Perché le dashboard GA4 di default non bastano
GA4 è uno strumento potente, ma i suoi report standard sono pensati per ecommerce B2C. Se sei un’azienda B2B con lead-gen, le metriche default (“acquisizione”, “engagement”, “monetizzazione”) ti dicono poco di quello che ti serve davvero sapere.
Cose che a un imprenditore B2B servono e che GA4 non mostra fuori dalla scatola:
- Quanti lead qualificati sto generando, distinti dai contatti spam?
- Quanto mi sta costando un lead, per canale e campagna?
- Da quale contenuto arrivano i lead migliori (non solo quelli più numerosi)?
- Quali pagine del sito influenzano la conversione anche senza essere il “last touch”?
- Sono in trend positivo o sto rallentando?
A tutto questo si può rispondere con GA4 + Looker Studio (ex Data Studio), ma serve metterci mano. Quattro dashboard, una per pubblico interno diverso.
La struttura: quattro dashboard, quattro pubblici
L’errore più comune è fare una sola dashboard “tutto-incluso” con 25 grafici. Risultato: nessuno la guarda, perché tutti devono cercare la propria informazione tra rumore.
Meglio quattro dashboard separate, ognuna pensata per chi la legge:
- Direzione (CEO, CFO): KPI alto livello, niente dettagli tecnici. 1 schermo.
- Marketing (CMO, brand manager): performance dei contenuti, funnel, cohort. 2-3 schermi.
- Ads (PPC manager, agenzia): performance per campagna, ROAS/CPL, ottimizzazione. 3-4 schermi.
- Sito (web manager, dev): comportamento utenti, performance tecnica, errori. 2-3 schermi.
Ogni stakeholder apre solo la propria. Velocità di lettura > completezza.
Setup preliminare: cosa configurare in GA4
Prima di qualsiasi dashboard, GA4 deve essere configurato bene. Tre cose che spesso mancano:
1. Eventi di conversione
In GA4 i “goal” si chiamano conversion events. Per un B2B tipico:
form_submit_preventivo: invio form preventivo (lead caldo).form_submit_contatti: form contatti generico (lead tiepido).phone_click: click su numero di telefono.email_click: click su email.download_brochure: scarica catalogo/PDF (lead micro).whatsapp_click: click su pulsante WhatsApp.
Vanno marcati come “Conversioni” in Admin → Events.
2. Custom dimensions
Per analisi B2B servono parametri custom oltre a quelli standard:
lead_type(caldo/tiepido/freddo): passato dal form al submit.page_category(servizio, blog, landing, contatti).referrer_source_qualified(raffinato rispetto al default GA4).
Si configurano in Admin → Custom definitions e vanno popolati via dataLayer + GTM.
3. Audience custom
Audience che spesso servono nel B2B:
- “Visitatori che hanno visto pricing/preventivo” (intent alto).
- “Visitatori che hanno scaricato brochure ma non convertito”.
- “Visitatori da LinkedIn”.
- “Visitatori da paid che NON convertono” (per remarketing negativo o esclusione).
Dashboard 1: Direzione (1 schermo, 6 KPI)
Per il CEO/CFO. Informazione chiara, nessun cliccabile, sotto al mese in corso vs mese precedente vs anno precedente.
I 6 KPI:
- Lead totali (count): primo numero, più grande di tutti.
- Lead qualificati (count): sottoinsieme dei totali, con criterio condiviso.
- CPL medio (€): costo medio acquisizione lead, totale ads / lead da paid.
- Tasso conversione sito (%): sessioni / lead totali.
- Sessioni totali (count): volume traffico.
- Sessioni organic (count): traffico SEO, separato dai paid.
Sotto questi 6, un grafico trend lead a 90 giorni e un barchart “lead per canale” (organic, paid, direct, referral). Stop. Tutto su un solo schermo.
Filter date range in alto, default “ultimi 30 giorni vs 30 precedenti”.
Dashboard 2: Marketing (2-3 schermi)
Per il CMO. Più dettaglio, focus su contenuti e funnel.
Schermo 1, Performance contenuti:
- Top 10 articoli/pagine per traffico organic.
- Top 10 articoli/pagine per lead generati (non per traffico).
- Tempo medio di permanenza per categoria di contenuto.
- Bounce rate per categoria.
Schermo 2, Funnel:
- Sessioni → Pageview pricing → Form start → Form submit, con conversion rate ad ogni step.
- Funnel separato per landing principali.
Schermo 3, Source/Medium qualificato:
- Lead per source/medium, ordinato per qualità (lead qualificati / lead totali).
- Costo per lead qualificato per canale (escludendo channel non paid).
- Trend lead per canale negli ultimi 6 mesi.
Dashboard 3: Ads (3-4 schermi)
Per chi gestisce le campagne. Granulare.
Schermo 1, Overview Ads:
- Spend totale, per piattaforma (Google, Meta, LinkedIn, eccetera).
- Lead totali da ads, per piattaforma.
- CPL per piattaforma.
- ROAS se applicabile.
Schermo 2, Per campagna Google:
- Impressioni, click, CTR, CPC per campagna.
- Conversioni e CPL per campagna.
- Search term report (top 30 query convertenti, top 30 da escludere).
- Quality score medio e trend.
Schermo 3, Per campagna Meta:
- Reach, frequency, CTR per campagna.
- CPL per ads creative.
- Funnel: impression → click → landing → form start → form submit.
Schermo 4, Cross-channel:
- Path to conversion (multi-touch attribution).
- Time-to-conversion media.
- Assist conversions (canali che aiutano ma non sono last-touch).
Con GA4 + Google Ads + Meta + LinkedIn collegati a Looker Studio via connettori nativi/Supermetrics, tutta questa visibilità è auto-aggiornata.
Dashboard 4: Sito (2-3 schermi)
Per chi gestisce il sito (web manager, dev).
Schermo 1, Comportamento:
- Pagine top per visualizzazioni.
- Pagine top per uscita (exit rate).
- Heatmap dei click (se hai Hotjar/Clarity collegato).
- Search interno (cosa cercano gli utenti dentro al sito).
Schermo 2, Tecnico/UX:
- Core Web Vitals (LCP, INP, CLS) per template di pagina.
- Errori 404 e 500.
- Tempi di caricamento per device (mobile/desktop/tablet).
Schermo 3, Device & Geo:
- Sessioni per device, browser, OS.
- Sessioni per regione (per B2B locali, è importante).
- Sessioni per ora del giorno e giorno settimana (per programmare contenuti/ads).
Tre regole di design per dashboard che funzionano
Da molti errori fatti, queste sono le regole che applichiamo sempre:
1. Una metrica per tile
Tile = un solo numero o un solo grafico. Non infilare 4 numeri in un tile per “risparmiare spazio”. L’occhio si perde, il messaggio non passa.
2. Confronti, non assoluti
Un numero da solo non significa nulla. “Lead: 120” è inutile. “Lead: 120 (+18% vs mese scorso)” è utile. Looker Studio ha il “comparison date range”, usalo sempre.
3. Filtro temporale globale
Sempre in alto, sempre evidente. “Ultimi 30 giorni vs precedenti 30” come default. L’utente cambia se vuole. Mai filtri date diversi nei tile.
Cosa non funziona (e che vediamo spesso)
Dashboard che vediamo nei progetti dei clienti e che sono peggio di non averle:
- Dashboard “show-off”: 25 grafici che sembrano belli ma nessuno guarda. Più è densa, meno è usata.
- Dashboard senza contesto: numeri assoluti senza confronto, né benchmark di settore. Inutili.
- Dashboard non aggiornata: connettore rotto, dati fermi a 6 mesi fa, nessuno se ne accorge.
- Dashboard senza owner: nessuno è responsabile di guardarla, di aggiornarla, di intervenire sui dati. Muore.
L’antidoto: ogni dashboard ha un proprietario che la apre minimo settimanalmente, ha un’azione che ne deriva (non solo “guardare i numeri”), e ha una review trimestrale dove si decide se aggiungere/togliere metriche.
Tempi e costi reali per metterla in piedi
Per dare un ordine di grandezza:
- Setup GA4 + custom events + dimensions: 8-16 ore di lavoro, 800-1.600 €.
- Connessione Looker Studio + sorgenti (GA4, Ads, Meta, LinkedIn): 4-8 ore, 400-800 €.
- Dashboard direzione + 1 dashboard operativa: 8-12 ore, 800-1.200 €.
- Tutte e quattro le dashboard, training, documentazione: 30-50 ore, 3.000-5.000 €.
Manutenzione tipica: 2-4 ore al mese, sostanzialmente “controlla che i connettori siano vivi e i numeri tornino”.
Un ultimo consiglio
Le dashboard non sostituiscono conversazioni. Una buona dashboard genera domande (“perché i lead da LinkedIn sono crollati?”), che vanno discusse con chi gestisce quel canale. Se la dashboard la guardi e poi non parli con nessuno, è documentazione, non strumento di lavoro.
L’obiettivo finale è: il martedì alle 10 il marketing manager apre la dashboard, vede un calo, scrive su Slack “vediamo perché”, e mercoledì avete capito la causa. Quello è marketing data-driven nel 2026: non avere mille metriche, avere mille decisioni informate.
