Un altro insight utile per l’e-commerce è l’Analisi della Distribuzione del Valore degli Ordini. Questo insight aiuta a comprendere come si distribuiscono i valori degli ordini effettuati sul tuo sito, identificando ad esempio quali fasce di valore del carrello contribuiscono maggiormente al fatturato.

Obiettivo

Categorizzare gli ordini basati sui loro valori totali per identificare quali fasce di valore sono più popolari e quali generano più entrate.

Utilità dell’Analisi: Strategie e Insights Orientati al Valore del Carrello

Questa analisi ti offre insights importanti su come si distribuisce il valore degli ordini sul tuo sito e-commerce. Ad esempio, potresti voler sapere quanti clienti effettuano ordini di piccolo valore rispetto a quelli che effettuano acquisti più sostanziosi. Questo può aiutarti a comprendere se il tuo sito attrae più cacciatori di affari o acquirenti premium.

Vediamo alcuni insights interessanti che possiamo ricavare:

1. Segmentazione dei Clienti: Identificare le diverse categorie di clienti basate sul valore medio dei loro ordini. Questo può aiutare a personalizzare le comunicazioni di marketing e le offerte per adattarle alle diverse fasce di spesa.
2. Promozioni e Sconti: Se scopri che una significativa percentuale di ordini cade in un determinato intervallo di prezzo, potresti considerare promozioni mirate per incrementare il valore medio degli ordini, come offrire sconti su acquisti superiori a una certa soglia.
3. Analisi del Carrello Medio: Comprendere il valore medio del carrello può aiutarti a definire meglio le strategie di pricing e di bundling dei prodotti. Se il valore medio del carrello è inferiore alle tue aspettative, potresti esplorare strategie per aumentarlo, come la vendita incrociata o la vendita aggiuntiva.
4. Ottimizzazione delle Spese di Spedizione: Se molti ordini rientrano appena sotto una soglia per la spedizione gratuita, potresti considerare di abbassare tale soglia per aumentare il valore medio degli ordini.
5. Fedeltà e Ricompense: Implementare programmi di fedeltà che ricompensano i clienti basandosi sul valore complessivo degli acquisti effettuati, incentivando ulteriori spese.

Query per l’Analisi della Distribuzione del Valore degli Ordini

WITH order_values AS (
  SELECT
    user_pseudo_id,
    event_date,
    SUM((SELECT value.double_value FROM UNNEST(event_params) WHERE key = 'value')) AS order_value
  FROM
   `your_project.your_dataset.events_*`
  WHERE
    event_name = 'purchase'
    AND _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 1 MONTH)) AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
  GROUP BY
    user_pseudo_id, event_date
),

value_categories AS (
  SELECT
    order_value,
    CASE
      WHEN order_value < 50 THEN 'Sotto €50'
      WHEN order_value >= 50 AND order_value < 100 THEN '€50 - €100'
      WHEN order_value >= 100 AND order_value < 200 THEN '€100 - €200'
      ELSE 'Sopra €200'
    END AS value_category
  FROM
    order_values
),

category_counts AS (
  SELECT
    value_category,
    COUNT(*) AS total_orders,
    ROUND(SUM(order_value), 2) AS total_value
  FROM
    value_categories
  GROUP BY
    value_category
  ORDER BY
    total_value DESC
)

SELECT *
FROM
  category_counts;

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 genera il seguente semplice report che mostra il numero di ordini per fasce di prezzo:

Spiegazione della Query

1. order_values CTE: Calcola il valore totale di ciascun ordine effettuato dagli utenti, aggregando per user_pseudo_id e event_date per assicurare che ogni ordine sia considerato singolarmente.
2. value_categories CTE: Assegna ogni ordine a una categoria basata sul suo valore totale, ad esempio “Sotto €50”, tra “€50 – €100”, tra “€100 – €200”, o “Oltre €200”. Questa segmentazione aiuta a identificare in quali intervalli di prezzo si concentrano maggiormente gli ordini. Ovviamente puoi personalizzare le fasce di prezzo in base alle tue esigenze specifiche.
3. category_counts CTE: Aggrega gli ordini per categoria di valore, contando il numero totale di ordini e sommando il valore totale per ciascuna categoria.
4. Selezione Finale: Estrae il conteggio e il valore totale degli ordini per ciascuna categoria di prezzo, fornendo una visione chiara della distribuzione del valore degli ordini.

Conclusione

Concentrarsi sul valore totale degli ordini offre quindi una prospettiva più completa dell’efficacia del tuo sito e-commerce nel convertire il traffico di navigazione in vendite significative. Questo tipo di analisi ti permette di adattare le strategie in modo da migliorare non solo la frequenza degli acquisti ma anche il valore di ciascun acquisto, portando a una crescita complessiva più sostenibile e proficua del tuo business e-commerce.

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.