Key takeaways table (in cima all’articolo)
H2 1 — Cos’è davvero un funnel di vendita e perché conviene analizzarlo prima di toccare il budget
- Definizione operativa (non quella da manuale)
- Differenza fra funnel reale e funnel teorico
- Link a performance marketing
- Immagine 1: performance-marketing-dominanza-digitale.png
H2 2 — Le fasi del funnel: TOFU, MOFU, BOFU e quello che succede dopo
- Awareness, consideration, decision, retention
- Tabella delle fasi con KPI specifici per ogni livello
- Link a casi studio
H2 3 — Metriche da guardare: CPC, CPM, CPA, ROAS e tasso di conversione
- Spiegazione di ogni metrica con esempi numerici
- Quando una metrica mente
- Immagine 2: Differenze-tra-CPC-CPM-e-CPA-dominanza.png
- Link a Google Ads
H2 4 — Strumenti per analizzare il funnel: dal pixel al CRM
- Google Analytics 4, Meta Pixel, Hotjar, CRM
- Tabella comparativa
- Immagine 3: Differenze-tra-CPC-CPM-e-CPA-dominanza-digitale.png
- Link a Facebook Ads
H2 5 — Trovare i punti di abbandono: dove i soldi se ne vanno
- Drop-off analysis, heatmap, scroll map
- Esempi pratici di problemi comuni (form troppo lunghi, checkout confusi)
- Immagine 4: Differenze-tra-CPC-CPM-e-CPA-digitale-dominanza.png
- Link a strategie di remarketing
H2 6 — A/B testing e ottimizzazione della conversione: come testare senza rovinare i dati
H2 7 — Integrare i canali nel funnel: Google, Meta, TikTok, SEO ed email
- Quale canale serve a quale fase
- Tabella canale → fase del funnel
- Immagine 5: CPC-CPM-e-CPA-digitale-dominanza.png
- Link a TikTok Ads, SEO, email marketing, canali più efficaci
H2 8 — Casi studio reali ed errori comuni da evitare nell’analisi del funnel
- Esempi anonimizzati di funnel ottimizzati
- Lista degli errori frequenti
- Link a case study di successo, programmatic advertising, differenza performance vs tradizionale
FAQ finali
Analisi dei funnel di vendita per ottimizzare la conversione: guida pratica 2025
Punti chiave
| Domanda | Risposta breve |
|---|---|
| Cos’è l’analisi del funnel? | Esame dei dati di ogni fase del percorso d’acquisto per capire dove si perdono utenti. |
| Quali metriche contano di più? | CPC, CPM, CPA, ROAS e tasso di conversione per fase. |
| Quanto tempo serve per vedere risultati? | Di solito tra 30 e 90 giorni, dipende dal volume di traffico. |
| Quali strumenti servono? | GA4, Meta Pixel, Hotjar, un CRM e un foglio Google. |
| Errore più comune? | Guardare solo la conversione finale e ignorare i drop-off intermedi. |
| A/B test minimo? | Almeno 1.000 conversioni per variante prima di decidere. |
Cos’è davvero un funnel di vendita e perché conviene analizzarlo prima di toccare il budget
Un funnel di vendita è il percorso che fa una persona dal momento in cui vede il tuo brand per la prima volta fino a quando compra (e magari ricompra). Sembra una cosa banale ma ti assicuro che la maggior parte delle aziende con cui ho lavorato in questi anni non sapeva nemmeno disegnarlo su un foglio. Analizzarlo significa una cosa precisa: misurare quante persone passano da una fase all’altra e quante si perdono per strada.
Perché farlo prima di mettere altri soldi negli ads? Te lo dico con un esempio pratico. Un cliente nel settore arredamento spendeva 18.000€ al mese in campagne di performance marketing ma il ROAS non saliva. Abbiamo guardato il funnel e abbiamo scoperto che il 73% delle persone abbandonava al secondo step del checkout per via del calcolo spedizione. Tre giorni di lavoro sul checkout, niente euro in più nel budget ads, e il fatturato è salito del 28% nel mese successivo.
Quanti soldi stai buttando ogni mese senza saperlo? La risposta sincera è: non lo sai, finché non analizzi il funnel. E qui sta il punto. Il funnel teorico — quello bello disegnato in PowerPoint — non esiste. Esiste solo il funnel reale, quello che ti raccontano i dati.
La differenza tra i due è enorme:
- Funnel teorico: 100 persone vedono l’ad, 30 cliccano, 10 mettono nel carrello, 3 comprano.
- Funnel reale: 100 persone vedono l’ad, 30 cliccano, 8 escono entro 3 secondi (bot o targeting sbagliato), 14 leggono ma non aggiungono nulla, 8 mettono nel carrello, 5 escono al checkout, 3 comprano.
Vedi la differenza? Nel secondo caso hai informazioni concrete su dove agire. Nel primo caso hai solo un grafico decorativo.
L’analisi del funnel ti dice tre cose importanti:
- Dove perdi più persone (il “collo di bottiglia”).
- Quanto ti costa ogni step (CPA per fase, non solo CPA finale).
- Quale azione ha più impatto se la migliori (priorità di intervento).
Una nota tecnica che spesso viene ignorata: il funnel non è lineare. Le persone tornano indietro, escono e rientrano dopo settimane, vedono il prodotto su mobile e comprano da desktop. Per questo le metriche di attribuzione last-click sono ormai praticamente inutili da sole. Devi guardare anche i percorsi di assisted conversion, altrimenti tagli budget su canali che ti stanno effettivamente portando vendite. Vai mai a controllare il modello di attribuzione che stai usando? Molti scoprono solo dopo mesi che era impostato male di default.
Le fasi del funnel: TOFU, MOFU, BOFU e quello che succede dopo
Le sigle TOFU, MOFU, BOFU stanno per Top, Middle, Bottom Of Funnel. In italiano sono le fasi alta, media e bassa del funnel. Aggiungo sempre una quarta fase — la retention — perché senza quella stai costruendo una macchina che brucia clienti invece di accumularli.
Vediamo le fasi una per una con i KPI specifici che dovresti monitorare:
| Fase | Obiettivo utente | KPI principali | Errore tipico |
|---|---|---|---|
| TOFU – Awareness | Scoprire un problema o un brand | Reach, CPM, CTR, video view rate | Misurare conversioni dirette |
| MOFU – Considerazione | Confrontare soluzioni | Time on site, pagine/sessione, lead generati | Saltare il nurturing |
| BOFU – Decisione | Comprare | CPA, ROAS, tasso di conversione | Sconti aggressivi che distruggono il margine |
| Retention | Ricomprare e raccomandare | LTV, churn, NPS, tasso di riacquisto | Ignorarla del tutto |
Nella fase TOFU le persone non sanno chi sei. Punto. Se chiedi una vendita subito ti ignorano. Qui funzionano contenuti che educano, video brevi, post che incuriosiscono. Le metriche di vendita in questa fase non hanno senso, e tanti imprenditori si arrabbiano con il marketer perché “non vendiamo niente con questi ads”: era quello l’obiettivo, non la vendita.
Nella fase MOFU la persona ha capito il problema e cerca soluzioni. Confronta brand, legge recensioni, scarica guide. Qui il remarketing diventa essenziale, perché la decisione di acquisto non avviene quasi mai alla prima visita. Ti dice una cosa interessante un dato che vedo spesso nei nostri casi studio: il 67% degli acquisti su prodotti sopra i 200€ avviene dopo almeno 4 punti di contatto.
Nella fase BOFU la persona è pronta. Vuole solo essere convinta del fatto che tu sei la scelta giusta. Qui contano: prova sociale, garanzie, urgency genuina (non finta), facilità di acquisto.
E poi c’è la retention, la fase più sottovalutata d’Italia. Ti faccio una domanda diretta: quanto costa acquisire un cliente nuovo rispetto a riattivarne uno esistente? Mediamente da 5 a 7 volte di più. Eppure la maggior parte dei budget marketing investe meno del 15% in retention. Una follia, se ci pensi.
Un consiglio operativo che do sempre: prima di lanciare una nuova campagna su un canale freddo, controlla quanti clienti dormienti hai. Se ne hai migliaia, parti da lì. Costa meno e converte di più.
Metriche da guardare: CPC, CPM, CPA, ROAS e tasso di conversione
Le metriche del funnel sono tante, e questo è il primo problema. Le persone si perdono nei numeri e finiscono per non guardare niente. Te lo dico per esperienza: meglio cinque metriche guardate ogni giorno che cinquanta guardate una volta al mese.
Le cinque metriche fondamentali sono:
- CPC (Costo Per Click): quanto paghi per ogni click sull’annuncio. Utile per capire quanto è competitiva la tua keyword o il tuo pubblico.
- CPM (Costo Per Mille impressioni): quanto paghi per mostrare l’ad mille volte. Indicatore di costo della reach.
- CPA (Costo Per Acquisizione): quanto ti costa una conversione (lead, vendita, iscrizione). La metrica regina.
- ROAS (Return On Ad Spend): quanto fatturato generi per ogni euro speso in ads. Se spendi 1€ e fatturi 4€, hai un ROAS di 4.
- Tasso di conversione: percentuale di persone che completano l’azione desiderata.
Un esempio numerico che ho usato la settimana scorsa con un cliente. Spende 5.000€ in Google Ads, ottiene 50.000 impression, 2.500 click, 250 lead, 50 vendite a 200€ l’una.
Quindi:
- CPM = 100€ (5.000 / 50)
- CPC = 2€ (5.000 / 2.500)
- CPA lead = 20€ (5.000 / 250)
- CPA vendita = 100€ (5.000 / 50)
- ROAS = 2 (10.000 fatturato / 5.000 spesa)
Ora la domanda che tutti si fanno: il ROAS di 2 è buono o no? Dipende dal margine. Se vendi un prodotto con il 70% di margine, un ROAS di 2 ti lascia in profitto. Se vendi con il 30% di margine, un ROAS di 2 ti fa perdere soldi. Non c’è un numero magico, c’è il tuo numero.
Quando le metriche mentono? Più spesso di quanto pensi. Il caso classico è il CPA basso ma le vendite finali zero. Significa che stai ottimizzando per un evento che non corrisponde alla vendita reale (esempio: lead form che non si chiude mai). Un altro caso è il ROAS altissimo dato dal brand. Se metti soldi sulla keyword del tuo nome, il ROAS sarà sempre stellare ma non stai acquisendo clienti nuovi. Stai pagando per prendere persone che ti avrebbero trovato comunque.
Una metrica che pochi usano e che invece io guardo sempre è il CAC payback period: in quanti mesi recuperi il costo di acquisizione cliente attraverso il margine. Se è inferiore a 6 mesi, sei in salute. Se supera i 12, hai un problema di sostenibilità a meno di non avere un LTV altissimo.
Strumenti per analizzare il funnel: dal pixel al CRM
Senza strumenti giusti, l’analisi del funnel è solo opinione. E le opinioni nel marketing costano care. Ti elenco gli strumenti che uso ogni giorno e per cosa servono, perché ognuno copre una parte specifica del funnel.
| Strumento | Cosa misura | Costo indicativo | Difficoltà setup |
|---|---|---|---|
| GA4 | Comportamento utenti, funnel custom, attribuzione | Gratuito | Media |
| Meta Pixel | Conversioni Facebook Ads e Instagram | Gratuito | Bassa |
| Hotjar / Microsoft Clarity | Heatmap, registrazioni sessioni, sondaggi | Gratuito-49€/mese | Bassa |
| CRM (HubSpot, Pipedrive) | Lead, lifecycle, valore cliente | Da gratuito a 100€+/mese | Media-Alta |
| Looker Studio | Dashboard di sintesi multi-canale | Gratuito | Media |
| Server-side tracking (GTM Server) | Dati conversion API affidabili post iOS 14 | 50-200€/mese | Alta |
GA4 è il punto di partenza per quasi tutti. È gratuito, copre il sito intero, e con i funnel custom puoi vedere il flusso utente passo per passo. Il problema? L’interfaccia è cambiata rispetto a Universal Analytics e parecchie persone si sono perse nel passaggio. Se non l’hai ancora configurato bene, parti da lì prima di qualsiasi altra cosa.
Hotjar e Clarity (Clarity è gratuito illimitato, e questo va detto) ti fanno vedere cosa fanno gli utenti sulla pagina. Heatmap dei click, scroll map, registrazioni delle sessioni reali. La prima volta che usi questi tool ti cambia la vita, perché capisci che le persone non leggono come pensavi tu, e cliccano in posti dove non c’è nemmeno un link.
Il CRM serve per la parte bassa e post-funnel. Senza CRM non puoi misurare l’LTV, non puoi fare retention seria, non puoi calcolare il CAC payback. Per business B2B è ancora più critico. Ne vedo tante aziende che fanno campagne di acquisizione lead ma poi i lead finiscono in un Excel che nessuno apre.
Una cosa che faccio sempre col cliente nuovo: prima ancora di aprire l’account ads, controllo l’health del tracking. Eventi duplicati, eventi che non sparano, conversion API non configurato, parametri mancanti. Nel 60% dei casi trovo problemi seri di tracking che falsano qualsiasi analisi successiva. Senza dati puliti, l’ottimizzazione è impossibile, e va detto chiaro: nessuna strategia AI di previsione funziona se i dati a monte sono sporchi.
Hai un’analisi mensile delle metriche del funnel? Se la risposta è no, è da lì che si parte.
Trovare i punti di abbandono: dove i soldi se ne vanno
Ogni funnel ha un punto in cui le persone se ne vanno più che in altri. Trovare quel punto e sistemarlo è l’azione con il rapporto sforzo/risultato più alto in assoluto. Te lo dico perché lo vedo ogni mese su decine di account.
Come si fa praticamente? Si parte dai dati di GA4 o dal tuo CRM e si calcola il tasso di passaggio fra ogni step. Esempio reale di un e-commerce di abbigliamento:
- Homepage → Scheda prodotto: 42%
- Scheda prodotto → Carrello: 8%
- Carrello → Checkout: 35%
- Checkout → Acquisto: 48%
Quale step ha il problema più grave? Risposta corretta: dipende dal benchmark. Il passaggio scheda prodotto → carrello all’8% è basso (la media è 10-15%), ma il dato più allarmante è il 42% di homepage → scheda prodotto, perché su 100 visitatori della home solo 42 cliccano un prodotto. Significa che la home non sta funzionando come vetrina. Magari le categorie non sono chiare, le immagini non parlano del valore, manca un percorso di scoperta.
I punti di abbandono più frequenti che trovo nei funnel italiani:
- Form troppo lunghi (chiedere 8 campi quando ne bastavano 3).
- Costi di spedizione mostrati solo al checkout (l’utente si sente fregato).
- Mancanza di metodi di pagamento locali (PayPal, Klarna, contrassegno, Satispay).
- Tempi di caricamento sopra i 3 secondi (perdi il 53% degli utenti mobile, dato Google).
- Recensioni assenti o false (le persone le riconoscono).
- CTA generici (“invia” invece di “scarica la guida gratuita”).
- Mobile experience rotta (testato sempre solo da desktop dal team).
Le heatmap e le session recording aiutano a capire il “perché”. I numeri ti dicono dove c’è il problema, le registrazioni ti dicono il motivo. Una volta ho visto un cliente perdere il 40% degli utenti su una pagina di vendita perché c’era un popup di cookie che copriva il pulsante “compra ora” su mobile. Tre mesi che spendeva soldi in ads senza accorgersene.
Un metodo che uso e che funziona è quello che chiamo “test del nonno”. Prendo una persona non tecnica, gli do un dispositivo qualunque, e gli chiedo di completare un acquisto sul sito senza aiuti. Annoto ogni esitazione, ogni “uhm”, ogni movimento del mouse senza scopo. In 20 minuti ottengo informazioni che 6 mesi di analytics non darebbero. Sembra banale, lo so, ma provaci la prossima settimana e poi mi dici.
A/B testing e ottimizzazione della conversione: come testare senza rovinare i dati
Il test A/B è una delle tecniche più potenti per migliorare la conversione, ma è anche una delle più malusate. Ti racconto un classico errore che vedo: il cliente cambia il colore del bottone, vede un +5% di click in 3 giorni, e dichiara vittoria. Sbagliato. Un test con poche conversioni e poco tempo non ti dice niente di affidabile.
Le regole base per un A/B test serio:
- Una variabile per volta: se cambi titolo + immagine + CTA insieme, non sai cosa ha funzionato.
- Volume sufficiente: minimo 1.000 conversioni per variante, idealmente di più.
- Tempo sufficiente: almeno 2 settimane per coprire i cicli settimanali.
- Significatività statistica: 95% minimo (calcolatori gratuiti online).
- Ipotesi chiara: “se cambio X, allora Y migliorerà del Z% perché W”.
Cosa testare conviene davvero? In ordine di impatto medio che ho misurato negli ultimi anni:
- Headline e value proposition: fa la differenza più grande, sempre.
- Prezzo o struttura dell’offerta (bundle, subscription, garanzie).
- CTA (testo, colore, posizione).
- Immagini hero (foto prodotto vs lifestyle vs video).
- Form (numero campi, ordine, label).
- Trust signals (recensioni, badge, garanzia).
Le creatività ads seguono lo stesso principio, però con cicli più brevi e iterazioni più frequenti. Su Meta, ad esempio, è normale testare 5-10 creative a settimana per ad set. Su una landing page invece i test devono durare di più perché il traffico è più diluito.
L’AI generativa sta cambiando il modo in cui si fanno i test. Oggi posso generare 30 varianti di headline in 10 minuti con un prompt ben fatto. Ma attenzione: l’AI ti dà la quantità, non la qualità di un buon copy umano. La uso per accelerare il processo, non per sostituire il pensiero strategico. E i test li imposto comunque manualmente, perché l’AI non conosce ancora il contesto del tuo cliente reale.
Un errore che vedo spesso: testare cose che hanno poco impatto sul fatturato. Cambiare il font del footer non sposterà mai gli ago. Concentrati sulle pagine che ricevono il 80% del traffico e fai test sulle parti che vede tutti, soprattutto sopra la piega. La regola di Pareto vale anche qui.
Hai mai documentato i test che hai fatto? Te lo chiedo perché in 7 anni che faccio questo lavoro, ho visto poche aziende con un registro dei test. Senza memoria storica, ripeti gli stessi errori e impari piano. Un Google Sheet con data, ipotesi, varianti, risultato e conclusione basta e avanza.
Integrare i canali nel funnel: Google, Meta, TikTok, SEO ed email
Ogni canale di acquisizione ha un ruolo diverso nel funnel. Usare tutti i canali allo stesso modo è un errore, ma ignorare i canali è ancora peggio. La differenza fra un funnel che funziona e uno che non funziona spesso sta proprio nell’orchestrazione tra canali.
Ecco la mia mappa canale → fase del funnel basata sui dati che vedo ogni settimana:
| Canale | Fase migliore | Forza principale | Limite |
|---|---|---|---|
| TikTok Ads | TOFU | Reach giovane, CPM bassi | Conversione diretta debole |
| Facebook/Instagram Ads | TOFU+MOFU+BOFU | Targeting comportamentale, retargeting | Costi in salita |
| Google Search Ads | BOFU | Intent alto | Volume limitato |
| Google Performance Max | MOFU+BOFU | Automazione, copertura | Black box, controllo basso |
| SEO | TOFU+MOFU+BOFU | Costo marginale zero a regime | Tempi lunghi |
| Email marketing | MOFU+BOFU+Retention | ROI altissimo | Serve una lista |
| Programmatic | TOFU+MOFU | Scala, targeting display | Setup complesso |
La differenza chiave fra performance marketing e marketing tradizionale, di cui ho parlato in questa guida, è proprio la misurabilità per fase del funnel. Nel tradizionale spendi e speri. Nel performance vedi cosa succede a ogni euro.
Una struttura tipica che funziona per un e-commerce con budget medio (20-30k€/mese):
- 30-40% in TOFU su Meta + TikTok per riempire il funnel.
- 20-30% in MOFU/BOFU di retargeting.
- 20-25% in Google Search per intercettare la domanda alta.
- 10-15% in email marketing automation.
- 5-10% in test su nuovi canali.
Questa ripartizione non è universale, ovvio. Un’azienda B2B avrà molto più peso su LinkedIn e SEO. Un local business punterà di più su Google My Business e Local Ads. Un brand di moda investirà più in Instagram e TikTok.
Una cosa che spesso si dimentica è il programmatic advertising, considerato troppo “enterprise” da molti imprenditori. In realtà oggi anche con budget da 3-5k€/mese si possono fare campagne programmatic mirate, soprattutto per il retargeting display. Lo cito perché tante aziende lasciano scoperta la fase di “warm audience” che ha già visitato il sito ma non è ancora pronta a comprare.
Un consiglio pratico: prima di aggiungere un canale nuovo, satura quello che già funziona. Se Meta ti porta clienti a CPA 40€ e hai ancora budget, aggiungi budget lì. Solo quando il CPA inizia a salire (perché stai esaurendo il pubblico ideale), passi al canale successivo.
Casi studio reali ed errori comuni da evitare nell’analisi del funnel
Ti racconto tre situazioni reali, anonimizzate, che riassumono i pattern che vedo più spesso nei funnel italiani. Sono tutte basate su lavori effettivi documentati nei nostri case study di performance marketing.
Caso 1 — E-commerce alimentare biologico. Spendevano 12k€/mese su Google e Meta, ROAS 1.8. Analisi del funnel: 38% di abbandono al checkout per via dei costi di spedizione mostrati solo all’ultimo step. Soluzione: spese di spedizione comunicate fin dalla scheda prodotto + soglia di spedizione gratuita a 49€. Risultato in 60 giorni: ROAS salito a 3.2, AOV (valore medio ordine) cresciuto del 22% per via della soglia.
Caso 2 — Servizio B2B di consulenza fiscale. Generava 80 lead/mese ma chiudeva solo 3 contratti. Analisi del funnel post-lead: nessun nurturing, contatto solo dopo 4 giorni dalla compilazione del form, niente segmentazione per dimensione azienda. Soluzione: email di benvenuto immediata, call entro 24h, segmentazione lead in 3 cluster con offerte differenziate. Risultato: chiusure salite a 11/mese con stesso budget di acquisizione.
Caso 3 — Brand di moda emergente. Tutto il budget su acquisizione, zero su retention. Avevano 8.000 clienti dormienti da oltre 6 mesi. Analisi: il database era una miniera ignorata. Soluzione: campagna di riattivazione email + retargeting Meta su lookalike clienti VIP. Risultato: 18% del fatturato del trimestre successivo è arrivato dalla riattivazione, a un costo per ordine 4 volte inferiore al canale freddo.
Errori comuni da evitare:
- Guardare solo il ROAS finale senza distinguere acquisizione e retention.
- Tracciare solo conversioni client-side post iOS 14 (servono Conversion API o server-side).
- Non segmentare il pubblico nelle analisi (un dato medio nasconde verità diverse).
- Ignorare il mobile quando spesso è il 70%+ del traffico.
- Test troppo brevi che concludono cose false.
- Cambiare strategia ogni settimana senza dare tempo ai dati di stabilizzarsi.
- Non parlare con il customer service che sa cose dei clienti che il marketing ignora.
- Concentrarsi solo sull’acquisto ignorando il post-vendita.
- Ottimizzare il funnel senza ottimizzare il prodotto (se il prodotto è mediocre, nessun funnel salverà le vendite).
Ti faccio un’ultima domanda diretta. Quando è stata l’ultima volta che hai parlato per 30 minuti con un cliente che ha comprato e con uno che non ha comprato? Le interviste qualitative danno informazioni che nessun analytics può darti. Io le faccio almeno una volta al trimestre per ogni cliente che seguiamo, e ogni volta esco con almeno 2-3 idee operative che spostano il funnel. Per discutere della tua situazione specifica puoi sempre passare dalla pagina contatti o leggere altri approfondimenti sul blog.
Domande frequenti
Quanto tempo ci vuole per vedere risultati dall’analisi del funnel?
Di solito le prime ottimizzazioni mostrano risultati in 2-4 settimane. Cambiamenti strutturali (riorganizzazione del checkout, nuova architettura tracking) richiedono 60-90 giorni per essere misurati con sicurezza. Dipende molto dal volume di traffico: con 1.000 visitatori al giorno vedi tutto prima, con 100 al giorno serve più pazienza.
Quanto budget serve per fare un’analisi del funnel decente?
L’analisi in sé può costare zero se la fai tu con strumenti gratuiti come GA4 e Clarity. Se la fai fare a un’agenzia, parti da 1.500-3.000€ per un audit completo. Il vero “costo” è il tempo: almeno 20-30 ore per un funnel medio.
Posso analizzare il funnel anche se ho poco traffico?
Sì, ma con metodi diversi. Sotto i 1.000 visitatori al mese, i dati quantitativi sono poco affidabili. Punta più su qualitativo: heatmap, registrazioni, interviste a clienti, test del nonno. Quando il volume cresce, i dati statistici diventano più utili.
A/B test o multivariate test?
Per quasi tutti i casi, A/B test. I multivariate richiedono tantissimo traffico (decine di migliaia di conversioni) per dare risultati significativi. Se non sei un grande e-commerce con volumi enormi, parti da A/B semplici.
Cosa cambia con iOS 14+ e la fine dei cookie di terze parti?
Cambia molto. L’attribuzione last-click è meno affidabile, i pixel client-side perdono dati. La risposta tecnica è: configurare le Conversion API di Meta, il GA4 con server-side tracking dove possibile, e dare più peso ai modelli di attribuzione data-driven invece che last-click.
Quale metrica del funnel guardo per prima ogni mattina?
Per un e-commerce: tasso di conversione del giorno precedente confrontato con la media a 7 giorni. Per un B2B: numero lead qualificati e velocità di risposta. Una sola metrica al giorno, ben scelta, vale più di una dashboard con 50 numeri.
Vale la pena assumere qualcuno solo per analizzare il funnel?
Dipende dalla dimensione. Sotto i 100k€/anno di spesa media, di solito conviene un’agenzia o un freelance esperto. Sopra i 500k€/anno, un growth analyst interno full-time si ripaga in pochi mesi. La via di mezzo è il modello ibrido: una persona interna che gestisce il day-by-day + un consulente esterno per la strategia mensile.
Come capisco se il mio CPA è “buono”?
Confrontalo con l’LTV medio del cliente, non con benchmark di settore. Se LTV è 400€ e CPA è 80€, sei in una posizione sostenibile. Se CPA è 200€ con stesso LTV, hai un problema. Il rapporto LTV:CAC sano è almeno 3:1.
