Nel corso degli anni, seguendo progetti Adobe Commerce per merchant che vendono online e offline allo stesso tempo, mi sono scontrato sempre con lo stesso muro: il report dice una cosa, il cliente ne vive un’altra. La classica dashboard di Adobe Analytics racconta bene cosa succede dentro un sito, ma il cliente non compra dentro un sito. Compra guardando una campagna sui social, poi tornando via email, poi finendo l’acquisto in negozio, o viceversa. Quando quel percorso lo spezzi in silos, la misura che ne esce è precisa e falsa allo stesso tempo.
La convergenza tra Adobe Analytics e Customer Journey Analytics (CJA) su Adobe Experience Platform nasce esattamente da qui. Voglio spiegare perché, secondo me, cambia il modo di leggere il customer journey di un e-commerce, cosa guadagni davvero rispetto al reporting tradizionale e — soprattutto — quando ha senso metterci dei soldi e quando no.
Il limite vero di Adobe Analytics non è Adobe Analytics
Sia chiaro: Adobe Analytics resta uno strumento serio. Il problema non è la qualità della misura sul singolo canale, è il perimetro. Il modello storico è costruito attorno alla visit e alla page view, cioè attorno a una sessione web. Va benissimo finché la domanda è “come si comporta chi arriva sul sito”. Diventa un problema nel momento in cui la domanda diventa “chi è questa persona lungo tutto il suo rapporto con il brand”.
Nella pratica, con i report tradizionali, il cross-channel lo ricostruisci a mano: esporti, incolli, riconcili identità con logiche approssimative, e alla fine presenti un numero in cui tu per primo non credi fino in fondo. L’ho fatto tante volte. Il risultato è che l’attribuzione premia sempre l’ultimo canale digitale toccato, e lo store fisico — che magari è dove si chiude davvero la vendita — sparisce dal conteggio.
Cosa cambia con CJA su Adobe Experience Platform
Customer Journey Analytics ribalta l’unità di misura. Non parte più dalla sessione web, parte dalla persona. Il meccanismo che lo rende possibile è che i dati non vivono più dentro il tool di analytics: vivono su Adobe Experience Platform, dove convergono in un modello dati condiviso (l’Experience Data Model, XDM) e vengono ricongiunti su un’identità unica tramite Identity Service.
Tradotto in concreto per un e-commerce: web, app, dati di CRM, transazioni di cassa in store, interazioni via email possono finire nello stesso dataset e essere letti come un unico percorso. E qui c’è il punto che considero il vero salto: in CJA puoi analizzare anche dati che non hanno mai visto una libreria di tracking web. Un ordine registrato dal gestionale, un reso in negozio, un contatto del call center diventano event analizzabili accanto alle page view. Con Adobe Analytics classico, dati del genere semplicemente restavano fuori.
Aggiungo la parte che apprezzo di più da chi ci lavora sopra: lo stitching. CJA permette di ricucire il journey di un utente che parte anonimo e poi si autentica, riportando retroattivamente le interazioni anonime sull’identità nota. Sembra un dettaglio tecnico, ma è la differenza tra dire “abbiamo avuto 10.000 sessioni” e dire “abbiamo parlato con 3.200 persone, e 900 di loro hanno comprato in due canali diversi”.
Cosa guadagni rispetto ai report tradizionali
Provo a essere concreto, perché è qui che di solito si capisce se il gioco vale la candela.
- Attribuzione cross-channel onesta. Con l’Attribution IQ dentro un contesto omnicanale puoi confrontare modelli diversi sullo stesso journey completo, non sul solo traffico web. Il canale che “sembrava” marginale spesso si rivela un assist decisivo.
- Retention e lifetime value reali. Ragionando per persona e non per cookie di sessione, la lettura del comportamento ripetuto smette di essere una stima e diventa una misura. Per un merchant che vive di clienti che tornano, è la metrica che conta davvero.
- Segmenti che attraversano i canali. Puoi costruire un segmento tipo “ha comprato online e reso in negozio negli ultimi 90 giorni” e poi studiarne il comportamento successivo. Con i report classici, un segmento del genere era quasi impossibile da tenere in piedi.
- Flessibilità sui dati storici. CJA non impone lo schema al momento della raccolta come faceva la logica delle variable tradizionali; lavori sui dataset e ridefinisci le dimensioni anche dopo. In pratica, meno reimplementazioni ogni volta che il business cambia domanda.
Il filo comune di tutti questi punti è uno solo: smetti di misurare canali e cominci a misurare persone. E un e-commerce, che lo ammetta o no, vive di persone che tornano.
La mia opinione: quando ha senso investirci (e quando no)
Adesso la parte scomoda, perché non voglio raccontare la favola per cui a tutti serve CJA. Non è così.
Secondo me la convergenza Adobe Analytics + CJA su Adobe Experience Platform ha senso quando ricorrono due condizioni insieme: hai davvero più canali che si intrecciano (tipicamente online più retail fisico, o più insegne, o web più app con login) e hai un’organizzazione capace di prendere decisioni sulla base dei dati. Se manca la seconda, la prima non basta: ho visto implementazioni tecnicamente perfette rimaste inutilizzate perché nessuno, dentro l’azienda, aveva il mandato di cambiare qualcosa in base a quei numeri.
Un esempio anonimizzato dal campo. Un merchant fashion sui €15M di GMV, forte sia online sia in una manciata di negozi, era convinto che il canale email fosse debole perché “converte poco” secondo il report last-click. Leggendo il journey completo, l’email risultava il canale che riportava in store i clienti dormienti: non chiudeva la vendita nel browser, la innescava dal vivo. Con la lettura tradizionale quel valore era invisibile, e il rischio concreto era tagliare il budget sul canale sbagliato.
Dove invece eviterei di partire con CJA: merchant puramente online, single-brand, senza uno strato di identità decente (niente login, niente CRM ordinato). Lì il costo — di licenza, ma soprattutto di data engineering per portare tutto su Adobe Experience Platform con un XDM sensato — non è giustificato dal guadagno informativo. Con quei presupposti, Adobe Analytics ben implementato copre la stragrande maggioranza delle domande, e i soldi risparmiati li metterei sulla qualità della raccolta dati, non su una piattaforma più grande.
Perché il vero costo di CJA, va detto chiaro, non è la licenza: è la data governance. Se i dati che fai convergere sono sporchi, incoerenti, con identità mal gestite, ottieni un journey unificato e sbagliato — che è peggio di quattro report separati ma onesti sui loro limiti. Garbage in, garbage out vale qui più che altrove, perché qui il garbage è consolidato e sembra autorevole.
In sintesi
La convergenza tra Adobe Analytics e Customer Journey Analytics non è un aggiornamento di versione, è un cambio di unità di misura: dalla sessione alla persona. Per un e-commerce genuinamente omnicanale è il modo per smettere di raccontarsi storie sull’attribuzione e iniziare a leggere il customer journey per quello che è. Ma è un investimento che ripaga solo se hai canali che si intrecciano davvero e la maturità organizzativa per agire sui dati. Senza quelle due condizioni, è tecnologia costosa in cerca di un problema.
Mini-FAQ
Qual è la differenza principale tra Adobe Analytics e Customer Journey Analytics?
Adobe Analytics misura il comportamento a partire dalla sessione web (visit e page view). Customer Journey Analytics, su Adobe Experience Platform, misura a partire dalla persona, unificando dati web, app, CRM e store fisico su un’identità unica.
CJA sostituisce Adobe Analytics?
Non necessariamente. Convivono: Adobe Analytics resta ottimo per l’analisi del canale digitale, mentre CJA aggiunge la lettura cross-channel. Molte aziende usano entrambi, alimentando CJA con i dati raccolti tramite il tracking già in essere.
Per quali e-commerce ha senso Customer Journey Analytics?
Per merchant realmente omnicanale (online più retail, più insegne, o web più app con login) e con la maturità organizzativa per decidere sui dati. Per un e-commerce puramente online e single-brand, spesso Adobe Analytics ben implementato è sufficiente.
Qual è il vero costo di adottare CJA?
Più che la licenza, la data governance: portare dati coerenti e con identità ben gestite su Adobe Experience Platform tramite un modello dati (XDM) ben progettato. Su dati sporchi, il journey unificato risulta consolidato ma inaffidabile.
Fabio Canovi è consulente Adobe presso il gruppo Lutech, certificato Adobe Commerce, Adobe Experience Manager, Adobe Analytics e Adobe Target. Approfondisce l’AI agentica applicata all’e-commerce.