PittaRosso

Come costruire un’infrastruttura di tracking affidabile e privacy-compliant che permette di leggere davvero il comportamento del consumatore online.

Pittarosso
  • Retail

    Fashion & Footwear

  • Services

    TRACK Data · Data Strategy · GTM Server Side · Web Tracking · Data Governance

  • Year

    2024-2025

  • View project

    pittarosso.com

Un retailer in crescita con un dato frammentato, e decisioni che costano.

PittaRosso è uno dei principali retailer italiani di calzature e accessori, con centinaia di punti vendita fisici e un e-commerce in crescita. Quando Digital Pills è entrata in progetto, il dato digitale di PittaRosso era formalmente presente ma operativamente inaffidabile.

Il passaggio da Universal Analytics a GA4 aveva lasciato tracciamenti non migrati correttamente. Gli eventi sul sito erano parziali, mal nominati o assenti. Le piattaforme advertising ricevevano segnali di conversione imprecisi, con conseguenze dirette sull’ottimizzazione degli algoritmi di Meta, Google Ads, TikTok. Il team marketing stava prendendo decisioni di budget basandosi su dati che non rispecchiavano la realtà.

Il problema non era tecnico in senso stretto. Era strategico: senza un dato pulito e strutturato, non è possibile capire il comportamento del consumatore, individuare le cause di un calo di conversione o allocare il budget in modo razionale.

APPROCCIO

Tre workstream sequenziali, costruiti per durare.


Il progetto è stato strutturato in tre fasi distinte ma connesse, con un principio guida condiviso: prima costruire le fondamenta, poi aggiungere valore su di esse.

Data Strategy e fix tracking

Audit tecnico dell’infrastruttura esistente su GA4 e GTM. Workshop con gli stakeholder per allineare gli obiettivi di business ai KPI misurabili. Ridefinizione del tracking plan con naming convention unificata, migrazione degli eventi UA → GA4, implementazione del dataLayer avanzato per 34 eventi tra fixing ed evolutivi, QA e go-live. Piattaforme coinvolte: GA4, GTM, Meta, Google Ads, TikTok, Bing, Klaviyo, SalesManago, Bantoa, Spotify, Stileo.

GTM Server Side su Google Cloud Platform

Progettazione e implementazione dell’infrastruttura di tagging server side su GCP Cloud Run, con custom domain proprietario di PittaRosso. Configurazione dei flussi dati misti (client + server) per Meta e TikTok, flusso server-only per GA4 e Google Ads. Enhanced Conversions e Conversion API configurate per Meta e Google Ads. Il server side riduce l’impatto degli adblocker e aumenta il controllo e la qualità del dato inviato alle piattaforme advertising.

Data Governance e audience activation

Configurazione della retention policy sui raw data GA4 esportati in BigQuery (25 mesi, GDPR-compliant). Definizione e attivazione di audience comportamentali custom (utenti ad alto valore, acquirenti solo in periodi di sconto, utenti ad alto carrello medio inattivi, categoria bambini, sport) inviate in forma sperimentale a Google Ads e Meta per iniziative di remarketing mirato.

LA SFIDA

Un ecosistema di raccolta dati progettato per essere proprietario, privacy-compliant e scalabile.

L’architettura finale di PittaRosso prevede due container GTM (client side e server side) in coordinamento, un server proprietario su Google Cloud Run (region: europe-west4) che intercetta i dati prima che raggiungano le piattaforme finali, un export raw data verso BigQuery (region: europe-west1) con retention automatica configurata, e Iubenda come CMP per la gestione del consenso secondo Consent Mode V2.

La scelta di mantenere un’architettura su GCP non è puramente tecnica: è una scelta di governance. Tutti i dati rimangono in infrastruttura europea, sotto il controllo diretto di PittaRosso. Il server proprietario permette di arricchire, filtrare o anonimizzare il dato prima che raggiunga Meta o Google, una garanzia che il tracciamento client-side non può offrire.

METRICHE

Un’infrastruttura dati che abilita marketing e analytics

10+ piattaforme integrate tra advertising, CRM e marketing automation, tra cui Meta, Google Ads, TikTok, Bing, Klaviyo, SalesManago, Spotify, Stileo e Criteo.

34 eventi di tracciamento implementati e ottimizzati, tra migrazione da Universal Analytics a GA4 e sviluppo di un dataLayer avanzato per l’analisi e-commerce.

7 audience comportamentali attivate e sincronizzate con Google Ads e Meta per supportare strategie di remarketing e personalizzazione delle campagne.


IMPATTI E RISULTATI

Tre vantaggi concreti per il business.

  1. Dato affidabile per le campagne advertising.

    Le piattaforme advertising ricevono segnali di conversione accurati e deduplicati. Gli algoritmi di ottimizzazione di Meta e Google Ads lavorano su dati corretti, con un impatto diretto sulla qualità dell’ottimizzazione automatica del budget.

  2. Visibilità comportamentale per il team marketing.

    Il dataLayer avanzato permette analisi che prima erano impossibili: disponibilità taglie per prodotto e brand, conversion rate per lista e posizione, LTV per sessione di acquisto, comportamento degli utenti sulla PDP inclusi gli avvisi di taglia esaurita. L’analisi del calo CR di Pasqua 2026 — basata su questi dati — ha identificato che il 48% dei prodotti visualizzati aveva oltre il 50% delle taglie mancanti, contro il 22% dell’anno precedente: un’informazione operativa non ricavabile senza infrastruttura di tracking avanzata.

  3. Controllo e scalabilità nel tempo.

    L’infrastruttura server side è proprietaria e ospitata in Europa. PittaRosso ha pieno controllo sui dati prima che raggiungano terze parti, con la governance garantita da una retention policy GDPR-compliant su BigQuery (25 mesi) e la documentazione tecnica necessaria per la manutenzione autonoma. GCP è già posizionata per diventare il data hub centrale per tutti i dati digitali del brand.

Le tue decisioni valgono quanto i dati su cui si basano.

Se il tuo tracking è incompleto, i dati sono frammentati o le piattaforme advertising ricevono segnali imprecisi, stai ottimizzando campagne e investimenti su una rappresentazione parziale della realtà. Analizziamo insieme lo stato della tua infrastruttura dati e definiamo le priorità per renderla affidabile, scalabile e utilizzabile.