“Qual è il tasso di conversione medio nell’e-commerce?” è una domanda posta migliaia di volte al mese e porta quasi sempre fuori strada. La media altrui mescola settori, carrelli e modelli di business, quindi misura tutti e nessuno. Questa guida mostra perché i benchmark deludono, con cosa sostituirli (una norma propria più alcune soglie fisiche) e come una tabella delle norme trasforma le revisioni dei risultati: dal confronto con una leggenda alla lettura del proprio negozio.
Dimostrazione
Stessa conversione, due business diversi
Un numero, due negozi, nessuna conclusione in comune:
Negozio A · accessori, carrello 15 €
Negozio B · mobili, carrello 225 €
Lo stesso valore è in un negozio un segnale d’allarme e nell’altro un motivo di orgoglio. Un benchmark che non conosce carrello, settore e traffico non dice nulla; e le medie pubblicate non conoscono nessuna di queste cose.
Cinque variabili
Cinque variabili che invalidano il confronto
Settore e ciclo d’acquisto
Un integratore si compra in pochi minuti, i mobili in settimane. La conversione per sessione misura processi completamente diversi.
Valore del carrello
Più il carrello è costoso, più la conversione è bassa per natura. Un confronto senza AOV è come confrontare mele e pere.
Quota del brand
Il traffico dalle ricerche brand converte molte volte meglio. Un negozio con un marchio forte “vince” il benchmark senza avere un sito migliore.
Mix di dispositivi e sorgenti
Il mobile converte diversamente dal desktop, i social diversamente dai motori di ricerca. La media del negozio dipende più dal mix che dalla qualità.
Metodologia del report
Quali negozi, quale mercato, quale definizione di sessione e quale periodo: di solito non si sa. Ti confronti con un campione che non conosci.
L’alternativa
La norma propria: l’unico benchmark che conosce il tuo negozio
Definizione operativa
La norma propria è l’intervallo dei valori tipici di una metrica ricavato dallo storico del negozio: il periodo analogo dell’anno precedente e la media degli ultimi periodi completi, tenendo conto di stagione e giorno della settimana. Il negozio si confronta con se stesso nello stesso momento, perché solo questo “concorrente” ha lo stesso settore, carrello, marchio e mix di traffico.
La tabella delle norme in pratica (negozio di intimo, settembre, dati illustrativi):
| Metrica | La mia norma (intervallo) | Mese corrente | Lettura |
|---|---|---|---|
| Conversione mobile | 1,1–1,4% | 1,3% | nella norma |
| Conversione desktop | 2,2–2,6% | 1,8% | sotto: controlla il checkout dopo l’aggiornamento |
| Carrello medio | 24–27 € | 29,50 € | sopra: controlla il mix (è venuto meno un bestseller economico?) |
| MER | 4,4–5,0 | 4,7 | nella norma |
| Ordini non pagati | 5–7% | 6,2% | nella norma |
| Copertura GA4 | 93–95% | 94% | nella norma |
Nota come cambia la natura della discussione: invece di “1,8% va bene?” (domanda senza risposta) ci si chiede “perché il desktop è sceso sotto il proprio intervallo?” (domanda con una procedura: scomposizione e diagnosi dalla guida sulla ricerca delle cause di un calo). Gli scostamenti dalla norma propria sono anche il meccanismo degli alert descritto nella guida su monitoraggio e anomalie.
Eccezioni
Soglie fisiche: confronti esterni che valgono davvero
Alcuni riferimenti esterni hanno senso, perché derivano da conti che valgono per tutti:
- Soglia di pareggio di ROAS e MER dal proprio margine: 100 / margine% è il limite matematico del tuo negozio. Il calcolo completo è nella guida “Qual è un buon ROAS”.
- Costo di spedizione rispetto al carrello: il listino del corriere è oggettivo; un carrello il cui margine non regge la spedizione è un problema a prescindere dai benchmark (calcolo della soglia: guida sulla spedizione gratuita).
- Completezza della misurazione: una copertura GA4 vicina alla propria norma e stati dei prodotti in Merchant Center senza rifiuti sono condizioni di igiene della misurazione.
- Trend di mercato come riferimento direzionale: se i dati pubblici indicano un mercato in crescita e il negozio resta fermo anno su anno, è un segnale di perdita di quota; per questo basta la direzione, senza confrontare metriche specifiche.
L’uso più costoso di un benchmark
Decisioni imposte dalla media altrui: tagliare i prezzi “perché la conversione è sotto la media”, ricostruire il negozio “perché il carrello è troppo piccolo”. Se la propria norma è stabile e le soglie fisiche sono rispettate, una mossa del genere ripara un risultato che nessuno aveva compromesso e compromette quello che funzionava.
DataOrganizer
Come DataOrganizer confronta il negozio con la sua norma
Il confronto con sé stessi richiede una cosa sola: lo storico di tutte le metriche in un unico posto. DataOrganizer lo conserva dalle fonti collegate, quindi gli intervalli di norma, i confronti anno su anno e stagione su stagione e le anomalie rispetto al proprio modello si calcolano dai dati. La revisione mensile si presenta così:
Settembre rispetto alla tua norma:
| Metrica | Anno scorso | Media 3 mesi | Ora | Lettura |
|---|---|---|---|---|
| Fatturato | 103.000 € | 107.750 € | 117.000 € | +14% a/a: sopra la norma |
| Conversione desktop | 2,4% | 2,3% | 1,8% | sotto l’intervallo: diagnosi del checkout |
| MER | 4,6 | 4,8 | 4,7 | nella norma |
| Categoria: pigiami e intimo notte | 16.000 € | 14.500 € | 12.250 € | −23% a/a nonostante la stagione: da verificare |
Nel complesso sopra la norma grazie a due categorie, ma due scostamenti verso il basso meritano una diagnosi: la conversione desktop è sotto il proprio intervallo da tre settimane (coincide con l’aggiornamento del tema) e la categoria notte è più debole anno su anno nonostante sia nel picco della sua stagione. Nessuna di queste osservazioni ha richiesto una sola media altrui.
Nota metodologica: i numeri negli esempi sono indicativi. La propria norma richiede periodi confrontabili: dopo grandi cambiamenti (nuovo tema, cambio della politica dei prezzi, aggiunta di un canale) gli intervalli si ricalcolano dalla data del cambiamento. I benchmark pubblicati possono servire da curiosità per la pausa caffè; le decisioni si prendono sulla norma e sulle soglie fisiche.
Da ricordare
L’unico negozio con settore, carrello, marchio e mix di traffico identici sei tu un anno fa. Una tabella delle proprie norme più le soglie fisiche rispondono a ogni “va bene così?” a cui la media altrui non sa rispondere.
FAQ
Domande frequenti sui benchmark e-commerce
Qual è il tasso di conversione medio nell’e-commerce?
I valori pubblicati oscillano intorno all’1–3%, ma mescolano settori, carrelli e mercati, quindi non rispondono alla domanda sul tuo negozio. Il riferimento pratico è la tua conversione nel periodo analogo più il trend; la media altrui non prende nessuna decisione.
Perché i benchmark sono fuorvianti?
Cinque variabili falsano il confronto: settore e ciclo d’acquisto, valore del carrello, quota di traffico brand, mix di dispositivi e fonti e metodologia sconosciuta del report. Il risultato del confronto dice più sul campione che sul negozio.
Con cosa confrontarsi?
Con la propria norma (intervalli da periodi analoghi: anno su anno, stagione, giorni della settimana, per categoria e dispositivo) e con le soglie fisiche: soglia ROAS dal margine, costo di spedizione vs carrello, completezza della misurazione. Questi due sistemi di riferimento bastano per decidere.
Come costruire la propria norma?
Per ogni metrica chiave definisci un intervallo dallo storico: il periodo analogo dell’anno precedente più la media degli ultimi periodi completi, con suddivisione per giorni della settimana dove il ritmo conta. I valori correnti si leggono come: nella norma / sopra / sotto, e gli scostamenti ricevono una diagnosi.
Come aiuta DataOrganizer?
Conserva lo storico delle metriche da tutte le fonti, quindi gli intervalli di norma e i confronti anno su anno si calcolano dai dati, le anomalie lavorano sul modello del negozio stesso e la chat risponde a “questo mese va bene?” con un confronto con la tua norma per categoria.
Promemoria dell’intera guida
Al posto dei benchmark: due sistemi di riferimento
1. La propria norma. Intervalli delle metriche da periodi analoghi (anno su anno, stagione, giorni della settimana), per categoria e dispositivo. L’unico benchmark che conosce il tuo carrello, il tuo marchio e il tuo traffico.
2. Soglie fisiche. Soglia ROAS dal margine, costo di spedizione vs carrello, completezza della misurazione: valori derivati dal calcolo, validi per tutti.
3. Decisioni senza medie altrui. DataOrganizer conserva insieme lo storico di tutte le metriche, quindi la tabella delle norme, i confronti a/a e le anomalie rispetto al proprio modello si aggiornano da soli, e la domanda “va bene così?” trova risposta nei tuoi dati.
DataOrganizer · negozio confrontato con la propria norma
Collega le fonti: intervalli di norma, confronti anno su anno per categoria e anomalie rispetto al tuo modello si calcoleranno dai dati. Account demo subito disponibile, paghi solo le fonti collegate.
