KPI e-commerce: le metriche da monitorare davvero

Se gestite uno shop online, i numeri non sono un accessorio: sono il cruscotto con cui decidete dove mettere budget, tempo e attenzione. In questa guida vi mostriamo i kpi ecommerce che contano davvero per un e-commerce manager — non l’elenco infinito di metriche da dashboard “decorative”, ma il set che collega traffico, carrello, ricavi e clienti che tornano.

Parliamo di KPI e-commerce in senso operativo: cosa misurare, come calcolarli, quali range di mercato usare con cautela e come leggerli in Google Analytics 4 e Looker Studio. È un pezzo del pillar Web Analytics & Data Governance, nella categoria Web Analytics, insieme ai tag KPI, GA4, Looker Studio, Dashboard, Conversion Rate e Funnel Marketing.

Cosa sono i KPI e-commerce e perché servono

Un KPI (Key Performance Indicator) è un indicatore chiave collegato a un obiettivo di business. Nel retail digitale non basta “avere tanti grafici”: serve una manciata di metriche che rispondano a domande precise. Quanti visitatori trasformate in clienti? Quanto spende in media chi compra? Quanto vale un cliente nel tempo? Dove perdete soldi tra lista prodotti, scheda e checkout?

Immaginate lo store come una rete da pesca. Il traffico è l’acqua che passa; il conversion rate è quanti pesci restano nella rete; l’AOV (Average Order Value) è quanto pesa ogni cattura; il CLV (Customer Lifetime Value) è quanto vi rende quel cliente nelle stagioni successive. Se misurate solo il traffico, vi sembra di crescere mentre il buco nella rete si allarga.

Per un e-commerce manager i KPI servono a tre cose concrete:

• Priorità: capire se conviene sistemare il checkout, alzare il ticket medio o recuperare i clienti dormienti;
• Allineamento: marketing, merchandising e customer care parlano lo stesso linguaggio numerico;
• Controllo: individuare presto un calo anomalo (pagamento fallito, tracking rotto, campagna che porta traffico inutile).

Due regole di igiene prima di qualsiasi benchmark. Prima: confrontatevi soprattutto con voi stessi (stesso periodo dell’anno scorso, stesso canale, stesso dispositivo). Seconda: i benchmark di settore variano moltissimo — food e beauty convertono spesso più del luxury o del furniture — quindi usateli come bussola, non come voto in pagella. Più avanti citeremo range pubblicati da fonti come Baymard, Dynamic Yield e report di mercato 2025–2026: dove il numero è instabile o dipende troppo dal campione, lo segnaliamo.

Infine, un KPI è utile solo se i dati sono puliti. Eventi ecommerce incompleti, doppi purchase, valuta mancante o consenso non gestito (vedi Consent Mode V2) rendono “belle” dashboard che mentono. Prima la misurazione, poi l’ottimizzazione.

Le metriche di traffico e acquisizione

Prima di parlare di vendite, dovete sapere chi arriva, da dove e a che costo. Le metriche di acquisizione non sono “vanity” se le leggete insieme alla qualità del traffico (engagement e conversioni a valle).

Sessioni e utenti. In GA4 le sessioni contano le visite; gli utenti attivi contano le persone. Per l’e-commerce manager la sessione resta spesso l’unità più pratica per il rate di conversione “classico” (ordini / sessioni), mentre gli utenti servono per coorti e retention. Non mischiate i due denominatori nello stesso confronto.

Canali e sorgenti. Guardate il report Acquisizione per canale predefinito: Organic Search, Paid Search, Direct, Organic Social, Paid Social, Email, Referral, Cross-network. Chiedetevi:

• qual è il canale con più sessioni?
• qual è quello con il miglior tasso di acquisto?
• dove il volume alto e la conversione bassa segnalano landing deboli o targeting sbagliato?

Un esempio tipico: i social portano tanti click ma pochi acquisti immediati; l’email e il brand search convertono di più perché arrivano più “caldi”. Non è un difetto del social: è un ruolo diverso nel funnel di marketing.

CAC (Customer Acquisition Cost). Costo di acquisizione cliente = spesa marketing (o di un canale) / nuovi clienti acquisiti nello stesso periodo. Se spendete 10.000 € e portate 200 nuovi acquirenti, il CAC è 50 €. Il CAC ha senso solo se lo confrontate con il CLV (ne parliamo sotto): un rapporto CLV:CAC intorno a 3:1 è spesso citato come soglia di sostenibilità, ma dipende da margini e ciclo di riacquisto.

ROAS e CPA. Il ROAS (Return on Ad Spend) = ricavi attribuiti / spesa ads. Il CPA = spesa / conversioni. Usateli per ottimizzare le campagne, non come unico giudizio sul business: l’attribuzione in GA4, Ads e Meta non coincide mai al centesimo, soprattutto con privacy e modellazione. Per dati più stabili, valutate anche il tracciamento server-side e le integrazioni tipo Meta CAPI.

Landing page e bounce/engagement. In GA4 guardate le landing per sessioni, key events e ricavi. Una landing con traffico alto e zero purchase non è “brutta a priori”: può essere informativa. Lo diventa un problema se è pagata e non genera add-to-cart, lead o micro-conversioni definite. Strumenti di comportamento come Hotjar o Microsoft Clarity vi dicono come le persone usano quella pagina; GA4 vi dice quanto convertono.

Metriche di acquisizione da tenere in dashboard settimanale:

• sessioni totali e per canale top 5;
• nuovi vs returning users;
• CAC o CPA del paid (se avete i costi collegati);
• landing principali per revenue o purchase rate.

Conversion rate, AOV e revenue: il nucleo commerciale

Qui si decide se lo store “funziona”. Tre numeri formano il nucleo: conversion rate, AOV e ricavi. Sono legati da una relazione semplice:

Ricavi ≈ Sessioni × Conversion rate × AOV

Se volete far crescere i ricavi, intervenite su uno (o più) di questi leve — ma non tutte insieme, altrimenti non sapete cosa ha funzionato.

Conversion rate (tasso di conversione). Formula tipica e-commerce:

Conversion rate = (Numero di ordini / Numero di sessioni) × 100

Alcuni usano utenti al denominatore: dichiaratelo sempre. I benchmark pubblici divergono perché campioni e metodi cambiano. A titolo orientativo (non come target assoluto):

• medie globali spesso citate intorno al 1,5–3% (es. report di mercato e piattaforme analytics 2024–2026);
• store Shopify medi spesso sotto o intorno a circa 1,4% in alcuni dataset;
• settori come beauty / food / pet possono superare il 4–5% in certi benchmark (es. Dynamic Yield), mentre luxury, furniture o high-ticket restano più bassi;
• il desktop converte spesso meglio del mobile, anche se il mobile porta più traffico.

Usate i range per contestualizzare, poi fissate obiettivi sul vostro storico. Un 1,8% può essere ottimo in un settore ad alto ticket e debole in un grocery ripetitivo.

Add-to-cart rate e checkout. Prima dell’acquisto arrivano micro-passaggi:

• Add-to-cart rate = sessioni (o utenti) con add_to_cart / sessioni;
• Begin checkout rate = begin_checkout / sessioni;
• Purchase rate = purchase / sessioni.

Il cart abandonment (abbandono carrello) misura chi aggiunge al carrello ma non completa. Baymard Institute, aggiornando una media su decine di studi, indica un abbandono medio intorno al 70% (circa 70,22% nella loro sintesi). Su mobile è tipicamente più alto che su desktop. Non panicate al 70%: è la norma di mercato. Panicate se il vostro tasso peggiora mese su mese senza cambio di mix prodotti o promozioni.

AOV (Average Order Value). Valore medio ordine = ricavi / numero ordini. Si alza con bundle, soglie di spedizione gratuita, upsell in checkout, cross-sell post-acquisto. Attenzione: un AOV alto con pochissimi ordini non “salva” un conversion rate collassato.

RPV (Revenue Per Visitor / per session). Ricavi / sessioni (o utenti). È la metrica sintetica preferita da molti growth team perché combina conversione e ticket: se il conversion rate scende ma l’AOV sale, l’RPV vi dice se state guadagnando o perdendo.

Margine e ricavi netti. I ricavi lordi da GA4 non sono utile di cassa. Spedizioni, resi, sconti, IVA e costi di merce cambiano tutto. Per decisioni di catalogo, affiancate sempre un margine stimato (anche grezzo) agli ordini.

Customer lifetime value, retention e repeat purchase

Acquisire costa. Far tornare chi ha già comprato costa di solito meno e alza i margini. Per questo i KPI di retention e di valore nel tempo sono obbligatori per un e-commerce manager maturo — non solo per chi ha un abbonamento.

CLV / LTV (Customer Lifetime Value). Versione semplice e operativa:

CLV ≈ AOV × Frequenza di acquisto × Durata media del cliente

Esempio: AOV 60 €, 3 acquisti/anno, durata media 2 anni → CLV ≈ 360 €. Se volete una stima di contributo, moltiplicate ancora per il margine lordo. Esistono formule più sofisticate con tasso di sconto e retention periodica: usatele quando avete coorti stabili; per iniziare, la formula semplice basta a confrontare segmenti (VIP vs one-shot, canale A vs B).

I “valori medi di CLV e-commerce” pubblicati online (spesso citati tra circa 100 e 300 $ in alcuni report) variano troppo per categoria: un brand di materassi e uno di snack non sono confrontabili. Meglio il vostro CLV per coorte.

Repeat purchase rate. Percentuale di clienti con almeno 2 ordini sul totale clienti in un periodo. È il termometro della “seconda compra”. Se è basso, il problema raramente è solo il prezzo: spesso mancano post-acquisto, email di riordino, qualità prodotto o tempi di consegna.

Purchase frequency. Ordini / clienti unici nello stesso intervallo. Due acquisti l’anno con AOV alto possono valere più di sei micro-ordini con resi elevati.

Retention rate e churn. Retention = (clienti a fine periodo − nuovi clienti) / clienti a inizio periodo. Il churn è il complemento. Attenzione alla definizione di “attivo”: chi non compra da 12 mesi è churned per voi? Dichiaratelo.

Come alzare questi KPI senza inventare magie:

• flussi email/SMS post-acquisto e win-back (stack come quelli discussi in software email marketing e in strumenti tipo ActiveCampaign);
• programmi loyalty con benefici chiari (non punti inutili);
• riassortimento e reminder su consumabili;
• customer care che chiude il cerchio sui resi (un reso gestito bene può salvare il secondo ordine).

Collegate sempre retention e acquisizione: se il CLV è 120 € e il CAC paid è 90 €, state camminando su una corda. Se il CLV è 400 € e il CAC 80 €, potete spingere di più sull’acquisizione.

Metriche di prodotto, catalogo e merchandising

Il negozio non è solo “un sito”: è un catalogo. I KPI di prodotto vi dicono quali SKU meritano stock, budget creativo e posizione in home.

In GA4, con gli eventi ecommerce consigliati (view_item, add_to_cart, begin_checkout, purchase) e l’array items, potete leggere il report Acquisti e-commerce (Ecommerce purchases): item views, add-to-cart, items purchased, item revenue.

Metriche utili per merchandising:

• View-to-cart rate per prodotto o categoria (add_to_cart / view_item);
• Cart-to-purchase per item (purchase / add_to_cart) — attenzione: un prodotto messo nel carrello con altri può “apparire” convertito grazie al resto del basket;
• Item revenue e quantità vendute;
• Return rate per SKU (dai dati del gestionale/ERP, non solo da GA4);
• Sell-through e giorni di stock (dal magazzino);
• Margine per SKU (ancora dal gestionale).

Una metafora semplice: pensate ogni scheda prodotto come una vetrina. Se tanti si fermano (view alti) ma nessuno entra (add-to-cart bassi), il problema è prezzo, foto, descrizione o fit. Se entrano nel carrello ma non pagano, il problema spesso è a valle (spedizione, pagamento, fiducia) — e lo verificate con session recording e mappe di calore, non solo con le tabelle.

Per le liste (collection, search, “related”): usate view_item_list e select_item per capire se le griglie spingono i prodotti giusti. Un bestseller nascosto in pagina 3 è un KPI di merchandising fallito, non di “domanda assente”.

Checklist pratica settimanale sul catalogo:

1. Top 10 per ricavi e top 10 per views (confrontatele: views alti / ricavi bassi = opportunità o problema);
2. SKU con return rate anomalo;
3. Prodotti in promo: lift su AOV e su margine, non solo su pezzi;
4. Out-of-stock: traffico sprecato su schede non acquistabili.

Come tracciare i KPI in GA4 e Looker Studio

Senza eventi ecommerce solidi, i KPI restano teorie. In GA4 dovete inviare (via gtag, Google Tag Manager o data layer del CMS) almeno:

• view_item, add_to_cart, begin_checkout, purchase (e idealmente remove_from_cart, add_shipping_info, add_payment_info, refund);
• parametri obbligatori: currency, value, transaction_id sul purchase, e nell’array items almeno item_id o item_name, price, quantity.

Se mancano parametri richiesti, l’evento può finire come custom event e non alimentare i report ecommerce. Seguite la documentazione Google “Measure ecommerce” e verificate con DebugView / Tag Assistant. Per la logica degli eventi e delle key events, rivedete anche la guida agli eventi GA4.

Dove leggere i numeri in GA4:

• Monetizzazione → Panoramica: purchase revenue, items purchased;
• Acquisti e-commerce: performance per item;
• Acquisizione: canali vs sessioni, key events, revenue;
• Esplorazioni: funnel checkout, coorti, percorsi;
• Eventi: conteggi grezzi di add_to_cart / purchase (controllo qualità).

Segnate purchase come key event (ex conversione) e, se serve, anche begin_checkout o generate_lead. Allineate la valuta della property. Escludete traffico interno. Documentate il fuso orario: confrontare settimane con fusi diversi è un classico falso allarme.

Looker Studio (Data Studio). Per la riunione settimanale non aprite cinque report GA4: costruite una dashboard collegata alla property (connettore GA4) con:

• scorecard: ricavi, ordini, conversion rate, AOV, RPV;
• serie temporale dei ricavi e del conversion rate;
• tabella canali (sessioni, purchase, revenue);
• tabella top landing / top item;
• filtro data e dispositivo.

Nella nostra guida a Looker Studio trovate il flusso per la prima dashboard. Aggiungete un box di testo con le definizioni (es. “CR = purchase / sessions”) così marketing e management non discutono sul significato dei numeri.

Qualità dati — checklist rapida:

1. purchase in Realtime dopo un ordine di test;
2. transaction_id univoci (niente doppi conteggi al refresh thank-you);
3. value coerente con il totale ordine (tasse/spedizioni: decidete una policy e tenetela);
4. item_id stabili nel tempo (varianti: item_variant, non ID diversi a ogni deploy);
5. consenso e Consent Mode configurati; se i dati “calano” dopo un CMP, è spesso privacy, non crisi vendite.

Dashboard essenziale: quali KPI guardare ogni settimana

Non monitorate 40 KPI ogni lunedì. Ne bastano una dozzina, letti nello stesso ordine, con soglie d’allerta. Ecco un cruscotto essenziale per e-commerce manager.

Blocco 1 — Risultato

• Ricavi (e, se potete, margine stimato);
• Numero ordini;
• RPV (ricavi / sessioni).

Blocco 2 — Motore

• Sessioni (totale e YoY o vs media 4 settimane);
• Conversion rate;
• AOV;
• Add-to-cart rate e tasso di completamento checkout (o abandonment).

Blocco 3 — Acquisizione

• Mix canali (% sessioni);
• Revenue per canale top;
• CAC o CPA paid (se i costi sono collegati).

Blocco 4 — Clienti e catalogo

• % new vs returning buyers (o utenti);
• Repeat purchase rate (anche mensile se il volume è basso);
• Top 5 prodotti per ricavi + 3 “problemi” (alto traffico, basse vendite).

Rituale consigliato (30–40 minuti):

1. Guardate il Blocco 1: i ricavi sono in linea con lo storico stagionale?
2. Se no, aprite il Blocco 2: è un problema di traffico, di conversione o di ticket?
3. Se è traffico, scendete nel Blocco 3 (quale canale ha mosso).
4. Se è conversione, aprite funnel checkout + Clarity/Hotjar sulle pagine critiche.
5. Se è AOV, guardate mix prodotti, promozioni e upsell.
6. Chiudete con catalogo e retention: cosa spingere questa settimana.

Definite soglie semplici, per esempio: “se il conversion rate scende >15% vs media 4 settimane a parità di mix dispositivi, apri ticket UX/tracking entro 24 ore”. Senza soglie, la dashboard diventa un screensaver.

Cosa non mettere nel report settimanale (o mettere in un’area “deep dive”): metriche vanity non azionabili, screenshot di 20 campagne, tabelle infinite di SKU. Quelle servono in meeting di merchandising o di media, non nel check operativo di lunedì.

In sintesi operativa: i kpi ecommerce utili sono pochi, collegati tra loro e ancorati a dati affidabili. Misurate traffico e qualità dell’acquisizione, il nucleo conversion rate–AOV–ricavi, il valore nel tempo (CLV e repeat), la salute del catalogo e chiudete il cerchio con GA4 + una dashboard Looker Studio che tutto il team apre con le stesse definizioni. Il resto è rumore — e il rumore è il nemico di chi deve decidere entro mezz’ora.