Il tempo è denaro: quanto il meteo influenza il comportamento d’acquisto online
“Sai un argomento di tesi interessante quale sarebbe? Studiare se i fenomeni meteorologici influenzano il comportamento d’acquisto sugli e-commerce italiani.”
“In effetti è un’idea veramente interessante: quali elementi se non i fenomeni meteorologici sono tra i primi ad influenzare il nostro umore, le nostre scelte quotidiane e di conseguenza anche il nostro comportamento in rete?!”
Grazie a questa conversazione ho quindi deciso che cosa avrei trattato nella mia tesi di laurea “Il tempo è denaro: l’influenza dei fenomeni meteorologici sul comportamento d’acquisto di prodotti d’abbigliamento online”.
Nella mia analisi, ho preso in considerazione il tasso di conversione degli e-commerce di abbigliamento e accessori, valutato in funzione del valore meteorologico corrispondente, su base giornaliera. Il mio obiettivo era proprio verificare se (e come) i fenomeni metereologici hanno un impatto di qualche tipo sul comportamento d’acquisto online.
Attenzione! Dettagli tecnici a seguire, astenersi impazienti :)
<STYLE TYPE= “testo noioso”>
BODY {imprinting: tecnico-statistico}
</STYLE><BODY>
Come associare il fattore meteorologico a un fattore numerico? Per fare questo ho creato una scala che associasse a valori meteo peggiorativi, (pioggia →temporale →neve) valori numerici costantemente maggiori. Associando questi valori a quelli di Conversion Rate ho quindi potuto analizzare trend prestazionali.
Ho inoltre voluto creare un metodo di correlazione statistica tra questi due valori (valori meteo numerici e valore di tasso di conversione) utilizzando l’indice di Correlazione di Pearson. L’indice elabora due variabili generando un valore numerico compreso da -1 e 1, in cui il segno indica il tipo di correlazione (diretta o inversa) e il valore assoluto la “quantità di correlazione”. Valori più vicini ad 1 in valore assoluto rappresentano correlazioni maggiormente sensibili; in prossimità dello zero si evidenzia invece una correlazione assente e le due variabili non hanno quindi apparente correlazione statistica.
In questo modo è possibile sapere come il meteo influenza il tasso di conversione: con una correlazione diretta sappiamo quindi che con il peggioramento del meteo il tasso di conversione aumenta, viceversa una correlazione inversa implica un aumento di tasso di conversione con il bel tempo. NOTA: Questo ovviamente è valido in base alla scala creata, che riporta valori maggiori con il peggioramento degli effetti climatici.
Utilizzando questo metodo mi è stato possibile definire intervalli di correlazione sensibile riferiti al numero di istanze osservate consultando la tabella dei valori critici (maggiore è il numero di istanze osservate, minore è il valore richiesto perché la correlazione sia sensibile). L’indice mi ha permesso inoltre di effettuare una valutazione qualitativa della correlazione: elevando il coefficiente al quadrato si esplicita infatti la “forza di correlazione” in valore percentuale, che corrisponde a quanto una variabile influenza l’altra percentualmente.
</BODY>
Si può fare!
Ebbene sì! A dispetto di tutti i pareri scettici, i dati riportano correlazione sensibile sul 13% dei campioni analizzati. Circa 16 mensilità su 120 analizzate riportano una correlazione tra la variazione del valore meteorologico e la variazione di tasso di conversione.
Grazie a queste evidenze, i risultati della mia tesi non solo verificano un metodo di analisi applicabile in vari settori, ma propongono anche qualche takeaway interessante.
Lo sapevate ad esempio che nel cluster monomarca i mesi estivi convertono maggiormente con il sole mentre in quello multimarca-outlet l’andamento è esattamente opposto?
E che la nebbia a Milano in settimana converte maggiormente del weekend (+16%)? In alcuni mesi addirittura aumenta del 38% il tasso di conversione dei giorni con la nebbia rispetto ai giorni senza di essa.
Inoltre pattern meteo “costanti” sembrano favorire la conversione: in alcuni cluster, un giorno di bel tempo preceduto da altri due soleggiati ha portato ad un aumento del CR del 15%. La stessa cosa vale anche per tre giorni consecutivi di cattivo tempo.
Infine, un giorno di bel tempo preceduto da due giorni brutti sembra avere prestazioni differenti tra città del sud e del nord in base al giorno della settimana: al nord il tasso di conversione sale del 16% nei giorni infrasettimanali, mentre nel sud il tasso di conversione cresce del 23% nei giorni del weekend.
Google Adwords — Bid by Weather
Oltre a questi spunti interessanti nasce però spontanea la domanda seguente: tutto molto bello, sì… ma a cosa mi serve?
Qui entra in gioco il nostro amico Google. Tramite la piattaforma Adwords, Google mette già a disposizione uno script che, utilizzando l’API Open Weather Map, permette di campionare dati meteo in tempo reale e modificare di conseguenza le offerte pubblicitarie in base alle indicazioni fornitegli. Possiamo ottimizzare le nostre campagne applicando nuove segmentazioni: ad esempio utilizzare il meteo, la temperatura, i mm di pioggia o la velocità del vento in maniera tale da poter ripartire il nostro budget nel momento di maggior propensione all’acquisto.
Credo che tutto questo ci collochi inoltre verso una visione “environment-oriented” che si estende oltre lo schermo e ci fornisce sempre di più una dimensione reale del nostro utente e soprattutto dell’ambiente in cui vive: ambiente che, come la mia tesi dimostra, influenza le scelte quotidiane e di conseguenza impatta sulla navigazione e sui comportamenti d’acquisto.
