Di seguito un altro insight prezioso per l’e-commerce: Analisi del Giorno della Settimana con Maggior Volume di Vendite. Questo insight aiuta a comprendere quali giorni della settimana generano il maggior numero di acquisti, permettendoti di ottimizzare le tue strategie di marketing e di gestione delle scorte in base ai pattern di acquisto settimanali.

Perchè è utile questa analisi?

L’obiettivo è identificare il giorno della settimana in cui si verificano il maggior numero di acquisti per ottimizzare le campagne promozionali e la gestione dell’inventario.

Questo insight è cruciale per:

• La Pianificazione Promozionale: Lancia promozioni o annunci speciali nei giorni precedenti ai picchi di vendita per massimizzare l’impatto.
• La Gestione dell’Inventario: Assicurati che le scorte siano sufficienti prima dei giorni con maggior volume di vendite per evitare esaurimenti.
• L’Ottimizzazione del Personale: Programma più staff o supporto clienti nei giorni di maggiore attività per migliorare l’esperienza del cliente.

A quali domande vogliamo rispondere?

Ecco le domande strategiche basate sulla query che analizzeremo:

1. Quali giorni della settimana registrano il maggior numero di vendite? Questo insight può aiutare a identificare i giorni di picco che potrebbero beneficiare di maggiori investimenti pubblicitari o promozioni speciali.
2. Esistono giorni specifici in cui le vendite sono significativamente inferiori alla media? Comprendere i giorni con prestazioni inferiori può spingere a indagare le possibili cause e adattare le strategie di marketing per migliorare le prestazioni.
3. Come dovremmo allocare il nostro budget pubblicitario sulla base delle performance di vendita giornaliere? Identificare i giorni con le migliori prestazioni può guidare una distribuzione più efficace del budget pubblicitario per sfruttare i picchi di vendita.
4. C’è una correlazione tra eventi specifici o campagne marketing e i picchi di vendita in determinati giorni della settimana? Comprendere questo può aiutare a pianificare future campagne per coincidere con i giorni di alta vendita.

Query per l’Analisi del Giorno della Settimana con Maggior Volume di Vendite

WITH daily_sales AS (
  SELECT
    FORMAT_DATE('%A', PARSE_DATE('%Y%m%d', event_date)) AS weekday,
    COUNT(*) AS total_sales
  FROM
      `your_project.your_dataset.events_*`
  WHERE
    event_name = 'purchase'
    AND _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 60 DAY)) AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
  GROUP BY
    weekday
),

sorted_sales AS (
  SELECT
    weekday,
    total_sales
  FROM
    daily_sales
  ORDER BY
    total_sales DESC
)

SELECT *
FROM
  sorted_sales;

PS. Ricorda di sostituire your_project, your_dataset e your_table con i tuoi identificativi di progetto, dataset e tabella effettivi. Queste query sono solo punti di partenza e potrebbero necessitare di personalizzazioni per adattarsi alle tue esigenze specifiche e alla struttura dei tuoi dati.

La query genererà il seguente report:

Come si evince dal report, sembrerebbe che il lunedì sia il giorno più profittevole in termini di vendite.

Spiegazione della Query e Esempio Pratico

daily_sales CTE

• Obiettivo: Calcolare il numero totale di vendite per ciascun giorno della settimana.
• Calcolo: Aggrega i dati di acquisto per giorno della settimana, trasformando la data dell’evento in un nome di giorno con FORMAT_DATE('%A', ...) e contando il numero di vendite per quel giorno.
• Esempio: Ipotizza che i tuoi dati mostrino che il Lunedì hai 100 vendite, il Martedì 150, il Mercoledì 200, e così via.

sorted_sales CTE

• Obiettivo: Ordinare i giorni della settimana in base al volume totale di vendite, dal più alto al più basso.
• Calcolo: Semplicemente ordina i risultati della CTE daily_sales in base a total_sales in modo discendente.
• Esempio: Se il Mercoledì è il giorno con più vendite, seguito da Martedì, Lunedì, e così via, la query li elencherà in questo ordine.

Selezione Finale

• Obiettivo: Estrarre i risultati ordinati per presentare una chiara panoramica di quali giorni generano più vendite.
• Esempio: Vedrai un elenco ordinato che potrebbe apparire come: Mercoledì (200 vendite), Martedì (150 vendite), Lunedì (100 vendite), evidenziando la performance di ogni giorno.

Quale sorgente/mezzo è più redditizia nei giorni top?

Facciamo un passo avanti. Supponiamo di voler scoprire quale sorgente porta più conversioni nei giorni in cui ho maggiori vendite. Potrebbe essere il canale Newsletter, oppure Google Ads. Utilizziamo quindi i campi specifici traffic_source.source e traffic_source.medium per analizzare le sorgenti di traffico.

Ecco come puoi adattare la query per includere queste informazioni:

WITH sales_source AS (
  SELECT
    FORMAT_DATE('%A', PARSE_DATE('%Y%m%d', event_date)) AS weekday,
    traffic_source.source AS source,
    traffic_source.medium AS medium,
    COUNT(*) AS total_sales
  FROM
    `your_project.your_dataset.events_*`,
    UNNEST(traffic_source) AS traffic
  WHERE
    event_name = 'purchase'
    AND _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 120 DAY)) AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
    AND FORMAT_DATE('%A', PARSE_DATE('%Y%m%d', event_date)) = 'Monday'  --- filtro per giorni  
GROUP BY
    weekday, source, medium
),

sorted_sales AS (
  SELECT
    weekday,
    source,
    medium,
    total_sales
  FROM
    sales_source
  ORDER BY
    total_sales DESC
)

SELECT *
FROM
  sorted_sales;

Ipotizziamo di aver scoperto dalla precedente query che il lunedì è il giorno Top della settimana. Come hai potuto notare, nella query è stato inserito un filtro per “Monday” in modo da concentrare l’attenzione su questa specifica giornata della settimana:

AND FORMAT_DATE('%A', PARSE_DATE('%Y%m%d', event_date)) = 'Monday'

La query genererà un report di questo tipo:

Spiegazione della query:

sales_source CTE

• Obiettivo: Calcolare il numero di vendite per ogni combinazione di giorno della settimana, sorgente del traffico e mezzo.
• Calcolo: Estrae i valori di source e medium direttamente dall’array di strutture traffic_source. Poi, conta il numero di vendite per ogni combinazione di questi valori.
• Esempio: Se hai 30 vendite di Lunedì provenienti da Google (source) attraverso traffico organico (medium), questi dati verranno raggruppati e contati sotto quelle specifiche categorie.

sorted_sales CTE

• Obiettivo: Ordinare i risultati per totali di vendita decrescenti, facilitando l’identificazione delle sorgenti e dei mezzi più efficaci.
• Esempio: Ti permette di vedere immediatamente quali combinazioni di giorno, sorgente e mezzo stanno generando il maggior numero di vendite.

Utilità della Analisi

Con questa variazione, puoi vedere chiaramente come varie sorgenti e mezzi di traffico contribuiscono al successo delle vendite per ogni giorno della settimana. Questa analisi può rivelarsi particolarmente utile per:

• Ottimizzazione della Spesa Pubblicitaria: Investi più risorse nei canali che dimostrano di generare il maggior numero di vendite.
• Pianificazione delle Campagne: Adatta le tue campagne marketing ai giorni della settimana in cui specifiche sorgenti e mezzi sono più performanti.
• Analisi delle Performance: Comprendi meglio come diversi canali contribuiscono alle vendite totali e adatta le strategie di acquisizione clienti di conseguenza.

Concludendo, comprendere i pattern settimanali ti consente di allineare meglio le tue risorse e le tue strategie alle abitudini dei tuoi clienti, migliorando la soddisfazione del cliente e massimizzando le vendite.

Giuseppe Cristofaro

Data Scientist
Sono un Data Scientist con esperienza nell’applicazione di tecniche avanzate di Machine Learning per l’analisi di complessi set di dati nel campo del marketing digitale. Specializzato nell’uso di Python, sviluppo modelli predittivi e di analisi dei dati che permettono di identificare e risolvere criticità nei progetti.