Web analitycs: tener conto della differenza tra correlazione e causalità per saper aumentare le vendite del proprio e-commerce

Uno fra gli errori più comuni, è prendere ciò che segue a un avvenimento per la sua conseguenza.

Pierre-Marc-Gaston de Lévis - Massime e riflessioni, 1808


Mi occupo di web marketing da alcuni anni e nell'ambito di questa disciplina uno degli argomenti che più mi affascina è il mondo della web analitycs. Avere la capacità di leggere i dati che i software di statistiche o i cms di un e-commerce ci danno disponibili è un'arte che richiede studio, attenzione, dedizione e soprattutto richiede di affinare la capacità di non trarre conclusioni affrettate.

Dico questo perché uno degli errori che più frequentemente capita di fare è quello di leggere un dato, una tendenza di una variabile, e trarne delle conclusioni attribuendo la causa della crescita o della diminuzione del parametro a fattori che invece non sono i reali motivi di queste variazioni. Ne conseguono decisioni e strategie che si riveleranno inefficaci, in quanto basate appunto su conclusioni inesatte. Dietro a questo errore c'è un concetto importante, non complesso: la differenza tra correlazione e causalità.

Il fatto che due grandezze siano correlate, cioè che al variare di una anche l'altra subisca una variazione simile, non vuol dire che la variazione della prima grandezza sia causa della variazione della seconda.

La causalità tra due grandezze va dimostrata in maniera esplicita, dunque non solamente verificando due andamenti circa simili in uno stesso intervallo di tempo. Questo tipo di valutazione può portare al compimento di errori molto gravi, come un aumento importante di investimenti pubblicitari in una direzione che si ritiene giusta per l'aumento del proprio fatturato, mentre in realtà giusta non lo è affatto.


Avete ancora dubbi? Allora divertitevi con questo sito fantastico, che dimostra brillantemente come due dati correlati non è detto che siano l'uno la causa dell'altro: http://tylervigen.com (generatore di correlazioni causali). Qui di seguito tre di questi grafici che dimostrano che un'osservazione che non tenga conto della natura degli avvenimenti presi in esempio sembrerebbe portare a conclusioni quantomeno strane. Esempi estremi, utili alla comprensione e soprattutto utili per iniziare a porsi con un approccio mentale più consapevole di fronte ai dati che abbiamo a disposizione sull'andamento del nostro negozio online.

L'interpretazione di tali dati si rivela fondamentale per le nostre prossime strategie, per i nostri investimenti, per costruire azioni che portino ad una crescita, dunque a maggiori vendite.

  

Ing. Giuseppe Ceci – Nimaia srl

 












 

Le ultime dal blog

L'email marketing in Italia: trend e dati di mercato

Anche quest'anno l'Osservatorio Statistico di Mailup, nostro partner di email marketing, ci fornisce il rapporto statistico del 2023 con quelli che sono stati i dati di mercato e trend dell'email marketing in Italia Sono tre i dati cruciali che...
leggi tutto