Un ecommerce moderno produce decine di metriche misurabili: traffico per canale, tassi di conversione per pagina, comportamento utente, fatturato per categoria, customer lifetime value. Eppure molti ecommerce italiani guardano solo metriche di vanità (fatturato totale del mese) senza capire cosa funziona davvero e cosa no. Costruire una cultura del dato significa misurare il giusto, leggere correttamente i risultati, prendere decisioni informate invece che basate su intuizioni. Per ecommerce in crescita, è una delle differenze fondamentali tra business sani e business mediocri.
Questo pillar copre l’impalcatura completa dell’analytics ecommerce: configurazione di GA4, KPI chiave, tracciamento delle conversioni, modelli di attribuzione, dashboard operative. I dettagli verticali sono raccolti negli approfondimenti dedicati.
Cosa serve davvero misurare
Un ecommerce sano misura cinque famiglie di metriche.
Le metriche di traffico: visitatori unici, sessioni, fonti di traffico (organico, paid, social, email, direct, referral). Permettono di capire da dove arriva il pubblico e come sta cambiando nel tempo.
Le metriche di comportamento: bounce rate, pagine viste per sessione, tempo sul sito, comportamento sulle pagine chiave (homepage, schede prodotto, checkout). Aiutano a identificare ostacoli all’engagement e alla conversione.
Le metriche di conversione: tasso di conversione globale e per canale, abbandoni del carrello, valore medio dell’ordine. Le metriche centrali per qualunque ecommerce.
Le metriche di acquisizione e retention: CAC (costo per acquisizione), LTV (lifetime value), tasso di ripetizione, churn. Misurano la sostenibilità del modello di business nel medio periodo.
Le metriche di esperienza: Core Web Vitals, tempi di caricamento, errori tecnici. Misurano la qualità tecnica del sito.
Per il quadro generale del marketing in cui l’analytics si inserisce, il riferimento è il pillar su strategia di marketing per ecommerce.
Google Analytics 4: lo standard di base
Google Analytics 4 (GA4) è lo strumento gratuito di Google per analytics. Ha sostituito Universal Analytics nel 2023, e nel 2026 è lo standard de facto per la maggior parte degli ecommerce.
I vantaggi di GA4:
– Gratuito (versione Standard) per la maggior parte dei volumi.
– Integrazione nativa con Google Ads, Search Console, Merchant Center.
– Cross-device tracking migliorato rispetto a Universal Analytics.
– Modello event-driven moderno.
– Analisi cross-platform (web + app).
I limiti di GA4:
– Curva di apprendimento più ripida di Universal Analytics.
– Alcuni dati storici di Universal Analytics non sono migrati automaticamente.
– Reportistica meno intuitiva per chi era abituato al vecchio sistema.
La configurazione iniziale richiede attenzione: eventi standard ecommerce (view_item, add_to_cart, begin_checkout, purchase), conversioni configurate, integrazione con Google Tag Manager, collegamenti con Google Ads. Per il dettaglio operativo, c’è l’approfondimento su Google Analytics 4 per ecommerce.
I KPI chiave per ecommerce
Non tutte le metriche sono uguali. Cinque KPI concentrano la maggior parte del valore informativo.
Il tasso di conversione (Conversion Rate): % di visitatori che acquistano. Benchmark italiano: 1-2,5% per ecommerce standard. Va monitorato per canale di traffico (organico vs paid vs email convertono a tassi diversi) e per dispositivo (mobile vs desktop).
Il valore medio dell’ordine (AOV — Average Order Value): fatturato totale ÷ numero ordini. Migliorare l’AOV ha spesso ROI superiore a migliorare il tasso di conversione (lavora su clienti che hanno già deciso).
Il costo di acquisizione cliente (CAC): spesa marketing ÷ nuovi clienti acquisiti. Va calcolato per canale e nel tempo. Per il dettaglio sul calcolo, c’è anche come calcolare ROAS e budget pubblicitario.
Il lifetime value (LTV): fatturato medio generato da un cliente nell’arco della relazione. Il rapporto LTV/CAC è la metrica di sostenibilità del business: dovrebbe stare sopra 3:1 per ecommerce sani. Per il dettaglio sul calcolo, c’è anche lo standalone su customer lifetime value.
Il fatturato per canale: distribuzione del fatturato tra canali (organico, paid, email, social, marketplace). Permette di capire dove sta il valore e dove investire.
Per il dettaglio completo sui KPI da monitorare, c’è anche i KPI di un ecommerce.
Tracciamento delle conversioni: il prerequisito
Tutto l’analytics dipende da un buon tracciamento delle conversioni. Errori qui producono dati sbagliati che portano a decisioni sbagliate.
Il setup base include:
– Google Tag Manager installato sul sito come container.
– Eventi standard ecommerce configurati (visualizzazione prodotto, aggiunta carrello, inizio checkout, acquisto).
– Conversioni designate in GA4 e in Google Ads.
– Cross-domain tracking se il sito ha checkout su dominio diverso.
– Server-side tracking per migliorare l’attribuzione in scenari di privacy degradata.
Gli errori frequenti: tracking duplicato (evento triggered due volte), eventi mancanti (conversioni non registrate), valore di conversione errato (importo senza IVA tracciato come totale), problemi di cross-domain (sessione persa al cambio di dominio durante checkout). Per il dettaglio operativo, c’è l’approfondimento su tracciamento delle conversioni.
Modelli di attribuzione: capire i canali
Quando un cliente passa per più touchpoint prima di acquistare (es. scopre via Instagram, ricerca su Google, torna via email, compra), a quale canale attribuire la vendita? I modelli di attribuzione rispondono a questa domanda.
I modelli principali:
Last click: attribuisce tutto al canale dell’ultimo touchpoint. Modello tradizionale, sottostima il valore di canali “scopritori” come social e SEO.
First click: attribuisce tutto al primo touchpoint. Sopravvaluta i canali di acquisizione iniziale, sottovaluta quelli di chiusura.
Linear: distribuisce il merito uniformemente su tutti i touchpoint. Più equo ma non considera l’importanza relativa delle fasi.
Time decay: dà più peso ai touchpoint più recenti. Bilanciamento tra last click e linear.
Data-driven attribution: usa machine learning per attribuire merito basandosi sui dati reali. È il modello moderno raccomandato da Google in GA4, ma richiede volumi di dati significativi.
La scelta del modello incide su come si valutano i canali. Per il dettaglio, c’è anche modelli di attribuzione.
Dashboard: rendere i dati leggibili
Avere dati non basta: vanno trasformati in insight azionabili. Le dashboard servono a questo.
I principi di una dashboard efficace:
Focalizzata sui KPI chiave: meglio 5-10 metriche ben presentate che 50 in confusione.
Periodicità chiara: distinguere “oggi vs ieri”, “questo mese vs il precedente”, “trend a 6 mesi”.
Visualizzazione adeguata: numeri assoluti per metriche chiave (fatturato totale), grafici a linee per trend nel tempo, grafici a barre per confronti tra categorie.
Segmentazione utile: stessi dati per canale, per dispositivo, per geografia.
Action-oriented: ogni metrica dovrebbe poter portare a una decisione. Metriche senza implicazione operativa sono “vanity metrics” e non servono.
Strumenti: dashboard nativa di GA4, Looker Studio (gratuito, ex Google Data Studio), Power BI, Tableau. Per il dettaglio operativo, c’è l’approfondimento su dashboard per ecommerce.
Domande frequenti
Quanto tempo serve per configurare bene l’analytics di un ecommerce?
Per una configurazione completa di GA4 + Google Tag Manager + Google Ads con tracking e conversioni: 1-3 settimane di lavoro con consulente esperto, oppure 2-4 settimane di apprendimento + implementazione interna. Per setup avanzati (server-side tracking, modelli attribuzione personalizzati, dashboard custom): 1-3 mesi. È un investimento iniziale che paga dividendi continui: senza un buon tracking, ogni decisione successiva è basata su dati incerti.
Conviene affidarsi a un consulente per l’analytics?
Per ecommerce piccoli con budget contenuto: setup iniziale via consulente esperto (2.000-5.000 euro per progetto), poi gestione interna con formazione. Per ecommerce maturi: consulente analytics continuativo (1.500-5.000 euro/mese) o team interno con specialista. ROI di un buon analytics: positivo entro 3-6 mesi attraverso miglioramenti di marketing e CRO basati su dati corretti.
Quanto investire in strumenti analytics premium?
Per la maggior parte degli ecommerce italiani: GA4 (gratuito) + Looker Studio (gratuito) + eventualmente Microsoft Clarity (gratuito) per heatmap e session recordings copre il fabbisogno fino a un certo livello. Per ecommerce maturi con esigenze specifiche: Mixpanel (analytics product-oriented), Heap (auto-tracking eventi), Hotjar (heatmap avanzate), Looker (BI enterprise) possono valere il costo. Investimento tipico: 100-500 euro/mese per strumenti aggiuntivi a GA4.
Come si distingue analytics utile da “vanity metrics”?
Test pratico: una metrica è utile se aiuta a prendere decisioni concrete. “Numero di follower Instagram” è di norma vanity (non porta direttamente azioni); “Conversione del traffico Instagram al sito” è utile (informa scelte di investimento sociale). Cinque metriche actionable focalizzate producono più valore di 50 metriche guardate occasionalmente. La buona prassi è definire 5-10 KPI chiave, monitorarli con cadenza regolare, ignorare il resto salvo per indagini specifiche.
Cosa cambia con la deprecazione dei cookie di terze parti?
Significativamente per il tracking pubblicitario, meno per analytics primario. GA4 funziona ancora bene per analytics di base (anche se con minor granularità rispetto a Universal Analytics). L’impatto è maggiore su attribuzione cross-device e cross-site, dove dati di terze parti aiutavano. Le contromisure: server-side tracking (riduce impatto), focus su first-party data (newsletter, account, behavior on-site), consent management ben configurato. Ecommerce che investono in queste pratiche mantengono qualità del tracking; chi non lo fa vede dati degradare progressivamente.
