Dall’applicazione pervasiva dell’intelligenza artificiale in ogni ambito del marketing e della comunicazione, all’introduzione di nuove leggi europee di grande impatto nelle attività pubblicitarie e di advertising (vedi il recente regolamento europeo DMA).
Dalla gestione di una sempre più grande mole di dati raccolti e a disposizione delle aziende, alla grande eterogeneità di touch point e di canali digitali utilizzati dagli utenti durante il percorso di navigazione che limitano l’accuratezza dei dati tracciati.
Non c’è dubbio, sono davvero numerosi i fattori responsabili della progressiva instabilità e complessità del panorama digitale nel quale imprenditori, marketer, advertiser e digital analyst si trovano a operare.
Tuttavia, allo stesso tempo i dati sono e saranno sempre più il centro di gravità cardine di qualsiasi strategia di digital marketing e di advertising di successo.
In questo contesto, per assicurarsi di non perdere quote di mercato, diventa quindi imprescindibile farsi trovare pronti ad affrontare e a gestire le sfide più importanti in materia di marketing digitale e di dati, ricavandone un vantaggio competitivo.
Può capitare in qualsiasi momento di rimanere coinvolti in un incidente mentre si è alla guida della propria auto. Se applicati mentre si è alla guida, gli strumenti e le pratiche di sicurezza a nostra disposizione minimizzano al massimo il rischio di incorrere in incidenti mortali.
Allo stesso modo, gli imprenditori, i director aziendali, i marketer e advertiser che investono budget in attività di marketing e pubblicitarie online hanno a disposizione un set di soluzioni e best practice da integrare all’interno dei propri sistemi di raccolta e analisi dati per evitare di subire perdite significative o di prendere decisioni errate basate su dati inaccurati o incompleti.
Le cinque maggiori sfide per chi si occupa di marketing e campagne pubblicitarie online
Esaminiamo allora le cinque maggiori sfide che chi si occupa di marketing e campagne pubblicitarie online affronta con i dati e le 5 migliori best practice testate sul campo per affrontare tali sfide in modo efficace e profittevole.
Discrepanza nei dati provenienti da piattaforme diverse
La prima sfida che imprenditori e marketer devono affrontare in materia di dati e tracciamenti è la discrepanza nei dati provenienti da piattaforme diverse (ad esempio, il Business Manager di Facebook Ads, i report in Google Analytics 4, il CRM aziendale, ecc.).
Ciascuna piattaforma web utilizzata, raccoglie e organizza in modo differente l’una dall’altra i dati al suo interno.
In questo contesto, di norma i dati che vedi nel Business Manager di Meta non corrispondono a quelli che vedi, ad esempio, in GA4.
Vediamo un esempio concreto.
Un utente clicca un annuncio su Instagram e visita una pagina prodotto di un eCommerce, abbandonando la pagina dopo pochi minuti di navigazione.
Il giorno successivo effettua una nuova visita all’eCommerce attraverso una ricerca organica su Google, chiudendo nuovamente la pagina dopo qualche minuto.
Dopo una settimana, visita nuovamente la pagina prodotto dopo aver cliccato su un annuncio di Google Ads ed effettua l’acquisto.
Di default, in seguito a questo percorso di acquisto dell’utente, all’interno del report nativo del business manager di Meta troverai un acquisto generato grazie alla campagna ads di Instagram.
Parallelamente, anche all’interno del report nativo dell’account di Google Ads verrà riportato un acquisto generato dalla campagna attiva.
Il risultato è che entrambe le piattaforme si attribuiscono la stessa conversione, creando così una duplicazione dei dati e di conseguenza non si avrà a disposizione un’informazione accurata circa le prestazioni delle rispettive campagne su Instagram e su Google.
Non sapere come attribuire nel modo corretto le conversioni alle campagne che si gestiscono porta inevitabilmente a un’interpretazione errata dei dati e, di conseguenza, ad allocare in modo errato il budget in campagne che non portano risultati.
Stare al passo con gli aggiornamenti in tema di privacy
La gestione della privacy rappresenta oggi una delle sfide più critiche per le aziende.
Ogni nuova legge o regolamento costringe le imprese a modificare rapidamente i propri asset e processi, causando non solo interruzioni operative, ma anche un notevole dispendio di risorse per garantire la conformità dei propri presidi digitali e attività di marketing alle nuove disposizioni Privacy europee.
In questo scenario, ad esempio, l’entrata in vigore del Digital Markets Act (DMA) ha costretto Google a rilasciare la Consent Mode v2 (CM v2).
Di conseguenza, marketer e advertiser hanno dovuto obbligatoriamente documentarsi per adeguare nel modo corretto i propri sistemi di tracciamento e di gestione dei consensi alla nuova CM v2 per continuare a raccogliere dati numerosi e accurati, al fine di poterli utilizzare per creare campagne di remarketing efficaci in Google Ads.
In altre parole, le aziende devono essere pronte quasi quotidianamente a raccogliere informazioni affidabili e verificate e ad adattarsi in tempi rapidi a nuove regole e requisiti normativi.
Non essere pronti a rivedere e ricalibrare i propri sistemi di gestione dei dati e di tracciamento, significa esporre le proprie campagne online a forti riduzioni della quantità di dati raccolti e a conseguenti cali di prestazioni dei propri annunci e attività di marketing.
Dati in eccesso
Avere troppi dati è come non averne affatto.
La presenza di nuovi flussi di dati da tracciare, monitorare e analizzare provenienti da molteplici dispositivi (tablet, smartphone, PC, smart TV, ecc.), unita all’aumento esponenziale del numero di persone che interagiscono con i contenuti online e offline, crea una sovrabbondanza di informazioni.
Ciò può facilmente portare a una paralisi decisionale ed errori di analisi che possono compromettere l’efficacia di un’intera strategia di marketing e di business.
Prendiamo l’esempio di un eCommerce di abbigliamento con migliaia di prodotti.
L’utente può scegliere i prodotti grazie a numerosi filtri e a campi di ricerca (ad esempio la taglia, il colore, il tipo di tessuto, ecc.).
La mole di dati generati, visualizzati e analizzati da tutte queste interazioni è notevole.
Come decidere cosa è necessario tracciare al fine di raccogliere i dati corretti?
Quali sono invece i dati superflui da ignorare per effettuare così analisi mirate e monitorare il raggiungimento dei risultati desiderati?
Non definire i macro e micro obiettivi di marketing e di business, segmentando le tipologie di dati da raccogliere e la loro finalità, impedisce di ottenere una struttura di tracciamento e analisi dati organizzata, ordinata ed efficace al fine di rendere profittevoli le proprie attività pubblicitarie.
Dati scollegati fra loro
Se raccolgono dati da diverse piattaforme (come CRM, strumenti di Web Analytics, software di email marketing, fogli di calcolo, ecc.) senza aver realizzato prima un’adeguata integrazione e organizzazione tra le stesse, non riuscirai a visualizzare in alcun report il quadro veritiero e completo delle prestazioni del tuo marketing e business.
Il rischio è quello di prendere decisioni sbagliate e sprecare denaro in azioni inefficaci.
Vediamo un esempio.
Analizzando i dati all’interno dei report in Google Ads, il team di advertising nota un incremento degli acquisti da una specifica campagna.
Il Management decide quindi di aumentare il budget allocato sugli annunci della campagna di ricerca in Google Ads.
Tuttavia, dopo qualche settimana il Management si accorge che gli acquisti invece di aumentare si sono dimezzati.
In seguito a un’analisi integrata tra i vari canali marketing utilizzati, emerge che nello stesso arco temporale in cui era attiva la campagna Google Ads era stata lanciata una campagna email che era responsabile del 50% degli acquisti registrati.
Il budget in più investito su Google Ads è andato completamente in fumo e senza portare i risultati previsti a causa di una decisione errata.
Un’analisi e gestione integrata dei dati è cruciale per evitare errori decisionali e per ottimizzare gli investimenti.
Trovare specialisti in materia di tracking e analisi dati
Investire nella ricerca, nell’assunzione o nella formazione continua di professionisti preparati in materia di tracciamento e analisi dei dati non è solo una necessità, ma una strategia vincente per rimanere competitivi nel mercato attuale.
Per un direttore marketing è fondamentale avere all’interno dell’azienda un interlocutore diretto che sappia raccogliere e analizzare dati solidi e accurati.
La figura chiave che non può più mancare nelle aziende che vogliono rimanere competitive è un professionista che padroneggi tecniche e strumenti:
- per il tracciamento dei dati (come Google Tag Manager)
- per la data visualization e l’analisi dei dati (come Looker Studio e GA4)
- per la raccolta e organizzazione centralizzata in Cloud dei dati da tutti i presidi digitali aziendali (come BigQuery)
- per comprendere i dettami del GDPR, le problematiche legate alla Privacy e che implementi soluzioni ad hoc
Questi professionisti sono essenziali per tradurre numeri e metriche in insights strategici per guidare le decisioni di business e ottimizzare le campagne di marketing a parità di budget investito.
Le cinque best practice testate sul campo per affrontare le sfide
Dopo aver esaminato quelli che possono essere le principali che chi si occupa di marketing e campagne pubblicitarie online affronta, veniamo ora alle soluzioni.
Implementazioni tecniche e modelli di attribuzione
Per raccogliere dati più precisi e accurati (riducendo di conseguenza la possibilità di rilevare discrepanze e di fare così analisi precise), è diventato ormai un nuovo gold standard integrare soluzioni di tracciamento non più solo lato Client-Side (ossia, il contesto in cui l’elaborazione dei dati avviene tramite il Browser web utilizzato sul dispositivo dell’utente, come il computer o lo smartphone), ma soprattutto Server-Side (come ad esempio le Facebook cAPI per le campagne Facebook Ads e Instagram Ads, e il tracking GTM Server-Side per il tracciamento di siti web o Ecommerce).
L’introduzione di iOS15 (un aggiornamento del sistema operativo per dispositivi Apple) ha portato con sé pesanti limiti per il tracking, il targeting e l’analisi delle campagne DEM e di marketing automation.
In particolare, tali nuove limitazioni al tracking delle campagne di email marketing sono dovute all’introduzione della Mail Privacy Protection, una funzionalità grazie alla quale gli utenti possono nascondere il loro indirizzo IP e impedire il tracciamento delle aperture delle email, limitando così la possibilità di raccogliere dati come il numero di aperture, l’orario e la geolocalizzazione.
Il tracciamento Server-Side offre una valida soluzione anche a questo problema, bypassando alcune delle restrizioni imposte da iOS15.
Ad esempio, i clic sui link e le conversioni possono essere registrati direttamente lato server, assicurando che, da un lato, le campagne di marketing continuino a essere efficaci nonostante le nuove limitazioni di privacy introdotte da Apple, e dall’altro lato che gli utenti vedano tutelati i propri dati personali.
Un ulteriore strumento essenziale per limitare la dispersione e discrepanza dei dati, è la possibilità di implementare un sistema di tagging manuale tramite parametri UTM, grazie al quale è possibile tracciare con precisione l’origine di ogni lead e conversione, anche a distanza di mesi o anni.
Questo sistema consente di avere una visione più precisa e coerente del flusso di dati e del percorso di conversione dell’utente, superando le limitazioni dei Modelli di attribuzione di singole piattaforme come Meta o Google Ads.
Una conoscenza approfondita dei modelli di attribuzione utilizzati da ciascuna piattaforma è fondamentale per non cadere nella trappola di guardare dati parziali e non corretti.
Ad esempio, il Modello di attribuzione standard di Meta è “7 giorni dal click e 1 giorno dalla visualizzazione”.
Ovvero, se un utente clicca su un annuncio e poi completa una conversione (ad esempio, un acquisto, una registrazione, ecc.) entro 7 giorni dal clic sull’annuncio, Meta attribuirà quella conversione a quell’annuncio.
Se invece un utente visualizza un annuncio (senza cliccarci sopra) e poi completa una conversione entro 1 giorno dalla visualizzazione dell’annuncio, Meta attribuirà quella conversione a quell’annuncio.
Allo stesso modo, anche le altre piattaforme hanno i loro modelli di attribuzione.
In Google Analytics 4 (GA4) il Modello di attribuzione predefinito è il Data Driven, che utilizza dati di tutti i canali e assegna il merito delle conversioni basandosi su algoritmi di probabilità.
La comprensione, l’interpretazione e l’utilizzo corretti dei modelli di attribuzione sono essenziali per ottimizzare le strategie di marketing e assicurare che gli investimenti pubblicitari siano allocati in modo efficace e basati su dati affidabili.
Best practice in tema di Privacy
Bisogna essere pronti ad affrontare i nuovi scenari implementando le soluzioni chiave in tema di Privacy.
Come già accennato, una soluzione efficace è l’implementazione della Consent Mode v2, che introduce nuovi parametri per gestire in modo più granulare i consensi degli utenti.
Nel contesto della CM v2, la pseudonimizzazione dei dati permette di proteggere la privacy degli utenti trasformando i dati personali in modo che non siano identificabili e senza informazioni aggiuntive (nel rispetto delle norme come DMA e GDPR).
Inoltre, l’utilizzo del tracciamento Server-Side con Google Analytics 4 consente di anonimizzare i dati prima che raggiungano i server di Google, garantendo la conformità alle normative europee.
Con il progressivo abbandono dei cookie di terza parte, un’altra opzione è il monitoraggio senza cookie, che utilizza dati di prima parte lato server per tracciare le attività degli utenti senza memorizzare informazioni nei loro browser.
L’adozione di tecnologie avanzate come il tracciamento Server-Side e la Consent Mode ha permesso a Greenpeace, associazione ambientalista indipendente globale presente in più di 55 paesi, di ottimizzare il ROI delle proprie campagne online gestendo i dati in modo conforme alle normative vigenti.
MecShopping, Ecommerce italiano con più di 8 negozi e oltre 50 categorie di abbigliamento e calzature, ha raddoppiato le accettazioni del consenso al tracciamento da parte degli utenti (dal 24% al 50%) grazie a un’implementazione e ottimizzazione mirate del Cookie Banner.
Una strategia di raccolta e analisi dati
Per gestire efficacemente l’eccesso di dati e sfruttarli per i propri obiettivi, è fondamentale partire da una strategia ad hoc e accurata.
Prima la strategia, poi la tattica. Prima il piano di misurazione, poi il tracciamento.
Un buon piano di misurazione è un documento che inizia con la definizione degli obiettivi di business, di marketing e dall’identificazione dei KPI necessari per monitorare i progressi.
Facciamo un esempio concreto di uso virtuoso ed efficace del piano di misurazione: il caso studio di Netferry, uno dei più grandi motori di ricerca per traghetti e aliscafi in Italia.
Sul sito web di Netferry l’utente ha a disposizione una grande quantità di filtri e di campi per effettuare la ricerca del traghetto desiderato.
Una delle principali criticità era quindi l’elevata quantità e granularità dei dati da raccogliere e da organizzare nei report nel modo corretto.
Netferry ha ottimizzato la qualità del servizio di booking online, ha identificato le rotte più richieste e ha analizzato le performance dei servizi aggiuntivi più profittevoli grazie a un piano di misurazione realizzato a regola d’arte e alla conseguente implementazione di eventi e di parametri specifici di tracciamento in GA4.
Da una visione a silos a un approccio relazionale
Per mettere ordine nel caos dei dati scollegati fra loro, è fondamentale adottare un approccio integrato e relazionale. Cosa vuol dire?
Utilizzando database relazionali come BigQuery, le informazioni possono essere raccolte, organizzate e analizzate in modo più efficace, assicurando che i dati siano sempre aggiornati e coerenti.
Implementare un sistema basato su database relazionali consente inoltre di creare report dettagliati e personalizzati, migliorando la capacità di prendere decisioni informate e complete.
Infatti, al contrario, visualizzare e analizzare dati da numerose piattaforme diverse ti permette di guardare solo un pezzo parziale del puzzle, impedendoti di prendere decisioni davvero data-driven.
Ad esempio, collegare un database relazionale come BigQuery a uno strumento di data visualization come Looker Studio permette di:
- raccogliere, organizzare e mettere in relazione tra loro tutti i dati provenienti da molteplici piattaforme in un unico database aziendale
- creare dashboard chiare e di facile lettura, aiutando a monitorare in tempo reale le prestazioni delle campagne online e a ottimizzare le strategie di marketing.
Il ruolo del digital analyst come vantaggio competitivo
In un contesto di mercato che ha un disperato bisogno di specialisti in tracking e analisi dei dati, il ruolo del digital analyst (o di professionisti digitali preparati sui temi del tracciamento e dell’analisi dati) emerge come una figura chiave.
Esistono diverse specializzazioni all’interno di questi profili, che includono, in particolare:
- la definizione di strategie di raccolta dati (data strategy)
- il tracciamento dei dati (data collection)
- la gestione e trasformazione dei dati (data storage)
- l’analisi approfondita (data analysis)
- la creazione di report visivi (data visualization).
In altre parole, la professione di digital analyst offre numerose opportunità sia alle aziende che ai professionisti.
Formazione continua sull’Analytics per il Marketing e l’Advertising, dedizione e adattamento ai cambiamenti del mercato sono le chiavi del successo non solo per la carriera dei professionisti digitali del futuro, ma anche per la crescita delle aziende sul mercato.
Le organizzazioni e imprese che riusciranno a integrare queste competenze all’interno delle proprie strategie e campagne di marketing potranno sfruttare appieno il potenziale dei dati per guidare la crescita e superare la concorrenza.
