<< Back

Behavioural analytics, come capire (e soddisfare) meglio il cliente

Si è soliti dire che “un cliente soddisfatto ritorna”. Ma come si può fare in modo che un cliente sia davvero soddisfatto della sua esperienza di acquisto? Semplice: basta capire cosa vuole davvero.  

Facile a dirsi quando si è in un negozio fisico, uno di fronte all’altro e ci si può confrontare, magari anche creando un buon livello di empatia. Meno facile quando il cliente visita un sito web o usa un’app. In questi casi, può essere di grande aiuto la behavioural analytics, tramite la quale si possono avere indicazioni utili sul comportamento e, quindi, sulle aspettative o i desideri del cliente. 

Come funziona la behavioural analytics 

La behavioural analytics è un metodo che permette di raccogliere e analizzare dati quantitativi e qualitativi sugli utenti. Le informazioni raccolte si rivelano particolarmente utili per capire come si comportano e interagiscono gli utenti quando navigano un sito web o utilizzano un’app, operando anche un’analisi dei motivi alla base di determinati comportamenti.  

Va da sé che avere queste informazioni permette di smettere di apportare modifiche o miglioramenti in base a ipotesi o probabilità. Non si va più “a tentoni”, quindi, e si possono effettuare interventi mirati sulle specifiche esigenze di un utente.  

Quali dati fornisce la behavioural analytics 

software per la behavioural analytics consentono di raccogliere le informazioni adatte per rispondere a domande come: 

  • Nelle pagine che visitano, cosa cercano o vorrebbero evitare gli utenti? 
  • Su cosa si soffermano e cosa ignorano? 
  • In quali punti del sito o dell’app incontrano ostacoli? 
  • Cosa fanno subito prima di lasciare il sito o l’app? 
  • Perché non interagiscono con la call to action? 

I dati che solitamente si possono ottenere con la Web analytics (come, per esempio, quelli ricavati con Google Analytics) permettono di ricavare informazioni preziose che, però, si rivelano incomplete. Visualizzazioni delle pagine, tassi di conversione e percentuali di rimbalzo consentono di sapere cosa succede su un sitoma non il perché e nemmeno cosa fare per risolvere eventuali problemi. La behavioural analytics aiuta a colmare questa lacuna. 

Azioni che si possono tracciare con la behavioural analytics 

La behavioural analytics permette, inoltre, di analizzare il modo in cui i clienti muovono il mouse sullo schermo e cliccano, come scorrono le pagine di un sito o di un’app, su cosa si concentrano e cosa ignorano. In pratica, è come sapere cosa pensano mentre visitano un sito o usano un’applicazione. 

Per esempio, i dati inerenti ai clic del mouse o i tap del dito sullo smartphone o sul tablet danno un’indicazione di come gli utenti interagiscono con elementi di rilievo del sito o dell’app, come una call-to-action (CTA). Consentono anche di rilevare eventuali bug o link e pulsanti che non funzionano come dovrebbero. 

Allo stesso modo, attraverso i movimenti del mouse (o del dito) si ha un’indicazione di come i visitatori navigano sul sito (o sull’app). Siccome si ha la tendenza a seguire il cursore con gli occhi, si può assumere che i movimenti del mouse indichino cosa cattura l’attenzione. Si ricavano, in questo modo, indicazioni utili a focalizzare l’attenzione degli utenti sugli elementi più importanti. 

Anche dall’analisi dello scrolling possono arrivare dati interessanti. Si può, infatti, avere una panoramica di quanto in basso scendono gli utenti in una determinata pagina web e, quindi, se raggiungono tutti gli elementi importanti presenti. Un’informazione che permette, ad esempio, di capire perché un determinato link non viene cliccato quanto ci si aspetta o se la call to action è posizionata troppo in basso.  

Oltre al comportamento sulla singola pagina, la behavioural analytics permette anche di seguire gli utenti da una pagina all’altra mentre procedono con la navigazione. Questo aiuta a capire quanto effettivamente è fluida e intuitiva la user experience, su quali elementi ci si sofferma di più, cosa non viene preso in considerazione, secondo quale ordine sono effettuate le interazioni con le pagine, e così via. 

Aumentare la redditività con la market basket analytics 

Lo studio del comportamento degli utenti in fase di acquisto può essere ulteriormente affinato tramite la market basket analytics. Questa tecnica consente di definire modelli di acquisto che mostrano quali combinazioni di prodotti appaiono più di frequente negli ordini. Tali relazioni possono essere usate per aumentare la redditività attraverso il cross-selling o le promozioni.  

La market basket analytics si basa sulla teoria che i clienti che comprano un certo articolo (o gruppo di articoli) hanno più probabilità di comprare un altro articolo specifico (o gruppo di articoli). Una strategia che può anche aiutare le aziende a identificare i prodotti chiave del listino, quelli che li differenziano sul mercato e che potrebbero potenzialmente danneggiare il business se non fossero disponibili o se fossero venduti a un prezzo troppo elevato. 

Va rimarcato che, per ottenere risultati affidabili con la market basket analytics, è necessario processare grandi volumi di dati transazionali e testare svariate teorie sul comportamento dei clienti. Questo richiede risorse di storage e di calcolo adeguate e altamente scalabili. L’ideale è impiegare architetture basate sul cloud, che permettono analisi più agili e non pongono limiti alla disponibilità di storage o di capacità di calcolo. 

New call-to-action

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.