Riassunto analitico
Il digital marketing negli ultimi anni sta assumendo un ruolo sempre più rilevante trasformandosi in un asset fondamentale per molte imprese. In questo contesto, le scelte strategiche devono essere supportate da una base analitica che guidi le decisioni manageriali, quindi diventa fondamentale riuscire a misurare i benefici ottenuti a seguito degli investimenti fatti. Nel caso di canali digitali, per ottenere tali benefici è spesso necessario comprendere il comportamento degli utenti e definire strategie mirate di marketing. In questo contesto si inserisce la Web Analytics il cui scopo è quello di monitorare e analizzare i dati raccolti relativi agli utenti e all’interazione di essi con i siti Web o le App. Per questo motivo, oggi sono sempre più diffusi gli strumenti per il monitoraggio del degli utenti, come per esempio Google Analytics. Il lavoro parte da progetto realizzato presso l’azienda Webranking di Correggio, agenzia di Digital Marketing, il cui obiettivo è quello di creare un benchmark finalizzato all’analisi dei principali KPI di Web Analytics in diversi settori: finance-insurance, fashion, ecommerce, retail, pharma. Lo scopo è quello di considerare due aspetti principali: la qualità del traffico, che giunge sui siti web, e la propensione degli utenti ad effettuare transazioni online. Inoltre, l’output prevede la creazione di una dashboard interattiva che permetta l’analisi delle principali metriche utilizzate nel campo di analisi web, all’interno dei diversi settori. Gli step fondamentali del progetto hanno previsto una fase iniziale di selezione dei KPI ritenuti più rilevanti. Successivamente sono stati raccolti i dati e organizzati in un database, BigQuery. Una volta analizzati i dati e organizzata la loro struttura, i dataset sono stati collegati ad uno strumento di data visualization, Data Studio, per la rappresentazione grafica. Infine, con lo stesso dataset utilizzato per la definizione dei cluster, è stata condotta un’analisi attraverso il software R con lo scopo di valutare il benchmark e la clusterizzazione. R è un linguaggio di programmazione ma anche un ambiente di sviluppo libero, che nasce per l’analisi statistica. Il fine dello studio è quello di validare i cluster e confrontare la classificazione definita a priori, sulla base del settore di appartenenza dei brand, con una clusterizzazione ottenuta tramite algoritmi di Machine Learning. Tale analisi può portare a dimostrare, o al contrario contraddire, che esiste un’evidenza statistica che caratterizza il comportamento degli utenti che navigano siti di brand appartenenti a settori diversi. L’obiettivo ultimo dello studio è quello di indagare i singoli cluster, individuare pattern ricorrenti e caratteristiche specifiche delle classi. Da questa analisi possono sorgere rilevanze significative proprie dei vari cluster che mostrano caratteristiche specifiche dei singoli settori, mettendo così in luce comportamenti caratteristici.
|