Scegliere un KPI non significa spuntare una casella in una dashboard. La maggior parte delle dashboard che vedo fallisce prima del primo grafico: nella definizione dell’evento, nella fonte di verità e in chi può modificarlo. Ecco il processo di configurazione che evita gli errori più costosi, con criteri concreti in ogni passaggio.
Passo 1: fissa la decisione prima della metrica
Prima di aprire Analytics, scrivi in una frase quale decisione prenderai con quel numero e con quale frequenza. Se non riesci a rispondere a «cosa farei diversamente se questo KPI cala del 20%», la metrica è superflua. Un errore comune è trascinare KPI ereditati da un template: visite, visualizzazioni di pagina, tempo sulla pagina. In progetti B2B con cicli di acquisto lunghi, il tempo sulla pagina può persino essere un segnale negativo (l’utente non trova ciò che cerca e rimbalza tra le sezioni).
Passo 2: definisci l’evento all’origine, non nel report
Configura la conversione dove avviene, non con un filtro dell’ultimo minuto nello strumento di BI. Esempio reale: un modulo con validazione JavaScript che attiva l’evento di «invio» prima che il backend confermi il salvataggio. Per settimane la dashboard mostrava conversioni che non arrivavano mai al CRM. La correzione non è stata nella dashboard, ma nell’ordine del codice: l’evento deve essere attivato dopo la risposta del server.
Checklist minima di definizione
- Nome dell’evento, condizioni di attivazione e condizioni di esclusione (utenti interni, test, traffico di staging).
- Fonte di verità dichiarata: analytics, CRM o database. Se differiscono, decidi quale prevale e documenta la differenza attesa.
- Finestra di attribuzione e modello scelti, scritti accanto al KPI, non in un’email persa.
Passo 3: costruisci la dashboard a livelli
Separa tre livelli: una riga di KPI di business (ricavi, lead qualificati, costo per acquisizione), un’altra di KPI di canale e un’ultima di diagnostica (rimbalzo, profondità di scroll, errori 5xx). L’errore classico è mescolare i tre in un’unica tabella: nessuno sa cosa guardare per primo e la dashboard viene abbandonata dopo un mese.
Esempio di gerarchia per un piccolo ecommerce
- Ricavi per sessione e margine lordo per ordine.
- Tasso di conversione per dispositivo e per fonte.
- Abbandono del carrello, errori di pagamento e velocità della pagina di checkout.
Secondo la documentazione ufficiale delle piattaforme di analytics, la finestra di attribuzione predefinita varia tra gli strumenti e può alterare la ripartizione tra canali. Se confronti due fonti con finestre diverse, le cifre non coincideranno mai del tutto: accettalo e fissa una tolleranza.
Passo 4: assegna soglie e responsabili
Ogni KPI necessita di un intervallo di normalità e di un proprietario. Senza soglia, qualsiasi variazione genera rumore; senza responsabile, nessuno agisce. Configura avvisi solo per scostamenti che implicano un’azione definita in anticipo.
Passo 5: rivedi e pota
Rivedi trimestralmente ed elimina ciò che nessuno consulta. Una dashboard con venti metriche si legge peggio di una con cinque.
Limite onesto: questo processo non funziona allo stesso modo in organizzazioni senza accesso al backend né ai dati del CRM. In questi casi, il KPI di conversione sarà sempre approssimativo e conviene etichettarlo come tale invece di presentarlo come cifra esatta. Non risolve nemmeno problemi di qualità dei dati di origine: se il CRM duplica i lead, nessuna dashboard lo risolve.
La configurazione corretta è quella che sopravvive alla persona che l’ha creata. Documenta ogni definizione accanto alla metrica e avrai metà del lavoro fatto.