di Filippo Trocca (Principal di 3rdPlace)
A ottobre 2020 inizia la rivoluzione di Google: Google Analytics 4 Properties.
Il nome è già una scelta di marketing, viene inserito il numero 4 per rafforzare la novità: Universal Analytics diventa GA per gli amici, mentre il nuovo Google Analytics è GA4. Nell’immaginario della persona si fa un salto di 4 versioni in avanti: sembra un’enormità, ma sarà tutto oro quello che luccica?
Un po’ di storia di Google Analytics e della digital Analytics made in Google
Google Analytics è stata a mio parere la prima rivoluzione nel mondo dell’advertising: nel 2005 viene per la prima volta reso disponibile gratuitamente un tool di Web Analytics sviluppato in cloud (anche se allora di cloud ancora non si parlava). Prima del 2005 i tool di Web Analysis erano costosi e richiedevano installazione e gestione di un server in loco, oltre ad una licenza di qualche decina di migliaia di Euro all’anno. Lo stesso Urchin, dalle cui fondamenta è partito Google Analytics, funzionava in questo modo.
Google Analytics ha reso la Digital Analytics accessibile a tutti, mettendola alla base di ogni strategia di advertising: il dato per migliorare le performance.
L’idea di Google era molto semplice: se aiuto gli advertiser ad ottimizzare le campagne di advertising per avere risultati migliori, allora spenderanno più soldi in Google Ads perché ne avranno effettivo ritorno. La strategia ha funzionato molto bene guardando ai fatturati di Google.
Google Analytics è stato solo il primo passo; negli anni Google ha supportato gli advertiser con sempre più strumenti. Ho voluto schematizzare qui sotto gli elementi per me più salienti di questo percorso.
Il nuovo modello dati di Google Analytics 4 Properties
Ritengo che ad oggi (novembre 2020) l’interfaccia di reporting di GA4 sia ben lontana dai livelli di usabilità ed efficacia di quella di Google Universal Analytics, ma il modello dati sottostante è una rivoluzione: siamo passati da un modello dati sessions base ad un modello dati event driven.
Ogni elemento in GA è un evento, per esempio esiste l’evento sessions_start oppure l’evento first_visit (non credo sia necessario spiegare cosa siano, i nomi sono auto esplicativi), ed il concetto di sessione viene lasciato un po’ in secondo piano anche se ancora presente: l’obiettivo è abbandonare il concetto vetusto di sessione e di concentrarsi sugli eventi fatti dall’utente sulle proprietà aziendali digitali e non.
Il concetto di utente viene rivoluzionato in GA4: l’utente deve essere riconosciuto per poterne studiare le sue caratteristiche, per questo motivo la funzione di cross device tracking introdotta con Universal Analytics diventa uno degli elementi cardine del modello dati.
L’utente può essere riconosciuto in tre modi in GA4:
- un cookie di prima parte (sul web) un device ID per le app mobile;
- lo userid univoco dell’azienda quando la piattaforma riconosce utente (ad esempio dopo il login);
- Google Signal.
Gli eventi diventano il secondo elemento più importante dopo il riconoscimento dell’utente e rivoluzionano il sistema di tracking ed il data model di Google Analytics. Non è qualcosa di nuovo, lo utilizza già Facebook con il suo pixel ed altri vendor ed era alla base di Firebase Analytics (la tecnologia di GA4).
Esistono i seguenti 3 tipi di eventi in Google Analytics 4 Properties.
Gli eventi automatici. Ad esempio session_start e first_visit sono eventi che l’infrastruttura raccoglie in automatico e alcuni di essi possono essere configurati da interfaccia: l’enhanced measurement come lo scroll, i click su link esterni, la pageview, ecc. Altri vengono semplicemente raccolti sempre, come user_engagement che viene raccolto periodicamente mentre l’utente naviga le proprietà digitali.
Gli eventi raccomandati. Sono eventi da implementare a seconda del tipo di attività e si dividono in:
Si tratta di eventi consigliati che aiutano a strutturare un piano di misurazione efficace per i diversi tipi di business.
Infine, abbiamo gli eventi custom che si possono creare a seconda di necessità specifiche: occorre rispettare dei limiti, non se ne possono creare più di 500 per proprietà (tra questi è necessario contare gli eventi raccomandati, se implementati, ma non gli eventi automatici). L’interfaccia web supporta 25 parametri per evento, tale limite non sussiste nell’export a Google BigQuery, caratteristica fondamentale di GA4 che rivoluzionerà il settore.
Cosa sono i parametri di un evento? Sono elementi che ci permettono di descrivere meglio l’evento. Ad esempio l’evento di pageview ha come parametri l’url della pagina e il titolo della pagina. I parametri personalizzati possono diventare delle custom dimension o delle custom metric.
Ad arricchire il data model di GA4 abbiamo le User Properties, anche esse divise in due tipologie:
- le user dimension predefinite, come lingua, sistema operativo, …;
- le custom user properties, fino ad un massimo di 25, che permettono di creare la definizione di utente.
Questa nuova ricchezza di dati può rendere più difficoltosa l’installazione ottimale di Google Analytics: perdersi tra le diverse opzioni è semplice, ma il team di 3rdPlace è sempre al vostro servizio e come Google Analytics Partners stiamo testando ed implementando GA4 da mesi ed abbiamo accesso alle funzioni in Beta ed Alpha prima degli altri.
La fine della Frequenza di Rimbalzo / Bounce Rate
In GA4 sparisce la metrica più famosa di Google Analytics: la frequenza di rimbalzo. Era utilizzata per capire la qualità della pagina e dell’audience portata sul sito. Una metrica potente ma poco chiara: nei miei corsi è forse uno degli elementi più difficili da spiegare nonostante la sua apparente semplicità, perché non misura quello che intuitivamente ci si aspetta. Per questo motivo erano nate modifiche all’implementazione come la frequenza di rimbalzo modificata.
GA4 introduce una nuova metrica che supera brillantemente il concetto di Frequenza di rimbalzo: l’Engage Sessions che misura il numero di sessioni durate più di 10 secondi o che hanno avuto un evento di conversione o che hanno visto due o più pagine/screen. Da essa derivano altre metriche relative alla qualità dell’esperienza utente, come Average Engagement Time per Sessions, Engagement sessions per Users ed Engagement Rate.
GA4: la democratizzazione dei Big Data
A mio parere la vera rivoluzione di GA4 non è il modello dati, ma averlo reso disponibile a tutti nella sua forma raw: l’export verso BigQuery, una delle funzionalità più potenti di Google Analytics 360 che porta in dote il dato a livello atomico (il singolo evento) del comportamento dei propri utenti. Questo livello di dettaglio ci permette di collegare ogni utente ai dati offline dell’azienda (ad esempio il CRM) e sfruttare appieno il potere dei first party data, ossia i dati aziendali proprietari.
Non solo, GA4 potenzia questa funzione rendendo l’export di BigQuery in realtime, un vero streaming di eventi. Il potenziale è infinito!
Il nuovo modello dati ha permesso a Google di portare all’interno di GA4 potenti algoritmi di Machine Learning. Alcuni sono già stati implementati, come la conversion prediction, mentre altri sono stati solo presentati come la Churn Prediction e la Revenue Prediction.
Se Google con i “soli” dati di navigazione può arrivare ad usare il machine learning, cosa si potrebbe fare unendo i dati di navigazione con i dati aziendali? In 3rdPlace lavoriamo da anni su questo ambito e grazie all’Advanced Analytics i nostri Digital Analyst affiancati dai Data Scientist e Data Engineer danno supporto alle aziende per migliorare il loro business.
Una delle applicazioni più affascinanti da noi sviluppate è la Marketing Personas prediction.
Solitamente le Marketing Personas vengono individuate usando tre elementi:
- interviste agli owner del business aziendale;
- analisi di mercato;
- analisi del CRM aziendale.
Al termine del percorso si hanno le Marketing Personas: una personificazione ideale ai fine di marketing e alla segmentazione degli attuali clienti.
In 3rdPlace, grazie alla piattaforma DataLysm, prendiamo questo modello di dati e lo alleniamo con il machine learning con l’obiettivo di classificare i nuovi utenti del sito all’interno delle diverse Marketing Personas, così da creare un’audience dedicata ad ognuna di esse.
Business Case usando i Big Data di GA4
Grazie al modello di prediction di cui sopra, l’azienda può personalizzare l’advertising anche per i nuovi utenti e può utilizzare le Marketing Personas anche per attività di Prospecting. Questo si ottiene sincronizzando le audience con le piattaforme di Advertising ed utilizzando il look a like per trovare utenti simili alle Marketing Personas. Tutto ciò permette di acquisire nuovi clienti, personalizzando il messaggio in base alle loro caratteristiche e utilizzando di conseguenza messaggi più efficaci.
L’utilizzo della nostra soluzione ha permesso ad un nostro cliente di migliorare in tre mesi del 20% il conversion rate delle attività di prospecting.
Marketing Personas Synch & Prediction Model + 20% conversion rate
E’ il momento di migrare a Google Analytics 4 Properties?
E’ la domanda che mi fanno molti clienti, ma penso che debba essere suddivisa in 2 sotto domande.
Posso migrare a GA4 per analizzare tutte le attività digitali della mia azienda?
Ad oggi, novembre 2020, la risposta è no. È ancora troppo presto. Il modello dati è quasi maturo, ma l’interfaccia utente di GA4 è ancora troppo acerba ed anche l’infrastruttura presenta dei bug, ad esempio c’è un problema nella raccolta dei dati e-commerce se non viene specificata la valuta nel tracking.
Posso utilizzare GA4 per creare Audience profilate per l’advertising?
Sì, assolutamente sì, fallo subito. GA4 presenta funzioni uniche per le audience, non disponibili in Universal Analytics, grazie alle Audience Triggers e Conversions. Per i dettagli vi rimando all’articolo di Charles Farina.
Con Google Analytics standard potevamo creare conversioni legate ad un’azione fatta dall’utente: si è registrato, ha cliccato su un bottone, … ma non era possibile creare conversioni più complicate come:
- Esempi sul contenuto
- utenti che hanno visualizzato un post e hanno visto almeno 5 minuti del video ivi contenuto;
- utenti che hanno convertito DOPO aver visto un articolo su un blog.
- Esempi sull’e-commerce
- Utenti che hanno comprato più 45 Dollari nella sessione corrente;
- Utenti che hanno comprato una mela e una banana, ma che hanno visitato il sito partendo dalla newsletter mensile.
Con Google Analytics 4 ora è possibile grazie all’Audience Trigger
La risposta migliore alla domanda unica iniziale è avere il doppio tracking e sfruttare il meglio delle due piattaforme:
- analisi dei dati e reporting: Universal Analytics;
- creazione delle Audience e Advanced Analytics: GA4.
Inoltre a breve verranno presentate nuove integrazioni in GA4, come la possibilità di collegarlo a:
- Google Display & Video 360
- Google Campaign 360
- Google Search Ads 360
- Google AdManager 360
Queste funzioni un tempo erano disponibili solo per Google Analytics 360, oggi permetteranno di potenziare ancora di più i dati dell’azienda ed il supporto offerto al miglioramento business aziendale.
Il team di 3rdPlace è a vostra disposizione per implementare oggi Google Analytics 4 Properties sul vostro sito e potenziare le vostri analisi.
