Rimanere a galla: Come prosperare nei deep data

Ryan Anderson, direttore dei dati analitici di FortyFour, siede vicino alla cucina dell’agenzia mentre la luce del sole si riversa su di lui dalla finestra. Si sente fortunato a essere qui.

“Dopo l’università ho iniziato a lavorare nella logistica della catena di fornitura”, ha detto Anderson. “Mi ci sono voluti circa 18 mesi per capire che trovare modi più efficienti per spostare le scatole non era la mia passione.”

Anderson ha lasciato quel lavoro per passare a startup e aziende tecnologiche. Poi, è stato contattato da Adam Roe. Roe, insieme al co-fondatore Thomas Frank, ha fondato FortyFour come agenzia di progettazione di siti web. Tuttavia, una volta creati i siti web, i clienti volevano vedere che prestazioni avevano.

“Quando sono entrato a farne parte, FortyFour cominciava a concentrarsi soprattutto su marketing e dati analitici”, ha detto Anderson. “Se hai i dati, è inevitabile che tu li voglia usare per migliorare le prestazioni. Tuttavia, per me c’è stata una fase di transizione. Ho dovuto imparare a passare da un account all’altro in una giornata lavorativa e una buona comunicazione con il cliente è diventata fondamentale. Una volta superata questa curva di apprendimento, però, ho imparato a godermi davvero la vita d’agenzia.”

La religione dei dati

FortyFour ha collaborato con l’American Cancer Society, la serie animata Robot Chicken di Cartoon Network e la popolarissima campagna “Share a Coke” della Coca-Cola. In questi anni, ha lavorato dietro le quinte senza sosta utilizzando i dati per promuovere il successo. Il suo compito va ben oltre la raccolta di dati analitici a posteriori. Innanzitutto, deve comprendere gli obiettivi del cliente.

“Iniziamo assicurandoci di capire in che modo i clienti vedono la loro attività e cosa vogliono che faccia”, ha detto Anderson. “Stanno cercando di aumentare le vendite al dettaglio? Ottimizzare il loro sito web? Quali metriche sono effettivamente significative? Vogliamo anche sapere se pensano di avere già quei dati in una forma o nell’altra in modo da capire da dove provengono.”

Molti dei clienti di Anderson sono già impegnati in un qualche tipo di raccolta di dati, che si tratti di un pannello di statistiche in WordPress o di Google Analytics. Questo tipo di dati può essere utile all’inizio, ma non è strettamente necessario.

“Siamo indipendenti dalla piattaforma: se gli utenti preferiscono una piattaforma di dati analitici piuttosto che un’altra, per noi non è un problema seguire le loro preferenze”, ha dichiarato Anderson. “La cosa principale, dal nostro punto di vista, è determinare se possiamo rispondere alle domande che hanno con i dati che hanno raccolto. Se la risposta è no, iniziamo ad aggiungere più monitoraggio al loro sito web e alle piattaforme come Facebook e Mailchimp.”

Tuttavia, ci ha spiegato Anderson, gli strumenti di dati analitici non sempre sono d’accordo fra di loro. È allora che è importante capire cosa deve destare preoccupazione e cosa no.

Sottomarini nucleari e grandi balene bianche

Immagina, per un momento, di chiedere ai tuoi colleghi di descrivere l’auto del tuo capo. Potrebbe esserci qualche disaccordo sull’anno del modello o sulla tonalità di rosso. Questo tipo di piccole differenze sono prevedibili. Non sono un problema finché qualcuno non dice che, in realtà, il tuo capo guida un sottomarino nucleare.

“La gente si preoccupa molto quando vede una discrepanza tra la piattaforma di misurazione e il database”, ha detto Anderson. “Google Analytics, ad esempio, tende a non corrispondere a Shopify e questa discrepanza è abbastanza coerente. In genere, si aggira fra il 3 e il 5%. Se però ne siamo consapevoli, ce la aspettiamo e quindi non ci preoccupa. Il problema è quando il risultato presenta un vero outlier.”

Parte del problema riguarda l’attribuzione. Diverse piattaforme di marketing hanno modi diversi di contare i clic. Mettere d’accordo queste piattaforme non è facile.

“Il problema generale dell’attribuzione è la grande balena bianca dei dati analitici, il problema che tutti cercano di risolvere”, ha detto Anderson. “C’è da impazzirci. A un certo punto, però, devi decidere quale formula utilizzare e prendere decisioni in base a quello che hai di fronte. Altrimenti, rischi la paralisi.”

Per evitare questa insidia, Anderson offre una soluzione semplice.

Le metriche giuste per l’occasione giusta

“Quali metriche ti permettono di agire? Sono queste le metriche che contano”, ha detto Anderson. “Nell’e-commerce, ad esempio, tutti vogliono monitorare i ricavi, e a ragione. In termini di azione, però, non esiste una ‘leva dei ricavi’ che puoi tirare per farli crescere. La misurazione non si traduce in azione.”

Invece, ha continuato Anderson, lui invita i clienti a esaminare i fattori che hanno determinato le vendite.

“I ricavi sono costituiti dal traffico per il tasso di conversione per la dimensione media dell’ordine, no? Su queste metriche è possibile costruire una strategia. Se riesci a trovare dei modi per aumentare questi fattori, anche le vendite crescono”, ha detto Anderson.

Un altro modo per evitare la paralisi dovuta ai dati è scegliere le metriche e continuare a seguirle.

“Tendiamo ad avere due tipi di clienti: Il primo tipo vuole numeri per tutto: vuole quanti più dati possibile, aggiornamenti minuto per minuto, ne va pazzo”, ci ha detto Anderson. L’altro guarda ai numeri solo occasionalmente e magari non si sente nemmeno troppo a suo agio con i dati. In entrambi i casi, consigliamo di avviare una campagna che si concentri su 3-5 metriche. Nella marketing automation, è importante muoversi in modo incrementale. Se hai troppi punti dati, i numeri non avranno senso presi insieme e finirai per dedicare tutto il tuo tempo a cercare di trovare risposte alle domande sui dati invece di creare strategie che possono avere un impatto sulla tua attività.”

Vuoi bene ai tuoi dati, ama il tuo brand

Con i dati analitici delle email, Anderson suggerisce una strategia simile: Dai priorità ad alcune metriche relative ai tuoi obiettivi e monitorale diligentemente.

“Mailchimp consente una segmentazione piuttosto profonda che permette di monitorare chi riceve le email, con quale frequenza e quali azioni intraprende”, ci ha detto Anderson. “Iniziare con alcune semplici metriche permette di ottenere risultati piuttosto sofisticati man mano che si raccolgono più feedback. Se capiamo cosa funziona per ogni segmento di un pubblico, possiamo personalizzare i nostri messaggi per ciascun gruppo.”

Una volta che cominciano ad arrivare i risultati, viene data priorità ai dati che meglio informano la decisione successiva. Nell’e-commerce, ciò può significare che la vendita è più importante delle aperture.

“Ovviamente vogliamo che gli utenti apprezzino l’email, ma in ultima analisi l’obiettivo è comunque vendere qualcosa”, ci ha spiegato Anderson. “Nell’e-commerce, ci preoccupiamo soprattutto del monitoraggio degli articoli aggiunti ai carrelli, degli acquisti e dell’importo per vendita. Prestiamo meno attenzione ai dati relativi al tasso di apertura perché questi possono cambiare nel tempo. Quello che è più difficile per noi è capire sin da subito chi è che legge un’email e poi effettivamente decide di effettuare un acquisto. È da qui che provengono i dati più preziosi.”

Se ci concentriamo su alcune metriche chiave, le decisioni strategiche diventano più facili e possono anche rafforzare il brand nel suo complesso.

“Se mostri sincerità e passione nei confronti della tua attività, ottieni molta più libertà dal tuo pubblico”, ha detto Anderson. “È difficile mantenere questo livello di passione se ci si concentra costantemente su ogni singolo dato o se si apportano modifiche che migliorano i risultati di percentuali minuscole. Alla lunga, è molto meglio rispettare l’identità del tuo brand invece di lasciare che questa sia dettata dai numeri. Solo così puoi costruire un’affinità a lungo termine tra i tuoi clienti e il tuo brand.”

Quattro modi per gestire i dati di cattiva qualità

Prima o poi, succede a tutti: i dati non hanno più senso. Forse le tue piattaforme di misurazione non sono d’accordo sul tuo traffico. Forse i numeri del coinvolgimento ti spingono a provare oggetti terribili o call-to-action che non hanno senso. Comunque stiano le cose, tutti coloro che si occupano di dati analitici prima o poi incontrano degli ostacoli.

I dati di cattiva qualità capitano anche ai migliori fra noi. Ecco come affrontare questo problema:

1. Fidati (quasi sempre) del tuo istinto. Se cedi alla tentazione di seguire i dati anche quando non hanno senso, rischi di impelagarti in un tunnel da cui può essere poi difficile uscire. Invece di negare che i numeri siano sbagliati, fidati del tuo istinto. “Quando arriva il momento di eliminare i dati di cattiva qualità, parte del compito è semplicemente seguire il buon senso”, ha affermato Anderson. “Se un qualcosa non ha alcun senso, devi esaminare i tuoi dati per capire cosa sta succedendo prima di cambiare strategia.”

2. Chiarisci la domanda. I dati imprecisi possono essere il risultato di una domanda o di un’ipotesi imprecisa. Forse vale la pena rivedere le nozioni di base o forse hai solo bisogno di ricevere un feedback da qualcuno che abbia un po’ di distanza dalla campagna. In ogni caso, l’obiettivo è lo stesso. “Devi capire cosa stai testando e come lo stai testando”, ha detto Anderson. Ciò significa porre domande chiare, avere poche variabili e usare il campione più ampio possibile.

3. Cerca di capire il contesto più ampio. “L’esecuzione di molti piccoli test che portano a piccole modifiche permette di massimizzare solo a livello locale”, ha affermato Anderson. “Arrivi in cima a una collina, ma ti perdi una collina completamente diversa che richiede un cambiamento drastico nell’approccio.” Se dedichi molto tempo a raccogliere dati per eseguire una strategia che si traduce solo in guadagni marginali, forse non stai pensando abbastanza in grande. Invece degli A/B test dell’oggetto, forse è il momento di testare due template completamente nuovi.

4. Ammetti i tuoi presupposti. “I dati di cattiva qualità sono un po’ come il problema dell’attribuzione del marketing”, ha detto Anderson. “Se hai informazioni disparate, a un certo punto devi ammettere un certo presupposto e seguirlo almeno per un po’.” Se ti imbatti in dati contrastanti, va bene scegliere quello che risponde ai tuoi presupposti iniziali, purché tu ne sia consapevole e sia disponibile a rivedere il tuo approccio in un secondo momento, man mano che diventano disponibili ulteriori informazioni.