Shopify Metafields vs. Tags. Perché i report hanno bisogno di struttura

Sono i metafields a permettere a un report Shopify di lavorare davvero con i tuoi dati – calcolarli, raggrupparli, filtrarli – invece di mostrare semplicemente qualsiasi testo capiti di essere agganciato a un prodotto, un ordine o un cliente. È la vera base di qualsiasi report personalizzato che valga la pena costruire: se i dati sottostanti siano stati strutturati fin dall'inizio per sostenere questo tipo di lavoro.

Dopo aver lavorato con i merchant su richieste avanzate di reporting, questa è la causa principale in cui continuo a imbattermi quando un report non torna: i dati non sono mai stati strutturati per essere analizzati – sono semplicemente testo, inserito dove era più veloce in quel momento. I report escono incoerenti, il filtraggio esaurisce in fretta le opzioni, e qualcuno finisce per ricostruire gli stessi numeri a mano ogni mese. (Per il quadro più ampio di ciò che l'analytics integrata di Shopify può e non può fare da sola, leggi la nostra guida completa a Shopify Analytics.)

Perché i metafields funzionano meglio per l'analytics

I metafields ti permettono di collegare campi strutturati – non solo testo libero – a prodotti, varianti, clienti, ordini e alla maggior parte delle altre risorse Shopify. Prendi un tasso di commissione: invece di un tag come 20%, diventa un campo definito:

• Namespace: commission
• Key: rate
• Value: 20

Adesso «20» è un numero con cui il sistema può lavorare, non un testo da interpretare. È proprio quello che permette a uno strumento di reporting di calcolare automaticamente la commissione dovuta a ogni venditore in base alle vendite reali, invece che qualcuno esporti un foglio di calcolo e faccia i conti a mano. Lo stesso approccio funziona per i nomi dei fornitori: namespace vendor, key name, value Vendor_1 – e ora un report può raggruppare direttamente per fornitore, invece di indovinare quali tag corrispondano ai nomi dei fornitori.

È esattamente il tipo di calcolo che un'app dedicata al reporting Shopify è progettata per gestire una volta che il campo sottostante è strutturato: trasforma un esercizio manuale su foglio di calcolo in un report che si aggiorna da solo. È tutto il senso di uno strato di report personalizzati sopra i dati di Shopify: può essere affidabile tanto quanto lo sono i campi da cui legge. (L'elenco completo delle risorse a cui puoi agganciare i metafields si trova nella documentazione ufficiale di Shopify sui metafields.)

Dove i tag non bastano

I tag sono una delle funzionalità più flessibili di Shopify: facili da creare, facili da aggiornare, utili per organizzare prodotti, clienti e ordini. Solo che non sono stati progettati per fare contemporaneamente da dati strutturati per il reporting.

Un tag è un valore testuale. Va benissimo per appiccicare un'etichetta a qualcosa. Crolla nel momento in cui devi calcolare, aggregare o filtrare con un minimo di precisione.

Prendi lo stesso tasso di commissione, taggato nel modo in cui molti merchant lo taggano:

• 10%
• 15%
• 20%

Le tue persone leggono quei valori senza problemi. Il tuo sistema di reporting no – almeno non in modo affidabile. Non ha modo di sapere che «20» è un numero su cui si può fare matematica, e non una stringa che gli somiglia soltanto.

Lo stesso problema si presenta anche con dati non numerici. Tagga i prodotti direttamente con i nomi dei fornitori – Vendor_1, Vendor_2, Vendor_3 – e un report non ha alcun modo di sapere che quei tag significano proprio «fornitore» e non qualcos'altro con cui potresti aver taggato un prodotto. Può elencare i tag. Non può raggrupparli per fornitore.

Fianco a fianco, gli stessi dati di prodotto appaiono così:

Il costo nascosto dei dati non strutturati

Quando uno store parte, la priorità è la velocità. Informazioni sul prodotto, attributi del cliente, dettagli operativi – i team li aggiungono dove è più comodo in quel momento.

Con la crescita dello store, le domande diventano più difficili:

• Quali prodotti generano le commissioni più alte per i venditori?
• Come si confrontano le vendite su specifici attributi di prodotto?
• Quali segmenti di clienti generano più fatturato?
• Come variano le performance in base a metriche di business personalizzate?

È il punto in cui il modo in cui hai archiviato i dati smette di essere un dettaglio tecnico e comincia a decidere se otterrai o meno una risposta affidabile. Se l'informazione esiste solo come testo libero o tag, tirare fuori un numero di cui fidarti diventa presto difficile – e resta difficile, per quanto buono sia lo strumento di reporting sopra.

Il vero costo non è un report sbagliato – è il lavoro manuale da rifare

Quando un report costruito sui tag sembra sbagliato, la logica del report di solito è a posto. Il vero problema è la struttura dei dati – e si manifesta meno come errore isolato e più come lavoro manuale continuo. Un report costruito per incrociare un elenco fisso di valori di tag – nomi specifici di fornitori, scaglioni specifici di commissione – conosce solo i valori che esistevano quando qualcuno l'ha costruito. Aggiungi un nuovo fornitore o un nuovo scaglione e il report non li recupera da solo; qualcuno deve accorgersene e poi tornare ad aggiornare la formula a mano.

I metafields non hanno questo problema. Un report costruito per leggere un campo vendor o commission rate legge il valore che è realmente memorizzato lì – un nuovo fornitore o una nuova tariffa compaiono al successivo run del report, senza nulla da aggiornare.

Se un report sembra sbagliato, non partire mettendo in dubbio il report. Parti confrontando i suoi risultati con i dati dell'API di Shopify per lo stesso periodo. Quel confronto ti dice se la discrepanza vive nello strato di reporting o nel modo in cui l'informazione sottostante è stata archiviata fin dall'inizio. I dati vengono progettati prima per la comodità operativa (veloci da inserire, facili da leggere per il team) e solo dopo – ammesso che accada – per la coerenza analitica. E gli aggiornamenti manuali delle formule sono esattamente il punto in cui questo compromesso ti presenta il conto.

Una regola pratica per ogni nuovo campo

Prima di creare un tag o un metafield, fatti una domanda: ti servirà mai filtrare, raggruppare, riassumere o calcolare questa informazione?

Se sì, il suo posto è in un metafield, non in un tag. È tutta qui la regola.

I dati strutturati ti danno:

• Formattazione coerente
• Filtraggio e segmentazione affidabili
• Calcoli di cui puoi davvero fidarti
• Report che continuano a funzionare quando catalogo e volume degli ordini crescono

Niente di tutto questo manda in pensione i tag. Restano la scelta giusta per un'organizzazione veloce e leggera – contrassegnare un prodotto come «clearance» o un cliente come «VIP» non ha bisogno di un metafield. La regola è più stretta di un «smettete di usare i tag»: se un valore deve comparire in un report come qualcosa di misurabile, non lasciarlo dentro un tag.

Se stai migrando dati esistenti dai tag – tassi di commissione, livelli di fedeltà, qualsiasi cosa tu abbia taggato all'inizio – metti in conto tempo per un giro di pulizia una tantum. Spostare i valori in sé è la parte facile. Decidere in anticipo i namespaces e i tipi di campo è ciò che ti evita di rifare la migrazione una seconda volta.

Prima di costruire il prossimo report

Controlla come sono davvero archiviati i dati sottostanti – non come è costruito il report. Quella decisione la prende raramente chi finisce per estrarre i numeri. Viene presa settimane o mesi prima da chi ha aggiunto il campo senza pensare minimamente all'analytics.

Se vuoi vedere cosa supportano già i tuoi metafields esistenti, Mipler costruisce report Shopify a partire dai metafields che il tuo store ha già, con oltre 100 template pronti se preferisci non partire da zero.

Una volta che i tuoi campi sono strutturati, le domande che puoi porre diventano più interessanti – per un esempio concreto vedi quali prodotti del primo ordine trasformano gli acquirenti in clienti abituali.

FAQ