Un alert utile distingue un calo da un dato che deve ancora arrivare

L'obiettivo è accorgersi di qualcosa su cui puoi intervenire

Alle dieci arriva una notifica: conversioni in calo del 70%. Apri l'account, controlli il sito, scrivi al team. Due ore dopo i numeri si aggiornano e l'allarme sparisce. Un sistema che ripete questa scena perde attenzione proprio quando dovrebbe aiutare. Partiamo quindi da una distinzione: anomalia commerciale, anomalia tecnica e dato ancora incompleto.

Timothy Gorringe, su Measurelab, mostra come passare dagli insight automatici di GA4 a condizioni personalizzate e notifiche sui segmenti che contano. Il punto da riprendere è la specificità: prima scegliamo la domanda, poi la regola. Un calo sui contatti commerciali qualificati può richiedere un'azione diversa da un calo sulle visite complessive.

Scegli prima l'intervento possibile. Una campagna senza spesa può richiedere un controllo immediato; un peggioramento del ROAS può richiedere dati maturi e una revisione programmata. La frequenza del controllo deve seguire questa differenza.

Il report ha almeno tre orologi

Il primo è quello dell'evento: quando avviene un clic o un acquisto. Il secondo è quello della fonte: quando il dato diventa disponibile. Il terzo è quello del report: quando il connettore legge la fonte e aggiorna la visualizzazione. Guardare soltanto l'ora dell'ultimo aggiornamento della pagina non basta.

Costo e valore delle conversioni non diventano necessariamente completi nello stesso momento. Invece di assegnare a tutto il report un solo ritardo, salva estrazioni successive dello stesso intervallo e misura quanto cambia ciascuna metrica. L'ultima ora utile per verificare la spesa potrebbe essere troppo recente per giudicare il rendimento.

L'ora di apertura di Data Studio (in precedenza Looker Studio) non certifica la completezza dell'export sottostante. Mostra separatamente il momento dell'ultima importazione riuscita e la finestra effettivamente coperta. Un dashboard caricato adesso può contenere una tabella ferma a ieri: il visitatore deve poterlo riconoscere senza aprire il sistema di importazione.

Confronta la stessa porzione di giornata

MeasureSchool mostra come costruire intervalli mobili e confronti con date avanzate, segnalando anche un limite pratico: il periodo di confronto può non essere evidente a chi legge. Scrivilo vicino al valore. ‘Oggi rispetto alla settimana scorsa’ lascia troppe interpretazioni; meglio riportare giorni, ore e fuso.

Immagina che siano le 12:15 e che tu consideri sufficientemente completi i dati fino alle 10:00. Il confronto deve usare oggi 00:00–10:00 e lo stesso intervallo dei giorni di riferimento, nel fuso dell'account. Confrontare oggi fino alle dieci con ieri intero genera un calo automatico.

Per attività con una forte cadenza settimanale proponiamo di partire dagli stessi giorni della settimana precedenti. Escludi o segnala promozioni, festività, chiusure e cambi di budget che rendono il confronto diverso. Non eliminare però ogni dato scomodo: il calendario delle eccezioni deve essere motivato e consultabile.

In un account nuovo o con pochi eventi, restituisci ‘storico insufficiente’. Un alert affidabile sa dichiarare quando non dispone di un riferimento. Puoi mantenere separati controlli assoluti, come l'assenza di spesa, purché considerino orari di pubblicazione e stato delle campagne.

Una regola semplice da collaudare

Per una prima versione usiamo la mediana di otto periodi comparabili e richiediamo due condizioni: scostamento percentuale rilevante e differenza assoluta utile per il business. Sono soglie iniziali da collaudare sullo storico dell'account, non un test statistico. Se non sappiamo quanta variabilità sia normale, la percentuale da sola non basta.

Esempio: la mediana di spesa entro le dieci è 240 euro, oggi risultano 20 euro. La differenza è 220 euro e il calo circa il 92%. Se il dato è completo, le campagne sono programmate attive e non esiste una variazione intenzionale, ha senso aprire una verifica. Una mediana di 8 euro contro 2 euro produce invece un forte calo percentuale con un impatto molto diverso.

Per le conversioni aggiungi una finestra più prudente. Una stessa soglia applicata a costo e ricavi mette insieme processi con ritardi differenti. Se lo storico presenta una variabilità ampia, passa a intervalli costruiti sui dati e valuta il tasso di falsi allarmi prima di usare il sistema quotidianamente.

Controlla la pipeline prima delle prestazioni

Nel dataset di controllo conserva almeno ultima estrazione riuscita, ultima data coperta, numero di righe e stato dei controlli. Se manca una partizione attesa o l'importazione non termina, invia un alert tecnico e sospendi l'interpretazione commerciale delle metriche coinvolte. La parola ‘zero’ deve significare zero osservato, non risposta vuota.

Il tutorial di Measurelab propone di controllare esistenza e modifica delle tabelle prima di avviare una trasformazione, evitando anche elaborazioni ripetute. Riprendiamo il controllo, aggiungendo una precauzione: un timestamp recente non dimostra da solo che i dati siano completi. Verifichiamo anche partizioni attese, copertura temporale e risultato dell'importazione; in caso di dubbio il report segnala ‘dato parziale’.

Rendere una query ripetibile significa anche poterla rilanciare senza duplicare gli alert. Una chiave composta da account, metrica, finestra e versione della regola permette di aggiornare lo stesso evento invece di crearne uno ogni volta.

La notifica deve contenere il prossimo controllo

Una notifica utile indica account, finestra, valore osservato, riferimento, scostamento, maturità del dato e collegamento al dettaglio. Aggiungi una prima azione verificabile: controllare pagamenti e stato campagne, confrontare ordini del CMS, oppure verificare la ricezione dell'evento purchase. Evita diagnosi automatiche come ‘problema di tracking’ se il sistema ha osservato soltanto meno conversioni.

Collauda le regole su dati storici e poi in osservazione, senza interventi automatici. Conta quanti avvisi hanno portato a una verifica utile, quanti erano rumore e quali incidenti conosciuti sono sfuggiti. Registra una risposta umana all'alert: confermato, falso positivo, atteso oppure da approfondire.

Prevedi infine una notifica di rientro e un tempo di attesa prima di ripetere lo stesso problema. Il risultato deve essere un sistema che aiuta le persone a guardare il dettaglio giusto, con meno interruzioni e una responsabilità chiara su chi interviene.