Rendimento marginale: collocare il prossimo euro, non premiare il passato.

DECISIONE SUPPORTATASpostare progressivamente il budget dalle zone a basso rendimento marginale verso le zone a rendimento superiore, fino all’uguagliamento, a un vincolo o a un’incertezza eccessiva.

Stato della prova

Che cosa è stato riprodotto e che cosa non dimostra.

La fixture e l'esecuzione Python verificano la formula di risposta, il rendimento marginale robusto, i limiti e il riscalamento dell'allocatore didattico. Non verificano né una curva empirica né un rendimento di mercato.

  1. Specifica tecnica dell'allocatore di budget, specifica in francese (si apre in una nuova scheda)

    v1, 31 agosto 2026 · CC BY 4.0 · specifica in francese · Documento di metodo redatto da marketing-mix.net. Le cifre sono illustrative: non sono misurazioni di mercato.

Cosa occorre distinguere

Tre condizioni prima di ogni calcolo.

01

Derivata locale

Per una curva R(s), il rendimento marginale è dR/ds al livello s. Una curva può avere un eccellente rendimento medio ed essere già quasi satura.

02

Unità economica comune

I canali vanno confrontati in contributo incrementale dopo i costi e su un orizzonte coerente. Confrontare ricavo attribuito, lead e margine di prodotto crea una classifica priva di senso.

03

Rischio e vincoli

Presenza minima, capacità di inventario, passo d’acquisto, ritardo dell’effetto e fiducia nella curva limitano l’uguagliamento teorico.

Metodo

Costruire un’allocazione con piccole decisioni

  1. 01Stimare le curve

    Collegare spesa e contributo con effetti differiti, saturazione e fattori di contesto; pubblicare la zona osservata e l’incertezza.

  2. 02Calcolare la prossima tranche

    Confrontare R(s + Δ) − R(s) per un passo compatibile con l’acquisto media e con la precisione del modello.

  3. 03Applicare i vincoli

    Scartare i movimenti che violano minimo, massimo, copertura disponibile, contratti, qualità creativa o capacità commerciale.

  4. 04Ristimare dopo il movimento

    Un’allocazione modifica il punto della pendenza. Il calcolo va ripetuto dopo ogni tranche o scaglione significativo.

RISORSA ORIGINALE

Quattro pendenze al punto di spesa attuale

Le curve mostrano il rendimento marginale della prossima tranche da 10.000 €. L’altezza cumulata del canale non basta a decidere.

CANALEPROSSIMA TRANCHEDOPO +50 K€AZIONE
Canale A
0,6 € / €
0,48 € / €
ritirare
Canale B
1,4 € / €
1,08 € / €
aggiungere
Canale C
1,1 € / €
0,84 € / €
aggiungere
Canale D
0,7 € / €
0,59 € / €
mantenere
SPOSTAMENTO TESTATO50 k€ da A a B+40 k€ di contributo atteso
CSVScaricare le curve↓
ESEMPIO ILLUSTRATIVO · DATI SIMULATI

Spostare 50.000 € per guadagnare 40.000 € di contributo

01 · SITUAZIONE

Al livello attuale, il canale A rende 0,60 € per euro aggiuntivo e il canale B 1,40 €. Una tranche da 50.000 € può essere tolta ad A senza scendere sotto il suo minimo.

02 · CALCOLO

Perdita proiettata su A: 50.000 × 0,60 = 30.000 €. Guadagno su B: 50.000 × 1,40 = 70.000 €. Guadagno netto di contributo: 40.000 €, prima del costo di transizione e dell’intervallo di incertezza.

03 · DECISIONE

Effettuare un primo scaglione se il limite prudente resta positivo, poi ricalcolare entrambe le pendenze; non estrapolare 1,40 € a tutte le tranche future.

Condizioni di accettazione

Le condizioni per agire.

  1. 01

    Tutti i canali sono confrontati nella stessa unità di contributo e sullo stesso orizzonte.

  2. 02

    La pendenza è calcolata al livello di spesa attuale e non a zero.

  3. 03

    Gli intervalli di incertezza e le zone estrapolate sono visibili.

  4. 04

    La riallocazione procede per scaglioni con ristima.

Limiti

Ciò che questa analisi non dimostra.

  • Le curve stimate su poca variazione possono dare pendenze instabili.
  • Le interazioni tra canali rendono incompleta l’ottimizzazione separata.
  • Un ottimo matematico può essere ineseguibile a causa dei contratti, della creatività o della capacità d’acquisto.

Riferimenti

Opere citate.

  1. Little, J. D. C. (1970), « Models and Managers: The Concept of a Decision Calculus », Management Science.
  2. Jin, Y. et al. (2017), « Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects ».
  3. Sethi, S. P. (1977), « Dynamic Optimal Control Models in Advertising », SIAM Review.