Business Intelligence per ecommerce: strumenti, KPI e analisi dei dati

Un ecommerce produce dati in ogni istante. Ogni visita, ogni carrello, ogni ordine, ogni reso, ogni richiesta all'assistenza lascia una traccia, e a queste si aggiungono i numeri che arrivano dal gestionale, dal CRM, dalla logistica, dalle piattaforme pubblicitarie. Il problema, per chi gestisce un negozio online di una certa dimensione, non è la scarsità di dati: è il contrario. I dati ci sono, sono tanti, ma vivono sparsi in sistemi diversi che non si parlano, e nessuno ha il tempo di metterli insieme per leggerli.

La Business Intelligence nasce esattamente per colmare questa distanza. Non è un cruscotto colorato e non è un software da comprare e dimenticare: è il modo in cui un'azienda raccoglie i propri dati, li ripulisce, li unifica e li trasforma in informazioni leggibili, su cui poi si prendono decisioni. In un ecommerce significa sapere quali prodotti rendono davvero, da dove arrivano i clienti che valgono, dove si interrompe il percorso di acquisto e quanto costa tenere fermo un articolo in magazzino.

Vale la pena spiegare per bene di cosa parliamo, perché intorno alla Business Intelligence si è accumulato parecchio gergo che confonde più di quanto chiarisca. In questo articolo vediamo cosa significa applicarla a un ecommerce, come funziona dal dato grezzo alla decisione, quali indicatori conviene tenere d'occhio e perché, sotto tutto questo, conta moltissimo l'architettura su cui poggia il negozio.

Cosa significa fare Business Intelligence in un ecommerce

Definizione, prima di tutto. Con Business Intelligence, abbreviata in BI, si indica l'insieme di tecnologie, processi e competenze che permettono di trasformare i dati grezzi di un'azienda in conoscenza utile a decidere. La definizione che ne dà Gartner è asciutta e centra il punto: un insieme di applicazioni, infrastrutture, strumenti e buone pratiche che danno accesso ai dati e li analizzano per migliorare le decisioni e le prestazioni.

Applicata a un ecommerce, la BI smette di essere un concetto astratto e diventa molto concreta. Significa rispondere con i numeri, e non a sensazione, a domande che ogni ecommerce manager si pone di continuo: quali campagne portano clienti che poi tornano a comprare e quali portano solo traffico che svanisce; qual è il margine reale di una categoria una volta tolti sconti, resi e costi di spedizione; in quale punto del percorso di acquisto si perde la maggior parte dei carrelli; quanto vale, nel tempo, un cliente acquisito su un canale rispetto a un altro.

La differenza rispetto al semplice guardare le statistiche della piattaforma è sostanziale. Il pannello nativo di un ecommerce racconta cosa è successo dentro il negozio. La BI mette in relazione quel cosa con tutto il resto: il costo di acquisizione che arriva dagli advertising, la marginalità che arriva dal gestionale, i tempi di consegna che arrivano dalla logistica, le richieste che arrivano dall'assistenza. È nell'incrocio di queste fonti che nasce l'informazione che fa decidere, non nel singolo numero isolato.

Dai dati grezzi alle decisioni: come funziona la BI

Il percorso che porta da un dato grezzo a una decisione passa sempre per gli stessi stadi, e capirli aiuta a non farsi abbagliare dal cruscotto finale, che è solo la punta dell'iceberg. Si parte dalla raccolta: i dati vengono estratti dalle varie sorgenti, la piattaforma ecommerce, il CRM, l'ERP, gli strumenti di analytics, le piattaforme pubblicitarie. Poi vengono normalizzati, cioè ripuliti e resi omogenei, perché lo stesso cliente o lo stesso prodotto spesso è scritto in modo diverso in sistemi diversi. Quindi vengono uniti in un unico contenitore. Solo a quel punto si analizzano e si visualizzano.

Il problema dei dati in silos

Il nemico numero uno di qualsiasi progetto di Business Intelligence ha un nome preciso: i silos. Un silo è un sistema che custodisce i propri dati e non li condivide con gli altri. Il marketing ha i suoi numeri, l'amministrazione i suoi, la logistica i suoi, e ciascuno legge la realtà dalla propria feritoia. Finché i dati restano separati, ogni reparto ottimizza il proprio pezzo e nessuno vede il quadro completo. Il marketing festeggia un picco di ordini che la logistica non riesce a evadere, e il margine che sembrava ottimo evapora nei costi di gestione che vivevano in un altro foglio.

Rompere i silos è il primo lavoro vero della BI, e quasi mai è un lavoro di software: è un lavoro di integrazione tra sistemi e di accordo tra persone. Per questo un progetto di Business Intelligence serio comincia mappando le fonti dati e capendo come farle dialogare, non scegliendo il colore dei grafici.

Il data warehouse, il magazzino dei dati

Il luogo dove i dati di tutte le fonti vengono finalmente messi insieme si chiama data warehouse, letteralmente magazzino dei dati. È un database costruito apposta per l'analisi, dove i numeri arrivano già ripuliti e organizzati in modo da poter essere interrogati in fretta. Accanto al data warehouse, negli ultimi anni si è diffuso il data lake, un contenitore più grezzo che accoglie anche dati non strutturati, ma per la maggior parte degli ecommerce la sostanza non cambia: serve un posto unico e affidabile da cui leggere, altrimenti ogni analisi parte da una fotografia diversa e i numeri non tornano mai.

Sopra questo magazzino lavorano gli strumenti di visualizzazione, quelli che producono i report e i cruscotti che tutti associano alla parola Business Intelligence: dashboard come Looker Studio, Power BI, Tableau o Metabase. Sono importanti, ma sono l'ultimo anello. Un cruscotto bellissimo costruito su dati sporchi e incompleti è peggio di nessun cruscotto, perché dà la sensazione di sapere mentre induce in errore.

I KPI che contano davvero in un ecommerce

Misurare tutto equivale a non misurare niente. La parte difficile della Business Intelligence non è produrre numeri, è scegliere i pochi che contano e ignorare il rumore. Questi numeri si chiamano KPI, Key Performance Indicator, indicatori chiave di prestazione: valori misurabili che dicono se ci si sta avvicinando agli obiettivi oppure no. Un buon set di KPI per ecommerce copre tre momenti, l'acquisizione, la conversione e la fidelizzazione, e li tiene insieme invece di guardarli separati. Su Shopify Plus, in particolare, abbiamo raccolto i KPI essenziali per chi gestisce vendite e operations.

Acquisizione: quanto costa e quanto vale un cliente

Sul fronte dell'acquisizione i due indicatori che reggono tutto sono il costo di acquisizione cliente, il CAC, e il valore del cliente nel tempo, il customer lifetime value o CLV. Il primo dice quanto spendi per portare a casa un cliente, il secondo quanto quel cliente ti restituisce lungo l'intera relazione. Guardati da soli ingannano: un CAC basso su clienti che comprano una volta e spariscono vale meno di un CAC alto su clienti che restano per anni. È il rapporto tra i due a dire se l'acquisizione è sana, e questo rapporto si vede solo mettendo insieme i dati della pubblicità con quelli degli ordini ripetuti, cioè facendo BI.

Conversione: dove si vince e dove si perde

Sul fronte della conversione il numero principe è il tasso di conversione, la percentuale di visitatori che completano un acquisto, affiancato dal valore medio dell'ordine e dal tasso di abbandono del carrello. Qui la Business Intelligence serve soprattutto a capire il dove e il perché: non basta sapere che il tasso di conversione è del due per cento, serve sapere in quale passaggio del percorso si perde la gente, su quali dispositivi, per quali categorie. Abbiamo dedicato un approfondimento a parte a tutte le leve che muovono il tasso di conversione di un ecommerce.

Fidelizzazione: il valore che si costruisce nel tempo

Sul fronte della fidelizzazione contano il tasso di clienti che tornano a comprare, la frequenza di riacquisto e il tasso di abbandono dei clienti, il churn. Sono gli indicatori più trascurati e quelli che spostano di più i conti, perché trattenere un cliente costa una frazione di quello che costa acquisirne uno nuovo. La BI permette di segmentare i clienti per comportamento, riconoscere chi sta per abbandonare prima che lo faccia e intervenire con l'offerta giusta al momento giusto.

Analisi predittiva: usare i dati per anticipare la domanda

Finora abbiamo parlato di leggere il passato e il presente. Il salto di qualità della Business Intelligence è guardare avanti, e qui entra in gioco l'analisi predittiva: l'uso dei dati storici per stimare cosa accadrà, con tutte le cautele del caso.

Niente sfera di cristallo: si analizzano le serie storiche delle vendite per riconoscere tendenze, stagionalità e cicli di acquisto, e su questa base si costruiscono modelli che stimano la domanda futura. Il beneficio più immediato è sulla gestione del magazzino. Prevedere con un margine ragionevole quanto si venderà di un articolo significa evitare le due sciagure speculari di ogni ecommerce: la rottura di stock, che manda il cliente dal concorrente proprio quando era pronto a comprare, e la scorta in eccesso, che immobilizza capitale e finisce a saldo.

L'analisi predittiva alimenta anche le decisioni di prezzo e promozione, perché permette di concentrare gli sconti dove e quando servono davvero invece di bruciare margine a pioggia, e apre alle simulazioni: cosa succede ai numeri se sposto il budget, se cambio la soglia di spedizione gratuita, se anticipo i saldi di una settimana. Sono domande a cui, senza un impianto dati solido, si risponde a istinto. Con la BI si risponde con uno scenario.

La piattaforma conta: perché la BI parte dall'architettura

C'è un equivoco diffuso, e cioè che la Business Intelligence sia un layer che si appoggia sopra a qualsiasi ecommerce a fine progetto, una verniciata di dashboard sul finale. Nella pratica funziona al contrario. La qualità delle analisi dipende dalla qualità e dall'accessibilità dei dati a monte, e quindi dipende dall'architettura su cui è costruito il negozio. Un ecommerce che espone bene i propri dati, che si integra in modo pulito con il gestionale, con l'order management system e con il CRM, produce una BI affidabile quasi senza sforzo. Un ecommerce chiuso, da cui estrarre i dati è una battaglia, rende ogni analisi lenta e fragile.

È una delle ragioni per cui, nei progetti enterprise, la scelta della piattaforma pesa anche sul piano dei dati. Shopify Plus mette a disposizione API solide, un'esportazione dati ordinata e un ecosistema di connettori verso i principali data warehouse e strumenti di analisi, il che rende l'integrazione molto meno dolorosa rispetto a sistemi più chiusi. Abbiamo raccontato nel dettaglio come si imposta la Business Intelligence su Shopify Plus.

Questa è esattamente la parte di lavoro che in ICT Sviluppo affrontiamo con metodo: progettare l'integrazione tra l'ecommerce e i sistemi aziendali in modo che i dati fluiscano puliti verso il punto in cui vengono analizzati. La dashboard è la parte facile. La parte difficile, e quella che fa la differenza, è tutto ciò che sta sotto.

La cultura del dato: lo strumento da solo non basta

Si può comprare il miglior strumento di Business Intelligence sul mercato e non ricavarne nulla. Succede più spesso di quanto si creda, e quasi sempre per la stessa ragione: manca la cultura del dato. Per cultura del dato si intende l'abitudine, diffusa in azienda, di portare i numeri nelle decisioni invece delle opinioni, e di fidarsi di quei numeri perché si sa come sono stati prodotti.

Questa abitudine non si installa, si costruisce. Richiede che i dati siano accessibili a chi deve decidere e non chiusi in un reparto, che siano leggibili da chi non è un analista, e che ci sia in azienda qualcuno che presidia la qualità delle fonti. Le tecnologie della BI cambiano in fretta e conviene restare aperti alle novità, ma nessuna tecnologia sostituisce la decisione di un'organizzazione di guardare la realtà attraverso i dati. Lo strumento abilita, la cultura fa il risultato.

Domande frequenti sulla Business Intelligence per ecommerce

Qual è la differenza tra Business Intelligence e analytics?

Gli analytics, nel linguaggio comune, sono gli strumenti che misurano il comportamento degli utenti su un singolo canale, tipicamente il sito. La Business Intelligence è più ampia: mette insieme i dati di tutte le fonti aziendali, non solo del sito, e li trasforma in informazioni per decidere. Detto in breve, gli analytics sono una delle sorgenti che alimentano la BI, e abbiamo visto a parte come i dati e gli analytics migliorano le performance di un negozio.

Serve un data warehouse anche a un ecommerce di medie dimensioni?

Non sempre serve fin dal primo giorno, ma diventa quasi inevitabile quando le fonti dati si moltiplicano e i fogli di calcolo non bastano più a tenerle insieme. Il segnale tipico è quando lo stesso numero risulta diverso a seconda di chi lo estrae: vuol dire che ognuno parte da una fonte diversa, ed è il momento di centralizzare.

Quali strumenti di Business Intelligence si usano con un ecommerce?

Sul fronte della visualizzazione i più diffusi sono Looker Studio, Power BI, Tableau e Metabase. Sotto, servono un data warehouse e i connettori che portano i dati dalla piattaforma ecommerce, dal CRM e dall'ERP. La scelta dipende dalle dimensioni, dalle fonti da integrare e dalle competenze interne, e va fatta dopo aver mappato i dati, non prima.

Conclusioni

Fare Business Intelligence in un ecommerce non vuol dire riempirsi di grafici. Vuol dire mettere ordine nei propri dati, romperne i silos, sceglierne pochi e farli parlare per decidere meglio: dove investire in acquisizione, dove sistemare il percorso di acquisto, quanto produrre o ordinare, quali clienti coltivare. La parte visibile, il cruscotto, è la più semplice. La parte che fa la differenza è l'impianto che la regge, e quell'impianto si progetta a monte, quando si costruisce il negozio e lo si integra con i sistemi aziendali. È lì che un progetto fatto con metodo si distingue da uno improvvisato, e si vede mesi dopo, ogni volta che un numero deve guidare una scelta.