Benchmark di marketing simulato: imparare a costruire un intervallo comparabile.
Cosa occorre distinguere
Tre condizioni prima di ogni calcolo.
Definizione comune
Numeratori, denominatori, finestre ed esclusioni devono coincidere. Un CAC di sola acquisizione non è comparabile con un CAC che include marca, vendita e onboarding; un ROAS di fatturato non è un contributo.
Popolazione comparabile
La prossimità si giudica su economia unitaria, ciclo d’acquisto, maturità, canale, geografia e intensità. Un punteggio di similarità esplicito vale più di un’etichetta settoriale troppo ampia.
Distribuzione e aggiornamento
Mediana, quartili e dispersione mostrano l’eterogeneità. Il benchmark diventa un prior il cui peso diminuisce quando l’evidenza interna cresce, il che evita sia l’imitazione cieca sia il rifiuto di ogni informazione esterna.
Metodo
Costruire un benchmark utilizzabile per decidere
- 01Auditare la metrica
Scrivere formula, unità, orizzonte, valuta, data, fonte ed esclusioni; scartare le osservazioni impossibili da riconciliare o conservarle in uno strato separato.
- 02Segmentare la distribuzione
Filtrare per le variabili che modificano strutturalmente la metrica e pubblicare numerosità, mediana, intervallo interquartile e valori estremi; non nascondere un campione ridotto dietro i decimali.
- 03Ponderare la prossimità
Attribuire a ogni osservazione un peso di comparabilità secondo margine, canale, maturità e mercato, calcolare una media ponderata e testarne la sensibilità all’esclusione delle referenze dominanti.
- 04Aggiornare localmente
Combinare il prior esterno con la stima interna secondo le loro precisioni; se lo scarto è importante, cercare una differenza di definizione, di meccanismo o di selezione prima di concludere per una sottoperformance.
Dal benchmark grezzo al prior comparabile
Undici profili simulati illustrano il filtraggio, la ponderazione e l’aggiornamento. Nessun dato del file descrive un mercato reale.
Dati simulati: un prior simulato di ROAS è aggiornato da 2,19 a 1,90
Undici profili fittizi sono costruiti per illustrare una distribuzione comparabile. La loro media ponderata simulata vale 2,19. La deviazione standard ponderata di popolazione — somma dei pesi moltiplicati per gli scarti al quadrato, divisa per la somma dei pesi — vale 0,49. Una misurazione interna altrettanto fittizia vale 1,70 con una deviazione standard di 0,40.
Precisione esterna = 1 ÷ 0,49² = 4,16; precisione interna = 1 ÷ 0,40² = 6,25. Stima combinata = (2,19 × 4,16 + 1,70 × 6,25) ÷ 10,41 = 1,90. Deviazione standard combinata = √(1 ÷ 10,41) = 0,31. Intervallo approssimativo al 95 %: da 1,29 a 2,50.
L’evidenza interna, più precisa in questo esempio, sposta il prior da 2,19 verso 1,90. La decisione deve usare l’intervallo di contributo interno, non trasformare i profili simulati in obiettivo di performance.
Condizioni di accettazione
Le condizioni per agire.
- 01
La formula e la finestra sono identiche tra referenze e caso interno.
- 02
La distribuzione, la numerosità e i filtri sono visibili.
- 03
Il peso di un benchmark diminuisce quando l’evidenza interna diventa più precisa.
- 04
Nessun obiettivo è fissato senza tradurre la metrica in economia locale.
Limiti
Ciò che questa analisi non dimostra.
- Gli undici profili sono simulati e non costituiscono un benchmark settoriale.
- I dati pubblicati soffrono spesso di selezione dei migliori risultati.
- Una ponderazione di similarità resta un giudizio e deve essere testata.
- Un mercato che cambia può rendere rapidamente obsoleta anche una distribuzione reale.
Riferimenti
Opere citate.
- Gelman, A. et al. (2013), Bayesian Data Analysis, 3ª ed.
- Rothwell, P. M. (2005), « External Validity of Randomised Controlled Trials », The Lancet, 365(9453), 82–93.
- Pauwels, K. & Reibstein, D. J. (2016), « Challenges in Measuring Return on Marketing Investment », Foundations and Trends in Marketing, 10(1), 1–107.