Quali sono i giorni migliori della settimana e del mese per il tuo ecommerce?

Perché è utile conoscere i giorni migliori del tuo ecommerce

Innanzitutto partiamo da una piccola definizione. Ti sei chiesto perché prima li ho chiamati BIAS?

Immagina di vendere un prodotto dal pricing basso e di visualizzare su un grafico che mediamente, negli ultimi 12 mesi, gli utenti hanno comprato maggiormente dal giorno 10 del mese al giorno 12.

Questo picco potrebbe essere la diretta conseguenza del bonifico da parte del datore di lavoro dei nostri clienti. In altre parole, un BIAS stipendio che ci spinge a fare acquisti quando ci sentiamo economicamente più “forti”.

Un po’ come se tu domani riuscissi ad acquisire un buon cliente e il tuo fatturato aumentasse del 20% e per festeggiare decidessi di uscire fuori a cena.

Ecco, i soldi di quella cena andranno nelle tasche del ristoratore esattamente allo stesso modo.

Con questo non voglio dire che uscire a festeggiare la buona riuscita di un contratto sia una cosa negativa. Anzi!
Vai e ordina anche un buon vino!

Però volevo farti notare di come i nostri acquisti sono spesso influenzati da BIAS “temporali”.

Gennaio e settembre sono i mesi della ripartenza dei buoni propositi.

I primi del mese sono solitamente i giorni in cui i lavoratori ricevono lo stipendio, quindi sentono di avere un potere di spesa apparentemente maggiore.

Sabato e domenica le persone tendono a uscire e ne beneficiano maggiormente i negozi offline rispetto all’online (trend che vedo sulla maggior parte degli ecommerce che seguo, ma non è così per tutti).

Insomma, ci sono dei BIAS temporali molto interessanti da analizzare per comprendere il comportamento dei nostri utenti e reagire di conseguenza.

Attenzione: per fare un’analisi BIAS temporale valida occorre uno storico sufficiente a fare delle valutazioni concrete. Non avrebbe senso fare un’analisi settimanale su 3 settimane e un’analisi mensile su 4 mesi.

Ora vedremo il processo per fare questo con due metodi di analisi:

• Excel / GSheet;
• Data Studio.

Let’s go!

Metodo di analisi su Excel

Per analizzare su Excel il BIAS settimanale e mensile su Excel/GSheet puoi ricreare una dashboard simile a quella che vedi in questo screen:

Ora ti spiego esattamente come realizzarla (troverai comunque il template di questa dashboard qui sotto da scaricare):

1. Scegli una finestra temporale e scarica i dati di cui hai bisogno dalle varie piattaforme (Entrate, Conversion Rate %, sessioni Direct, sessioni Organic) con breakdown giornaliero;
2. Inserisci i dati nelle rispettive colonne, come vedi nell’immagine. Per la prima colonna utilizza per ora il giorno del mese;
3. Adesso prendi la prima riga utile con una data e trova il giorno della settimana a cui corrisponde quella data (nell’immagine ad esempio è “venerdì”);
4. Trascina con il segno “+” la cella con all’interno la scritta “venerdì” e vedrai magicamente comparire tutti i giorni della settimana in un attimo!
5. Adesso creiamo i grafici. Cominciamo con il grafico Revenue + Conversion Rate %: io ho utilizzato un grafico combinato prendendo come dati le prime tre colonne che vedi nell’immagine. La prima (quella del giorno della settimana) sarà il nostro asse X e le altre due faranno parte dell’asse Y;
6. Mi raccomando: flagga l’opzione “Aggrega” per fare in modo che i giorni della settimana non si ripetano ma vengano sommati tra di loro;
7. Ricorda anche di personalizzare il secondo stack di dati facendo in modo che venga utilizzato anche l’asse destro per la rappresentazione (così sarà tutto proporzionato);
8. Costruiamo il secondo grafico allo stesso modo (in questo caso io ho scelto un grafico a linee), ma con le colonne A-D-E;
9. Fatto! Il template è pronto.

Te lo allego anche qui per comodità. Ricorda di copiarlo sul tuo Drive per utilizzarlo.

Eccolo -> Weekly BIAS ecommerce

Questo è specifico per analizzare il BIAS settimanale, ma puoi benissimo usarlo per analizzare anche i dati mensili. Basterà solo inserire al posto del giorno della settimana il nome di ogni mese con i rispettivi dati.

Ora che abbiamo visto il metodo con il foglio di calcolo passiamo al Data Studio.

Metodo di analisi su Data Studio

Una piccola premessa: per rendere l’analisi con Data Studio possibile occorre un connettore di dati che riesca a portare dentro al report i dati che vogliamo noi in maniera automatica.

Ad esempio Power My Analytics (te lo lascio qui).

In alternativa, se proprio volessimo avere il Data Studio anziché creare le dashboard su un foglio di calcolo (che è anche preferibile in un certo senso visto che per questo tipo di analisi è più veloce e immediato) potremmo anche tirare giù i dati da un tool come Adveronix, che entro certi limiti è gratuito, e dopo prendere i dati per questa analisi direttamente dal foglio di calcolo e usarli per creare il Data Studio.

Adesso vediamo il processo diretto senza passare per un foglio di calcolo.

L’obiettivo è ottenere un grafico simile a questo:

• Creiamo un nuovo documento su Data Studio e inseriamo un grafico con l’apposito comando;
• Una volta connesso il set di dati (che ribadisco viene da un connettore come Power My Analytics), nella sezione “Configurazione” inseriamo:
  a. Come origine dati il nostro provider di analytics (in questo caso io ho inserito Shopify);
  b. Come dimensione il giorno del mese;
  c. Come metrica le vendite;
  d. Come ordinamento il giorno del mese (così vedremo una progressione dal giorno 1 al giorno 31);

• Fatto! Se tutto è stato impostato correttamente vedrai il tuo grafico prendere forma.

N.B. Il giorno 31 può darsi (ma non è detto) che abbia un volume sempre minore degli altri in quanto non tutti i mesi hanno il giorno 31.

Con la stessa impostazione si possono realizzare altri grafici BIAS, come ad esempio il volume di vendite per ora del giorno.

Attenzione qui se hai un business che investe in diverse Country con fuso orario differente dall’Italia: fai anche un’analisi di questo grafico per Country per non “falsare” il risultato finale.

Esempi pratici di applicazione

Ora vediamo degli esempi di come applicare alla propria analisi il BIAS settimanale, mensile e orario.

Analizzare il trend settimanale

Riprendiamo il grafico precedente.

Vediamo qui che abbiamo un trend crescente di Conversion Rate % dal martedì al giovedì, con picco in quest’ultimo giorno.

Immaginiamo di avere un prodotto che non richiede.

Non vanno abolite mai le impression nei giorni precedenti, in quanto parte della forza del picco potrebbe essere dovuta a impression che convertono dopo qualche giorno.

Vediamo però che il sabato e la domenica il trend CR% tende a scendere, quindi potremmo testare strategie come:

• Abbassamento di budget il venerdì e ripresa il lunedì (1 giorno prima del picco);
• Mandare una mail il giorno del picco (se non lo facciamo ancora);
• Valutare campagne di copertura in remarketing durante i giorni migliori.

Analizzare il trend mensile

Riprendiamo il grafico mensile.

Qui possiamo vedere dei picchi mediamente il 12-13 del mese e il 26.

Anche questo potrebbe portarci a testare mail dedicate nei giorni di picco + campagne copertura in remarketing.

Anche provare a ricaricare le audience ad esempio qualche giorno prima dei picchi con campagne ottimizzate per AddToCart potrebbe essere molto interessante.

Analizzare il trend orario

Riprendiamo il grafico orario.

Vediamo che ci sono picchi orari di acquisto alle 12-17-21.

Questi potrebbero essere orari da testare per mail mirate e/o campagne di copertura programmata in quanto ci indicano quando la nostra clientela è mediamente più attiva.

Stimolarla maggiormente potrebbe essere un ottimo test per capire se possiamo ulteriormente accrescere questi picchi.

Conclusioni

Analizzare i BIAS orari, settimanali e mensili può essere un ottimo modo per migliorare ulteriormente i nostri risultati.

Non dimentichiamo però sempre le basi: questo tipo di analisi e output non salverà mai un prodotto senza market fit e una comunicazione non ottimale.

Però è una delle molteplici analisi che possono portare il business da 100 a 101.

Spero che questo articolo ti sia piaciuto! Se è così seguimi su Linkedin se ti va.