Conversione assistita nel lungo processo decisionale dei pazienti

Quanti tra coloro che visitano le pagine di un medico si prenotano direttamente per un consulto? L’1-2%? Forse il 5%, se avete messo a punto un processo di conversione. Il rimanente 95% non costituisce però uno scarto: si tratta nella maggior parte dei casi di potenziali clienti che si trovano in una fase diversa del processo decisionale.  La maggioranza dei siti di medici e cliniche si concentra però unicamente proprio su quella piccola parte dei propri visitatori: sulle persone decise a sottoporsi a un concreto intervento e ormai solo alla ricerca del medico che possa effettuarlo. E nell’ottica di questo piccolo gruppo spesso essi giudicano non solo l’efficacia del proprio sito, ma anche quella delle sorgenti di traffico on-line con le quali i medici in qualche modo lavorano. È come però se misurassimo le prestazioni di un giocatore di hockey solo sulla base dei gol realizzati.

In particolare nei grandi interventi di natura invasiva, come nella mastoplastica addidiva, il processo decisionale del paziente richiede anni e non mesi, ma neanche negli interventi di minore entità si tratta in genere di decisioni impulsive: il paziente medita a fondo se sottoporsi all’intervento. Ancor prima di prenotare un consulto presso un medico concreto, molto probabilmente visiterà decine di altri siti sui quali leggerà informazioni relative sia all’intervento che al medico stesso. Prima di arrivare alla fase di conversione (a contattare il medico), attraverso vari canali visiterà diverse volte anche il sito del medico che alla fine sceglierà.

asisstovane_konverze_it-1

Questo schema raffigura il percorso del paziente fino al momento in cui contatta il medico. Il paziente è arrivato per la prima volta al sito del medico attraverso Google (SEO), la seconda volta cliccando sul banner della campagna di remarketing. Quindi ha raccolto informazioni sul medico sui siti on-line che ne testano la reputazione, ha visitato guidaestetica.it, estheticon. Da Facebook.com è poi tornato nuovamente al sito del medico. Tuttavia lo ha contattato (ha effettuato la conversione) solo nel corso dell’ultima visita al sito, attraverso la campagna PPC.

L’esempio sopra riportato di percorso di conversione del paziente è certo inventato, ma piuttosto realistico: per curiosità date un’occhiata su Google Analytics al report dei percorsi di conversione più frequente, dove vengono visualizzati i percorsi più comuni. Le combinazioni di sorgenti di traffico possono essere migliaia e spesso sono piuttosto lunghe.

Ogni sorgente di traffico che influenza positivamente il paziente nella sua decisione di sottoporsi a un intervento presso un concreto medico ha un valore, dal momento che ha fornito assistenza ai fini della conversione finale. Si tratta perciò di individuare i canali che hanno fornito tale assistenza e il valore che hanno queste conversioni assistite.

Il punto per l’assist va  a….

In hockey si definisce assist un passaggio grazie al quale un altro giocatore, che lo riceve, fa gol. Le statistiche registrano anche i cosiddetti assist secondari, ossia passaggi che i giocatori ricevono per poi girarli a chi realizzerà il gol. Per il primo e secondo assist al giocatore viene assegnato unpunto (per inciso, come per un gol realizzato). Allo stesso modo nel marketing on-line dovrebbero essere ricompensate le sorgenti di traffico che hanno fornito assistenza ai fini della conversione finale. Vediamo come Google Analytics lavora con le conversioni assistite e quali sono i suoi limiti.

assisted-conversions

In questo report è indifferente quanti visitatori ha portato la sorgente: la conversione assistita viene calcolata solo se la sorgente ha portato un visitatore che ha in seguito effettuato la conversione.

CONSIGLIO: Google Analytics permette di definire i canali seguiti (le sorgenti di traffico) al di là della semplice suddivisione in “ricerca organicaˮ, “ricerca a pagamentoˮ,, ecc. Otterrete in tal modo un quadro più dettagliato delle prestazioni delle singole sorgenti di pazienti. Seguendo questo link potrete scaricare le definizioni di canali da noi utilizzate e che comprendono la maggior parte delle principali sorgenti di traffico on-line.

Il report sulle conversioni assistite ci mostra dunque con relativa precisione (a parte i limiti che indicheremo in seguito) quante volte la sorgente ha effettuato l’assistenza che ha portato alla conversione e quante volte ha effettuato direttamente la conversione. Se vogliamo ricompensare una sorgente di traffico per l’assistenza fornita, in Google Analytics dobbiamo modificare il sistema di valutazione delle sorgenti e allo scopo utilizzare lo strumento confronto modelli di attribuzione. Nella maggior parte dei report legati alle conversioni Google Analytics ragiona in maniera semplice, come la maggior parte degli strumenti analitici (cervello umano compreso): attribuisce cioè il 100% del valore della conversione alla sorgente che ha portato il cliente sul sito per la visita in cui ha effettuato la conversione (nel nostro esempio, la campagna PPC). Il che evidentemente non è giusto, giacché alla conversione hanno contribuito anche altre sorgenti. Nel report di conversioni assistite Google Analytics è però in grado di lavorare anche con le altre sorgenti di traffico del paziente che alla fine ha effettuato la conversione. Dal report si può leggere facilmente il numero di volte che la sorgente ha effettuato assistenza ai fini della conversione finale (assisted conversions) in proporzione al numero di conversioni finali generate (last click conversions) da questa sorgente.

Modelli di attribuzione

Il modello di atribucni-modely-gaattribuzione suddivide il valore di conversione tra le singole sorgenti che hanno portato sul sito il cliente che alla fine ha effettuato la conversione. Abbiamo già detto che nei suoi report standard Google Analytics assegna il 100% del valore di conversione all’ultima sorgente con cui il cliente ha interagito prima della conversione, tuttavia la questione è un po’ più complessa. Google Analytics attribuisce il 100% del valore di conversione all’ultima sorgente quando non si tratti di traffico diretto (Modello Ultimo click non diretto). Parte in questo caso dal presupposto che, se la conversione è stata effettuata da traffico diretto (dunque digitando l’indirizzo nel browser, cliccando su un bookmark salvato, ecc.) la sorgente più importante ai fini della conversione è stata quella della penultima visita (se c’è stata, altrimenti il 100% della conversione  è assegnata al traffico diretto). Il report di confronto di modelli di attribuzione permette di scegliere di suddividere il valore di conversione tra le singole sorgenti in maniera diversa da come fa Google Analytics nel suo modello standard.

Sono a disposizione diversi modelli predefiniti come il modello Prima interazione (assegna il 100% del valore di conversione alla sorgente che ha portato il cliente sul sito per la prima volta), il modello Lineare (suddivide la conversione tra tutte le sorgenti, come nell’assegnazione dei punti nell’hockey, dove si ottiene un punto per il primo e il secondo assist, così come per il gol) o il modello Decadimento temporale (perdita graduale di significato delle sorgenti nel tempo: la più recente è la più importante). Il più interessante è però il modello In base alla posizione, che consente di impostare in maniera specifica le percentuali da distribuire tra le sorgenti di traffico iniziali, intermedie e ultime.

Non esiste purtroppo nessun modello di attribuzione “giusto” in assoluto. In generale si può dire che, quanto più lungo è il percorso di conversione (e nel settore della chirurgia plastica il percorso è molto lungo), tanto più importanza ha la conversione assistita. Per questo il modello di attribuzione standard di Google Analytics (Ultimo click non diretto) non è soddisfacente.  Consigliamo di provare i modelli In base alla posizione o il modello Decadimento temporale. Lo scopo non è però quello di ottenere un modello che abbia “i risultati più belli”, ma un modello che sia il più giusto possibile verso le singole sorgenti di traffico. A proposito: se l’hockey canadese avesse utilizzato il modello standard di Google Analytics, pensate che Jaromír Jágr si sarebbe piazzato meglio? Dalla tabella a fianco sembrerebbe di sì, perché ha più gol del secondo in classifica, Mark Messier. In realtà però rimarrebbe terzo, perché nella tabella storica dei gol segnati al secondo posto c’è Gordie How, detto Mr. Hockey, con 801 gol. Al momento della pubblicazione di questo articolo Jágr potrebbe raggiungere il secondo posto solo se l’hockey canadese applicasse il modello di attribuzione 57,5% per un gol e 42,5% per un assist (con la proporzione 57/43 Messier rimarrebbe secondo e dalla proporzione 58/42 in poi al secondo posto ci sarebbe Howe).

CONSIGLIO: Se volete andare ancora più a fondo, Google Analytics consente di importare modelli di attribuzione definiti dall’utente. Uno di quelli che una volta utilizzeremo è stato ideato dal dio del marketing on-line Avinash Kaushik e potete importarlo direttamente dal report del confronto di modelli di attribuzione.

E ora i limiti

Con l’aiuto del report di conversioni assistite e confrontando vari modelli di attribuzione arriviamo ad avere un quadro un po’ più equanime dell’efficacia delle singole sorgenti di traffico, ma con due limitazioni fondamentali:

  1.  Google Analytics lavora solo su un periodo di tempo limitato, all’interno del quale calcola le conversioni assistite. Si tratta nel concreto di massimo 3 mesi. Se dunque alcune visite sul sito sono avvenute oltre i tre mesi prima della conversione, non vengono calcolate come conversioni assistite. E nel contesto del processo decisionale relativo a un intervento di chirurgia plastica 3 mesi sono un periodo di tempo tremendamente breve.
  2. (limite ancora più importante) Google Analytics riesce ovviamente a lavorare solo con le sorgenti di traffico che hanno portato il paziente sul sito del medico. Quindi anche in un modello di attribuzione progettato al meglio non calcola le altre sorgenti che il paziente ha visitato (e che lo hanno ugualmente aiutato a fare un passo avanti nella decisione) senza però poi cliccare sul sito del medico. Ciò non sminuisce la loro importanza: solo rende più difficile (ovvero esclude dal punto di vista dell’analisi con Google Analytics) provare la conversione assistita.

Estheticon segna e fa assist

Il portale Estheticon si concentra su tutte le fasi del processo decisionale del paziente. Come accade per i siti dei medici, anche su Estheticon non più del 5% dei visitatori saranno nella fase in cui vogliono prenotare un consulto. E così come accade per i siti dei medici, il restante 95% non rappresenta uno scarto, ma si tratta di potenziali pazienti che si trovano ancora nella prima fase del processo decisionale, in cui raccolgono informazioni sugli interventi, leggono avidamente le risposte dei medici nelle discussioni, scorrono le esperienze degli altri pazienti, si sostengono a vicenda, guardano le fotografie, seguono i video educativi…

Relativamente alle richieste e alle prenotazioni di visite, Estheticon non solo segna gol, ma li rende possibili con assist molto abili. Si rivolge ai pazienti e li aiuta in tutte le fasi della decisione, aiutandoli a trovare il giusto percorso e a compiere il passo finale.

Siamo certi che anche chi è abituato a riconoscere punti solo per i gol segnati, ci riconoscerà dei punti per i nostri assist.

 

CTO

Leave a Reply

Your email address will not be published. Required fields are marked *

*