“Le vendite sono calate” non è un’informazione su cui prendere una decisione: è un sintomo. Tra sintomo e decisione c’è una sola competenza: scomporre la variazione nei suoi fattori in modo che la causa abbia un nome, un numero e un responsabile. Questa guida accompagna passo per passo nella scomposizione: dalle tre componenti del risultato, al grafico a cascata e alle dimensioni, fino all’albero diagnostico e alle trappole che falsano i confronti.
Primo livello
Tre numeri che scompongono ogni calo
L’identità da cui si parte
Il fatturato è il prodotto di tre componenti, quindi ogni calo deve passare per almeno una di esse. Prima di dire “colpa della concorrenza” o “colpa del mercato”, bisogna sapere quale componente si è mossa.
L’approssimazione con la somma funziona per le variazioni tipiche, nell’ordine del 10–20%, e basta per indicare dove cercare. L’esempio che seguiremo in tutto l’articolo (negozio di giocattoli, settimana su settimana, dati illustrativi): fatturato −18%, perché sessioni −12%, conversione −9%, carrello +3%. Già da questa riga si capisce che il problema non sta nei prezzi né nel carrello: è sparita una parte del traffico e una parte della propensione all’acquisto.
Grafico a cascata
Grafico a cascata: dal risultato ai colpevoli
La stessa scomposizione disegnata come grafico a cascata chiude le discussioni in cui “ognuno ha la sua teoria”. Una sola cascata mostra quanta parte del calo si è portata via ciascuna componente (indice, settimana precedente = 100):
Scomposizione della variazione del fatturato · settimana su settimananegozio di giocattoli · dati illustrativi
precedentemeno sessioniconversione
più bassacarrello
più altosettimana
corrente
Come leggerlo: dei 17,5 punti di calo, il traffico ne spiega 12, la conversione 8, mentre il carrello ne ha restituiti 2,5. L’analisi successiva riguarda quindi due domande: da dove è sparito il traffico e cosa ha frenato la conversione. Tutto il resto (prezzi, promozioni, carrello) per ora si può lasciare da parte.
Secondo livello
Secondo livello: canali, categorie, clienti
La componente indica la direzione, la dimensione indica il punto. Ciascuna delle tre componenti si scompone ulteriormente nelle proprie dimensioni: il traffico per canale, la conversione per categoria e dispositivo, il carrello per mix di prodotti e sconti. Nel nostro esempio:
| Dimensione | Variazione | Conclusione |
|---|---|---|
| Traffico (sessioni GA4): Google Ads | −31% sessioni | qui si concentra quasi tutta la perdita di traffico |
| Traffico (sessioni GA4): altri canali insieme | −2% sessioni | entro le normali oscillazioni |
| Conversione: categoria “costruzioni” | −41% | il bestseller della categoria è esaurito da mercoledì |
| Conversione: altre categorie | −1% | nessuna variazione che meriti attenzione |
| Carrello: valore medio | +3% | effetto collaterale: sono uscite le costruzioni economiche e la media è salita |
Due sospetti precisi invece di un panico generico: qualcosa ha tagliato il traffico da Google Ads e qualcosa ha soffocato la conversione in una categoria. Attenzione al carrello: è cresciuto a causa del problema, e senza scomposizione qualcuno avrebbe fatto in tempo a lodarlo in riunione.
Diagnosi
Albero diagnostico: dal sintomo alla causa
Il terzo livello è fatto di controlli concreti, un ramo per ogni componente:
Calo del trafficoramo: sessioni
- A pagamento: budget e stato delle campagne, prodotti rifiutati in Merchant Center, modifiche alle offerte
- Organico: posizioni in Search Console, stagionalità delle query, cambiamenti nella pagina dei risultati
- Direct/e-mail: calendario degli invii, codice di tracciamento dopo modifiche al negozio
Calo della conversioneramo: propensione all’acquisto
- Un solo dispositivo: errore nel carrello o nei pagamenti dopo un aggiornamento (il mobile è quello che si rompe più spesso)
- Una sola categoria: disponibilità dei bestseller, prezzi rispetto alla concorrenza
- Un solo canale (conversione secondo GA4): è cambiata la qualità del traffico (nuove query, nuove creatività, altri gruppi)
Calo del carrelloramo: valore dell’ordine
- Mix di prodotti: i prodotti economici hanno guadagnato quota (una promozione? un bestseller costoso esaurito?)
- Sconti: un codice pubblico finito sugli aggregatori, promozioni più aggressive
- Soglie di spedizione: la modifica della soglia ha cambiato l’abitudine di aggiungere prodotti per raggiungerla
Il passo zero della diagnosi
Prima la misurazione, poi il business. Prima di scomporre il calo nei suoi fattori, verifica la copertura di GA4 e la completezza dei dati delle fonti: un guasto nella misurazione produce «cali» che non esistono e può farti perdere una giornata a cercare cause di business. Come verificarlo in pochi minuti: la guida all’audit di GA4.
Trappole
Quattro trappole che falsano i confronti
Confrontare periodi non omogenei
Il lunedì con il sabato, la settimana dello stipendio con una settimana senza, un periodo con promozione con quello successivo. Si confronta lo stesso giorno della settimana con una struttura di calendario analoga e, in caso di stagionalità, anno su anno.
Reagire a un singolo giorno
Le vendite giornaliere oscillano naturalmente. Un giorno fuori norma è un’osservazione; diversi giorni di fila o un’intera settimana sotto la norma richiedono una diagnosi. Eccezione: i segnali di guasto, a cui si reagisce subito (maggiori dettagli nella guida su monitoraggio e anomalie).
Mescolare definizioni tra fonti diverse
Ordini effettuati contro ordini pagati, lordo contro netto, sessioni contro utenti. La scomposizione si fa con un unico vocabolario, idealmente sugli ordini pagati del negozio.
Fermarsi al primo colpevole
«È calato il traffico da Google» è ancora un sintomo. La diagnosi termina con una causa su cui si può intervenire: prodotti rifiutati, scorte esaurite, campagna disattivata, cambiamento nella pagina dei risultati.
DataOrganizer
Come DataOrganizer scompone la variazione in automatico
DataOrganizer integra la scomposizione delle variazioni nel motore di analisi: scompone la differenza tra periodi in componenti e dimensioni sui dati collegati di negozio, analytics e piattaforme pubblicitarie, mentre il rilevamento delle anomalie indica il momento dello scostamento. Tutto il lavoro descritto sopra si riduce a una sola domanda:
Scomposizione del calo del −18% (misurazione completa, copertura GA4 nella norma):
| Componente | Variazione | Dettaglio |
|---|---|---|
| Sessioni | −12% | secondo GA4: Google Ads −31%, altri canali −2% |
| Conversione | −9% | categoria «costruzioni» −41%, resto −1% |
| Carrello medio | +3% | effetto dell’uscita dei prodotti economici |
Due cause precise: da martedì 84 prodotti risultano rifiutati in Merchant Center (da qui la perdita di sessioni dalle campagne prodotto) e da mercoledì il bestseller della categoria «costruzioni» è esaurito, il che ha fatto crollare la conversione della categoria. Raccomandazione: correggere gli attributi del feed ed escludere il prodotto esaurito dalle campagne fino al rifornimento.
Nota metodologica: i numeri dell’esempio sono indicativi e l’approssimazione «variazione del fatturato ≈ somma delle variazioni delle componenti» funziona per variazioni moderate; con movimenti ampi le componenti si moltiplicano in modo esatto. La scomposizione dice dove è avvenuta la variazione; per confermare la causa bisogna sempre guardare nel punto indicato dai numeri.
Da ricordare
Un calo senza scomposizione genera teorie; un calo scomposto genera attività. Tre componenti, poi le dimensioni, poi il dettaglio concreto dall’albero di diagnosi: questa sequenza trasforma «qualcosa non va» in un elenco di cose da sistemare, con responsabili e scadenze.
FAQ
Domande frequenti sulla diagnosi del calo delle vendite
Come trovare la causa di un calo delle vendite?
Con due livelli di scomposizione: prima la suddivisione in sessioni × conversione × carrello (ogni calo passa da una di queste componenti), poi l’analisi per dimensioni: canali per il traffico, categorie e dispositivi per la conversione, mix di prodotti e sconti per il carrello. La diagnosi termina con una causa su cui si può intervenire.
Come calcolare l’impatto delle singole componenti?
Per le variazioni tipiche basta un’approssimazione: variazione % del fatturato ≈ somma delle variazioni % delle componenti (ad es. traffico −12%, conversione −9%, carrello +3% danno circa −18%). Con movimenti ampi si moltiplicano in modo esatto gli indicatori dei due periodi; per indicare la direzione della ricerca l’approssimazione è sufficiente.
Che cosa controllare per primo?
La misurazione. La copertura di GA4 e la completezza dei dati delle fonti possono produrre un calo che non esiste. Solo dopo aver confermato che i numeri sono completi la scomposizione ha senso; altrimenti si cercano cause di business per il guasto di un plugin.
Quando reagire e quando è ancora rumore?
Confronta un singolo giorno con lo stesso giorno della settimana nelle settimane precedenti; un giorno fuori norma è un’osservazione, diversi giorni o un’intera settimana richiedono una diagnosi. Fanno eccezione le tracce di un guasto (impennata di ordini non pagati, zero impressioni dei prodotti): lì la reazione è immediata.
Come aiuta DataOrganizer?
La scomposizione delle variazioni è integrata nel motore: la differenza tra periodi viene suddivisa automaticamente in componenti e dimensioni, sui dati collegati di negozio, analytics e pubblicità. Il rilevamento delle anomalie indica il momento dello scostamento e la chat risponde a «perché è calato» con una causa precisa e i relativi numeri.
Promemoria dell’intera guida
Diagnosi del calo in tre livelli
1. Componenti: sessioni × conversione × carrello. La variazione del fatturato è circa uguale alla somma delle variazioni delle componenti; è la prima selezione dei sospetti.
2. Dimensioni: canali per il traffico, categorie e dispositivi per la conversione, mix e sconti per il carrello. Un grafico a cascata e una tabella restringono il problema a punti precisi.
3. Concretezza: l’albero di diagnosi porta a una causa su cui si può intervenire, con un passo zero «prima verifica la misurazione». DataOrganizer esegue questi tre livelli in automatico, quindi da «è calato» alla lista di attività basta una domanda in chat.
DataOrganizer · scomposizione delle variazioni nel motore
Collega negozio, analytics e piattaforme pubblicitarie: le variazioni vengono scomposte automaticamente in componenti e dimensioni, e le anomalie vengono segnalate da sole. Account demo subito disponibile, paghi solo per le fonti collegate.
