Nov 05 2013
Dimension Widening: la prossima “big thing” di questo prodotto
Non ancora comparsa sul blog ufficiale, ma ampiamente pubblicizzata da Justin Cutroni e dal Google Plus del team di GA, ecco fare capolino all’orizzonte la prossima dirompente rivoluzione di questo prodotto: il Dimension Widening, che ancora non ha un nome nell’interfaccia italiana si trova nella voce “importazione dati” a livello di property.
Si tratta in buona sostanza di un sistema per aggiungere informazioni ai dati che verranno presentati nei report. Una cosa che è già possibile fare a due livelli, ma questo ne aggiunge un terzo, e molto più interessante:
- il primo livello è l’aggiunta di informazioni a hit, sessioni o utenti tramite le custom dimension e metrics, per chi è già passato a Universal Analytics; è il modo con cui in passato si aggiungevano sino a 5 variabili personalizzate, ora divenute 20 dimensioni e 20 metriche; lo svantaggio è che questo deve essere fatto contestualmente alla hit e alla sessione di visita, e richiede modifiche allo script (o alla configurazione dei tag sul TagManager)
- il secondo livello è l’import dei dati di costo, che consente di importare e associare dati di costo e preclick anche per periodi PASSATI. Sebbene esistano alcuni tool, anche online, per semplificare il processo, si tratta di una operazione non proprio alla portata di tutti, e comunque limitata ai suddetti dati.
- il terzo – nuovo – livello è appunto il dimension widening, di cui ironia della sorte si accennava già nel post di annuncio di Universal Analytics linkato sopra. I vantaggi di questo livello sono due: si opera con un file CSV e permette di aggiungere informazioni a pressoché qualsiasi dimensione o metrica presente sullo strumento
Avete letto bene, ho scritto “aggiungere informazioni a pressoché qualsiasi dimensione o metrica”. Partiamo dall’esempio più semplice: un e-commerce di libri salva il numero ISBN di ogni libro che mettiamo nel carrello in una dimensione personalizzata. Se volesse riflettere in piattaforma tutti i dati che conosce su ogni ISBN, dovrebbe far parlare il database dei libri con il CMS del sito, e popolare al volo tante custom dimensions quante informazioni conosce su ogni libro. In questo modo potrebbe avere report sul genere o l’autore più inserito nei carrelli, che non necessariamente si riflettono poi nei generi e autori più acquistati.
Con le custom dimensions invece dovrebbe salvare su Google Analytics un grande file CSV con tante righe quanti sono i libri, e in cui ogni riga ha come chiave l’ISBN e come colonne aggiuntive le informazioni. Istruendo GA a considerare la custom dimension che contiene l’ISBN come chiave del dimension widening, lo strumento popola i report di conseguenza durante l’analisi, senza bisogno di mettere in piedi tracking “al volo”.
Se questo è chiaro possiamo passare allo step successivo: ripetete l’esercizio mentale con metriche o dimensioni (ad eccezione di variabili personalizzate, dimensioni e metriche relativi ai prodotti e-commerce, dimensioni relative alle campagne, dimensioni relative al tempo o alla geografia) che sono già presenti normalmente sullo strumento! 🙂
Un esempio pratico? metadati relativi a tutti gli URL del vostro sito: autore, categoria, data di pubblicazione, tags…
Il processo è descritto nel blog di Justin, e non è proprio “1 click”, ma non è nemmeno impossibile da seguire. Per siti con grandi volumi di informazioni da mantenere aggiornate è disponibile una API per uploadare file CSV aggiornati, in modo che le informazioni in piattaforma non siano obsolete. Questo anche perché è bene ricordare che le modifiche apportate attraverso il dimension widening non sono applicate retroattivamente ai dati già registrati, ma vengono applicate in fase di analisi ai dati futuri. Tanto quanto i filtri, sbagliare qualcosa può avere effetti indesiderati, quindi consiglio di fare prima delle prove su profili e account di test, giusto per essere sicuri…