Come risolvere il problema delle Attribuzioni Last Click e monitorare il 100% delle conversioni

In questo articolo scoprirai come il nostro team ha creato una soluzione per misurare il 100% delle attribuzioni last click ed avere tracciamenti più precisi.
Ti avverto che l’articolo contiene molti tecnicismi che documentano step by step tutto quello che abbiamo fatto e sarà suddiviso in questo modo:

1. Introduzione
2. Problema
3. Soluzione

Se sei un marketer o lavori nel team di crescita di un eCommerce probabilmente ogni mattina la tua routine è:

• Controllare la Dashboard del tuo sito
• Controllare le Facebook ADS e Google ADS
• Analizzare Google Analytics 

Dopo iOS 14 e la scomparsa dei cookie di terze parti, i sistemi di tracciamento più tradizionali hanno accusato il colpo subendo grandi limitazioni che hanno portato questi output:

• Conversioni non tracciate
• Stessa conversione tracciata più volte 
• Hanno reso i dati meno affidabili

Che hanno reso la vita difficile a chiunque (dal marketer fino all’amministratore) nel prendere decisioni.
In particolare il problema più famoso dopo iOS è stato l’attribuzione.
Senza l’attribuzione la vita dei marketer è peggiorata, perché abbiamo meno dati sul flusso di comportamento degli utenti e su quale sia stata l’ultima campagna che ha generato il click per la conversione.
(Immagina di avere una rete di campagne pubblicitarie attive, e di non sapere quale sia stata l’AD che ha portato al click finale dell’utente)

❌ Perché l’attribuzione è diventata un problema?

Per risolvere questo problema dobbiamo chiarire perché esiste:

• Prima di iOS 14: Cookie di terze parti registravano dati sull’utente che permettevano di “etichettare” ogni passaggio nel suo comportamento di acquisto. In questo modo potevamo “ritargettizzare” l’utente, e riuscivamo a raggiungere persone più calde con costi più bassi.
• Dopo iOS 14: Questi cookie non sono più ammessi 

Questi problemi di attribuzione nascono dal fatto che Facebook e Google ricevono gli eventi e basano i loro tracciamenti, proprio sui cookie, uno strumento che ora è stato limitato

Per risolvere il problema dovevamo trovare una soluzione che non dipendesse dai cookie, ma da fonti che controllavamo e che avevano dati certi.

✅ Risolvere il problema di attribuzione last click

(Questa parte sarà molto tecnica, se hai domande scrivile nei commenti)

Questa è una soluzione molto tecnica che ci permette di monitorare l’attribuzione last click anche con migliaia di ordini e con grandi volumi di dati.
Gli strumenti che abbiamo usato per realizzarla sono:

• Google Analytics
• Transazioni nel CMS
• Join di dati tra analytics e CMS
• BigQuery

Per prima cosa avevamo bisogno di una sorgente di dati con il margine di errori più basso possibile.
Il dato migliore e più realistico di un eCommerce sono le transazioni.
Facciamo un esempio con un utente, Laura,  che acquista una borsa sul nostro sito
Laura il 1 Agosto vede una sponsorizzata del nostro eCommerce su Facebook e decide di acquistare un paio di scarpe.
Da Google Analytics siamo in grado di vedere tutte le transazioni ed assegnare ad ognuna un ID con il numero dell’ordine.
Questo vuol dire che nel nostro Analytics visualizzeremo la transazione di Laura  che corrisponderà ad un determinato ID transazione, mentre sul CMS vedremo l’utente Laura con un numero d’ordine assegnato.
Il 1 Agosto analytics segnala che si è verificato un ordine #1140, il canale da cui è arrivato questo ordine è Facebook.
A questo punto noi avremo due sorgenti di dati:

• Google Analytics
• CMS

Google analytics ci da tutte le informazioni sull’acquisizione, sul canale di provenienza, mentre il CMS ci da le informazioni sullo storico dell’utente e identifica l’ordine con dei numeri.
Prova a immaginare due tabelle fatte più o meno così, in cui una ha i dati di Analytics e l’altra del CMS

Adesso c’è bisogno che Analytics comunichi con il CMS per associare l’ID transazione al numero d’ordine del cliente
Questo avviene attraverso un Join (collegamento tra le due tabelle che hai visto sopra) di dati tra Google Analytics e il CMS, in cui attribuiamo il numero dell’ordine di Laura all’ID della transazione,  in questo modo associamo il dato certo (l’acquisto) all’utente e alla sua sorgente. Ottenendo il  vero dato sull’attribuzione last click
Questo processo può essere riassunto nel seguente ordine:

• Estrazione in CSV dei dati di transazione da Google Analytics con campi sorgenti
• Match di questi dati con l’ID transazione del CMS
• Estrapolare da dove arrivano le vendite last click

✅ Come abbiamo automatizzato questo processo e centralizzato i dati in un database con Cassandra

Il processo che hai letto può essere eseguito manualmente, ma sarai costretto a:

• Fare costantemente export da analytics 
• Ri-aggiornare manualmente il file
• Dopo 2.000 ordini il sistema di calcolo di google sheet e analytics diventa così lento da essere praticamente inutilizzabile

Quando si tratta di crescita e di marketing andare veloci è importante tanto quanto fare le cose fatte bene.
Per accelerare e facilitare il modo con cui i marketer e gli eCommerce manager possono prendere le decisioni abbiamo strutturato questo processo su Cassandra, in modo tale che i dati fossero aggiornati automaticamente ogni giorno, senza che noi dovessimo fare più nulla.

Ad oggi con Cassandra riusciamo a misurare con una precisione del 100% le attribuzioni last click per i nostri  eCommerce e per quelli dei nostri clienti.

Se vuoi sapere di più su Cassandra clicca qui > https://hybrida.io/hybrida-business-intelligence/

Ma non solo:
Con Cassandra possiamo scoprire se le vendite che generiamo sono clienti nuovi o clienti che già ci conoscono.

👉 Scopri se le tue ADS stanno comprando clienti nuovi o di ritorno

Con un nostro cliente avevamo l’obiettivo di ottenere CPA (Costi per acquisto) = 6$
Abbiamo lanciato degli esperimenti su Google ADS e abbiamo subito ottenuto una CPA = 2$
Abbiamo festeggiato tutti, clienti compreso.

Dopo aver implementato Cassandra però ci siamo resi conto che l’80% dei clienti che stavamo acquistando da Google ADS erano clienti che già conoscevano il cliente.

Questo vuol dire che non stavamo aumentando i ricavi o portando crescita, vuol dire che stavamo bruciando margine.
Stava spendendo due volte per comprare gli stessi clienti, clienti che avrebbe dovuto acquisire con altri canali non a pagamento.
Scoprire se le tue ADS stanno comprando clienti nuovi o di ritorno ti permette di fare previsioni sulla crescita, capire quali sono i costi di acquisizione REALI del tuo eCommerce e capire dove stai sprecando budget.

👉 Come Cassandra scopre se le tue ADS stanno comprando clienti nuovi o di ritorno

Cassandra fa riferimento sempre a dati estremamente certi come le transazioni che avvengono nel tuo CMS.
In questo caso prende in considerazione il campo univoco del tuo cliente dal tuo CMS, per esempio:

• ID cliente
• email del cliente
• Cellulare
• Partita IVA

A quel punto Cassandra, per ogni cliente confronta il campo univoco della transazione che hai generato confrontandolo con il tuo storico di ordini, classificando il cliente come un cliente nuovo o un cliente che ha già comprato da te, quindi di ritorno.
Unendo questa funzionalità a quella dell’attribuzione, l’output finale che hai è poter scoprire se le tue ADS stanno comprando clienti nuovi o di ritorno.

👉 Che cos’è Cassandra?

Cassandra è il software che aiuta gli eCommerce a trasformare i loro dati in decisioni di crescita.
Risolve tre problemi principali:

• Tracciamenti non sono accurati e/o presentano errori
• Non riesci a prioritizzare le attività da fare e/o scoprire cosa devi fare per incrementare il profitto e la crescita
• Impieghi troppo tempo per analizzare i dati

Cassandra ha aiutato eCommerce come GLIMMED e Bialetti Perù ad ottenere risultati come:

• Da 1.000€ a 15.000€ di profitto mensile
• Aumentare del +78% il profitto 
• Aumentare del +56% i ricavi

Aiuta gli eCommerce a trasformare i loro dati in decisioni di crescita, calcolando dati come:

Profitto:

Il profitto è tra le metriche più importanti nella crescita di un eCommerce, ma non è così semplice monitorarlo e tenerlo sotto controllo giorno per giorno.
Cassandra lo monitora in modo dinamico, prendendo in considerazione tutte le tue voci di costo (prodotto, logistica, advertising, fee) e da quella funzione ti estrapola il profitto che stai generando giorno per giorno.
In questo modo non solo monitorare il profitto diventa una sciocchezza per tutti, ma puoi scoprire quali attività di marketing tendono a portare un incremento del profitto e quali a diminuirlo.

Valore economico di ogni cliente, prodotto che ti porta più profitto e tassi di riacquisto, matrice RFM

Tendenzialmente un eCommerce ottiene davvero profitto non dai nuovi utenti, ma dai clienti ricorrenti.
Se ti chiedessi:

• Sai come varia precisamente il valore (in soldi) di ogni tuo cliente nel tempo?
• Sai qual è il tasso di riacquisto per ogni tuo prodotto?
• Sai qual è il prodotto che ti genera più profitto nel tempo?
• Sai qual è la campagna che ti ha generato più profitto?

Conosci le risposte per il tuo eCommerce?
Ecco come conoscere questi dati può fare la differenza nella crescita:

Con Bialetti Perù avevamo un’acquisizione clienti stabile con ROAS > 10, molto probabilmente  aumentare il budget in ADV avrebbe aumentato i costi e ridotto le marginalità.
Con Cassandra abbiamo scoperto che:

1. La frequenza media di acquisto dei nostri clienti era 1.37
2. La maggior parte dei clienti che acquistava una seconda volta lo faceva entro 30 giorni dal primo acquisto

Concorderai con me che una frequenza di 1.37 ordini per un eCommerce che vende caffè, non è una metrica in salute.
Abbiamo scoperto dove dovevamo concentrarci e sapevamo che il timing migliore per far riacquistare le persone era entro 30 giorni.
Per questo abbiamo lanciato esperimenti sulla retention e sulle offerte.

In questo modo abbiamo aumentato il profitto del +78% senza spendere un euro in advertising.

Questi sono solo alcuni esempi di come utilizzare i dati può aiutarti nel far crescere il tuo eCommerce.

Vuoi sapere di più su Cassandra? > https://hybrida.io/hybrida-business-intelligence/

Guarda il caso studio di Cassandra con Bialetti > https://docs.google.com/presentation/d/1QjRXjDUWIl04xSGJUcxxDNZIica8wqvYmj6_im1oTMo/edit?usp=sharing

Guarda il caso studio di Cassandra con GLIMMED > https://docs.google.com/presentation/d/1qyLXRAwKjOP8Mt5D2HtRFUR06pUlBDuxKj5rVuiKduY/edit?usp=sharing