Il tuo tasso di conversione cala del 15% martedì. Non te ne accorgi fino a giovedì, quando controlli la dashboard. Due giorni di ricavi persi, e ancora non sai perché. Un sistema di rilevamento delle anomalie ti avrebbe avvisato mercoledì mattina: "Conversione giù del 15% ieri, checkout mobile colpito." Ora indaghi subito. Scopri che un aggiornamento ha rotto i pagamenti da mobile. Lo risolvi nel pomeriggio. Il rilevamento delle anomalie è la differenza tra scoprire i problemi dopo giorni e scoprirli dopo poche ore.
Il rilevamento delle anomalie è un sistema che osserva le tue metriche di continuo e ti avvisa quando succede qualcosa di insolito. Non aspetta che sia tu a controllare la dashboard. Conosce la tua base di riferimento (come appare il "normale"), confronta ogni giorno con quella base e segnala gli scostamenti. Un picco di traffico, un calo di conversione, un coinvolgimento in discesa: tutto viene colto in automatico e fatto emergere prima che diventi un disastro.
Cosa fa davvero il rilevamento delle anomalie?
Prendi una metrica qualsiasi e troverai lo stesso schema: oscilla in modo naturale. Il tasso di conversione non è mai uguale ogni giorno. Il traffico cambia con il giorno della settimana. Il mobile converte in modo diverso dal desktop. Se imposti un avviso su "conversione sotto il 2,5%", riceverai falsi allarmi perché in certi giorni la conversione scende naturalmente al 2,4%. Il rilevamento delle anomalie risolve il problema imparando com'è la normale variazione e avvisando solo quando qualcosa esce da quell'intervallo naturale.
Il sistema impara la tua base di riferimento dai dati storici. Risponde a questa domanda: per questa metrica, in questo giorno della settimana, con questo volume di traffico, qual è l'intervallo atteso? Le conversioni del mercoledì stanno di solito tra il 2,1% e il 2,9%. La conversione da mobile sta di solito tra l'1,8% e il 2,4%. Il traffico da email converte di solito tra il 4% e il 6%. Il sistema costruisce un modello del comportamento normale per ogni combinazione di condizioni.
Quando arriva un nuovo dato, il sistema lo confronta con l'intervallo atteso. La conversione di oggi rientra nel normale intervallo del mercoledì? Sì, è il 2,5%, del tutto normale. La conversione di domani rientra nel normale intervallo del giovedì? No, è l'1,2%, è un'anomalia. Avvisa il team. Indagano e scoprono che il checkout mobile si è rotto. Senza il rilevamento delle anomalie, lo scoprono venerdì pomeriggio. Con il rilevamento, lo sanno mercoledì mattina.
Tipi diversi di anomalie fanno scattare avvisi diversi. Un picco improvviso (traffico al 200% sopra il normale) viene segnalato. Un calo improvviso (conversione al 50% sotto il normale) viene segnalato. Un calo graduale (conversione che scende piano nell'arco di una settimana) viene segnalato. Anche uno schema ricorrente che di colpo si rompe (il mobile converte sempre il 20% meglio del desktop, ma questa settimana sono pari) viene segnalato. Il sistema controlla tutti questi casi.
Perché scoprire i problemi in anticipo conta così tanto?
Guarda come la maggior parte dei brand scopre i problemi e vedrai lo schema: scoperta reattiva. Un cliente ti scrive lamentando che il checkout non funziona. Controlli la dashboard e lo confermi. Oppure giovedì noti che lunedì era strano e provi a capire cosa è successo. Sono ore o giorni di occasioni perse.
Su larga scala, il costo del ritardo si accumula. Un negozio online con $1 milione di ricavi al giorno che perde il 15% di conversione per un bug costa $150.000 al giorno. Due giorni di ritardo costano $300.000. Se il rilevamento delle anomalie lo coglie 6 ore prima, risparmi $37.500. Un SaaS con 5.000 utenti che vede un 2% di abbandoni in più perde 100 utenti. Due settimane di ritardo significano 1.400 utenti persi. Coglierlo subito significa 100. La differenza sono migliaia di dollari di ricavi ricorrenti annui.
La velocità incide anche sulla reputazione. Un team di assistenza clienti vuole sapere dei problemi prima che li segnalino i clienti. Con il rilevamento delle anomalie puoi scrivere ai clienti: "Mercoledì mattina abbiamo rilevato un problema sul tuo account e lo abbiamo risolto nel pomeriggio." Senza, i clienti si lamentano venerdì, tu rispondi "ce ne occupiamo", e loro sono già passati a un concorrente. La psicologia del "ce ne siamo accorti noi" contro "me l'avete segnalato voi" cambia la percezione del cliente.
La velocità permette di sperimentare. Se pubblichi una modifica e ne vedi l'impatto in poche ore, puoi iterare più in fretta. Senza il rilevamento delle anomalie, fai girare un esperimento per una settimana, controlli i risultati e poi iteri. Con il rilevamento, vedi entro 24 ore se una modifica ha aiutato o peggiorato le cose. Quella velocità si accumula nel corso di un anno.
Che tipo di anomalie conviene davvero cogliere?
Non ogni anomalia vale la pena di essere colta. Alcune variazioni sono attese. Ma alcune contano per le decisioni di business. La chiave è impostare il rilevamento per le metriche che, se cambiano all'improvviso, richiedono un'azione immediata.
Le anomalie che toccano i ricavi sono la priorità numero uno. Calo del tasso di conversione, valore medio dell'ordine in discesa, abbandoni del checkout in aumento: influiscono direttamente sui ricavi. Imposta un avviso per tutte. Se la conversione cala del 10%, vuoi saperlo subito, non dopo il weekend.
Le anomalie nel coinvolgimento degli utenti contano perché prevedono problemi. Durata delle sessioni in calo, adozione delle funzioni in discesa, frequenza di accesso in diminuzione: sono segnali precoci di abbandono. Un calo di coinvolgimento questa settimana prevede un calo di fidelizzazione il mese prossimo. Coglilo ora e hai il tempo di intervenire.
Le anomalie di traffico contano perché rivelano problemi di portata o di acquisizione. Un picco di traffico organico significa che la tua SEO funziona (bene). Un calo di traffico organico significa che qualcosa si è rotto nella ricerca (male). Un calo di traffico a pagamento significa che le tue campagne rendono poco (male). Imposta un avviso quando le fonti di traffico cambiano in modo imprevisto.
Le anomalie di qualità contano perché sono killer silenziosi. Una frequenza di rimbalzo in aumento significa che il tuo sito diventa meno pertinente. Meno pagine per sessione significa che gli utenti trovano ciò che serve più in fretta (bene) oppure non trovano ciò che cercano (male). Un picco di errori di sessione significa che il sito si sta rompendo. Sono invisibili se non guardi con attenzione.
Come imposti il rilevamento delle anomalie senza falsi allarmi?
Chiedi a qualsiasi team di analisi dei falsi allarmi e sentirai la stessa lamentela: la stanchezza da avvisi. Se ogni piccola oscillazione fa scattare un avviso, il team smette di leggerli. Si abitua. I problemi veri si perdono nel rumore. La chiave di un buon rilevamento è impostare soglie che colgano i problemi reali e ignorino la variazione naturale.
Parti dalle metriche che contano di più per il tuo business. Non ogni metrica ha bisogno del rilevamento delle anomalie. Concentrati sulle metriche di ricavo (conversione, valore dell'ordine, abbandoni), su quelle di salute degli utenti (coinvolgimento, fidelizzazione, adozione delle funzioni) e su quelle di salute del sistema (errori, latenza, uptime). Sono quelle che richiedono un'azione immediata se cambiano.
Imposta la sensibilità in base alla volatilità. Alcune metriche sono volatili per natura. Il traffico sale e scende di giorno in giorno. Imposta soglie abbastanza larghe da assorbire questa variazione naturale. Per il tasso di conversione, uno scostamento del 20% può essere normale: segnala solo se lo scostamento è del 30% o più. Per i ricavi, uno scostamento del 5% può essere normale. Per il coinvolgimento, uno scostamento del 15% può essere normale. Le soglie dipendono dai tuoi dati storici.
Aggiungi il contesto. Il giorno della settimana conta. Il sabato ha di solito schemi diversi dal mercoledì. Le festività hanno schemi diversi dai giorni normali. Il rilevamento delle anomalie deve tenerne conto. "Conversione sotto l'1,5% di domenica" può essere normale. "Conversione sotto l'1,5% di mercoledì" è un'anomalia. I buoni sistemi imparano questi schemi in automatico.
Parti prudente e stringi col tempo. Se non sei sicuro delle soglie, impostale larghe. Meglio perdere qualche anomalia che inondare il team di falsi allarmi. Man mano che prendi fiducia nel sistema e il team si abitua a leggere gli avvisi, stringi le soglie e cogli anomalie più piccole.
Quali sono i limiti del rilevamento delle anomalie?
Il rilevamento delle anomalie trova gli scostamenti dal normale. Ma "normale" è ciò che i tuoi dati storici dicono che sia. Se i dati sono sbagliati o distorti, il sistema perderà problemi reali o segnalerà falsi positivi. Se per tre mesi hai avuto un bug che gonfiava in modo artificiale il tasso di conversione, il sistema ha imparato quel tasso gonfiato come "normale". Quando risolvi il bug, la conversione scende ai livelli normali veri e il sistema la segnala come anomalia.
Il rilevamento delle anomalie non spiega la causa. Ti dice che qualcosa è cambiato. Non ti dice perché. Se la conversione è calata, devi comunque indagare. È un problema tecnico? Un cambiamento del mercato? Una mossa di un concorrente? La concorrenza di un nuovo arrivato? Il rilevamento delle anomalie fa emergere il problema. La diagnosi resta lavoro umano.
Il rilevamento delle anomalie non funziona bene su scala molto piccola. Se hai 100 visitatori al giorno, la variazione casuale è enorme. Ogni giorno sembra anomalo rispetto agli altri. Il rilevamento delle anomalie funziona meglio su scala più grande, dove gli schemi sono stabili. Un SaaS con 50.000 utenti al mese ha schemi puliti e stabili. Un SaaS con 500 utenti al mese ha troppo rumore.
I cambiamenti graduali possono sfuggire al rilevamento delle anomalie. Se la conversione cala piano (0,5% in meno a settimana), il sistema può non segnalarlo perché ogni settimana si discosta solo di poco dalla precedente. Potresti accorgertene solo quando sei sceso del 10% in totale. Per cogliere il peggioramento graduale serve l'analisi dei trend, oltre al rilevamento delle anomalie in un singolo momento.
Che differenza c'è tra rilevamento delle anomalie e avvisi?
Gli avvisi sono regole che imposti a mano (conversione sotto il 2%, ricavi sotto X). Il rilevamento delle anomalie è un apprendimento automatico della base di riferimento (qualsiasi cosa si discosti di 3 deviazioni standard dal normale). Gli avvisi richiedono che tu sappia cos'è normale e quando preoccuparti. Il rilevamento delle anomalie impara cos'è normale dai tuoi dati. Il rilevamento delle anomalie è migliore per cogliere problemi imprevisti. Gli avvisi sono migliori per monitorare soglie note.
Tutte le piattaforme di analisi hanno il rilevamento delle anomalie?
No. Google Analytics ha alcune notifiche di anomalia di base. Le piattaforme di analisi di prodotto hanno il rilevamento delle anomalie. Gli strumenti di BI possono essere configurati per farlo. Ma non tutte le piattaforme lo includono. Prima di scegliere uno strumento di analisi, controlla se il rilevamento delle anomalie è incluso, quanto sono sensibili le soglie e se puoi personalizzarlo.
Quanti falsi allarmi devo aspettarmi?
Se è impostato bene, il tasso di falsi allarmi dovrebbe stare sotto il 5% degli avvisi. La maggior parte dovrebbe essere scostamenti legittimi che vale la pena indagare. Se ricevi più di 20 falsi allarmi al giorno, le soglie sono troppo sensibili. Se non ricevi nessun avviso in un mese, le soglie sono troppo larghe. Regola le soglie guardando quali avvisi hanno portato a scoperte reali e quali erano solo rumore.
Il rilevamento delle anomalie può individuare le frodi?
In parte. Se la frode causa schemi insoliti (picco nel tasso di rimborsi, anomalie geografiche, metodi di pagamento insoliti), il rilevamento delle anomalie può segnalarla. Ma il rilevamento delle frodi richiede regole specifiche (la stessa carta di credito usata più volte, controlli di velocità, posizioni geografiche incoerenti). Usa il rilevamento delle anomalie per individuare schemi generali. Usa il rilevamento delle frodi per gli schemi specifici delle frodi.
Di quanti dati storici ho bisogno prima che il rilevamento delle anomalie funzioni?
La maggior parte dei sistemi ha bisogno di 2-4 settimane di dati di base per iniziare a imparare gli schemi. Un mese è meglio. Dopo un trimestre di dati, il modello è abbastanza accurato. Dopo un anno, è molto accurato (capisce gli schemi stagionali). Se attivi il rilevamento delle anomalie su un sito nuovo di zecca, aspettati molti falsi allarmi nel primo mese, mentre il sistema impara la tua base di riferimento.
Devo agire su ogni avviso di anomalia?
Non per forza. Alcune anomalie sono attese (una grande comunicazione stampa, un nuovo concorrente, un effetto stagionale, una grande campagna di marketing). Quando ricevi un avviso, chiediti prima: è cambiato qualcosa all'esterno? Se sì, l'anomalia è attesa, non è un problema. Se no, indaga. Col tempo imparerai quali avvisi sono segnali (problemi reali) e quali rumore.