Uno degli elementi che si citano spesso come vantaggio per quanto rugarda il digitale è che tutto ciò che si fa sui canali digitali può essere misurato a differenza di quanto avviene sui canali tradizionali. Se si considera il famoso detto “If you can’t measure it, you can’t manage it” è evidente quanto questo fatto sia decisivo. Grazie alla misurazione, infatti, si incrementa in modo significativo la possibilità di fare le scelte giuste (efficacia) e di impiegare bene le risorse a disposizione (efficienza).
Eppure, tutte le volte che ci capita un confronto con un’aula di manager e imprenditori, alla fatidica domanda “Quanti di voi hanno configurato sul sito della loro azienda e consultano regolarmente un sistema di monitoraggio tipo Google Analytics?”, le mani alzate sono pochissime. O meglio di solito Google Analytics c’è, ma da lì a consultarlo regolarmente….
Questo avviene perché il fatto di poter misurare, da solo, non basta. Perché bisogna anche sapere, ad esempio, cosa conviene misurare e cosa no, quali sono, cioè, le variabili direttamente collegate al business dell’azienda e che quindi devono essere incluse nel sistema di controllo. La questione non è banale perché postula l’esistenza (o la non esistenza) di un modello concettuale di riferimento sul funzionamento dell’azienda.
In pratica, Google Analytics ti da una serie di valori, parametri, variabili. Ma tu devi essere in grado di trovare quelli che ti servono veramente nel tuo contesto specifico. E questo è tutt’altra storia. Un conto, infatti, è avere a disposizione parametri come la reach, il bounce rate, e la percentuale di traffico diretto, altro è sapere a cosa si collegano queste variabili, quali sono i loro valori fisiologici nei diversi contesti in cui si efftuano le misurazioni e cosa implica una loro variazione in positivo o in negativo.
Oggi siamo tempestati dai dati, che arrivano dai sistemi di analytics, dalle piattaforme di misurazione dei canali social o dalle piattaforme di monitoraggio online focalizzate sulla reputation. Ma tutti questi dati sono solo materiali grezzi che devono essere collocati nei contesti giusti per potersi trasformare in informazioni ed essere veramente utili all’attività decisionale.
Messa così sembra molto semplice, quasi elementare. Dopotutto oggi si parla di big data, di sofisticate tecniche di analisi predittiva, di algoritmi di apprendimento basati su analisi statistiche inferenziali. Ma la nostra posizione, dopo tanti anni di esperienza con aziende di ogni complessità e dimensione è che c’è un forte, enorme, bisogno di lavorare sulla cosiddetta data literacy, di sviluppare e consolidare una vera cultura della misurazione. Partire, o ripartire, dalle basi di matematica e di statistica descrittiva, può consentire un salto di qualità molto significativo nelle capacità manageriali di tantissime aziende.