Analizzare le analytics dei social con Claude o ChatGPT è una sequenza in tre passaggi: esporta i tuoi dati a livello di post sotto forma di tabella, consegnali con un prompt che dichiari la domanda, le definizioni e il contesto di business, poi tratta tutto ciò che torna indietro come un'ipotesi da verificare, non come un risultato acquisito. L'assistente non ha nessuna connessione live ai tuoi account e nessuna memoria del tuo trimestre — legge soltanto quello che gli dai. Usato così è davvero veloce nella parte centrale e noiosa di una review mensile: raggruppare ottanta righe per tipo di contenuto, ordinarle in quattro modi diversi e descrivere la forma di ciò che vede.
Abbiamo già un pezzo concettuale su dove l'IA aiuta e dove esagera nelle analytics dei social. Questo è il compagno pratico — gli export, i prompt e i modi specifici in cui questo flusso di lavoro va storto.
Cosa l'assistente può e non può vedere
Da "legge soltanto quello che incolli" discendono tre conseguenze, e ogni errore di questo flusso di lavoro nasce dall'aver dimenticato una delle tre.
Non ha accesso ai tuoi account. Tutto ciò che non è nel tuo export non esiste. Se incolli la reach ma non il numero di follower, qualsiasi tasso di engagement che produce sta usando un denominatore che non gli hai dato — il che significa che se l'è inventato.
Non conosce la tua attività. Non sa che sei stato in vacanza nove giorni a giugno, che un post è stato condiviso da un account molto più grande o che il tuo picco di aprile era il lancio di un prodotto. Il contesto non dichiarato diventa una spiegazione indovinata.
Non ha benchmark per la tua nicchia. Ha un'idea generale di che aspetto abbiano i numeri sui social, che non è la stessa cosa di sapere che aspetto abbia il "buono" per un account B2B da 4.000 follower nel software industriale. Chiedigli una media di settore e di solito otterrai un numero sicuro di sé, plausibile e senza fonte.
Se il vocabolario di base è ancora traballante — reach contro impression, per cosa sta davvero dividendo un tasso di engagement — leggi prima la guida per principianti alle analytics dei social e tieni aperta la voce di glossario sulle analytics dei social. L'assistente userà volentieri i tuoi termini in modo sbagliato, se lo fai anche tu.
Passo 1: esporta la tabella giusta
La leva di qualità più grande in assoluto è la granularità dei dati. Una riga per post batte una riga per settimana, sempre. I riassunti settimanali permettono al modello di descrivere un trend; le righe a livello di post gli permettono di trovarne la causa.
Punta a queste colonne, qualunque sia la fonte:
| Colonna | Perché conta |
|---|---|
| Data e ora di pubblicazione | Permette di raggruppare per giorno della settimana e fascia oraria |
| Piattaforma | Evita che metriche di piattaforme diverse finiscano nella stessa media |
| Formato | Reel, carosello, statica, Short, post di testo — il raggruppamento di maggior valore che hai |
| Argomento o pillar | Il tuo tag personale, aggiunto a mano se serve; di solito la colonna più rilevante per le decisioni |
| Reach o impression | Specifica quale delle due, nell'intestazione |
| Azioni di engagement | Like, commenti, condivisioni, salvataggi in colonne separate se ce le hai |
| Clic sui link | Solo se il post aveva un link |
| Numero di follower al momento della pubblicazione | Altrimenti la crescita distorce silenziosamente ogni confronto tra tassi |
L'ultima riga conta più di quanto ci si aspetti. Se hai guadagnato follower nel periodo, i post più recenti portano un denominatore più grande, quindi un tasso di engagement piatto è in realtà un calo — o un miglioramento, a seconda del denominatore che hai scelto. Dichiaralo esplicitamente; il nostro calcolatore del tasso di engagement mostra quanto si sposta la risposta al variare della formula.
Estrai l'export come ti consente il tuo stack. Gli insight nativi te ne danno una piattaforma alla volta; uno scheduler ti dà i post che hai davvero pubblicato con i risultati allegati — in SocialKit le analytics dei post stanno accanto a ogni voce del calendario, e l'API più i webhook, presenti in ogni piano, ti permettono di automatizzare l'estrazione dentro un foglio. In entrambi i casi, consegna un CSV o una tabella incollata, mai uno screenshot: i modelli leggono i numeri dalle immagini in modo inaffidabile, e una cifra letta male si propaga in ogni calcolo successivo.
Entrambi gli assistenti accettano il caricamento di file e sanno eseguire codice su un foglio di calcolo invece di guardarlo a occhio. I nomi e la disponibilità nei piani cambiano; a luglio 2026, controlla cosa include il tuo piano e preferisci il percorso con il codice per qualsiasi calcolo su più di una manciata di righe.
Passo 2: fai il briefing prima di chiedere qualsiasi cosa
Apri con un messaggio di setup che vincoli l'intera conversazione. È il paragrafo con più leva di tutto il flusso di lavoro, e la maggior parte delle persone salta dritta alla domanda.
Mi stai aiutando a rivedere un mese di performance sui social.
In allegato un CSV: una riga per post, 63 post, dal 1 giugno al 30 giugno 2026,
solo Instagram e LinkedIn.
Le definizioni che sto usando:
- Tasso di engagement = (like + commenti + condivisioni + salvataggi) / reach
- La reach è il numero di account unici, non le impression
- "Pillar" è il mio tag di argomento, uno di quattro valori
Contesto che non hai: non ho pubblicato niente tra il 12 e il 20 giugno
(vacanza). Il carosello del 3 giugno è stato condiviso da un account partner
con un pubblico molto più ampio, quindi trattalo come un'anomalia, non come
un risultato ripetibile.
Regole per tutta questa conversazione:
1. Non dichiarare mai un numero che non sia calcolato dai dati allegati.
2. Se ti chiedo qualcosa a cui i dati non possono rispondere, dillo invece
di stimare.
3. Mostra il calcolo di ogni cifra che riporti.
4. Segnala ogni gruppo con meno di 5 post come troppo piccolo per trarne
conclusioni.
5. Distingui "X è associato a Y" da "X ha causato Y". Non affermare mai
un nesso causale.
Le regole 1 e 4 eliminano la maggior parte dei modi di fallire descritti più sotto. La regola 3 è ciò che rende possibile la verifica in meno di cinque minuti. Se scrivi prompt regolarmente, questo è semplicemente un blocco di vincoli nel senso descritto dalla nostra guida ai framework di prompt IA per i social — ruolo, dati, definizioni, regole, compito.
Passo 3: quattro prompt che fanno gran parte del lavoro
La review mensile
Riassumi il mese in questo ordine:
1. Cosa è stato pubblicato: conteggio per piattaforma, per formato, per pillar.
2. I cinque post migliori e i cinque peggiori per tasso di engagement, con
i numeri grezzi.
3. Qualsiasi raggruppamento in cui la differenza tra i gruppi sia abbastanza
grande da meritare un approfondimento, con le dimensioni dei campioni.
4. Tre domande che questi dati sollevano e a cui non possono rispondere.
Non consigliare ancora nulla.
Trattenere il consiglio è voluto. Chiedi un parere nello stesso respiro del riassunto e otterrai un parere plasmato dai preconcetti generali del modello sui social invece che dalla tua tabella. Il punto 4 è la sezione più utile della pagina — è lì che emerge il "i tuoi post del giovedì sono andati bene, ma quattro dei sei erano caroselli, quindi non riesco a separare il giorno dal formato".
La domanda sul mix di contenuti
Raggruppa ogni post per pillar, poi per formato, poi per pillar x formato.
Per ogni gruppo dammi: numero di post, tasso di engagement mediano e
l'intervallo. Usa la mediana, non la media. Dimmi quali gruppi sono troppo
piccoli per essere giudicati. Poi dimmi quale singolo raggruppamento spiega
più variazione nelle performance, e quanto ne sei sicuro.
Qui la mediana al posto della media conta. Un solo carosello condiviso da un partner tira la media verso l'alto e inventa un pillar di contenuto che in realtà non sta funzionando.
La domanda sul timing
Raggruppa i post per giorno della settimana e per fascia oraria. Riporta il
numero di post e il tasso di engagement mediano per ciascuna. Segnala
esplicitamente dove il tipo di contenuto è confuso con il timing — per
esempio se tutti i miei Reels sono usciti negli stessi due giorni. Non
consigliare un calendario di pubblicazione se il campione per fascia è
sotto i 5 post.
Questo restituisce quasi sempre "le tue fasce sono troppo scarne", che è la risposta corretta per un mese di pubblicazione normale e il motivo per cui i consigli sul miglior orario per pubblicare sono costruiti su molti più dati di quanti ne generi un singolo account. Tratta la tua analisi del timing come uno spareggio sopra un punto di partenza a livello di piattaforma, non come un suo sostituto.
Il pre-mortem
Prendi l'affermazione più forte che hai appena fatto. Argomenta contro.
Quale altra spiegazione si adatta altrettanto bene a questi stessi dati?
Cosa dovrei misurare per distinguere le due?
Chiedere a un modello di discutere con sé stesso è il controllo qualità più economico a disposizione. Fa emergere regolarmente la variabile confondente che la prima risposta aveva sorvolato.
Le domande sui benchmark richiedono una fonte che fornisci tu
"Un tasso di engagement del 4,2% è buono per Instagram?" è la domanda che fanno tutti ed è quella a cui questo setup risponde peggio. La risposta onesta è che i benchmark di engagement variano enormemente per settore, dimensione dell'account, area geografica e — cosa cruciale — a seconda di quale denominatore abbia usato la fonte. Un modello a cui lo chiedi a freddo produrrà un numero che suona documentato e non lo è.
Due modi per ottenere una risposta vera:
- Usa il tuo storico come benchmark. Incolla tre o sei mesi invece di uno. "È buono?" diventa "è meglio della mia mediana, e la differenza è più grande del rumore da mese a mese?". A quella domanda i dati sanno davvero rispondere.
- Porta tu il benchmark esterno. Se hai un report di settore pubblicato, incolla le cifre rilevanti nella conversazione insieme al modo in cui quella fonte definisce il tasso di engagement, e chiedi al modello di confrontare cose omogenee. Diventa un verificatore di unità e definizioni, che è un lavoro in cui riesce bene.
Quali numeri meritino un benchmark è una decisione a parte — la nostra panoramica sui KPI dei social che contano davvero è un punto di partenza migliore di una percentuale che qualcuno ha citato su una slide.
Cinque trappole
Numeri inventati. Il fallimento più comune è una cifra che compare nel testo ma da nessuna parte nei tuoi dati — un totale che non è mai stato sommato, una variazione percentuale rispetto a una baseline che non hai fornito. La regola 1 del briefing riduce il problema; controllare a campione due numeri per sessione becca il resto.
Deriva aritmetica. I calcoli a mente su decine di righe producono piccoli errori che si accumulano. Se il tuo assistente può eseguire codice sul file, insisti perché lo faccia, e chiedi di vedere il calcolo.
La correlazione raccontata come una storia. "I tuoi post how-to rendono di più perché il tuo pubblico vuole formazione" sono due affermazioni: un pattern (va benissimo, se è nei dati) e un meccanismo (inventato). Il meccanismo è la parte che sembra un insight ed è la parte senza nessuna prova dietro. Riscrivi ogni risultato come "X era associato a Y a giugno" prima di agire, poi verifica se quegli stessi post differiscono in qualche altro modo — lunghezza, formato, presenza di un link.
Campioni piccoli. Quattro post in una fascia sono un aneddoto. Le classifiche costruite su gruppi esili sono per lo più rumore, e il modello le stilerà comunque se non gli dici di non farlo.
Sopravvivenza e compiacenza. Il tuo export contiene solo ciò che hai pubblicato, quindi non può insegnarti nulla sui formati che non hai mai provato. E il modello tende ad accettare la tua impostazione — chiedi "perché i caroselli sono andati meglio?" e otterrai delle ragioni, anche se non è andata così. Chiedi invece "i caroselli sono andati meglio, e di quanto?". Stessa categoria di errore che trattare una previsione delle performance fatta dall'IA come un impegno invece che come una direzione approssimativa.
Il controllo di verifica in cinque minuti
Prima che qualsiasi risultato esca dalla finestra della chat, fai questo:
- Ricalcola due numeri a mano. Scegli una cifra di punta e una cifra di supporto. Se anche solo una è sbagliata, scarta tutta la risposta e ricomincia con il percorso del codice.
- Verifica ogni affermazione contro una colonna. Se una frase fa riferimento a qualcosa che non hai fornito, è generata.
- Controlla la dimensione del campione dietro ogni consiglio. Sotto i cinque post è un'ipotesi da testare, non un cambiamento da fare.
- Elimina il linguaggio causale. "Perché" diventa "insieme a".
- Aggiungi quello che sai tu e lui no. La vacanza, il lancio, il disservizio. È il passaggio che trasforma un riassunto in analisi.
Fallo una volta e l'output è sicuro da incollare in un report. La nostra guida per creare un report sui social copre la struttura che i clienti si aspettano, e la guida passo passo su come costruire un report social partendo dalle analytics copre l'assemblaggio a partire dai numeri grezzi. L'IA abbozza il commento; le affermazioni sono tue.
Riporta i risultati dentro ciò che pubblichi
Un'analisi che non cambia il calendario del mese prossimo è un hobby. Da ogni review dovrebbero uscire due decisioni.
Mix di contenuti. Se una combinazione di pillar e formato regge per due mesi consecutivi con un campione decente dietro, sposta qualche slot in quella direzione e segna il cambiamento sul calendario, così la review del mese dopo può vederlo. Un cambiamento alla volta, altrimenti non puoi attribuire il risultato.
Timing. Sposta uno slot, non l'intero calendario, e lascialo girare per un ciclo completo. In SocialKit è un trascinamento sul calendario visivo, con i consigli sul miglior orario per pubblicare come posizione di partenza predefinita e le analytics dei post dall'altro lato a dirti se lo spostamento ha prodotto qualcosa. I piani sono a prezzo fisso — tutte e 11 le piattaforme supportate in ognuno, da €29/mese con Solo o €17.40/mese con fatturazione annuale a luglio 2026, con 7 giorni di prova. Deliberatamente non fa social listening, benchmarking dei competitor o gestione della inbox, quindi il "perché è cambiato il sentiment" resta del tutto fuori da questo loop.
Una volta che questa diventa un'abitudine mensile, l'export è il passaggio che vale la pena automatizzare: convoglia i dati dei post in un foglio via API, poi punta l'assistente sul foglio. È la versione modesta del costruirsi una dashboard di analytics, e di solito basta.
Parti da qui
Il primo giro richiede circa un'ora; tutti quelli dopo venti minuti.
- Esporta il mese scorso a livello di post, una riga per post, con le colonne della tabella qui sopra. Aggiungi a mano il tuo tag pillar se nessuno strumento te lo fornisce.
- Scrivi il blocco di briefing una volta sola e salvalo. Lo riuserai ogni mese cambiando due righe.
- Lancia il prompt della review mensile, poi quello sul mix di contenuti. Non chiedere ancora consigli.
- Lancia il pre-mortem sull'affermazione più forte.
- Fai il controllo di verifica in cinque minuti. Ricalcola due numeri a mano.
- Scegli esattamente un cambiamento al mix di contenuti e uno al timing. Scrivili entrambi sul calendario.
- Il mese prossimo, aggiungi il file del mese precedente così il confronto è con il tuo storico invece che con un benchmark di cui nessuno sa citare la fonte.