Not Provided – Google Analytics: cosa puoi fare di concreto

//Not Provided – Google Analytics: cosa puoi fare di concreto

Not Provided – Google Analytics: cosa puoi fare di concreto

Partiamo con le cattive notizie: non si torna indietro.

I bei tempi andati in cui le dimensioni di Google analytics si potevano incrociare con le parole chiave per esplorarne le conversioni sono, appunto, andati. Il Not Provided oggi occupa il 99% dei dati.

Elaborata, o anche solo accettata l’astinenza da questa droga, passiamo ad alcuni concreti metadoni, più o meno potenti e di conseguente grado di difficoltà

  1. Pagina di destinazione

  2. Intersezione con i dati Search Console

  3. stima in proporzione e calcolo dell’errore

Pagina di destinazione

Vi sarà capitato sicuramente di vedere o impostare questo filtro

Ecco, non serve.

Si tratta di applicare una regola che sostituisce il not provided con la pagina di destinazione della visita, informazione che in analytics c’è già. (se proprio vi piace e non vi ho dissuaso, ecco qui come impostarla)

Il modo corretto di ottenere questa informazione, senza sovrascrivere niente (rischiando quindi di perdere altre informazioni) è quello della dimensione secondaria

La riga evidenziata presuppone appunto una risposta alla domanda “quanto converte il lavoro SEO sulla chiave X?

Una prima risposta è nella tabella qui sopra, ovviamente approssimativa, dal momento che non siamo sicuri che la chiave X atterri proprio su questa pagina, ne che su questa pagina atterri solo la chiave X…

… sennonché:

Intersezione con i dati Search Console

Utilizzando i dati della nuova Search Console possiamo conoscere le chiavi associate alla pagina (non avete ancora la nuova versione? Male! Rimediate or ora).

Impostate lo stesso intervallo di date e inserite il filtro per Pagina dove l’URL è esattamente quello della vostra pagina-ottimizzata-per-chiave-X

non fate troppo caso alla discrepanza tra clic e sessioni, perchè vanno considerate sessioni con più di un clic (lo stesso dispositivo che clicca più di una volta entro mezz’ora) oppure clic che non lasciano caricare la pagina (cioè di chi si è sbagliato). Nell’esempio qui è un 15% di scarto, più che accettabile.

Bene, ora scrollate alle vostre parole chiave

Probabilmente (se avete fatto buona SEO) avrete una situazione del genere, con molte long tail spezzettate che girano attorno al concetto principale, un po’ quello che accade nelle query di un gruppo di annunci adwords.

A questo punto vi sarà noto, incrociando col dato analytics di cui sopra, il valore delle conversioni (o del fatturato) di questo gruppo di chiavi, generate dalle attività di posizionamento svolte sulla chiave X.

Niente male come dato in fase di valutazione dell’investimento.

Avete anche la posizione media ovviamente e il Ctr, manca ahinoi il dato su quali di queste singole long tail siano più performanti (Indizio: probabilmente quelle più specifiche).

Cosa manca?

Complichiamo leggermente le cose (e con questa frase il 30% di uscita dalla pagina lo avrò a questa riga).

I metodi sopra spiegati non coprono quasi per niente la più importante domanda su questo tipo di analisi:

Brand e Non-Brand: cosa porta più conversioni?

Provando infatti ad attribuire le conversioni alle chiavi con o senza il brand incappiamo nella enorme imprecisione della home page (intesa come pagine di destinazione/atterraggio), che ha tantissime conversioni ma raccoglie tutti i tipi di chiavi.

Ecco un metodo per stimare questo dato, con una precisione proporzionale al volume dei dati analizzati

Stima in proporzione e Calcolo dell’errore


Dai dati delle parole chiave organiche analytics filtro via il not provided tenendo solo le chiavi in chiaro.

Attualmente il dato in chiaro si assesta attorno all’1% del traffico organico, il restante 99% è not provided.

Ma non disperate!

Da questa lista di chiavi, sempre usando i filtri, estraiamo sessioni e conversioni per le chiavi con il brand e quelle senza (aiutatevi con le espressioni regolari per avere più precisione).

Nel mio esempio vedo:

  • Traffico Organico: 64.784 Sessioni
  • Traffico in Chiaro: 821 Sessioni
  • Traffico NoBrand, in chiaro: 318 Sessioni
  • Traffico Brand, in chiaro: 503 Sessioni

Qual’è, ad esempio, il Traffico Organico NoBrand Totale? il modo più semplice per calcolarlo è la seguente proporzione

Traffico in Chiaro : Traffico Organico = NoBrand in Chiaro : Traffico NoBrand Totale

Sto quindi considerando il campione di parole chiavi in chiaro un campione casuale, con buona approssimazione.

I conti sono presto fatti

Ed ecco il punto cruciale, l’errore della stima.

Avendo stabilito che il nostro campione è casuale possiamo utilizzare una distribuzione poissonina e calcolare l’errore percentuale come la radice quadrata del campione utilizzato (traffico in chiaro) diviso il campione stesso.

*qui c’è una breve spiegazione del metodo statistico che utilizzo, se non ci capite niente scrollate fino all’esempio n.2 che riguarda esattamente la nostra situazione.

Nel nostro esempio la radice di 318 è 17,83 che diviso 318 fa 0,0561, ovvero il 5,61%.

Questo significa, se ci fate caso, che più il campione è grande più l’errore della stima sarà piccolo e viceversa.

Veniamo infatti al campione più piccolo delle conversioni.

Un errore al 20 – 25% può effettivamente spaventare, ma non fate conclusioni affrettate.

Nel mio esempio posso infatti affermare che il traffico NoBrand (legato quindi all’attività SEO) ha portato tra le 4.000 e le 6.000 conversioni, approssimando un po’.

Suona molto bene, dato che anche nei canali più misurabili ci sono molte incertezze legate soprattutto ai percorsi dell’utente dai vari canali.

Dashboard

Per iniziare con questo metodo ho una Dashboard Google Analytics diponibile, con preimpostati i campi con i filtri e le istruzioni per personalizzarla.

Se però non vi ho convinto ci sono sempre i primi due metodi, più imprecisi ma esatti.

Buoni calcoli (non renali) a tutti!

By |2018-12-10T10:12:28+00:00novembre 6th, 2018|Tags: , |2 Comments

About the Author:

Dal 2008 mi occupo di comunicazione e pubblicità digitale, specializzandomi in Sem/Seo e Web Analytics. Ho pensato che era ora di aprire un blog dove esporre nella maniera più chiara possibile i miei voli pindarici sull'analisi dati web. Buona fortuna allora!

2 Comments

  1. Massimo novembre 15, 2018 at 4:54 pm - Reply

    Ciao Mattia,

    nella tabella sotto la frase: “I conti sono presto fatti” il numero dovrebbe essere 503 e non 318. Corretto?

    grazie e a presto

    buon lavoro

    Massimo

  2. Mattia Follari novembre 19, 2018 at 4:52 pm - Reply

    E’ esatto Massimo, lo correggo subito. Grazie!

    [EDIT] la tabella era corretta, era il dato scritto ad essere errato, e l’ho corretto. Ora fila tutto

Leave A Comment