Misurare i soldi lasciati sul tavolo: andare oltre il tasso di conversione – Parte 5

Jared M. Spool

User Interface Engineering

articolo orginale:

Measuring Money Left On The Table – Moving Beyond Conversion Rates, Part 5

10 Luglio 2012

Si può dire che non sono un grande fan dell’utilizzo del tasso di conversione, come metrica chiave per stabilire quanto bene sta funzionando un design. Secondo me la metrica è inaffidabile e non fornisce davvero un quadro immediatamente utilizzabile, su cosa si potrebbe fare diversamente. Ciò, naturalmente, lascia senza risposta la domanda ovvia, su quale metrica invece si potrebbe usare.

Una tecnica con cui abbiamo avuto un grande successo è qualcosa che chiamiamo Analisi dell’acquisto Coatto. E’ ideato specificamente per siti di e-commerce (tuttavia, ci sono adattamenti facili per altri tipi di conversione, come per l’acquisizione di contatti commerciali).

L’analisi dello Shopping Coatto deriva da un esperimento mentale che avevamo creato qualche anno fa, che noi chiamiamo l’esperimento del latte 7-Eleven. Funziona così: immaginate di avere una app magica che vi avvisa ogni volta che qualcuno, nel raggio di 10 minuti da dove vi trovate adesso, è a corto di latte. Saltate in auto, per guidare fino a quel luogo e li trovate lì, con una ciotola di cereali asciutta ed un contenitore di latte vuoto. Li caricate in auto per portarli al negozio 7-Eleven Convenience più vicino. E per essere proprio sicuri, date loro il denaro sufficiente per acquistare il latte.

Che probabilità pensate che ci siano, che il cliente acquisti il latte in quel momento? Abbastanza alte, giusto? Il 7-Eleven dovrebbe davvero incasinare tutto, per non vendere il latte a quel cliente in quel momento.

E’ esattamente come funziona l’analisi dello Shopping Coatto. Mediante una scelta accurata dei soggetti, troviamo persone che hanno bisogno di acquistare prodotti che stanno sui siti che stiamo studiando. Li portiamo su quei siti e gli diamo il denaro per acquistare quei prodotti. In teoria, dovremmo vederli effettuare l’acquisto.

Se non effettuano l’acquisto, quei soldi noi li chiamiamo “denaro lasciato sul tavolo”. Viene fuori che la maggior parte dei siti lascia i soldi sul tavolo. I clienti non riescono a trovare il prodotto (anche se gli abbiamo già assicurato che era sul sito), o non sono in grado di determinare se il prodotto che hanno trovato è in realtà quello che vogliono (spesso perché la descrizione fa schifo), o non riescono a capire come acquistare il prodotto, o non possono completare il processo di checkout senza incontrare qualcosa che li distragga definitivamente.

In ogni caso, sappiamo quanti soldi il cliente avesse intenzione di spendere e quello che ha effettivamente acquistato (esaminiamo anche il caso in cui spendono più soldi del previsto sul sito, il che ci dice molto su com’è stato ben progettato il sito stesso, per aumentare il coinvolgimento).

La bellezza di questo metodo è che ci fa superare le obiezioni che abbiamo, con le metriche baste sul tasso di conversione, perché controlliamo il numero dei partecipanti allo studio. Non stiamo guardando un rapporto con un denominatore fuori controllo. Poiché selezioniamo clienti che sappiamo di quali prodotti hanno bisogno e che sono pronti ad acquistare, questi per noi sono clienti perfetti, pronti per un acquisto.

La metrica del denaro lasciato sul tavolo, ci fornisce un monitoraggio solido del miglioramento. Ancora meglio, il metodo ci dice esattamente in quale parte del processo di acquisto (e su quali pagine) il denaro è stato perduto. Possiamo monitorare come stiamo andando, mentre facciamo gli interventi correttivi per risolvere ogni problema che identifichiamo.

L’analisi dello Shopping Coatto ha i suoi aspetti negativi. In primo luogo, ci vuole più tempo, perché dobbiamo condurre una serie di studi di usabilità per ottenere i dati. L’analisi, in particolare la parte diagnostica, porta via un bel po’ di tempo. Per un tipico sito di e-commerce, possiamo avere i dati in meno di 4-5 settimane per ogni ciclo di prove, ma è comunque un bel po’ di tempo.

In secondo luogo, non è automatizzato. Dobbiamo sederci e guardare la gente reale fa cose vere. Non è qualcosa che possiamo tirar fuori ogni giorno da un report.

In terzo luogo, è significativamente più costoso. L’acquisto di CD o libri è a buon mercato, ma dando alla gente i soldi per acquistare dei notebook o delle vacanze (li abbiamo fatti entrambi) può essere molto costoso. Devi davvero volere quei dati, perché ne valga la pena.

I tassi di conversione sono interessanti perché sono veloci ed economici, ma la qualità dei risultati non è molto buona. Misurare il denaro lasciato sul tavolo fornisce dati di alta qualità, ma si paga di più.

L’analisi dello shopping coatto non è l’unica alternativa ai tassi di conversione. Ma tutte le altre alternative che conosciamo sono altrettanto lunghe e costose. Portano dati sostanzialmente migliori e sono più immediatamente utilizzabili della misurazione del tasso di conversione, ma ad un prezzo. Significa che bisogna voler davvero fare un miglioramento, invece di avere un insieme di numeri che in realtà non dicono molto, ma vi fanno apparire come se foste impegnati nel miglioramento (anche se non lo siete).

Articoli precedenti:
Parte 1: Evitate le metriche basate su un rapporto
Parte 2: Non tutti i visitatori diventano grandi clienti
Parte 3: I Visitatori non Sono Tutti Uguali: Andare Oltre il Tasso di Conversione
Parte 4: Le campagne è dove i tassi di conversione brillano

Jared M. SpoolJared M. Spool

Questo articolo è stato ripubblicato con l’autorizzazione di User Interface Engineering. Per altri articoli e informazioni, visitate il sito http://www.uie.com/

Traduzione di

Stampa articolo Scarica il file in formato PDF

Elenco Articoli di Jared M. Spool

 Iscriviti alla newsletter


Argomenti correlati: usabilità web · web analytics.

Lascia un commento