L'e-commerce analytics è l'analisi dei dati generati dalle attività di vendita online di un retailer — sorgenti di traffico, tassi di conversione a livello di prodotto, abbandono del carrello, valore medio dell'ordine — per capire che cosa fa crescere il fatturato e che cosa lo frena. Si distingue dalla web analytics generica perché si concentra specificamente sui risultati commerciali: quali SKU vendono, con quale margine e attraverso quale canale. Per le aziende che gestiscono feed di prodotto su motori di ricerca, social e marketplace, l'e-commerce analytics è ciò che trasforma i numeri di performance a livello di canale in decisioni a livello di catalogo.
Perché l'e-commerce analytics è importante
Un merchant che pubblicizza migliaia di SKU su Google Shopping, Meta Catalog e una manciata di marketplace genera molti più dati di performance di quanti una persona possa esaminare riga per riga. L'e-commerce analytics aggrega questi dati in pattern su cui un operatore può agire — una categoria che converte bene ma ha prezzi inferiori ai concorrenti, un bestseller con un CTR in calo, un'intera linea di prodotti che perde silenziosamente denaro sulla spesa pubblicitaria. È una cosa diversa dalla semplice analytics del feed, che monitora come si comporta il catalogo stesso su ogni canale; l'e-commerce analytics si colloca un livello sopra e unisce le performance del feed ai dati lato sito come sessioni, frequenza di rimbalzo e comportamento di riacquisto, per costruire un quadro completo del customer journey. Senza di essa, un retailer può solo reagire a sintomi isolati — una rottura di stock qui, un reclamo sul prezzo là — invece di individuare i problemi sistemici che limitano silenziosamente la crescita.
Come funziona
Le piattaforme di e-commerce analytics attingono in genere a tre fonti: il feed di prodotto stesso (prezzo, categoria, disponibilità), le API di reporting dei canali (impression, clic, spesa) e l'analytics o i dati degli ordini dello store (sessioni, conversioni, fatturato). Queste fonti vengono unite tramite una chiave comune, di solito l'ID prodotto, così un'unica dashboard può mostrare che le metriche di engagement di un prodotto sono buone ma le vendite effettive sono deboli — spesso il segnale di un problema di prezzo o di stock più che di domanda. La segmentazione per categoria, brand o regione consente ai team di confrontare le performance sull'intero catalogo invece che un'inserzione alla volta, e i risultati vengono di solito combinati con l'analisi di mercato per distinguere un vero problema di performance da un rallentamento più ampio dell'intera categoria.
Esempio
<item>
<g:id>SKU-51290</g:id>
<title>Ceramic Non-Stick Frying Pan - 28cm</title>
<g:price>34.50 USD</g:price>
<g:availability>in stock</g:availability>
<g:custom_label_2>category-cookware</g:custom_label_2>
<g:custom_label_3>margin-mid</g:custom_label_3>
</item>Campi come custom_label_2 e custom_label_3 esistono perché clic e conversioni lato canale possano essere aggregati secondo gli stessi raggruppamenti per categoria e margine che il retailer usa già nel proprio reporting e-commerce, mantenendo allineati entrambi i lati dell'analisi.
Concetti correlati
L'e-commerce analytics dà il meglio se abbinata all'analytics generale del feed: una mostra come si comporta il catalogo sul canale, l'altra come quelle performance si traducono in fatturato e acquisti ripetuti. Aggiungere l'analisi di mercato e le metriche di engagement completa il quadro e permette agli operatori di distinguere un prodotto che ha bisogno di un feed migliore da uno che ha semplicemente un prezzo fuori mercato.
