La maggior parte degli e-commerce ha troppi dati e troppo poca intelligenza nell’usarli. Dashboard piene di numeri che nessuno legge, report settimanali che non generano decisioni, metriche di vanità che misurano il traffico senza misurare il business.
Un buon sistema di analytics parte dalla domanda opposta: quali decisioni devo prendere ogni settimana, e quali dati mi servono per prenderle bene?
La struttura a tre livelli: strategico, operativo, diagnostico
Un sistema di misurazione efficace non è una lista piatta di KPI. È una gerarchia in cui ogni livello risponde a domande diverse e ha cadenze di lettura diverse.
- Il livello strategico risponde alla domanda “stiamo crescendo in modo sano?”.
- Il livello operativo risponde a “cosa sta succedendo questa settimana e perché?”.
- Il livello diagnostico risponde a “dove esattamente si rompe il processo?”.
Confondere i tre livelli e usare dati diagnostici per prendere decisioni strategiche, o aspettare il report mensile per reagire a un problema operativo, è uno degli errori più comuni.
I KPI fondamentali: cosa misurare e perché
Fatturato e margine lordo sono i due indicatori di salute primari. Il fatturato senza il margine è un numero ingannevole: un e-commerce che cresce in fatturato ma vede erodere i margini per costi logistici o pubblicitari in aumento sta accelerando verso un problema, non verso il successo. Il margine lordo per categoria di prodotto rivela quali linee sostengono il business e quali lo appesantiscono.
Il tasso di conversione (CR) misura quanti visitatori diventano acquirenti. La media del B2C e-commerce si colloca tra l’1 e il 3%, con variazioni significative per settore, dispositivo e canale di provenienza. Un tasso di conversione da mobile stabilmente inferiore a quello da desktop segnala un problema di esperienza utente sul telefono. Un tasso di conversione molto basso su traffico a pagamento segnala un disallineamento tra il messaggio pubblicitario e la pagina di destinazione.
Il valore medio dell’ordine (AOV — Average Order Value) influenza direttamente la sostenibilità del modello economico. Un AOV basso rende difficile assorbire i costi fissi di logistica e acquisizione cliente. Lavorare sull’AOV — attraverso bundle, soglie di spedizione gratuita, cross-sell in fase di checkout — è spesso più efficace che aumentare il traffico.
Il costo di acquisizione cliente (CAC) misura quanto spendi in media per portare un nuovo cliente a comprare. Va calcolato per canale, non in modo aggregato: il CAC su Google Ads può essere sostenibile, mentre quello su Meta può essere fuori controllo, e la media nasconde il problema. Il CAC deve sempre essere letto insieme al LTV.
Il lifetime value (LTV) misura il valore totale che un cliente genera nel tempo. È la metrica che più di ogni altra distingue un e-commerce sano da uno che brucia cassa per crescere. Un LTV elevato giustifica un CAC alto; un LTV basso impone un CAC bassissimo per sopravvivere. Nei modelli con alta frequenza di riacquisto, costruire LTV è più importante che ottimizzare il primo acquisto.
Il tasso di abbandono del carrello misura quanti utenti aggiungono prodotti al carrello senza completare l’acquisto. La media di settore è intorno al 70%, una cifra che spaventa ma che è fisiologica. Ciò che conta è il delta rispetto alla media di categoria e l’analisi del punto di abbandono: chi abbandona alla pagina delle spese di spedizione ha un problema diverso da chi abbandona alla pagina di inserimento carta di credito.
Il tasso di ritorno dei clienti (repeat purchase rate) misura la percentuale di clienti che riacquistano. In un e-commerce sano, i clienti esistenti generano una quota crescente del fatturato nel tempo, riducendo la dipendenza dall’acquisizione continua di nuovi clienti.
L’architettura tecnica: strumenti e flusso dei dati
Lo stack minimo funzionale per un e-commerce che inizia comprende GA4 configurato con il modulo e-commerce avanzato, Google Tag Manager per gestire tutti i tag senza dipendere dagli sviluppatori a ogni modifica, e un foglio Google o Looker Studio per aggregare le metriche chiave in un’unica vista. È uno stack gratuito che copre il 90% delle esigenze nelle fasi iniziali.
La configurazione di GA4 per l’e-commerce non è banale. Gli eventi critici da tracciare correttamente sono view_item, add_to_cart, begin_checkout, add_payment_info e purchase. Senza questi eventi configurati con precisione – inclusi i parametri di valore, valuta e item ID – i report di funnel sono inutilizzabili. Verificare la qualità del tracciamento prima del lancio è un’attività che vale ogni ora investita.
Il funnel di conversione: dove si rompono le cose
Il funnel e-commerce ha cinque stadi misurabili, e ogni passaggio ha benchmark di riferimento da usare come punto di confronto.
- Il tasso di conversione da visita a visualizzazione prodotto dipende dalla qualità della navigazione e della ricerca interna. Un valore sano è sopra il 40-50% delle sessioni. Sotto quella soglia, gli utenti arrivano sul sito ma non trovano quello che cercano.
- Il tasso da visualizzazione prodotto ad aggiunta al carrello misura l’efficacia delle schede prodotto. Valori tipici sono tra il 5 e il 15%. Se è basso, le cause più comuni sono immagini insufficienti, descrizioni povere, prezzo percepito alto rispetto al valore comunicato o mancanza di recensioni visibili.
- Il tasso da aggiunta al carrello a inizio checkout varia molto, ma sotto il 50% segnala un problema: spese di spedizione inaspettate, obbligo di registrazione o checkout troppo lungo.
- Il tasso da inizio checkout a ordine completato è il passaggio più critico. Sotto il 60% indica attrito nel processo di pagamento: metodi di pagamento mancanti, errori tecnici, form troppo complessa o mancanza di segnali di fiducia (certificati di sicurezza, garanzie visibili).
Il ciclo di miglioramento: dati → ipotesi → test → decisione
I dati da soli non migliorano nulla. Il valore reale di un sistema di analytics emerge quando diventa il motore di un ciclo continuo di ottimizzazione. Ogni anomalia rilevata – un calo del tasso di conversione, un aumento del tasso di abbandono su una pagina specifica, un canale con CAC in crescita – genera un’ipotesi sulla causa, che si traduce in un test misurabile (A/B test, modifica della pagina, cambio del messaggio pubblicitario), i cui risultati alimentano la decisione successiva.
Senza questo ciclo, l’analytics è un’attività contemplativa.
Con questo ciclo, diventa il principale motore di crescita del business.
Un buon sistema di analytics per un e-commerce non è quello con più metriche: è quello che riduce il tempo tra il momento in cui qualcosa non funziona e il momento in cui lo scopri e sai cosa fare.
Senza questo ciclo, l’analytics è un’attività contemplativa. Con questo ciclo, diventa il principale motore di crescita del business.
