Decidere con pochi dati: comprare l’informazione che può davvero cambiare l’azione.
Stato della prova
Che cosa è stato riprodotto e che cosa non dimostra.
Il CSV e l'esecuzione Python verificano i valori netti di informazione e la classifica dello scenario illustrativo. Non convalidano né le probabilità né la performance di un metodo su un mercato reale.
- Specifica tecnica del portafoglio di apprendimento con pochi dati, 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.
Decisione prima del dato
La raccolta parte dall’azione da scegliere, dall’esposizione e dalla data. Un dato utile a spiegare il passato può non cambiare nulla nella scelta imminente.
Triangolazione leggera
Con poche osservazioni, combinare unit economics, test mirato, ricerca sul cliente e riferimento esterno produce spesso una decisione più robusta di un modello unico.
Valore dell’informazione
Una misurazione è preziosa se ha una possibilità reale di modificare l’azione e di evitare una perdita materiale. La precisione senza conseguenza decisionale ha valore basso.
Metodo
Costruire una sequenza di apprendimento redditizia
- 01Formulare i punti di ribaltamento
Scrivere le ipotesi che cambierebbero il go/no-go, il budget o il target, e associare a ciascuna un intervallo e una perdita se è falsa.
- 02Creare le opzioni di prova
Elencare pilota, holdout, test geografico, indagine, osservazione operativa e modello; quantificare costo, tempi, popolazione e risultato atteso.
- 03Calcolare il valore netto
Stimare la probabilità che la prova cambi la decisione moltiplicata per la perdita evitabile, poi sottrarre costo e valore del ritardo, e classificare le opzioni.
- 04Apprendere in sequenza
Comprare la prima prova, aggiornare le ipotesi e ricalcolare il valore delle successive; fermarsi quando l’informazione non può più cambiare l’azione.
Il portafoglio costo × valore dell’informazione
Quattro opzioni di evidenza sono confrontate per costo, tempi, probabilità di cambiare la decisione e perdita economica evitabile.
Il test geografico vale 45 k€ netti; l’MMM è prematuro
Un lancio espone 300 k€. Un test geografico costa 45 k€ e ha il 30 % di probabilità di evitare la perdita completa. Un holdout clienti costa 25 k€ e ha il 25 % di probabilità di evitare 150 k€. Un MMM costa 90 k€, ma i dodici mesi disponibili non separano i canali.
Valore netto del test geografico: 30 % × 300.000 − 45.000 = 45.000 €. Holdout: 25 % × 150.000 − 25.000 = 12.500 €. L’MMM riceve una probabilità di ribaltamento vicina a zero finché manca la variazione, quindi un valore netto vicino a −90.000 €.
Il test geografico è lanciato per primo, poi l’holdout è rivalutato con il suo risultato. L’MMM è rinviato fino a ottenere uno storico e variazioni identificabili.
Condizioni di accettazione
Le condizioni per agire.
- 01
Ogni raccolta è collegata a un punto di ribaltamento decisionale esplicito.
- 02
Costo, tempi, probabilità di ribaltamento e perdita evitabile sono quantificati.
- 03
Le prove sono comprate in sequenza, non tutte insieme.
- 04
Un metodo non identificabile è rinviato anziché forzato.
Limiti
Ciò che questa analisi non dimostra.
- La probabilità di cambiare la decisione è essa stessa incerta.
- Il valore dell’informazione scende se la finestra commerciale è breve.
- Più prove piccole e correlate non valgono più prove indipendenti.
Riferimenti
Opere citate.
- Vaver, J. & Koehler, J. (2012), « Periodic Measurement of Advertising Effectiveness Using Multiple-Test-Period Geo Experiments », Google Research.
- Chen, A., Longfils, M. & Remy, N. (2021), « Trimmed Match Design for Randomized Paired Geo Experiments », Google Research.
- Owen, A. & Launay, T. (2016), « Multibrand Geographic Experiments », Google Research.