Molti considerano Google Shopping come se i risultati seguissero una curva regolare e prevedibile: fornire dati corretti all’algoritmo, ottimizzare il feed, migliorare il sito e aumentare il budget dovrebbe produrre miglioramenti proporzionali.
Chi gestisce campagne su larga scala e osserva molti negozi può però notare distribuzioni diverse da una curva normale, talvolta simili a una legge di potenza.
Che cos’è una legge di potenza?
Una legge di potenza è un modello matematico in cui un numero ridotto di eventi può rappresentare una parte molto ampia dei risultati. Si pensi alla distribuzione della ricchezza, alla popolazione delle città, alla magnitudo dei terremoti o alle visualizzazioni dei video su YouTube. In ciascun caso, una piccola quota si concentra agli estremi, mentre la maggioranza forma una lunga coda. Per un approfondimento su come le leggi di potenza compaiono in natura e nei sistemi, Veritasium propone un video esplicativo che illustra il concetto.
Le leggi di potenza possono essere difficili da immaginare. Non fanno parte della nostra esperienza quotidiana in modo evidente: il pensiero umano tende a cercare relazioni lineari e distribuzioni normali, come «il doppio dello sforzo porta il doppio del risultato». Le distribuzioni a legge di potenza funzionano diversamente e compaiono in fenomeni che vanno dalla frequenza delle parole alla dimensione degli incendi boschivi.
I risultati di Google Shopping possono presentare una distribuzione molto asimmetrica: alcuni negozi generano risultati elevati mentre molti altri si collocano nella coda lunga. Se il fenomeno si osserva nei dati, ha implicazioni per il modo in cui i commercianti valutano crescita, allocazione del budget e rischio; la forma varia però a seconda del campione e del periodo.
Prima di vedere cosa potrebbe significare per il tuo negozio, esaminiamo i dati che abbiamo osservato.
La distribuzione a legge di potenza osservata
In un’analisi interna di oltre 30.000 negozi, i risultati hanno mostrato una forma simile in diversi anni. Il campione e il periodo di osservazione influenzano ciò che si può concludere.
Circa dieci negozi si sono distinti nettamente: i loro numeri erano molto superiori alla maggior parte del campione e hanno inciso sulla distribuzione complessiva.
Circa 500 negozi hanno registrato prestazioni solide e una crescita relativamente regolare nel campione.
Per i negozi rimanenti, i risultati andavano da moderati a poco evidenti.
Nonostante le differenze tra commercianti, nel campione è emerso un andamento simile: settori, prezzi, margini e brand diversi. Questo dato descrive l’analisi considerata e non costituisce una legge universale.
Per fare un esempio tratto dai dati osservati: in un singolo trimestre un negozio ha generato oltre 2 milioni di dollari di vendite con 180.000 dollari di spesa pubblicitaria. Un altro negozio, con prezzi e categoria simili, ha speso 120.000 dollari e generato 85.000 dollari di vendite. Un terzo ha speso 15.000 dollari e generato 8.000 dollari. Sono esempi specifici, non previsioni per altri negozi.
Osservando singoli negozi, le differenze possono dipendere da design delle pagine di destinazione, tasso di conversione, fiducia nel brand, qualità delle recensioni, assortimento, checkout e molte altre variabili operative.
Osservando contemporaneamente un numero elevato di negozi, può emergere un quadro diverso.
Ogni negozio può avere un limite pratico ai risultati ottenibili. Alcuni possono generare pochi risultati nonostante le ottimizzazioni; altri possono ottenere risultati moderati o distinguersi nettamente. Il potenziale dipende da condizioni di fondo oltre che dalle tattiche.
Non possiamo sapere con certezza cosa accadrà prima di avviare le campagne. Margini, valore medio dell’ordine, domanda per categoria e conversioni organiche possono fornire indicazioni probabilistiche, non garanzie.
Possiamo osservare modelli e correlazioni, ma non prevedere con certezza i risultati. Mercato, stagionalità, concorrenti, algoritmi, catena di approvvigionamento e preferenze dei clienti interagiscono in modi difficili da rappresentare completamente.
I risultati possono anche sorprendere rispetto alle aspettative iniziali: un negozio che sembrava nella media può distinguersi, mentre uno promettente sulla carta può ottenere risultati modesti. Le campagne reali forniscono informazioni che le valutazioni preliminari non possono garantire.
Per questo è utile non affidarsi solo all’intuizione. I dati possono aiutare nella valutazione dei rischi e nell’allocazione degli investimenti per ogni negozio, ma vanno interpretati insieme al contesto prima di giudicare il potenziale.
Consideriamo il sistema come un portafoglio perché non possiamo prevedere quale negozio diventerà un caso eccezionale. La diversificazione può distribuire l’esposizione tra campagne, ma non assicura che i risultati del portafoglio siano positivi.
Puoi immaginare ogni negozio come una foresta e ogni clic come una scintilla. Una scintilla può innescare un grande incendio in una foresta fitta e secca; può non produrre effetti in una foresta umida, rada o frammentata.
La pubblicità su Google può funzionare in modo simile: il clic è solo una parte di un sistema più ampio.
Il budget non è la scintilla: è il temporale
Si pensa spesso che aumentare il budget produca risultati per forza. In realtà, un budget maggiore permette di partecipare a più aste e può creare più opportunità, ma non garantisce prestazioni migliori.
I risultati dipendono anche dalle condizioni sottostanti. Nella metafora della foresta, contano:
- Margini sufficienti a sostenere offerte competitive senza compromettere la redditività
- Tassi di conversione favoriti da segnali di fiducia, recensioni e qualità del sito
- Corrispondenza tra prodotto e mercato in categorie con una domanda di ricerca reale
- Potere di determinazione dei prezzi, grazie a prodotti distintivi, forza del brand o efficienza operativa
- Acquisti ripetuti che portano un cliente a effettuare più ordini
- Scorte sufficienti a evitare esaurimenti quando la domanda cresce
Quando queste condizioni si combinano, un clic può dare inizio a una sequenza di eventi: il visitatore acquista, può tornare e può consigliare il negozio. L’algoritmo può rilevare segnali positivi e aumentare le offerte, ma il ciclo non è garantito.
Per un negozio senza queste condizioni, anche molti clic possono produrre risultati modesti e non superare la coda lunga.
Questa variabilità è comune nei mercati pubblicitari basati sull’intento, ma il grado e le cause dipendono da categoria, periodo e strategia.
Esistono molte foreste, non una sola
Un altro errore è considerare Shopping come un unico campo di gara. In realtà, le campagne possono partecipare a migliaia di aste sovrapposte. Ogni «foresta» rappresenta gruppi diversi di query, comportamenti d’acquisto, concorrenti e fasce di prezzo.
Considerando molti gruppi di query insieme, alcuni possono produrre ritorni maggiori, mentre altri generano pochi risultati. La metafora serve a illustrare la variabilità, non a prevedere l’esito di una campagna.
RetailerBoost è stato sviluppato tenendo conto di questa osservazione.
Cosa significa per i commercianti
Essere nella coda lunga non è necessariamente un problema. Molti negozi possono essere soddisfatti dei risultati ottenuti in rapporto a obiettivi, scorte, margini e propensione al rischio.
Non è necessario essere un caso eccezionale per avere un canale Shopping utile o potenzialmente redditizio.
Aumentare il budget da solo non basta per raggiungere la fascia più alta. Servono anche condizioni favorevoli.
Sistemi e modelli possono aiutare a valutare:
- il tuo potenziale pratico in base ai dati disponibili
- i gruppi di query potenzialmente più preziosi
- se i margini possono sostenere una crescita
- se il sito è pronto a gestire più ordini
- quanto possono variare i risultati
Le decisioni strategiche possono essere adeguate di conseguenza.
Per alcuni negozi, l’obiettivo può essere un’efficienza stabile e prevedibile nella coda lunga. Per altri, le condizioni potrebbero favorire una crescita più marcata.
Capire la differenza aiuta a scegliere aspettative e strategia.
Perché il nostro modello considera questa variabilità
Se i risultati seguono una distribuzione asimmetrica, pagare per clic significa sostenere un costo prima di sapere quale clic porterà a un ordine. Molti clic possono generare pochi risultati, ma solo i dati della campagna permettono di valutarne l’esito.
Questo è uno dei limiti del PPC tradizionale: paghi i clic indipendentemente dal risultato. In una distribuzione con una coda lunga, molti clic possono generare ritorni modesti o nulli. L’inserzionista sostiene il costo anche dei clic che non producono vendite.
Se i risultati PPC presentano forti variazioni, il modello CPC può esporre il negozio a oscillazioni. Un mese un prodotto o un gruppo di query può ottenere un ROI elevato; il mese successivo, con budget e strategia simili, il risultato può avvicinarsi al pareggio. Sono esempi di variabilità, non risultati tipici o garantiti.
Con il CPC tradizionale il negozio sostiene questa variabilità. Ogni clic comporta un costo prima di sapere dove si colloca nella distribuzione dei risultati.
Nel modello RetailerBoost, il partner finanzia la spesa pubblicitaria e addebita una commissione concordata sugli ordini idonei attribuiti. Il partner sostiene il costo dei clic che non generano ordini attribuiti; il negozio paga la commissione solo secondo le condizioni concordate. L’attribuzione non dimostra da sola che la vendita sia incrementale.
Il modello è stato progettato per tenere conto del modo in cui i risultati possono variare nei mercati pubblicitari.
Gestiamo un portafoglio quantitativo
Gestiamo campagne per più negozi e applichiamo principi di analisi quantitativa e di diversificazione simili a quelli usati nella gestione di portafogli finanziari. Il paragone descrive un approccio, non una garanzia di rendimento.
I negozi nella coda lunga possono offrire risultati più contenuti; quelli con prestazioni solide possono contribuire con una crescita regolare; i casi eccezionali possono produrre risultati molto superiori. La variabilità rimane e non è possibile garantire che compensi le perdite di altre campagne.
La struttura del modello dipende dal fatto che RetailerBoost finanzia la spesa pubblicitaria. Se ogni negozio finanziasse direttamente i clic, sosterrebbe i costi durante la fase di apprendimento; le prestazioni e i tempi di crescita variano da campagna a campagna.
Nel modello PPC tradizionale, Google riceve il pagamento per ogni clic, indipendentemente dall’esito per il negozio. L’inserzionista può valutare quale modello di costo e quali regole siano più adatti alla propria situazione.
Finanziando la pubblicità e gestendo più campagne, RetailerBoost mira ad allineare una parte degli incentivi con quelli del negozio. I risultati possono comunque differire dalle aspettative e le campagne possono non essere redditizie.
L’analisi quantitativa può aiutare a identificare condizioni associate a risultati diversi, gruppi di query più promettenti e segnali di saturazione. Queste informazioni possono contribuire alla strategia d’offerta, all’allocazione del budget e alla selezione dei negozi; non rendono certi i risultati.
È un sistema concepito per mercati in cui i risultati possono essere distribuiti in modo asimmetrico.
Differenze rispetto a un’agenzia
RetailerBoost opera con un modello diverso dalle agenzie tradizionali e può affiancarle; non è necessario considerarli concorrenti diretti.
Le agenzie tradizionali lavorano spesso con un canone o una percentuale della spesa. Il negozio finanzia il budget, definisce la strategia insieme all’agenzia e l’agenzia gestisce le campagne. Per dare priorità a una linea di prodotti per Natale, per esempio, il negozio può indicare campagne, budget e messaggi creativi. L’agenzia offre controllo, input strategico e gestione operativa.
Questo modello può essere adatto quando servono controllo strategico, coerenza del brand o campagne stagionali. Il negozio sostiene la spesa pubblicitaria e, in genere, paga anche il compenso dell’agenzia se i risultati sono inferiori alle aspettative. Termini e incentivi variano in base all’accordo.
RetailerBoost opera diversamente: finanzia la spesa pubblicitaria e valuta il rischio delle campagne. Le decisioni possono basarsi sui dati, ma dipendono anche dal modello e dai requisiti del servizio. L’offerta non equivale a una gestione completa del brand, della creatività o del posizionamento stagionale.
Se vuoi che un’agenzia dia priorità a una linea di prodotti per Natale, può gestire quel lavoro secondo il vostro accordo. Se vuoi valutare un partner che finanzi le campagne Shopping e applichi una commissione sugli ordini attribuiti, puoi considerare RetailerBoost. La possibilità di usare entrambi dipende da account, attribuzione e ambito concordato.
RetailerBoost può affiancare le attività di un’agenzia o le campagne interne. Prima di avviare campagne parallele, concorda account, inventario e regole di attribuzione: l’attribuzione non garantisce volume incrementale né assenza di sovrapposizioni.
La differenza principale riguarda controllo e ripartizione della spesa pubblicitaria. Un’agenzia può offrire controllo strategico e gestione; RetailerBoost finanzia campagne Shopping secondo il proprio ambito e applica una commissione concordata sugli ordini attribuiti. Entrambi gli approcci hanno possibili vantaggi e limiti.
Puoi trarre indicazioni indipendentemente dalla posizione nella curva
Una legge di potenza descrive un andamento statistico. Capire dove si colloca il tuo negozio nel campione considerato può aiutare a definire aspettative realistiche.
Se il tuo negozio è nella coda lunga, concentrati su efficienza stabile, costi sostenibili e aspettative realistiche, invece di cercare di raggiungere la fascia più alta solo aumentando la spesa. Un canale Shopping può essere utile anche senza risultati eccezionali.
Se il negozio si trova nella fascia intermedia, l’obiettivo può essere una crescita controllata. Margini e gestione delle offerte restano importanti: evita offerte eccessive sulle query meno pertinenti e valuta i gruppi di query più promettenti.
Per un negozio che ottiene risultati eccezionali, o che presenta condizioni favorevoli, l’obiettivo è sostenere la crescita tenendo sotto controllo spesa e rischio. Servono capitale, sistemi e propensione al rischio. Un modello a commissione e una gestione diversificata possono essere adatti in alcuni casi, ma non garantiscono risultati.
Anche le società quotate possono valutare il modello. La commissione sugli ordini attribuiti può rendere una parte dei costi più legata alle vendite registrate, ma il ROI non è fisso né garantito e la spesa pubblicitaria finanziata dal partner non elimina ogni rischio di capitale o di risultato. Le esigenze di rendicontazione vanno verificate caso per caso.
Il primo passo è capire quali condizioni e dati descrivono il tuo negozio. Il secondo è scegliere un modello coerente con la variabilità osservata e con la tua propensione al rischio.
Se vuoi capire come funziona il modello di RetailerBoost per il tuo negozio, contattaci. Possiamo esaminare i dati disponibili e discutere ipotesi realistiche sulla posizione del negozio nella distribuzione e sui costi, senza promettere risultati né l’assenza di rischio sui clic non convertiti.
