoro di volto ad identificare i business objectives, capire quali KPIs vi siano collegati ed individuare quali metriche ed azioni significative sia importante tracciare per avere una chiara panoramica. 

Il tutto confluirà poi in una pianificazione delle attività di sviluppo, nella quale ogni inaccuratezza potrà comportare ritardi, errori o disallineamenti tra teams.

La strategia con cui attuare questa pianificazione è personale e variabile da progetto a progetto, ma è indicativamente sempre utile includere queste attività:

• Identificare gli obiettivi di business

• Definire i KPIs collegati a tali obiettivi di business

• Individuare una lista di azioni degli utenti che impattano i KPIs

• Tradurre le azioni degli utenti in Eventi e Proprietà associate

Sviluppo

In questa fase il PM collaborerà con il team di sviluppo per implementare e testare la soluzione pianificata in precedenza. 

Una volta svolta con successo la fase di implementazione, sarà possibile accedere alle capacità di analisi avanzate offerte da Mixpanel.

Le potenzialità di analisi

Mixpanel offre soluzioni di analisi ad alto livello e di dettaglio, con un'interfaccia intuitiva e facilmente modificabile.

Le possibilità di analisi sono molteplici e la loro validità è fortemente legata alla tipologia di prodotto e alla tipologia di quesito.

Alcune delle analisi possibili includono:

• Numero di utenti attivi

• Analisi del funnel completamente customizzabile

• Analisi della Retention degli utenti per segmenti

• Analisi per coorti

Grazie alle capacità dello strumento e alle nostre competenze, sarà possibile sempre più conoscere i propri utenti e offrire loro esperienze uniche, generando valore per essi e per il proprio business.

Raccogliere dati sulle proprie campagne social è una delle basi di una strategia di advertising data-driven. Ma la qualità dei dati disponibili è oggi più che mai messa a rischio da aggiornamenti di settore su privacy e cookie. Il risultato? Il concreto rischio di basare decisioni (ed investimenti) su dati poco accurati e addirittura sbagliati.

Per rispondere ai nuovi sviluppi del settore social advertising e assicurarsi di avere dati affidabili su cui basare strategie efficaci, giunge in aiuto una novità: Facebook Conversion API.

In questo articolo esploreremo perché si tratta di una novità importante nel mondo della raccolta dati, quali sono le sue caratteristiche, vantaggi e best practice, e infine vedremo come sia possibile impostarlo e verificarne il corretto funzionamento.

Privacy e dati: Apple, ATT ed il futuro dei cookie

Con il rilascio di iOS 14.5 ad Aprile 2021, Apple non ha solo introdotto nuove funzionalità, ma ha innescato un cambiamento generalizzato nel trattamento dei dati e nella tutela della privacy degli utenti.

Con quest'ultimo aggiornamento è diventato standard per i prodotti Apple il nuovo framework per la privacy, che prevede due grandi novità:

• Intelligent Tracking Prevention (ITP), che blocca automaticamente tutti gli accessi a cookie di terze parti e limita la funzionalità di cookie di prime parti
• App Tracking Transparency (ATT), che ha introdotto l’obbligo per tutte le app di comunicare chiaramente agli utenti quali dati collezionano e chiederne il consenso esplicito.

L’introduzione di questi due framework ha generato una forte risposta da aziende concorrenti e da chi si occupa di advertising, proprio perché minerebbe inevitabilmente una gran fetta delle attuali soluzioni per raccogliere dati e profilare efficacemente gli utenti.

Nonostante questo, è indubbio che la maggior parte degli attori nel settore tech si stiano muovendo per un futuro più orientato alla privacy e tutela degli utenti, a scapito di strumenti come cookie di terze e prime parti.

Ma per chi si occupa di dati come fare a compensare la scomparsa di questi strumenti? E in particolare, chi lavora con gli advertising sul network Facebook, quali soluzioni possono garantire affidabilità dei dati?

Per rispondere a queste esigenze, nasce il Facebook Conversion API.

Cos’è Facebook Conversion API?

Conversion API è uno strumento della suite Facebook Business che consente di condividere direttamente le azioni dei clienti o i principali eventi web e offline dal proprio server a quello di Facebook.

Si tratta nella pratica dell’evoluzione del Server-Side API di Facebook, potenziato con maggiori funzionalità, un’interfaccia più intuitiva e un più chiaro obiettivo.

Il valore aggiunto di questa soluzione rispetto al tradizionale pixel è la sua indipendenza dai cookies. Trattandosi infatti di una soluzione lato server non è soggetta alle restrizioni applicate ai cookie lato client, causa spesso di inaffidabilità dei dati raccolti.

Ma attenzione, non si tratta di una soluzione perfetta così da sola!

Questo strumento non si pone come sostituto del Pixel, quanto semmai un ulteriore strumento adottabile per la raccolta dati e miglioramento delle performance delle campagne Facebook.

Non va poi dimenticato che, come ogni altra soluzione di raccolta dati, è vincolato e regolato dalle normative di gestione della privacy. Aspetto questo ancora più importante, dato che la responsabilità di identificare quali informazioni tracciare è in carico a chi implementa questa soluzione.

Una volta capito di cosa si tratta, è il momento di approfondire meglio cosa è in grado di fare!

Funzionalità del Conversion API

Tramite Facebook Conversion API (CAPI), è possibile tracciare tre tipologie di dati:

• Conversioni web (vendite, iscrizioni)
• Eventi post-conversione
• Visite alla pagina

A differenza del solo pixel, permette di migliorare l’intero funnel di vendita integrando dati da CRM e non solo. Inoltre, permette la raccolta di dati richiesti per attività come:

• Ad targeting (come custom audiences and retargeting)
• Ad reporting
• Audience Insights
• Dynamic ads
• Conversion optimization per Facebook ads

Vi sono poi specifiche versioni del Conversion API per app e vendite offline che permettono di tracciare eventi app, vendite in negozi fisici e visite a location.

Si tratta insomma di una soluzione molto personalizzabile in base alle proprie necessità. Per capire meglio quali siano i vantaggi per gli utenti, vediamo nei dettagli quali siano i maggiori benefici e le modalità con cui implementare il tutto.

Vantaggi e best practice de Facebook Conversion API

I principali vantaggi di adottare Facebook Conversion API per il proprio sito sono tre:

1. Più modi a disposizione per misurare le azioni degli utenti
2. Migliore accuratezza dei dati per la targetizzazione, misurazione ed ottimizzazione (se usato assieme a pixel)
3. Maggiore controllo dei dati condivisi con Facebook (separandolo dal pixel)

Per massimizzare i vantaggi che questa soluzione offre, le linee guida di Facebook suggeriscono di implementare le Conversions API in aggiunta al Facebook pixel.

Adottare una doppia implementazione permette infatti di collegare gli eventi raccolti da entrambi, andando a ridurre sensibilmente la potenziale perdita di dati utenti (ad esempio a causa di blocco dei cookie o errori del web browser).

Se correttamente implementata, pur avendo due strumenti di raccolta dati in contemporanea, non dovrebbero generarsi dati duplicati in fase di analisi. 

Facebook infatti è in grado di applicare autonomamente un processo di “deduplicazione”: se entrambi gli strumenti registrano l’evento, Facebook compara i parametri event e eventID del pixel con i parametri event_name e event_ID del conversion API. 

Parametri pixel	Parametri Conversion API (devono combaciare)
event	event_name
eventID	event_ID

Se questi parametri sono identici, verranno raccolti entrambi ma nell’analisi verrà automaticamente eliminato uno dei due, eliminando il rischio di dati duplicati.

Cosa puoi fare con i dati raccolti

I dati provenienti da pixel e conversion API possono essere raccolti congiuntamente e venire utilizzati in modi affini per:

• Ottimizzazione delle inserzioni, compresa l’ottimizzazione delle conversioni e quella del valore
• Analisi e visualizzazione sulla maggior parte delle stesse piattaforme, tra cui Gestione inserzioni e Gestione eventi
• Rispettano e sono sottoposti agli stessi controlli e limitazioni di Facebook

Vediamo assieme alcuni casi pratici dove l’utilizzo dei dati raccolti tramite conversion API rappresenta un vantaggio.

Miglioramento dell’attribuzione

La capacità del pixel di tracciare dati è in costante calo (complici il prossimo abbandono dei cookie e le sempre più stringenti soluzioni per la privacy). 

Grazie al Conversions API è possibile risolvere queste mancanze, fornendo una migliore attribuzione delle conversioni.

Miglioramento della targetizzazione delle inserzioni di Facebook

Strategie come il retargeting funzionano solo se il tracking è affidabile. 

Senza il conversions API, la capacità di fare leva su queste funzioni andrà sempre più a ridursi.

Riduzione del costo per azione delle inserzioni di Facebook

L’invio di dati migliori all’algoritmo di Facebook raccolti tramite conversions API può ridurre il costo per azione (CPA) delle inserzioni. 

Conclusione

Facebook Conversion API rappresenta un nuovo strumento per la raccolta dati che permetterà sempre più di disporre di dati affidabili e non intaccati dall'abbandono di cookie e blocchi.

I vantaggi che offre sono molteplici, dalla maggiore ricchezza dei dati raccolti al miglioramente delle performance delle campagne di advertising sul network Facebook.

Per scoprire come implementare questa novità e come verificare il corretto funzionamento degli eventi settati, guarda il video a tema Facebook Conversion API caricato sul nostro canale YouTube

In questo articolo vedremo cosa caratterizza un'ottima visualizzazione dei dati e daremo alcune dritte molto utili a chi lavora nel mondo della Data Visualization.

Leggi fino alla fine perché parleremo anche di uno strumento senza rivali in questo campo.

La disciplina della Visualizzazione dei Dati è in continua evoluzione, poiché se ne fa un uso sempre più ampio, in un numero di campi sempre maggiore.
Se all’inizio era solamente possibile trasformare i dati in grafici statici, l’evoluzione ha portato oggi a possibilità straordinarie.

Con tutte queste possibilità però, quali sono i principi guida o le basi che permettono di costruire buone visualizzazioni?

Gli aspetti fondamentali di una buona visualizzazione dei dati

Per costruire una buona visualizzazione, ricordati sempre questi tre aspetti fondamentali:

1. La visualizzazione deve essere efficace.
2. Deve evidenziare ed esplicare i dati e le connessioni tra dati troppo difficili da spiegare a parole.
3. Deve rendere facilmente comprensibili a chiunque le informazioni presentate e le possibili soluzioni ad un problema di cui si sta presentando.

Ecco un perfetto esempio: Le vendite di Nintendo nel corso di tempo e la ripartizione tra Software e Hardware.

Queste regole di base molto generiche, devono restare un must sia quando i dati da gestire e presentare siano tanti, che quando siano pochi.
La complessità del lavoro non deve farti rinunciare a queste linee guida.  Anzi, più è alta la mole di dati da gestire maggiore si rivela la necessità di seguire queste regole per arrivare ad un buon risultato.

Dopo aver compreso questi aspetti, la prima cosa da fare quando si pensa ad una visualizzazione è di capire esattamente quale messaggio devi trasmettere e con quali dati.
E’ molto importante anche avere chiaro chi sarà il fruitore della tua dashboard, per evitare di presentare informazioni giuste alle persone sbagliate, o viceversa.

Ancora un paio di regole per Visualizzazioni Efficaci

In linea generale, in un contesto aziendale ad esempio, è molto difficile che al direttore finanziario interessino i conversion rate delle ultime campagne di marketing, è molto più probabile che sia interessato alla spesa di queste campagne messa in relazione con i profitti che ha generato.

Di solito la complessità del lavoro deriva dal numero di variabili che ci sono in gioco: scegliere il grafico giusto fa la differenza!

Una distribuzione statistica di alcune variabili rappresentata con un grafico a torta sarà praticamente inutile, perché l’utente non riesce a cogliere il messaggio.
In generale, i grafici a torta o ciambella sono da evitare se le variabili sono più di 3, perché si arriva ad un punto dove la visualizzazione non è efficace, non riesce a trasmettere in modo chiaro il messaggio.

Per la visualizzazione della distribuzione statistica dei dati numerici, solitamente un istogramma o un box plot, se c'è interesse nelle sue modalità e valori anomali, sono la scelta più adatta.

Anche il modo di usare i colori può essere significativo.

Sempre nel caso di una distribuzione statistica, in presenza di valori anomali o di outliers, per metterli in evidenza ancora meglio sarà indicato usare dei colori accessi per farli risaltare e che possibilmente comunichino dei concetti già di per sé.

Se ad esempio in un mese particolare dell’anno ci sono stati dei ricavi al di sopra della media, si potrà evidenziare questo dato con un verde, colore che comunemente richiama una cosa positiva, mentre se in un altro mese ci sono stati dei costi fuori dalla media, questo potrebbe essere evidenziato con del rosso.

Si può poi usare lo stesso colore ad esempio, ma con sfumature diverse, avendo una sfumatura più intensa per i dati maggiori e una meno intensa per quelli minori.

Un'ottima visualizzazione dovrebbe ridurre la complessità insita nelle tante variabili dei dati e nel caso si dovessero compiere delle scelte, deve aiutare il processo decisionale.

In un progetto complesso, è ancora meglio se vengono presentati in modo gerarchico seguendo le priorità aziendali.

I principi più importanti

Nel complesso, indipendentemente dalle variabili e dalle osservazioni disponibili, bastano alcune regole pratiche per rendere le tue visualizzazioni un mezzo potente per illustrare il concetto alla base dei tuoi dati.
Esistono tantissime regole per le visualizzazioni, ne riportiamo ancora alcune che pensiamo siano importanti.

• Attenzione a non far contrastare i colori dei grafici con il background
  La regola standard è quella di avere un background abbastanza neutro che ti possa dare la massima libertà in termini si sfumature e colori per i tuoi grafici. Regolati pensando anche al fatto che le dashboard potrebbero essere stampate.
• Dai dei punti di riferimento per ogni variabile quando necessario.
  Se ad esempio fornisci i dati in termini di vendita per quest’anno, non tutti potrebbero sapere se si tratta di buone performances o meno, indipendentemente dal fatto che la curva sia in crescita o in decrescita.
  Mostrando invece anche i dati delle vendite dello scorso anno, chiunque potrebbe capire meglio, semplicemente avendo un punto di riferimento.
• Etichettare i grafici a barre con i numeri, ma non troppo.
  E’ bene aggiungere solo le indicazioni strettamente necessarie per far comprendere. I numeri lunghi sono generalmente difficili da visualizzare. Se la precisione del dato non si rivela fondamentale, è consentito arrotondare. Ad esempio, il valore "10,523" può essere visualizzato come "10K" su un grafico a barre.
• Dove possibile, ordina i dati per enfatizzare la scala, ma fai attenzione a non trasmettere un messaggio sbagliato.

In questa visualizzazione viene messo in evidenza la percentuale di persone che risponde ai sondaggi per settore di appartenenza.

Conclusioni

Queste erano alcune tra le più importanti direttive di cui potevamo parlarti.

Ricorda sempre: più riesci a togliere dalle tue visualizzazioni, meglio è. Devi lavorare con l’essenziale in termini di grafica, perché questo ti aiuta a seguire anche i principi di cui abbiamo parlato durante l’articolo.

I grafici che hai visto nell’articolo, tutti meno uno, sono stati creati con Tableau, un software di Data Visualization senza eguali.
Se vuoi scoprire tutte le potenzialità di questa piattaforma, e come sfruttarle al meglio, visita la pagina dedicata a Tableau! Dagli un'occhiata, siamo sicuri che non resterai deluso/a.

Se hai domande Contattaci, saremo felici di aiutarti 🙂