Cosa cambia Davvero con GA4? strategie per il cambiamento

In questo periodo i dubbi e le ansie sul tema Google Analytics 4 diventano sempre più acute, trovo quindi importante condividere come la penso sul tema GA4, per darvi un punto di vista un po’ diverso. Una campana diversa, un po’ freaks 😉

un giorno un professore di storia mi disse che se volevo sapere cosa sarebbe successo in futuro dovevo studiare la sua materia perchè non puoi sapere dove andrai, se non sai da dove sei venuto. E allora in questo periodo di forte cambiamento e ansia sul tema del mondo delle analitiche, per sapere cosa accadrà in futuro prendiamoci 10 minuti (tempo di lettura) per uscire da una logica tool-oriented per entrare in una riflessione più strategica 

la storia della Digital analytics fino ai giorni nostri e scenari futuri

Fase 1: i dati sono importanti, ma meno importanti di altre cose (e non sappiamo cosa farci)

tutto è nato con l’esigenza di analizzare le performance delle campagne di advertising. Google che era il più grande “venditore” di pubblicità doveva dare al mercato quello che chiedeva. Le persone non erano disposte a spendere tanti soldi in un luogo non fisico (digitale) senza poter vedere il risultato del loro investimento. Così ha cominciato a investire nella creazione di piattaforme legate alle analisi e di renderle gratuite, in modo da vendere con più facilità il vero prodotto di monetizzazione: la pubblicità. Il mondo comincia ad usare Google analytics. il 90% dei siti al mondo lo usa tutt’oggi.

Non tutti facevano il set up nel modo corretto, ma il tool era gratuito, bastava mettere un piccolo pezzetto di codice nel sito e tutto funzionava. Non potevi non averlo, era anche di moda. Ma negli anni in cui la misurazione era potente e precisa la persone non davano tanta importanza al digitale e non veniva stanziati grandi investimenti nella gestione dei dati online. Così per anni ho visto Google analytics mal configurati, esempio banalissimo, l’assenza di un obiettivo configurato. Ecco, avere GA e non aver impostato gli obiettivi è come non averlo. L’attività di reportistica era manuale, quindi aveva un costo molto alto rendendola molto rara. Le analisi erano sporadiche per lo stesso motivo. Servivano persone specializzate.

p.s se ti senti ancora in questa fase ti consiglio di leggere cosa devi fare per metterti al passo coi tempi – 4 set up indispensabili di GA

Fase 2: I dati sono il nuovo petrolio (io ho le dashboard, e tu?)

Piano piano  la consapevolezza dell’utilità del dato è aumentata e negli ultimi 4 anni la tecnologia ha abbassato il suo costo e la sua difficoltà di utilizzo e i budget nell’attività di collezionamento del dato (completo e corretto) sono aumentati grazie alla digitalizzazione. Ma questo vedeva ancora pochi attori. La vera rivoluzione l’ha portata data studio (ora looker studio), la gente ha cominciato a guardare i dati, a visualizzarli. Questo ha portato le persone a pensare di avere un investimento inutilizzato. E più si guardavano i dati e più ci si accorgeva che erano incompleti o sbagliati così sono partiti i grandi investimenti nell’attività di collezionamento e di analisi, perchè diciamoci la verità: nessuno vuole spendere soldi per avere dei dati che non usa. Sono disposto a pagare solo se uso i dati che colleziono per farci qualcosa altrimenti non avrò ritorno sull’investimento. Gli analytics vengono configurati e settati nel modo corretto e si comincia a produrre reportistica con una frequenza decente. Il mondo inizia a guardare i dati. Iniziano le data driven cose.  Raddoppiano i tool  e le possibilità di analisi, abbiamo dati del sito, delle campagne della seo, del mercato e tantissime altre cose, non si parla più di web analytics ma di digital analytics (tutte le cose digitali e non solo i siti web). Abbiamo un sacco di dati in tantissimi posti. Anche i creativi vogliono i dati. Infine con l’infodemia (malattia dove c’è un sacco di informazione e nessuna conoscenza) del covid le conversazioni, non solo aziendali, ma anche umane non poteva più iniziare con “io penso che…”. Tutti noi abbiamo dovuto iniziare le frasi da “io penso che…” a “i dati dicono che..” . Ok i dati sono importanti. Ci siamo.

Data studio però si è portato con se anche una piccola fregatura: le dashboard template. Sono reportistiche automatiche con schemi e KPI già impostati per canale (per silos)  che si popolano con i tuoi dati con un click. Il mondo è impazzito. Non solo si cominciava ad avere una buona dose di dati corretti e leggibili, ma tutti potevano creare un report automatico (dashboard) a costo zero sia di soldi che di difficoltà. Cominciamo a vedere dati ovunque, si comincia a sentir parlare di aziende che prendono decisioni con i dati, ma non solo, li rivedono! A questo punto si deve ammettere che i dati sono il nuovo petrolio e tutti partono per il percorso di comprensione dell’utilizzo dei dati. Dov’è la fregatura? eccola che arriva. La gente ha iniziato non solo a guardare i numeri, ma a leggerli, ascoltarli, esplorarli e farsi delle domande: come uso questi numeri in modo che mi siano utili? ottima domanda. Peccato che nel frattempo, grazie ai template di Data Studio, avevamo così tanti numeri sconnessi davanti che non sapevamo cosa guardare. Avevamo collezionato un sacco di roba a caso (è un template) ed era iniziato il periodo del carico cognitivo: la nostra mente (ram) non riusciva più a processare e leggere tutte le informazioni che arrivavano. (esempio: se vai al ristorante e ci sono 50 pizze diverse, quale pizza prendi?). 

Fregati. Gli imprenditori volevano dati utili, ma i tecnici non sapevano quali dati fossero utili senza conoscere il contesti di business e gli obiettivi aziendali che spesso non erano chiari nemmeno agli interlocutori. Un sacco di dati, un sacco di report, un sacco di analisi che portavano a zero conclusioni. Quelle che portavano alle conclusioni costavano un sacco, perchè toccava uniformare la visione a silos, multichannel e multi device, per poter fare dei ragionamenti. I tecnici dovevano studiare marketing (come fai ad analizzare una cosa di cui non conosci le dinamiche?)  e business per fare analisi e gli imprenditori dovevano chiarire gli obiettivi e le informazioni necessarie per arrivarci, tutti lo sapevano, nessuno se lo diceva. Tutti avevano dei compiti a casa ma ci si incolpava a vicenda quando dovevamo fare i conti con la serva: e quindi dopo tutti questi numeri quali sono i “so what?”

Fase 3: mi stanno per portare via i miei dati! (tanto non ti servivano a molto per come li usavi)

In questa fase due sono gli elementi che corrono di pari passo. il primo è la consapevolezza che trasformare i dati in azioni non è una cosa semplice. Non è una materia tecnica e non è un lavoro da fare individualmente. Non basta avere un tool ben configurato e avere una reportistica automatica per prendere decisioni con i dati. quindi cosa manca? Come faccio a sapere cosa devo guardare? Domande che tracceranno l’inizio di un momento importantissimo nell’epoca della web analytics. (anche se Avinash diceva già nel 2005 che il tool valeva il 20% e l’analista l’80%)

L’altro tema è la privacy. Esce il GDPR, il garante della privacy dice a Google che non può più “rubare” i dati cosi facilmente, deve almeno chiederlo agli utenti. I tool devono adeguarsi alla sfida della privacy cercando di non compromettere l’affidabilità e la completezza del dato. Un gran bel casino. Cookiew law, tag condizionati all’accettazione dell’utente, tracciamenti server side, consent mode e via discorrendo, tutto in beta, tutto instabile. Tutto entro un anno. il delirio del tecnicismo. L’ansia da GA4. Ansia generata dal fatto che non ci siamo mai fatti troppe domande su cosa era importante fare, ci interessava solo avere il tool con i dati dentro. la schiavitù da tool direi. Ed è chiaro che se siamo schiavi di un tool, se quel tool cambia, la nostra vita non sarà semplice.

Fase 4: la rivincita della Data Strategy (la data che? ah ma io la faccio già)

in tutti questi anni c’è una sola fase del processo di costruzione di un dato utile  a cui non è stata dedicata molta importanza, la fase in cui si scelgono i dati da guardare, la fase della selezione dei numeri “giusti”. (data collecting, data reporting e data analysis ve le ho nominate prima). il problema della data strategy è che nessuno sa cos’è e tutti pensano di conoscerla o di farla già. In italia è una parola poco utilizzata che viene associata al concetto di di data driven strategy cioè creare strategie con i dati. In realtà la data strategy ha un obbiettivo leggermente diverso: la data strategy ha l’obiettivo di creare un infrastruttura aziendale capace di prendere decisioni con i dati. Sembra simile ma non è proprio uguale, una piccolissima sfumtatura. Si lavora infatti su un micro obiettivo: la creazione di un’infrastruttura. Perchè si, ci vuole una struttura interna solida per prendere decisioni con i dati. E’ il processo di costruzione di un’architettura dell’informazione, sono i pilastri di una casa che la reggono in piedi. i pilastri del processo cognitivo.

Pilastri della Data Strategy

• i dati sono ovunque, ma non ce ne frega niente dei dati, vogliamo le decisioni (data literacy)
• i dati sono tutti uguali, dobbiamo usare sia i dati quantitativi che qualitativi e non dobbiamo nascondere quelli che non ci piacciono (data feminism)
• i dati dei tool non ci interessano, vogliamo i dati delle persone (data humanism)
• no ai silos, vogliamo visione unificata e di qualità ( Data governance)
• prima decidiamo cosa ci interessa, tutto il resto viene dopo, no alla schavitù da tool (data design)

Come funziona veramente questa cosa del Data Design?

1. per prima cosa dobbiamo chiederci cosa vogliamo sapere e quali sono i dati che rispondono alla nostra domanda (data strategy)
2. poi dobbiamo catturare questi dati e governarli nel modo giusto ed unificarli (data capturing)
3. poi dobbiamo visualizzarli nel modo giusto, guardarli costantemente e controllare che non ci siano comportamenti anomali (data reporting)
4. se notiamo qualcosa di strano (nel bene e nel male) dobbiamo approfondire e capire perchè quel dato si è mosso (data analysis) 
5. è arrivato il giusto momento storico per aggiungere una fase al famoso processo. la Data Actionability  la fase in cui usiamo davvero i dati. Dalla analisi infatti devono scaturire delle azioni manuali (di a tizio di fare questo) o automatiche (tipo automation, ML ecc). 

Le premesse e le promesse di GA4

torniamo un attimo a GA4, che a questo punto è diventato solo uno dei 1.000 tool che uso per analizzare i dati e trasformarli in azioni.

Premesse

GA4:Una nuova interfaccia, una nuova logica di tracciamento. Un’instabilità enorme. Ma non è la prima volta. E dato che l’anno chiamato GA4 mi sa che non sarà nemmeno l’ultima (a che numero di iphone siamo?;))

la prima versione di Analytics si chiamava Uchrin, erano una piattaforma un po tecnica, con scarsa usabilità, ma di grande potenza, veniva usata dagli “ingegneri” del dato ed era un tool di d’uso di nicchia.  Poi è arrivato Google analytics con un’interfaccia molto più usabile e carina, ha rivoluzionato le analisi rendendole accessibili non solo ai tecnici ma anche ai marketer. Poi è arrivato Google analytics universal (non si è mai chiamato GA3) con la promessa di tracciare gli utenti (tramite cookies) e non le pagine, rivoluzionando il punto di vista e incontrando maggiormente le esigenze del mercato. Nacque poi Firebase, la soluzione specifica per il tracciamento delle APP che nel frattempo aveva visto un mercato in fortissima crescita. Arriva anche data studio, un tool di data visualization da attaccare a GA per migliorare le possibilità di consultazione dati, infine tutti i servizi della google cloud vengono potenziati.

Promesse: cosa cambia con GA4, ma soprattutto, perchè?

1. privacy compliance: dopo il GDPR il mercato chiede soluzioni tecnologiche che non gli facciano prendere le multe. Molto semplice. GA4 promette di rispettare le norme sulla privacy ed essere compliant rispetto al GDPR . tracciamenti server side e consent mode serviranno per la correttezza e la completezza del dato.
2. visione multichannel: ci siamo accorti che con i dati spezzettati in tanti luoghi (silos) non riusciamo a prendere decisioni (halleluja) e quindi abbiamo bisogno di una visione unificata. GA4 promette di centralizzare i dati dei siti e delle APP in una sola visione. Si collega a big query, piattaforma per unificare i dati (tra le altre) che si collega a data studio per consultarli. Di avere sempre di più una visione sull’utente e meno sui cookie (motivo per cui passiamo da pageview ad eventi) e uscire da una logica online per andare verso una logica multicanale.

3.Facilità di utilizzo: una piattaforma facile e semplice da usare per trasformare i dati in azione velocemente. GA4 promette di migliorare l’uso della piattaforma migliorando l’usabilità dei report custom, ma è meglio se usi data studio. Anzi ti aiutiamo noi con il machine learning e gli strumenti di pevisione e alerting, ti aiutiamo anche nei set up inserendone alcuni automatici.

Come un approccio strategico può spiegare dei cambiamenti tattico-operativi

• “mi cambia tutti i nomi alle metriche, non c’è nemmeno più il bounce rate”. – la lista delle metriche è sempre disponibile, studieremo un po per ricordarcele (non pensate che gli analisti le sapessero tutte anche prima), e se nel 2022 guardavi il bounce, è meglio che te l’abbiano tolto. nel mondo cross device un utente legge senza compiere un’interazione e il bounce è da anni una metrica difettosa che da sola è molto pericolosa (se leggere il 90% della pagina per te è un bounce). Perchè non c’è niente di più pericoloso che prendere decisioni su dati sbagliati.
• “Sono scomparsi un sacco di report, dove trovo sorgente mezzo?” – hanno tolto un sacco di report e hanno lasciato solo quelli fondamentali. Lo ritengo un regalo, un aiuto ad evitare un comportamento scorretto. C’erano troppi dati disponibili, troppe cose da guardare. All’interno della piattaforma troviamo solo quelli base mentre il suggerimento (indiretto) è quello di creare dashboard o custom report per fare analisi
• “ non ci sono tutte le metriche e le dimensioni che traccio, uff, devo rifare un corso su GA4” – altro piccolo regalo, questo un po’ meno forse, ma rimaniamo positivi. L’invito indiretto qui è quello di smettere di approcciare i dati come a dei silos. GA non vuole più essere la piattaforma dove consultare il dato abbiamo detto (perchè facciamo custom report o dashboard), ma allo stesso tempo non è nemmeno l’unico tool da usare. La verità è che GA rappresenta il silos di dati sul sito web che va unificato ai dati del CRM, del magazzino, del tool di ADV e così via (se no fare analisi rimarrà sempre difficile) e quindi dobbiamo portare tutto in un grande database (detto datalake o datawharehouse). Sono i data base, dove ovviamente li troviamo tutto quello che ci serve e che abbiamo tracciato, che vanno collegati ai tool di data visualization. Che tu ci creda o no, io non uso “direttamente” GA per consultare i dati da anni. Ho sempre creato dashboard che centralizzavano le varie sorgenti dato e guardavo i dati da li. So che stai pensando “è una soluzione costosa avere un database come fa una PMI?” e un po’ hai ragione. Il punto è che GA è gratuito GTM è gratuito, data studio è gratuito, spendi poco (solo in tempo o in servizi di marketing) e la qualità è bassa, le decisioni prese coi dati sono rare. Se vuoi prendere decisioni coì dati devi pagare un po di più (big query, il database, è a pagamento). Esistono un sacco di forme ibride, ma insomma la direzione è questa. Quindi sei proprio sicuro di voler usare il tuo tempo a guardare un tool quando puoi essere più veloce e produttivo con una dashboard?
• “big query? non posso imparare tutto” – no, non puoi. Per alzare la qualità dobbiamo lavorare meglio e per lavorare meglio bisogna specializzarsi. Così esiste il tecnico di GTM e GA (tag specialist), poi esiste il tecnico dei database (Data Engegniering), poi esiste l’analista di business (business o performance analyst) e poi esiste l’analista degli automatismi (data scientist) ed infine l’analista che sa quali dati sono utili, tipo me (data strategist). Non devi e non puoi imparare tutto, ascolta le tue inclinazioni e vai dove le tue competenze sono più forti (e ti inspira di più). Se non possiamo specializzarci e siamo il classico digital marketing manager tutto fare non importa. Faremo come abbiamo sempre fatto, un po’ di tutto. Un po di tag, un po di configurazioni, un po di dashboard e un po’ di analisi. Se ci chiedono di più, che diano di più. D’altra parte bisogna dare per ricevere 😉

Conclusioni: suggerimenti per vivere meglio

• Non sei l’unico ad avere l’ansia da GA4, se non ti vuoi sentire solo segui la community di tag manager italia, Matteo Zambon è uno dei massimi esperti a livello mondiale, è aggiornatissimo oltre ad avere un enorme passione e dedizione.
• GA4 è solo un tool (il tool vale il 20%), tra mille altri, che si muove in questa logica che vuole trasformare i dati in azioni. Usa il contesto strategico per comprendere i cambiamenti tecnici. Se ti va approfondisci la data strategy col nostro Data flow canvas.
• Configura GA4 oggi, ma leggi i dati quando saranno affidabili, nel frattempo hai sempre il vecchio universal (ti prego non staccarlo). Per la configurazioni ti consiglio questo libro
• vuoi fare un corso su GA4? vedi tu quali inclinazioni hai per capire quale sfumatura vuoi dare alla tua conoscenza. C’è il corso di Google Academy per la parte tecnica (che con la velocità con cui cambia la piattaforma oggi è già vecchio), e se vuoi facciamo un corso sulla parte strategica insieme a clickable, strategic GA4.

Bene ora respira, è tutto ok 😉

VEDI ANCHE: COME TRASFORMARE I DATI IN AZIONI