Analisi delle ricerche sul sito con l'approccio bottom-up

Questa è la traduzione dell'articolo Beyond Goals: Site Search Analytics from the Bottom Up di Lou Rosenfeld, pubblicato originariamente su A List Apart il 22 Settembre 2009. La traduzione viene qui presentata con il consenso dell'editore (A List Apart Magazine) e dell'autore.

Avinash Kaushik ha dimostrato che l'analisi della ricerca sul sito è un potente strumento che potete usare per comprendere a livello quantitativo quelli che sono gli intenti dei visitatori. In questo tipo di analisi, come in tutti gli ambiti della web analytics, potete lavorare secondo un approccio che possiamo definire top-down. Iniziando da metriche chiare e misurabili basate sugli obiettivi della vostra organizzazione, potete compiere analisi comparative e continue ottimizzazioni dei contenuti e del design del vostro sito.

L'analisi guidata dagli obiettivi è straordinariamente utile, ma in questo articolo useremo un altro approccio, che definiremo bottom-up: poggia sull'analisi dei pattern e dei fallimenti nelle azioni degli utenti per aiutarvi a comprendere i loro comportamenti da un punto di vista qualitativo.

Tocca a voi scoprire il comportamento degli utenti

Piuttosto che misurare le performance in base agli indicatori di performance (KPI), in un'analisi di tipo bottom-up, voi "giocate" con i dati per portare alla luce ciò che è inaspettato: pattern interessanti relativi ai modi in cui le persone cercano sul vostro sito e strani indicatori che possono insegnarvi cose nuove sui vostri clienti. Per esempio, se siete produttori di stampanti, potreste essere sorpresi nell'apprendere che le query di ricerca più comuni sono per i driver delle stampanti e non per informazioni sui prodotti. Una volta che avrete compreso che i clienti attuali cercano di più dei potenziali clienti, potreste drasticamente modificare i contenuti del sito su cui investite di più.

Per comprendere l'intento di un cliente, l'analisi bottom-up è importante quanto quella top-down, e per almeno due ragioni:

1. L'analisi trae sempre beneficio quando svolta da diverse prospettive. Nessuna singola prospettiva è di per sé completa e autorevole; l'analisi bottom-up è un'altra lente con cui osservare e trarre conclusioni rispetto ai vostri dati.
2. L'analisi top-down significa misurare solo obiettivi noti. L'analisi top-down non anticipa ciò che è ignoto, dal momento che il vostro sito, il vostro business, i vostri clienti e il mondo stesso cambiano di continuo. Senza analisi bottom-up non riuscirete a portare a luce elementi importanti che non sono legati a obiettivi specifici.

Inoltre, ci sono occasioni in cui avrete bisogno di basarvi su un'analisi bottom-up perché quella top-down non funziona. Ecco alcuni esempi:

• Un sito potrebbe non avere obiettivi chiari e definiti. Per esempio, il management potrebbe non essere in grado di articolare gli obiettivi dell'azienda.
• Un certo obiettivo potrebbe non essere misurabile. Potrebbe essere difficile generare utili KPI per il vostro sito personale, il sito della scuola di vostra figlia, etc.
• Potrebbe non essere possibile effettuare la misurazione. Può darsi che non ci sia la disponibilità di un software di analytics, di tempo o di personale esperto.

In questo potrebbe essere d'aiuto l'analisi bottom-up: l'analisi dei pattern ci fa scoprire specifiche tendenze nei tipi di informazione che gli utenti vogliono; l'analisi dei fallimenti ci aiuta a identificare quegli errori di progettazione che è meglio correggere al più presto. Iniziamo dunque.

Fare query sulle vostre query di ricerca

L'analisi bottom-up è più facile di quello che si possa pensare. Quello che si va a fare è un esame dei dati secondo diverse modalità, per poi attendere che emergano pattern e indicatori interesanti. Per esempio, esaminiamo le 50 query di ricerca più comuni e usate. Potete suddividerle in categorie in base agli argomenti, oppure in base ai tipi di documento? Potete suddividerle in categorie in base ad altri fattori?

È una cosa davvero semplice. Non bisogna padroneggiare al meglio Excel e le sue formule più complicate, non c'è bisogno di una laurea in statistica. Basta scavare un po' a fondo e divertirsi. Potete iniziare con i rapporti di base del vostro software di web analytics, oppure importando i vostri dati grezzi in Excel. Mentre "giocate" con le informazioni, ponete ai vostri dati domande di questo tipo:

1. Quali sono le query uniche più frequenti?
2. Sono frequenti le query che generano risultati di qualità?
3. Quali sono i tassi di click-through per ciascuna query frequente?
4. Quali sono i risultati più cliccati per query?
5. Quali query frequenti ottengono 0 risultati?
6. Quali sono i referrer per le query più frequenti?
7. Quali query portano a trovare documenti importanti?
8. Quali pattern interessanti emergono in genere?

Queste domande di base sono rilevanti per qualunque sito e le risposte vi condurranno spesso a porvi ulteriori e conseguenti domande specifiche per il vostro sito e i vostri utenti. Sono la guida ideale mentre vi confrontate con megabyte su megabyte di dati sulle ricerche. E vi aiuteranno nei passi successivi: l'analisi dei pattern e l'analisi dei fallimenti.

Analisi dei pattern

Ecco un estratto di dati dal sito dell'università del Michigan. I dati sono conservati in Excel, includono una settimana di ricerche effettuate nel mese di ottobre e sono ordinate a partire dalle più comuni fino a quelle meno comuni:

Basta una rapida occhiata per far emergere alcune cose interessanti:

• Perché il corso "CSE 101" è la query più comune? Nessun altro corso è presente tra le prime 35 query. Cosa vogliono sapere esattamente gli utenti su questo corso?
• Perché le query "campus map" e "map" sono così frequenti quando la mappa del campus è chiaramente mostrata sulal home del sito?
• C'è un problema con la navigazione del sito? o con il modo in cui la mappa è presentata? o forse non ci sono problemi e a molti visitatori piace semplicemente cercare?
• Perché la query "housing" è così frequente anche se il semestre è ormai iniziato e in corso? La query "housing" è così popolare anche nel resto dell'anno? Vediamo se i data rivelano quali documenti quelli che hanno cercato "housing" hanno visitato nel mese di ottobre confrontandoli, ad esempio con il mese di maggio. Ci sono delle differenze?

Notate che mentre nessuna di queste domande ha a che fare con i KPI, ognuna è tuttavia importante. Dopo tutto, il 2,5% di quanti hanno cercato sul sito hanno cercato informazioni sul sistema "lon capa" (Lon Capa è un sistema per la gestione dei corsi). Durante questa particolare settimana nel mese di ottobre, il 2,1& di chi ha fatto ricerche ha cercato una qualche variante di CSE 101. Un altro 1,2% ha cercato qualcosa sulle mappe. Queste 3 query (e le loro varianti) fanno insieme un 5% di tutte le ricerche della settimana. Se foste il webmaster del sito dell'Università del Michigan, dovreste valutare quanto il motore di ricerca supporta chi cerca qualcosa sul sito e se i contenuti sono adeguati alle loro esigenze.

Suddividere in categorie queste query aiuterà molto nel comprendere i pattern ricavabili dai dati. Non dovete essere dei bibliotecari per farlo. Tutti gli approcci possibili alla categorizzazione possono essere applicati; dipende dai pattern che emergono più chiaramente per voi. Il grafico mostra le query suddivise in categorie con colori diversi. C'è voluta appena un'ora per realizzarlo:

Esaminando la frequenza della query, emerge un fatto interessante: la stagionalità. Le query che rappresentano sistemi (in giallo) declinano nel corso del semestre, forse perché gli studenti acquisiscono più familiarità con quei sistemi. Le mappe(in nero) sono più utili all'inizio del semestre, la biblioteca (arancione) quando si avvicinano gli esami finali, mentre il football (in grigio) e le query ad esso legate calano mentre la squadra va incontro ad una serie di sconfitte nel corso del tempo.

O almeno così sembra. In definitiva, l'analisi ci dice cosa sta accadendo e non perché. Dopo aver individuato i pattern sui dati, possiamo capire cosa sta accadendo con ragionevole accuratezza. Ma non possiamo saperlo con certezza se non portiamo avanti un'analisi qualitativa, come i test svolti direttamente con gli utenti a cui chiediamo perché fanno quello che fanno.

E allora, quando avrete davanti i dati sulla ricerca, ponetevi queste domande, emergeranno tendenze, pattern e indicatori interessanti:

• Quali sono le query più usate dagli utenti?
• Come possiamo suddividere in categorie le query? Per argomento? Per tipo di pubblico? Per task da compiere sul sito?
• In che modo il tempo e le stagioni influenzano le informazioni di cui gli utenti hanno bisogno?

Una volta che si sia iniziato a vedere qualche pattern nella ricerca interna al sito, potete usare l'analisi dei fallimenti per migliorare le informazioni che fornite. Ne parleremo nella seconda parte dell'articolo.

Analisi dei fallimenti: capire quel che c'è da correggere

Dove e quando la ricerca sul vostro sito non funziona? Potete analizzare i dati per far emergere i problemi più gravi e correggerli. Per iniziare, rintracciate le ricerche che non restituiscono alcun risultato. Dopo tutto, è facile presumere che chi cerca vorrebbe trovare almeno un risultato utile. Ecco un esempio proveniente dal sito di un commerciante di prodotti legati alle biciclette fornito gentilmente da BehaviorTracking.com:

Ecco una serie di osservazioni che ho fatto dopo aver giocato un po' con i dati per circa mezzora:

• "price" era la principale query senza risultati tra il 17 gennaio e il 16 aprile. Wow! È difficile credere che sul sito non fossero incluse informazioni sul prezzo, ma forse i prezzi dei vari prodotti erano seppelliti all'interno della pagina di ogni singolo prodotto. Se l'informazione su prezzo è già lì, forse è arrivato il momento di ridisegnare la pagina per rendere le informazioni sul prezzo più evidenti.
• Forse il commerciante, non comprendendo il reale potenziale del mercato delle coppie, non vende "mountain tandem bikes". Se così è, è il momento di chiamare il fornitore e fare un ordine. Oppure, forse questo tipo di bicicletta è in magazzino, ma sul sito sono chiamate "tandem trekker bikes". Se così è, è forse il caso di modificare la denominazione del prodotto.
• Anche se è qualcosa che un commerciante non vende, "insurance" (assicurazione) è una query molto frequente. Forse c'è l'opportunità di sviluppare un programma di collaborazione con qualche agenzia di assicurazioni?
• Molte persone sbagliano a scrivere "mountain", scrivendo invece "montain". Questo tipo di errore si riscontra spesso nei log dei motori di ricerca interni al sito. Forse il commerciante dovrebbe attivare una funzionalità di correzione ortografica sul suo motore di ricerca (oppure acquistarne che supporta questa funzionalità).

I fallimenti prendono forme diverse in contesti diversi. Per esempio, Netflix (un servizio online per il noleggio di DVD) considera i titoli che sono richiesti: quelli che sono più cercati e che ricevono più click. Di questi Netflix esamina poi quelli che non vanno bene, quelli che non vengono aggiunti alla lista dei clienti. Potranno allora esaminare perché: ci sono pochi DVD in magazzino, sono generi che non vanno o il motivo è qualcun'altro?

L'analisi dei fallimenti dimostra cosa non sta funzionando sul sito e per estensione illustra il valore dell'analisi della ricerca sul sito come strumento diagnostico. Per esempio: in base alle vostre analisi, stimate che l'8% delle query dei vostri utenti includono errori di ortografia. Se considerate che i vostri visitatori effettuano ricerche durante la metà delle loro visite, questi numeri rivelano qualcosa di importante: installare un correttore di errori potrebbe migliorare l'esperienza dell'utente del 4% [8% (ricerche non risucite) x 50% (porzione di utenti che effettuano ricerche) = 4%].

4% potrebbe non sembrare tanto, e possiamo certamente mettere in questione questa cifra. Ma potrebbe essere abbastanza per impressionare i manager della vostra azienda, quelli che devono decidere se investire nel miglioramento della funzionalità di ricerca oppure se rivolgersi ad alternative meno efficaci come un redesign del sito. Inoltre, se riuscite a migliorare le performance del sito di un 4% qui, un 3% là, etc, i numeri cominciano a essere consistenti.

Conclusioni

Abbiamo visto due tipi di analisi bottom-up. Il valore che trarrete da ciascuno dipende dai dati da cui partite. E questo fatto, ovviamente, conta: i vostri dati potrebbero essere inclusi nel log in formato testuale del motore di ricerca, nel report di un servizio di web analytics, in uno splendido database che supporta query specifiche e rapporti personalizzati. Qualunque sia il caso, dovreste trovare utili questi esempi basati su Excel: non costano molto, sono più o meno alla portata di tutti e soprattutto espongono in modo chiaro il processo di analisi.

Usate cautela con i report dei vostri tool di web analytics. Hanno certamente un loro valore, ma forniscono anche un falso senso di rassicurazione, come se fossero progettati avendo in mente le vostre necessità. Nulla è più lontano dal vero: le analisi top-down, centrate su specifici obiettivi, dovrebbero avere al centro i vostri KPI, gli obiettivi della vostra organizzazione non sono gli stessi di un'altra. Allo stesso modo, i dati relativi alle ricerche (come gli utenti, i contenuti e le azioni che rappresentano) sono unici per il vostro contesto di riferimento. Le analisi top-down e bottom-up trarranno vi aiuteranno in modi diversi, e se potete trovare un terreno d'incontro nel mezzo, otterrete come risultato di conoscere al meglio gli intenti dei vostri visitatori.