Nel mondo della lead generation, l’attenzione si focalizza spesso sulla quantità di potenziali clienti generati, ma è fondamentale comprendere che l’obiettivo principale è trovare il giusto equilibrio tra quantità e qualità. Questo concetto può sembrare scontato, ma riveste un’importanza cruciale nell’ottenere risultati efficaci e duraturi. Nel caso di propensione.it, azienda specializzata in fondi pensione e prodotti assicurativi, questa sfida ha portato alla ricerca di strategie innovative per raggiungere questo obiettivo. In questo articolo, esamineremo come abbiamo affrontato questa sfida sfruttando il Machine Learning, focalizzando l’attenzione sulla piattaforma di Google Ads.
Il Cliente – propensione.it
Dal 2016, Propensione.it ha unito con successo il mondo previdenziale e digitale, offrendo soluzioni personalizzate grazie a un algoritmo proprietario. Questo algoritmo consente agli utenti di calcolare la futura pensione pubblica e scoprire come integrarla con il fondo pensione più adatto alle proprie esigenze.
Il sito ha l’obiettivo di aiutare gli utenti a pianificare il futuro previdenziale con l’individuazione del piano pensionistico e la protezione assicurativa più adatta per ogni esigenza. Il sito, oltre a calcolare la pensione integrativa, permette di confrontare il proprio fondo pensione e scoprire quanto si può ottenere in più con propensione.it.
La Sfida e gli Obiettivi
Nella sfida di elevare ulteriormente l’efficacia delle nostre campagne di Lead Generation per propensione.it ci siamo posti la sfida di perfezionare la qualità delle Lead, focalizzandoci sugli utenti dotati di un alto potenziale di conversione.
In questa sfida, c’è una doppia prospettiva: quella del cliente, propensione.it, e quella di Delex Digital.
La sfida per propensione.it consiste nel “pulire” il traffico del sito, allontanando gli utenti curiosi e aumentando il numero di lead di alta qualità, ovvero quelle con una maggiore probabilità di diventare clienti effettivi.
La sfida per Delex Digital è di raggiungere gli obiettivi del cliente, facendo evolvere un account Google Ads storico. Tale evoluzione è necessaria per adattarsi alle mutevoli dinamiche della piattaforma e del mondo digitale, considerando aspetti come la transizione al cookieless, l’implementazione del machine learning e l’intelligenza artificiale.
Dati e Ottimizzazione
Nell’affrontare questa sfida, l’adozione di una metodologia orientata ai dati ha rappresentato un fattore determinante. L’analisi di un vasto dataset storico ha consentito di identificare i tassi di conversione delle lead in ogni fase del funnel e di classificare le lead della parte alta del funnel come lead di qualità inferiore, marginalmente utili per gli obiettivi di business del cliente.
L’adozione di un approccio data-driven richiede, come primo passo, la raccolta di un volume di dati ampio e rappresentativo. Questo permette di ottenere un’immagine chiara e dettagliata della situazione. Inizialmente, ciò può implicare l’accettazione di lead di qualità variabile, inclusi utenti potenzialmente meno propensi alla conversione. Questa fase preliminare di accumulo dati è stata essenziale per affinare successivamente le nostre strategie di targeting e engagement, mirando a un miglioramento progressivo della qualità delle lead.
L’analisi dettagliata e costante dei dati raccolti ha permesso di identificare pattern comportamentali chiave, facilitando l’adattamento delle strategie per focalizzarci sulle lead di maggior valore. Questo approccio data-driven ha quindi abilitato un’ottimizzazione mirata delle risorse di marketing, massimizzando l’efficacia delle campagne e incrementando il ritorno sull’investimento.
Strategia e Impatto
Tracciamenti e Conversioni: La prima mossa è stata impostare un piano di misurazione del sito per tenere traccia di tutti gli eventi e le conversioni, principali e secondarie. Le conversioni con il valore commerciale più alto state impostate come prioritarie sulla piattaforma, mentre quelle secondarie sono state tracciate e mantenute in osservazione. Altrettanto importante è stato impostare il corretto valore ad ogni conversione in modo che la piattaforma fosse ulteriormente in grado di valutare la priorità, collegando ogni azione di conversione al suo effettivo impatto sulla strategia complessiva.
Riduzione della Segmentazione dell’Account: abbiamo scelto di semplificare l’account Google Ads, riducendo il numero di campagne e, di conseguenza, ottimizzando il budget. Il nostro focus principale è stato orientato verso la pulizia e l’ottimizzazione, anziché verso una struttura complessa. In altre parole, abbiamo preferito pulizia e semplicità a complessità e struttura.
Evoluzione delle Campagne in Ottica di Machine Learning e Novità della Piattaforma: le campagne sulla rete di ricerca sono state trasformate per allinearsi all’evoluzione di Google Ads (in ottica Modern Search). Abbiamo adottato un numero limitato di parole chiave in corrispondenza generica e implementato una fase iniziale e continuativa di pulizia mediante l’uso di elenchi di parole chiave escluse. Inoltre, abbiamo introdotto una segmentazione delle parole chiave basata sull’intento degli utenti e sul lessico utilizzato. Un passaggio fondamentale nel nostro processo di miglioramento è stato sostituire le campagne storiche con nuovi tipi di campagne progettate per supportare quelle già efficaci. Un esempio significativo è l’introduzione delle campagne Performance Max, che lavorano in perfetta sinergia con la rete di ricerca, consentendoci di raggiungere una presenza completa su tutte le reti disponibili sulla piattaforma di Google Ads. Questa strategia ci ha aiutato a massimizzare la visibilità e l’efficacia delle nostre campagne pubblicitarie.
Inoltre, stiamo esplorando ulteriori opportunità di ottimizzazione, inclusa la valutazione delle prestazioni della Demand Gen, che rappresenta il prossimo passo nella nostra strategia per Propensione.it.
Sinergia tra Canali: Siamo consapevoli dell’importanza cruciale della sinergia tra diversi canali di marketing digitale. Questo non solo aumenta la visibilità tra il nostro pubblico, ma crea anche una combinazione efficace tra i vari canali, migliorando complessivamente l’efficacia della nostra strategia di marketing. Ciò significa che, oltre a ottimizzare le campagne su Google Ads, abbiamo integrato la strategia con attività SEO e sulle piattaforme Meta e Microsoft Ads.
Messaggio e Awareness e Test: Un altro aspetto cruciale è stato comunicare chiaramente il messaggio che propensione.it è molto più di un semplice strumento per il calcolo della pensione futura. Abbiamo lavorato sulla percezione del brand e del messaggio da veicolare per garantire che venga ben compreso che propensione.it è un portale dedicato all’individuazione del fondo pensione ideale. Il nostro obiettivo è stato scremare i curiosi da coloro effettivamente interessati ad aprire un fondo pensione.
Per raggiungere questo scopo, abbiamo utilizzato tutti i canali precedentemente menzionati, ma abbiamo anche sfruttato nuove piattaforme come Spotify. Questo approccio ha contribuito in modo significativo a filtrare i visitatori curiosi e ad attrarre utenti genuinamente interessati al business reale del cliente.
Abbiamo adottato un approccio sperimentale per individuare nuovi potenziali utenti verso cui indirizzare il messaggio di propensione.it. Continuiamo a testare canali meno convenzionali ma potenzialmente adatti al business, come Quora o Reddit, al fine di ampliare la portata e raggiungere un pubblico più ampio.
Risultati dell’ottimizzazione delle campagne
Spesa Google Ads: +2,62%
Sessioni: -30%
Lead a basso valore commerciale: -33%
Lead a medio valore commerciale: + 9,9%
Lead ad alto valore commerciale: +71,7%
Con una spesa in Google Ads che ha visto un incremento minimo, del 2,62%, siamo riusciti a ottenere miglioramenti significativi su diversi fronti.
Il calo delle sessioni del 30% potrebbe inizialmente apparire come un dato negativo, ma in realtà è il frutto di una strategia precisa che ha permesso di allontanare il traffico non qualificato, ovvero quegli utenti semplicemente curiosi senza un reale interesse verso i servizi offerti da Propensione.it. Questa riduzione ha coinciso con una diminuzione del -33% nelle lead a basso valore commerciale, confermando l’efficacia dell’approccio nel filtrare le interazioni meno rilevanti.
Al contrario, i dati relativi alle lead più significative per il business del cliente raccontano una storia di grande successo: abbiamo registrato un incremento del +9,9% nelle lead a medio valore commerciale e, più notevolmente, un aumento del +71,7% nelle lead ad alto valore commerciale. Quest’ultimo dato, in particolare, evidenzia una crescita esponenziale della conversione principale, dimostrando che la strategia non solo ha migliorato la qualità delle lead ma ha anche significativamente incrementato il loro valore per propensione.it. È rilevante sottolineare che il rapporto di valore attribuito alle lead ad alto valore commerciale rispetto a quella a basso valore è stimato intorno a 35:1. Questo dato ci permette di attribuire un valore diverso a ciascuna conversione e dimostra l’importanza di concentrarsi sulle conversioni che offrono il maggiore ritorno sull’investimento e sull’effettiva intenzione di sottoscrizione da parte degli utenti.
Questi risultati sono stati ottenuti in un contesto di aumento dei costi pubblicitari nel settore di riferimento, con un incremento del +38% sui Costi Per Clic (CPC) e del +15% sul Costo Per Lead (CPL) per le campagne “storiche”. Nonostante questi numeri, il Costo per Lead della conversione principale si è abbassato del –40%. La sfida dei costi crescenti è stata affrontata grazie all’introduzione di nuove tipologie di campagne, come le Performance Max, che hanno contribuito a ridurre significativamente i costi, dimostrando come sfruttare il machine learning con una strategia precisa e monitorata possa portare effettivamente a raggiungere gli obiettivi prefissati.
In sintesi, i risultati conseguiti illustrano un avanzamento significativo raggiunto con un investimento pressoché stabile, dimostrando l’effetto di un approccio focalizzato e dell’impiego strategico dell’evoluzione digitale.
Cliente
Settore
- Finance
Aree di intervento
Periodo
- 2023/2024
