Di recente, un cliente — un Cash & Carry che vende anche online — mi ha contattato per interpretare meglio i dati del suo e-commerce, individuare i punti critici e scovare nuove opportunità di crescita.
Piccolo dettaglio: l’immagine del brand era vecchiotta e il sito, realizzato in Prestashop, era un po’ “fatto in casa”. Insomma, c’era ampio margine di miglioramento.
La mia mission? 🦸♂️
Analizzare i dati dell’e-commerce e del brand, dentro e fuori dal sito. Parliamo di un lavoro bello corposo, durato più di un mese, che ha coinvolto l’esperienza utente, i social, la visibilità nei motori di ricerca e, soprattutto, i numeri veri e propri dell’e-commerce.
Primo problema: far parlare i dati dell’e-commerce 🚩
Quando ho iniziato a lanciare query sulle informazioni che mi servivano, il sito andava puntualmente in crash.
Bello, eh?
Ogni volta era panico totale perché Prestashop non reggeva le richieste.
Plan B: migro su Google Analytics. Ma lì… tracciamento incompleto, buchi dappertutto.
Disclaimer: Il sito e ne tantomeno il tracciamento sono stati fatti da me. Probabilmente se avessero sviluppato il loro e-commerce con Shopify questo articolo non sarebbe esistito 😈, ma nemmeno avrei mai scoperto le potenzialità di GPT 😃
A un certo punto mi sono ricordato che i dati che vediamo nei grafici della dashboard di Prestashop arrivano dagli ordini e dagli utenti. Quindi ho chiesto al cliente un bel file CSV degli ordini e uno con i dati dei clienti, entrambi relativi all’ultimo anno.
Risultato?
Due file da diversi mega. Non proprio una passeggiata da analizzare a mano.
L’illuminazione: analisi e-commerce con ChatGPT 💡
E qui entra in gioco l’abbonamento a ChatGPT Plus che avevo fatto da poco. Ho pensato:
Dai, proviamo a vedere cosa sa fare con questi file!
E sorpresa: ha fatto tutto alla grande. Caricavo il file, lui lo analizzava, mi restituiva informazioni generali e addirittura mi generava dei grafici. Pazzesco.
Ovviamente, poi bisognava smettere di giocare e fare sul serio: dovevamo isolare i dati in base alla provenienza degli ordini (Amazon, eBay o sito stesso) e ottenere informazioni ben strutturate.
Il problema? I dati grezzi non erano bellissimi né pulitissimi. Quindi, insieme a ChatGPT, ci siamo dedicati alla sanificazione, eliminando doppioni, incongruenze e via dicendo.
Bonus: una volta ripuliti, i file erano più leggeri, quindi ChatGPT poteva analizzarli molto più velocemente. Fatto il lavoro di base, ho lanciato un prompt mirato:
“Agisci come esperto Data Analyst, analizza il file allegato e fai delle considerazioni. Sopratutto fai delle considerazioni basate sulla provenienza degli ordini, quindi se vengono da amazon, ebay oppure dall’e-commerce stesso. Mostra inoltre per ogni piattaforma il carrello medio assoluto e quello mensile, la frequenza media di acquisto, il numero medio di prodtti per ordine assoluto e mensile, mostrami anche il numero di ordini mensili. Considera tutti gli ordini che non provengono da amazon e ebay come tutti ordini che provengono dall’e-commerce“
Successivamente ci sono stati diversi prompt per “aggiustare il tiro”, ma il senso è che con quello iniziale sono già riuscito a fare un lavoro egregio.
In pratica, volevo:
- Valore medio del carrello per piattaforma e a livello globale su un anno
- Andamento del carrello medio nel tempo per ogni piattaforma
- Numero medio di prodotti venduti per ordine e nel tempo
- Numero ordini totali e mensili per piattaforma
- Frequenza media di acquisto per piattaforma
- Valore utente nel periodo analizzato
- Fatturato per piattaforma e totale, e il suo andamento nel tempo
Di sogni richiesta sono riuscito ad ottenere un grafico sia ad istogramma che lineare per quelli in qui il tempo giocava un ruolo importante.
Ecco un esempio di grafico di seguito, come vedi mette persino una legenda per i colori delle linee. Pazzesco.
Il cliente probabilmente conosceva “distrattamente” queste informazioni, vederle messe nero su bianco è un’altra cosa, ha un impatto sicuramente molto forte e ti aiuta a programmare il futuro.
Ecco i risultati dell’analisi
Da questa analisi, relativa prettamente ai dati degli ordini che di cui ti ho parlato, è emerso che:
- Il carrello medio più alto era sull’e-commerce, per via della fiducia che chi conosce il brand ripone nel sito.
- Il numero medio di prodotti per ordine era anche più alto sull’e-commerce.
- Amazon generava il maggior numero di ordini, ma con un carrello medio molto più basso. Quindi sì, porta tante vendite, ma di importo ridotto.
- La frequenza di acquisto era più o meno uguale su tutte le piattaforme.
- Il valore utente nel periodo analizzato era nettamente in testa sull’e-commerce.
- Il fatturato maggiore proveniva da Amazon, seguito da vicino dall’e-commerce.
Erano informazioni forse anche prevedevibili queste, ma come ti dicevo fanno parte di un insieme di analisi molto più ampia dentro e fuori dal sito.
Conclusione: investire nell’e-commerce e fidelizzare
La nostra raccomandazione finale è stata di concentrarsi sull’e-commerce e trovare un modo per far sì che chi compra su Amazon o eBay venga poi “catturato” sul sito proprietario, aumentando così il margine di profitto e la fidelizzazione. Perché, come si dice, “in casa propria si gioca sempre meglio”.
In definitiva, grazie a ChatGPT e alla sua capacità di analizzare file CSV, abbiamo tirato fuori una quantità incredibile di insight, e siamo riusciti a tradurli in strategie concrete per potenziare la presenza online del brand e ottimizzare i risultati di vendita.
Se ti interessano altri articoli come questo, puoi visitare la categoria dedicata all’e-commerce.
Se ti è piaciuto questo articolo o ti è stato utile in qualche modo, lascia un commento, condividilo con i tuoi amici e seguimi sui social.