Misurazione di marketing: costruire una prova proporzionata alla decisione.
Stato della prova
Che cosa è stato riprodotto e che cosa non dimostra.
Il CSV e Python verificano il valore netto di informazione delle cinque decisioni illustrative. Non dimostrano né una probabilità reale di insuccesso, né il ROAS, né la causalità di campagna.
- Specifica tecnica dell'architettura di prova, 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.
Strumentare non è identificare
Eventi, pixel e abbinamenti rendono osservabili i comportamenti. Non creano il gruppo controfattuale. Un dato utente molto dettagliato può quindi essere meno causale di un esperimento aggregato correttamente concepito.
Località della prova
Un effetto è definito per una popolazione, un trattamento, un’intensità e un periodo. Trasportarlo richiede meccanismi comparabili o un modello; ogni estrapolazione va distinta dal risultato identificato.
Valore dell’informazione
Il dispositivo è scelto in base alla sua probabilità di cambiare la decisione, al valore dell’errore evitato, al suo costo e al suo ritardo. La misura perfetta dopo la decisione vale meno di una prova imperfetta ma azionabile prima dell’impegno.
Metodo
Dimensionare la prova prima di misurare
- 01Classificare la decisione
Stimare importo esposto, reversibilità, velocità, asimmetria delle perdite e costo dell’attesa; un’ottimizzazione di offerta quotidiana non ha lo stesso contratto di un riposizionamento annuale.
- 02Scrivere il risultato e il controfattuale
Definire metrica economica, unità, popolazione, finestra e scenario senza azione; mappare le distorsioni suscettibili di allontanare l’osservazione dal controfattuale.
- 03Scegliere il livello
Associare strumentazione, analisi descrittiva, quasi esperimento, esperimento o modello calibrato; calcolare potenza, incertezza attesa, costo e dominio di trasporto.
- 04Pubblicare la decisione
Separare fatto osservato, stima causale, estrapolazione e ipotesi; collegare l’intervallo a una regola — lanciare, fermare, pilotare, raccogliere o mantenere.
La scala della prova per esposizione
Cinque decisioni sono posizionate secondo esposizione, reversibilità e livello di prova minimo, con il costo del dispositivo e la perdita evitata.
Eventi affidabili
30 k€Tendenza e segmenti
100 k€Controfattuale credibile
600 k€Popolazione e intensità
1,2 M€Curve e vincoli
2,2 M€Scenario illustrativo: spendere 45 k€ di misurazione per evitare 315 k€ di perdita attesa
Scenario illustrativo: una campagna nazionale da 1,2 M€ deve essere rinnovata. L’attribuzione suggerisce un ROAS di 2,8, ma un’analisi di aree comparabili indica un effetto tra 0,6 e 1,9. Senza nuova prova, la probabilità di finanziare una campagna non redditizia è posta al 35 %, con una perdita di 900 k€.
Perdita attesa senza test: 35 % × 900 k€ = 315 k€. Un geo-esperimento costa 45 k€, riduce all’8 % la probabilità di una cattiva decisione e lascia una perdita residua di 72 k€. Valore lordo dell’informazione: 315 − 72 = 243 k€. Valore netto: 243 − 45 = 198 k€.
La misurazione è economicamente giustificata anche se non garantisce una risposta perfetta. Il test va realizzato prima del rinnovo; la decisione di campagna dipende dal limite inferiore di contributo, non dal ROAS attribuito.
Condizioni di accettazione
Le condizioni per agire.
- 01
Il livello di prova aumenta con l’esposizione e l’irreversibilità.
- 02
Osservazione, causalità ed estrapolazione sono etichettate separatamente.
- 03
Il valore netto dell’informazione è positivo prima di lanciare uno studio.
- 04
L’intervallo di incertezza innesca una regola di decisione definita.
Limiti
Ciò che questa analisi non dimostra.
- Il valore dell’informazione dipende da ipotesi su perdite e probabilità.
- Un esperimento locale può essere difficile da trasportare su scala nazionale.
- Interazioni e fughe riducono la qualità del controfattuale.
Riferimenti
Opere citate.
- Hubbard, D. W. (2014), How to Measure Anything, 3ª ed.
- Howard, R. A. (1966), « Information Value Theory », IEEE Transactions on Systems Science and Cybernetics, 2(1), 22–26.
- Kohavi, R., Tang, D. & Xu, Y. (2020), Trustworthy Online Controlled Experiments.