Buona parte delle analisi di marketing esiste per sopravvivere alle riunioni. Dashboard che nessuno apre tra una review e l'altra, modelli di attribuzione di cui tutti diffidano in silenzio, report trimestrali costruiti apposta perché nessuna decisione diventi mai inevitabile. Io costruisco una misurazione che reggerebbe anche spiegata ad alta voce, al vostro CFO o al cliente che viene misurato.
Il tracciamento si verifica prima di fidarsene, perché i numeri cominciano a non tornare proprio nel setup che nessuno controlla. L'attribuzione va trattata come un insieme di bugie utili da triangolare, riportando nel quadro le telefonate e i risultati offline che oggi la vostra dashboard ignora. L'incrementalità si dimostra con test holdout che qualsiasi team marketing può fare, senza bisogno di un reparto di data science; è così che ho validato un ritorno di 342 a 1, quando la versione dei fatti della dashboard era troppo bella per metterci la firma. Il marketing mix modeling entra in gioco dove la spesa e la varietà dei canali lo giustificano, con un no lucido dove non lo giustificano. E la governance, la noiosissima disciplina di UTM e naming convention, decide se l'anno prossimo alle domande si potrà rispondere oppure no.
Lo standard per ciò che consegno viene dal miglior cliente che abbia mai avuto. Ogni analisi si chiude con una decisione, e il numero che la farebbe cambiare è dichiarato in anticipo. Le dashboard si rifanno finché le persone a cui sono destinate non le aprono davvero, e di solito vuol dire meno grafici, un linguaggio più semplice e una pagina che dice cosa fare lunedì.
Qui la privacy è un vincolo di progettazione: misurazione subordinata al consenso, dati first-party messi al lavoro, clean room alimentate solo con dati proprietari abbastanza puliti per il matching, e setup per settori regolamentati che hanno già superato i controlli previsti dalla normativa statunitense HIPAA. Se i vostri numeri sembrano sicuri e le vostre decisioni no, il lavoro sta tutto in quella distanza. Di solito è più breve delle ultime tre presentazioni di fornitori che vi siete sorbiti, e si chiude con numeri che difenderete senza battere ciglio.
Numeri da difendere a testa alta
Tra dashboard convincenti e decisioni convinte c'è una distanza. Colmarla è il lavoro.
ParliamoneDomande frequenti
Ci serve un team di data science per fare test holdout?
No. Un test holdout confronta un gruppo che vede gli annunci con un gruppo omogeneo che non li vede, e un team marketing può progettarlo e leggerne i risultati, con un campione della giusta dimensione. Il ritorno di 342 a 1 per eBay è stato validato così.
Di quale modello di attribuzione dovremmo fidarci?
Usatene diversi e non fidatevi di nessuno preso da solo. I report delle piattaforme, gli analytics e i modelli multi-touch vedono ciascuno una parte del quadro, quindi il lavoro li triangola, aggiunge telefonate e vendite offline e risolve con test holdout le questioni che contano.
La misurazione funziona ancora con le regole sul consenso e con la HIPAA?
Sì. I tag si attivano previo consenso, i dati first-party fanno il lavoro che è loro consentito, e i setup per i settori regolamentati hanno già retto ai controlli previsti dalla HIPAA.
Da The Signal, in inglese
Tutte le note (in inglese)Impressions Are Not Created Equal. Frequency Should Not Be Either.
A search impression, a feed impression, and a banner impression are three different events wearing one name. Why every channel needs its own frequency math.
27 giugno 2026Most Attribution Dashboards Get Built and Then Ignored
A dashboard nobody opens has a trust problem. The fix is admitting uncertainty on the dashboard itself instead of hiding it behind false precision.
3 aprile 2026Marketing Mix Modeling Came Back From the Dead Because Nothing Else Survived
MMM was the dusty econometrics of big TV advertisers until signal loss made it modern again. What mix modeling does, what it needs, and who should wait.
1° aprile 2026You Do Not Need a Data Science Team to Run a Holdout
Incrementality testing sounds like a research department. It is a spreadsheet, a map, and the discipline to leave some money on the table for six weeks.
25 marzo 2026Every Attribution Model Is Wrong. Choose the One Wrong in Your Favor.
First-touch, last-touch, linear, data-driven: what each marketing attribution model assumes, what it hides, and how to use models without believing them.
24 marzo 2026Your Match Rate Is the Ceiling on Everything Else
Every first-party data strategy depends on one unglamorous number: how much of your customer file the platforms can recognize. Typical is about 20 percent.
