Attribuzione, incrementalità o MMM: quale metodo per quale decisione?

Attribuzione, esperimento e MMM non rispondono alla stessa domanda. Il selettore propone un orientamento didattico trasparente; non sostituisce né l'inquadramento dell'estimando, né l'audit dei dati, né una revisione scientifica.

Strumento interattivoIpotesi visibiliEsportazione disponibile
Selettore del metodo di misurazioneSTRUMENTO / MEASURE-01

Scegliete un’opzione per riga. Il risultato è orientamento didattico, non validazione scientifica.

Dati
Esperimento
Orizzonte decisionale
Domanda
Orientamento didattico

Marketing Mix Modeling + Triangolazione

Parità a 8 punti: confrontate i metodi con il costo dell’errore, la fattibilità e il livello di prova richiesto.

MetodoPunteggioStatoUso
Marketing Mix Modeling8 puntiorientamento a pari meritoda convalidare
Triangolazione8 puntiorientamento a pari meritoda convalidare
Esperimento4 puntialternativada convalidare
Attribuzione2 puntialternativada convalidare
Punteggio esplicitoTest possibile: +4 esperimento, +2 triangolazione; test difficile: +2 MMM. Dati ricchi: +3 MMM, +2 attribuzione e +2 triangolazione; dati limitati: +1 esperimento. Orizzonte rapido: +3 attribuzione; orizzonte lungo: +2 MMM e +2 triangolazione. Mix completo: +3 MMM e +2 triangolazione; percorso digitale: +3 attribuzione.
Condizione di bloccoSe popolazione, intervento, comparatore, risultato, orizzonte o comparabilità dei dati non sono documentati, il punteggio non deve essere usato per impegnare un metodo.

Orientamento didattico · la decisione finale è umana

Approfondimento

Comprendere il meccanismo prima di utilizzare lo strumento.

Misurare il marketing significa stimare che cosa sarebbe accaduto senza l’azione. La metrica osservata non è ancora l’effetto causale.

Il metodo dipende dalla decisione, dalla grana, dall’orizzonte e dal controfattuale disponibile. Attribuzione, esperimento e modello aggregato rispondono a domande diverse e vanno triangolati.

01Unità di analisi

Definire popolazione, intervento, comparatore, risultato e orizzonte prima di scegliere il metodo: è l’estimando che l’analisi deve davvero identificare.

02Orizzonte

Allineare periodo di esposizione, ritardo dell’effetto e finestra di risultato; prevenire anticipazione, contaminazione ed effetti riportati.

03Confronto

Costruire esplicitamente il controfattuale: randomizzazione se possibile, altrimenti ipotesi di identificazione e diagnostiche verificabili.

04Incertezza

Riportare intervallo, potenza, distorsione residua, sensibilità e ampiezza economicamente rilevante, non solo una significatività statistica.

05Soglia decisionale

Una misurazione diventa decisionale quando il suo intervallo separa le opzioni e l’effetto plausibile supera il costo e il rischio di agire.

Punti di attenzione

Le distinzioni che impediscono una lettura errata.

01Attribuzione

Ripartisce un risultato osservato secondo una regola; non identifica necessariamente ciò che il marketing ha creato.

02Incrementalità

Confronta il risultato esposto con il risultato controfattuale, controllando le differenze sistematiche.

03Validità

La validità interna riguarda la causa nello studio; la validità esterna riguarda il trasferimento ad altri contesti.

Protocollo

Dall’inquadramento alla convalida.

01Formulare l’estimando

Definire popolazione, intervento, confronto, risultato e orizzonte prima di scegliere il metodo.

02Progettare il controfattuale

Randomizzare se possibile; altrimenti giustificare ipotesi di identificazione e diagnostiche.

03Quantificare l’incertezza

Riportare intervallo, potenza, sensibilità e ampiezza economicamente rilevante.

04Triangolare

Confrontare esperimento, modello aggregato, dati operativi e conoscenza del meccanismo.

CASO NUMERICO

Un ROAS osservato può essere molto superiore al ROAS incrementale

Situazione. A una campagna sono attribuite 1 000 conversioni a 100 € di margine, per 40 000 € di spesa. Un test stima che solo il 35 % sia incrementale.

Calcolo. ROAS di margine osservato: 100 000 ÷ 40 000 = 2,5. ROAS incrementale: 35 000 ÷ 40 000 = 0,875.

Decisione. L’attribuzione descrive dove le conversioni sono state registrate; il test cambia la decisione economica.

Revisione critica

Cinque domande da risolvere prima di presentare una raccomandazione.

  1. L’unità è azionabile?

    Verificare che corrisponda al livello al quale una decisione può essere eseguita e monitorata. Una media più ampia può invertire la lettura nascondendo segmenti, canali o periodi in perdita.

  2. L’orizzonte copre il meccanismo?

    Ricalcolare la conclusione su una finestra breve e su una lunga. Costi immediati, fidelizzazione, saturazione ed effetti differiti non si materializzano nello stesso momento.

  3. Il comparatore rappresenta davvero l’assenza di azione?

    Spiegare che cosa sarebbe accaduto senza la decisione. Una tendenza storica o un’attribuzione di contatti non basta se selezione, stagionalità o cambiamenti simultanei restano attivi.

  4. Quale ipotesi fa ribaltare la scelta?

    Individuare il parametro che cambia la classifica, pubblicare il suo intervallo plausibile e mostrare lo scenario prudente. Una raccomandazione senza sensibilità nasconde il suo rischio principale.

  5. Chi ferma o rivede la decisione?

    Indicare il responsabile, il segnale osservato, la soglia e la data di revisione. Senza regola di arresto, un pilota favorevole diventa facilmente un impegno permanente mai rivalutato.

Condizioni di accettazione

Ciò che deve essere vero prima di agire.

  • Scrivere la quantità causale cercata prima del piano di analisi.
  • Riportare l’incertezza statistica e la soglia di rilevanza economica.
  • Non mescolare mai conversioni attribuite e incrementali nello stesso rapporto.

Limiti

Ciò che l’analisi non dimostra.

  • Un esperimento con potenza insufficiente non dimostra l’assenza di effetto.
  • La contaminazione tra i gruppi riduce la differenza misurabile.
  • Un risultato locale e breve non si trasferisce automaticamente a tutti i mercati e orizzonti.

Riferimenti

Lavori utilizzati per inquadrare il metodo.

  • Rubin, D. B. (1974), « Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies ».
  • Holland, P. W. (1986), « Statistics and Causal Inference », Journal of the American Statistical Association.
  • Lewis, R. A. & Rao, J. M. (2015), Quarterly Journal of Economics.

Stato della prova

Che cosa non è stato riprodotto.

I calcoli di potenza e di dimensione del campione della fonte di incrementalità sono stati rifatti senza sostituzioni: 6 degli 8 valori che pubblica sono ritrovati alla cifra, gli altri 2 all'1,2 % e all'1,9 % — uno scarto dell'ordine della tolleranza che il suo stesso metodo dichiara. I suoi dati di campagna e i suoi risultati empirici non sono mai stati pubblicati e non possono essere rifatti. Dal lato del modello di mix, il generatore di dati è stato eseguito, ma né l'addestramento, né le figure, né le conclusioni empiriche sono riprodotti. Il selettore di metodo resta didattico.