[Guida pratica – Step by Step] Come aumentare le vendite dai clienti acquisiti utilizzando Google Analytics e Google Sheets

Alex Genovese

27 Jul 2020 • 8 min read

Questo articolo rappresenta il secondo di una serie riguardo la segmentazione della propria customer base, attraverso l'utilizzo dell'analisi RFM. In fondo all'articolo troverete tutti i link agli altri articoli.

Utilizzando Google Analytics, siamo in grado di analizzare i comportamenti dei nostri clienti in base ai loro interessi, i clic che effettuano su un prodotto, il tempo di permanenza in pagina, la frequenza di rimbalzo, ecc. e i loro comportamenti come acquirenti, come l'aggiunta al carrello, la quantità media dei prodotti nel carrello, LTV, AOV, ecc.

Tutte queste informazioni, se Google Analytics è ben configurata, sono una miniera d'oro da esplodere e analizzare, per estrarre molte più informazioni sulle segmentazioni dei vostri clienti.

Perché dovremmo analizzare i dati dei clienti? Non si tratta solo di vendere un prodotto a qualcuno?

Sì, lo è... ma è un po' diverso dal "solo vendere a qualcuno". Vendere è un processo che viene generalmente rappresentato con un imbuto, dove ogni "tappa", dall'alto verso il basso, sposta il cliente verso la vendita.

Conoscere, poi, i segmenti di pubblico a cui stai vendendo, ti suggerisce quale "Tone of Voice" utilizzare, quali comunicazioni possono essere più efficaci e quali siano le loro preferenze, creando azioni di marketing sempre più incisive.

L'obiettivo principale del marketing è quello di ingaggiare (la prima parte dell'imbuto) e spingere verso il basso, fino all'acquisto (la parte inferiore dell'imbuto) di un prodotto o servizio. Cosa vendere e come comunicare ai vostri clienti o potenziali tali, fa tutta la differenza del mondo e per questo motivo è necessario capire cosa vogliono, chi sono e quando è il momento migliore per arrivare a loro con le sponsorizzazioni.

Perché abbiamo bisogno della matrice RFM per capire il comportamento dei clienti?

Mentre ci sono innumerevoli modi per eseguire la segmentazione, l'analisi RFM è popolare per tre motivi:

Utilizza scale oggettive e numeriche che forniscono una rappresentazione concisa e informativa di alto livello dei clienti.
È semplice - gli addetti al marketing possono utilizzarlo in modo efficace senza bisogno di data scientist o di software sofisticati.
È intuitivo - il risultato di questo metodo di segmentazione è facile da capire e da interpretare.

La sua segmentazione consente ai marketer di rivolgersi a specifici gruppi di clienti attraverso comunicazioni più rilevanti per i loro specifici comportamenti, con conseguente aumento del tasso di conversione, oltre che della fidelizzazione e della LTV.

È possibile eseguire la RFM per l'intero database clienti o su parte di esso.

Ad esempio, è possibile prima segmentare i clienti in base alle regioni geografiche o ad altri dati demografici e poi applicare la RFM...

Come altri metodi di segmentazione, questa è un metodo efficace per identificare gruppi di clienti con comportamenti di acquisto similari tra loro.

Alcune strategie di impegno per i segmenti RFM

Quest'analisi è in grado di fotografare, e se opportunamente supportata, di prevedere il comportamento degli utenti. I marketer possono intraprendere azioni per valorizzare al meglio la customer base, di seguito ho elencato alcune strategie di base, che possono essere utilizzare per i diversi segmenti.

Best Customers – È probabile che questi clienti generino una percentuale molto alta dei ricavi complessivi e quindi l'attenzione a mantenerli felici dovrebbe essere una priorità assoluta. Un'ulteriore analisi delle loro preferenze e affinità individuali fornirà ulteriori opportunità per una messaggistica ancora più personalizzata.
High-spending New Customers – Questo segmento è molto vicino ai "Best Customers", ma avendo fatto un solo acquisto, dobbiamo farli sentire valorizzati e dare loro degli ottimi incentivi per continuare a interagire con il marchio.
Lowest-Spending Active Loyal Customers – Questi clienti abituali sono attivi e fedeli, ma hanno un basso livello AOV (Average Order Value). Si dovrebbe creare campagne che comunichino in modo adeguato valori del marchio che li incentivino ad aumentare i loro livelli di spesa. In qualità di clienti fedeli, spesso è anche conveniente ricompensarli con offerte speciali se diffondono il marchio ai loro amici, ad esempio attraverso i social network.
Churned Best Customers – Si tratta di clienti preziosi che hanno smesso di acquistare molto tempo fa. Anche se è spesso impegnativo riprendere clienti che hanno cambiato idea, l'alto valore di questi rende utile provarci. È importante comunicare con loro, sulla base delle specifiche preferenze espresse (dati di acquisto o transazioni precedenti), promuovendo prodotti o sconti su prodotti di loro interesse.

Iniziamo la Guida per integrare Google Analytics con Google Sheets

Prima di inziare è bene sempre controllare che tutte le impostazioni del nostro sistema di tracciamento, siano configurate per bene e che tutti gli eventi, report e viste siano configurate e funzionino.

Create un nuovo Google Spreadsheet, questo rappresenterà il nostro “database” di partenza per l’acquisizione dei dati da Google Analytics.
Adesso installate l’add-on Google Analytics cliccando su Componenti Aggiuntivi”, si aprirà una modal dove troverete, tra i featured, Google Analytics. Cliccate e installate il componente.

3. Adesso creiamo un nuovo report, clicando su “Componenti Aggiuntivi > Google Analytics> Create new report”. Questo, aprirà una sidebar a destra, dove sarà possibile scegliere un account, la proprietà e la vista che desiderate collegare. Andiamo a selezionare le seguenti metriche:

Users: restituirà lo user ID di GA
Transactions: mostrerà gli importi di vendita

Mentre riguardo le dimensioni, selezioniamo:

Date
Transaction ID
Custom Dimension XX

Dobbiamo sostituire XX con la variabile che identifica il cliente, tramite la sua email o l'ID del nostro CRM interno.

Adesso, clicchiamo su “Create Report”.

Google Analytics, creerà righe e colonne mostrando tutte i dati di collegamento con la vista che abbiamo appena selezionato. Aggiungiamo nel campo "Order" il parametro ga:date per ottenere i dati già ordinati.

4. A questo punto, lanciamo il report per prelevare tutte le informazioni che ci occorrono per poter calcolare l’RFM.

Una volta completato il loading delle informazioni, mostrerà in una nuova scheda i dati, come l'esempio che trovate qui di seguito:

Dati estratti da Google Analytics – Questo è un esempio simulato.

Nota: i dati rappresentano i valori che Google Analytics è riuscito a tracciare durante la navigazione degli utenti. È da tenere in considerazione che i resi, problemi durante la fase di checkout, possono sfuggire al tracciamento di GA.

Attualmente nei dati prelevati da Google Analytics, avremo righe che faranno riferimento allo stesso cliente, ma con transazioni diverse.

4.1 È possibile creare uno scheduling che permetta di prelevare un determinato range di date, ogni settimana o mese, in modo da poter tenere sempre sotto controllo l’evoluzione dei propri clienti, in funzione delle azioni di marketing.

5. Adesso che abbiamo i nostri dati di partenza, possiamo procedere con la normalizzazione dei dati e il calcolo dello score della matrice RFM. Creiamo una nuova scheda, dove andremo a valorizzare i seguenti campi, con le relative formule messe a disposizione da Google Sheets:

unique_customer_id: utilizzando la UNIQUE, preleviamo dalla colonna "Dalyst!C16:C515" gli ID dei clienti che hanno acquistato soltanto 1 volta. Questo ci permetterà di eliminare le duplicazioni degli acquisti.

=UNIQUE(Dalyst!C16:C)

last_purchase_date: preleviamo l'ultima data utile, rispetto all'unique_customer_id. Abbiamo bisogno dell'ultima data di acquisto dei nostri clienti per poter calcolare la Recency.

=MAXIFS(Dalyst!B16:B515;Dalyst!C16:C515;Dalyst!C16)

R: calcoliamo lo score della Recency

=ROUNDDOWN(RANK.AVG(B2;B$2:B;TRUE)/((COUNT(B$2:B)+1)/5);0)+1

purchase_count: rappresenta la somma del numero di acquisti, rispetto all'ID dei clienti nella colonna unique_customer_id.

=COUNTIF(Dalyst!C16:C515;A2)

F: calcoliamo lo score della Frequency

=ROUNDDOWN(RANK.AVG(D2;D$2:D;TRUE)/((COUNT(D$2:D)+1)/5);0)+1

total_spent: è una somma degli acquisti totali rispetto all'id dei clienti.

=SUMIF(Dalyst!C16:C515;A2;Dalyst!D16:D515)

M: calcoliamo lo score della Monetary

=ROUNDDOWN(RANK.AVG(F2;F$2:F;TRUE)/((COUNT(F$2:F)+1)/5);0)+1

RFM: in questa colonna, concateniamo i risultati ottenuti dai calcoli effettuati sui singoli valori.

=CONCATENATE(C2;E2;G2)

I valori R, F ed M rappresentano il nostro obiettivo, per riuscire a calcolare i segmenti dei nostri clienti. In questo esempio, visti gli strumenti semplici che abbiamo utilizzato, la calcoliamo con il sistema dei "Valori fissi".

Cliccate qui per leggere l'articolo che vi spiega, passo dopo passo, i singoli calcoli che portano poi al calcolo della matrice RFM.

Di seguito il risultato di quanto appena descritto finora:

Adesso possiamo ordinare e rappresentare come meglio crediamo i valori della matrice RFM, utilizzando i grafici disponibili su Google Sheets oppure collegando questo foglio di calcolo con Google Data Studio.

Come possiamo utilizzare questi segmenti?

I segmenti rappresentano un gruppo di clienti, per esempio troverete un segmento di VIP o Frequent Buyer, siano una piccola percentuale, rispetto al totale.

Avete a disposizione la loro mail ed i loro dati per poterli contattare tramite marketing automation o tramite pop-up in browser, ad esempio.

Per poterli contattare durante la loro navigazione, possiamo collegare prodotti che ci permettano di mostrare dei pop-up, oppure un chatbot (creato proprio per questo segmento) con suggerimenti personalizzati e pertinenti allo storico degli acquisti e a ciò che stanno valutando attualmente...quasi come fosse un consulente virtuale.

Riguardo il contatto tramite mail, è possibile farlo tramite Active Campaign creando dei flussi di automazione mail che permettano di "suggerire", "ingaggiare" e coinvolgere i vostri clienti. Active Campaign, collegato con Google Analytics vi permette di selezionare questi segmenti se configurato opportunamente.

Leggendo quest'articolo potrete farvi un'idea di come creare un'automazione di mail marketing, partendo da zero.

Contattami per prenotare una consulenza gratuita su Calendly, cliccando qui.

– Article Series

Customer Segmentation for boosting E-commerce Sales

Ho scritto serie di articoli su come aumentare le vendite online iniziando con la segmetazione della propria customer base. Gli articoli sono molto semplici da leggere, descrittivi e pratici: sono presenti flussi di marketing autoamtion, funnels e altre tattiche applicabili subito.