Caso studio: LaCuraDellAuto raggiunge il 98% di accuratezza dei dati tracciati e +28% di revenue nette grazie a tracciamento server-side, BigQuery e a report personalizzati

Per LaCuraDellAuto, punto di riferimento italiano per gli appassionati di car detailing, abbiamo avviato un progetto strutturato di ottimizzazione della misurazione e dell’analisi delle campagne advertising, con l’obiettivo di leggere con precisione i ritorni economici del marketing e aumentare la profittabilità degli investimenti pubblicitari.

Esigenza

LaCuraDellAuto si è rivolta a Tag Manager Italia con l’obiettivo di leggere sui propri report dati più dettagliati e precisi riguardo i ritorni economici delle campagne marketing, al fine di identificare azioni di ottimizzazione per ottenere performance più elevate.

Per farlo, era necessario affrontare una situazione tecnica complessa: la piattaforma ecommerce utilizzata (un software gestionale Odoo con modulo ecommerce altamente customizzato) presentava evidenti malfunzionamenti strutturali che causavano problemi nella raccolta dei dati reali generati dal sito web.

A questo si aggiungevano la doppia natura del sito (sia sito web che web app), la gestione di ordini evasi manualmente da un operatore (offline), una clientela mista tra privati e professionisti con listini prezzi differenziati, e metodi di pagamento diversificati (carte, PayPal, bonifico, PostePay).

Ciascuno di questi elementi generava dati online e offline da tracciare e complessi da ricollegare gli uni agli altri per ricostruire il reale customer journey degli utenti e KPI di vendita.

In particolare, la richiesta era di:

• Creare un sistema di tracciamento avanzato per intercettare tutti gli step dei percorsi di acquisto degli utenti, sia online che offline, senza perdere dati a causa della complessità della piattaforma
• Attribuire gli acquisti reali ai canali advertising e marketing giusti in modo accurato e completo, superando le lacune del tracciamento client-side
• Aumentare le performance delle campagne advertising (in particolare Google Ads e Meta Ads), ottimizzando il processo di analisi e l’allocazione del budget marketing

L’obiettivo era duplice: investire in modo più efficace il budget sui canali advertising per aumentare il ROI, e costruire un sistema di reportistica condivisibile con il team per prendere decisioni operative rapide e chiare.

Soluzione adottata

Per raggiungere gli obiettivi definiti, abbiamo progettato e costruito una Data Mix Strategy in 6 fasi, ossia un approccio end-to-end mirato a:

• calcolare e combinare tra loro metriche personalizzate che riflettano costi reali e revenue nette,
• tracciare in modo ibrido dati online e offline per catturare l’intero ciclo di vita della conversione,
• unificare dati da fonti diverse (analytics, CRM, piattaforme adv, etc.) in architetture di data warehouse in cloud unificate (come BigQuery)
• costruire dashboard che mostrino KPI calibrati sulle specificità del proprio business, invece che su standard generici.

1. Piano di misurazione avanzato e struttura del dataLayer

Il punto di partenza è stato un’analisi approfondita della situazione esistente per identificare le inefficienze nella raccolta del dato e le cause della visione distorta sulla profittabilità delle campagne.

Sulla base dei risultati emersi, è stato costruito un piano di misurazione per mappare tutte le interazioni del flusso ecommerce (dal click sul pulsante, alla visualizzazione del checkout, fino al completamento dell’acquisto).

In particolare, il piano di misurazione è stato determinante per indetificare e tracciare in modo personalizzato dati calcolati da trasmettere alle piattaforme advertising (ad esempio, valori degli acquisti netti invece che lordi).

2. Pseudonimizzazione di GA4 e integrazione con Google BigQuery

Per ottenere il 100% delle interazioni sul sito nel rispetto della privacy degli utenti, GA4 è stato configurato in modalità pseudonimizzata e collegato a Google BigQuery.

Questo ha permesso di costruire un’architettura del dato robusta per la riconciliazione dei dati online e offline, abilitando un’attribuzione corretta e completa delle conversioni ai diversi canali marketing utilizzati.

3. Mapping di metriche custom e gestione delle conversioni on/off-line

Uno degli aspetti più delicati del progetto è stato gestire la complessità dei flussi di acquisto di LaCuraDellAuto: ordini completati direttamente online dagli utenti, ma anche ordini gestiti manualmente da un operatore, che inviava e monitorava il completamento dei pagamenti offline tramite bonifico.

Sono state quindi definite e tracciate metriche custom specifiche (costi di spedizione interni, costo dei prodotti, revenue nette) da includere nei report di analisi del ROI, per una visione veramente completa delle reali performance del marketing.

4. Implementazione del tracking Server-Side tramite Stape

L’adozione del tracking Server-Side tramite GTM e Stape ha giocato un ruolo chiave nell’aumentare e garantire continuità nella raccolta di dati numerosi e di qualità.

Questa soluzione ha permesso di mitigare la perdita di informazioni causata da adblocker, restrizioni dei browser e dai bug della piattaforma ecommerce, migliorando le performance di caricamento del sito e garantendo la scalabilità del sistema di tracciamento nel tempo.

5. Ottimizzazione del tracking delle piattaforme advertising

Grazie alla nuova infrastruttura, è stato possibile implementare un tracking delle conversioni pulito e preciso per tutte le piattaforme pubblicitarie (Google Ads, Meta Ads e altri canali) passando i dati in modo più accurato e completo.

La configurazione dell’Advanced Matching di Meta Ads ha permesso di inviare all’algoritmo pubblicitario segnali più numerosi e di qualità da usare per ottimizzare la target audience e lo spending, con impatti diretti sui tassi di conversione delle campagne.

6. Dashboard di controllo dei KPI con BigQuery e Looker Studio

Infine, grazie alla costruzione di un’architettura dei dati personalizzata utilizzando BigQuery, è stata costruita una dashboard di analisi dedicata che permette un monitoraggio quotidiano dei principali KPI, condivisibile con tutto il team.

Il cruscotto di analisi è personalizzato con i KPI di business e di marketing definiti per identificare, in particolare, i canali e le combinazioni di touchpoint con il conversion rate più alto, in modo da capire come distribuire al meglio il budget sulle fonti più profittevoli in modo rapido e informato.

Risultati ottenuti

La strategia e gli interventi tecnici realizzati hanno portato a risultati concreti e misurabili (risultati aggiornati a ottobre 2025).

Performance di business

• +28% di revenue nette rispetto al periodo precedente
• -42% delle revenue perse per rimborsi o mancati pagamenti
• Gestione corretta degli ordini da professionisti con allineamento preciso del listino e delle revenue

Performance di marketing

• 98% di accuratezza nel tracciamento degli ordini e degli acquisti (dal precedente 70%), grazie alla struttura ibrida tra eventi online e offline
• ROAS Google Ads al 411% (+13% rispetto all’anno precedente)
• Punteggio di qualità dell’Advanced Matching di Meta Ads: 8.5/10
• Analisi più rapida ed efficace dell’attribuzione delle conversioni ai canali marketing, con possibilità di identificare le combinazioni di canali con il conversion rate più alto e attivare azioni mirate per distribuire il budget evitando sprechi

Conclusioni

Questo caso studio ed esempio di implementazione ti è stato utile?

Hai domande in merito o ti serve supporto per le tue attività di tracking e analisi dati del tuo ecommerce o azienda?

Contattaci: saremo entusiasti di aiutarti a definire una strategia di Web Analytics efficace, implementando soluzioni di tracking Server-Side e di consulenza su BigQuery in base ai tuoi obiettivi di marketing e di business.

Buon Tag!