logo del cliente
Conversazioni oggi
123Conversazioni Settimana
645Preventivi Oggi
23Oltre a valutare quale sia la creatività, o il blocco di conversazione vogliamo misurare cosa gli utenti hanno fatto. Ad esempio, hanno fatto clic sul pulsante di chiamata all’azione? Sono coinvolti con un contenuto personalizzato? Richiedono approfondimenti?
Misurare il valore delle interazioni, considerando le azioni messe in atto come consigli e raccomandazioni o profilazione.
---
title: "WeAct Widgets Showcase"
output:
flexdashboard::flex_dashboard:
#storyboard: true
social: menu
source: embed
orientation: rows
vertical_layout: scroll
---
INTRO
===

Customer Journey
=====================================
Row
-------------------------------------
```{r setup, include=FALSE}
library(flexdashboard)
```
-----------------------------------------------------------------------
### Il Customer Journey di WeAct Today è l'analisi delle interazioni sui "touch point" dei nostri bot, analizziamo in tempo reale ogni blocco di conversazione col nostro agente.
```{r fig.width=8, fig.height=5}
library(networkD3)
library(htmlwidgets)
nodes = data.frame("blocchi" =
c("menù", # Nodo 0
"info", # blocco 1
"video", # blocco 2
"immagine", # blocco 3
"personalizzazioni", # blocco 4
"prezzi", # blocco 5
"Facebook video", # blocco 6
"Facebook personalizzazioni", #blocco 7
"preventivo"))# blocco 8
links = as.data.frame(matrix(c(
0, 1, 190,
1, 3, 20,
1, 2, 22,
3, 5, 15,
3, 4, 5,
2, 5, 12,
2,7, 10,
7, 4, 32,
6, 2, 43,
2, 4, 16,
1, 4, 16,
4, 8, 31,
8,7,8,
5, 8, 11,
0, 8, 3),#
byrow = TRUE, ncol = 3))
names(links) = c("source", "target", "value")
SKNet<-sankeyNetwork(Links = links, Nodes = nodes,
Source = "source", Target = "target",
Value = "value", NodeID = "blocchi",
fontSize= 12, nodeWidth = 30)
SKNet
```
-----------------------------------------------------------------------
### Geolocalizzazione 1) geolocalizzazione in tempo reale 2) geofencing per assistenti sul territorio come per eventi, manifestazioni, fiere, viaggi o emergenze sul territorio
```{r}
library(leaflet)
mappa<- data.frame(long =c(7.701914, 7.803, 7.683, 7.802, 7.732431, 7.828368, 7.822682, 7.778887,7.803241, 7.662479, 7.665011), lat=c (45.104202, 45.114202, 44.987, 45.0803, 45.057627, 45.052184, 45.136723, 45.130561, 45.131711, 45.115011, 45.108801), tipo = c("casa", "auto", "salute", "auto", "auto", "casa", "casa", "casa", "casa", "salute", "salute"))
mappaleaf<- leaflet(data = mappa) %>% addTiles() %>%
addMarkers(~long, ~lat, popup = ~as.character(tipo), label = ~as.character(tipo))
mappaleaf
```
Row
-------------------------------------
### Contatti sull'assistente nelle ultime 24 h
Conversazioni oggi
```{r}
contattioggi <- (123)
valueBox(contattioggi, icon = "fa-bullhorn")
```
### Contatti sull'assistente negli utlimi 7 giorni
Conversazioni Settimana
```{r}
contattisettimana <- (645)
valueBox(contattisettimana, icon = "fa-comments")
```
### Preventivi richiesti oggi, se sotto la media settimanale = arancione se sopra = blu
Preventivi Oggi
```{r}
preventivi <- (23)
valueBox(preventivi,
icon = "fa-chart-area",
color = ifelse(preventivi< 30, "warning", "primary"))
```
Dashboard
=====================================
Row
-----------------------------------------------------------------------
### Progression
La metrica utilizzata per misurare l'impatto di WeAct.Today sui clienti che hanno raggiunto gli obiettivi di marketing.
```{r}
rate <- (85)
gauge(rate, min = 0, max = 100, symbol = '%', gaugeSectors(
success = c(80, 100), warning = c(40, 79), danger = c(0, 39)
))
```
### Aversion
La metrica utilizzata per misurare l'impatto di WeAct.Today sui clienti che NON hanno raggiunto gli obiettivi di marketing.
```{r}
rating <- (45)
gauge(rating, min = 0, max = 100, gaugeSectors(
success = c(0, 20), warning = c(21, 70), danger = c(70, 100)
))
```
Row
-----------------------------------------------------------------------
### Engagement
Oltre a valutare quale sia la creatività, o il blocco di conversazione vogliamo misurare cosa gli utenti hanno fatto. Ad esempio, hanno fatto clic sul pulsante di chiamata all'azione? Sono coinvolti con un contenuto personalizzato? Richiedono approfondimenti?
```{r}
engagement <- (73)
gauge(engagement, min = 0, max = 100, symbol = '%', gaugeSectors(
success = c(80, 100), warning = c(40, 79), danger = c(0, 39)
))
```
### Timing
In genere, più velocemente un cliente si sposta in ogni parte del viaggio, più velocemente si può raggiungere il risultato desiderato. Per quelli con un ciclo di vendita più lungo, potrebbe essere quanto tempo trascorrono nella fase di engagement.
```{r}
timing <- (74)
gauge(timing, min = 0, max = 100, gaugeSectors(
success = c(0, 40), warning = c(41, 70), danger = c(70, 100)
))
```
### Value
Misurare il valore delle interazioni, considerando le azioni messe in atto come consigli e raccomandazioni o profilazione.
```{r}
value <- (76)
gauge(value, min = 0, max = 100, gaugeSectors(
success = c(75, 100), warning = c(45, 74), danger = c(0, 44)
))
```
Row
-------------------------------------
### Touch Point: Menù
```{r}
touchpoint1 <- (823)
valueBox(touchpoint1, icon = "fa-smile")
```
### Touch Point: Video Auto
```{r}
touchpoint2 <- (645)
valueBox(touchpoint2, icon = "fa-compass")
```
### Touch Point: Offerta "Assicurazione"
```{r}
touchpoint3 <- (145)
valueBox(touchpoint3, icon = "fa-address-card")
```
Time Series
=====================================
Row
-------------------------------
```{r, fig.width=15, fig.height=5}
#install.packages("dygraphs")
library(dygraphs)
library(timeSeries)
library(dygraphs)
library(forecast)
library(magrittr)
#oggiora
#oggisys
oggi<- Sys.Date()
days<- seq(oggi, by=1, length.out = 10)
blocchi <- c('menù','video1','offerta', "video1", "menù", "menù", "offerta", "offerta", "preventivo", "exit")
visite <- c(213, 210, 222, 232, 233, 238, 245, 254, 259, 265)
video <- c(23, 17, 26, 16, 28, 33, 30, 38, 22, 9)
offerta<- c (21, 13, 16, 20, 25, 35, 32, 28, 31, 36)
preventivo <- c(4, 6, 5, 13, 14, 17, 18, 22, 27, 33 )
temp<- data.frame(video, offerta, preventivo)
myts <- ts(temp)
myts <- ts(temp, start=c(2017, 11, 1), end=c(2018, 4, 30), frequency=12)
dygraph(myts, main = "User Journey sui touch point del bot") %>%
dyRangeSelector() %>%
dyOptions(colors = RColorBrewer::brewer.pal(3, "Set2"))%>%
#dyOptions(fillGraph = TRUE, fillAlpha = 0.2)
dyHighlight(highlightSeriesOpts = list(strokeWidth = 3)) %>%
dyEvent("2018-2-20", "offerta Autopiù", labelLoc = "bottom") %>%
dyEvent("2018-1-27", "video Rally", labelLoc = "bottom") %>%
dyEvent("2017-12-24", "video Natale", labelLoc = "bottom")
```
Touch Point Analytics
=====================================
Row
--------------------
```{r, fig.width=14, fig.height=5}
library(ggplot2)
library(plotly)
veb<- data.frame(visite, blocchi)
p <- ggplot(data = veb, aes(x = blocchi)) +
geom_bar(position = "dodge")
ggplotly(p)
```