Come dimostri a un cliente che i suoi investimenti media funzionano? Smetti di aprire con gli screenshot del ROAS. Le prove di cui oggi i clienti si fidano hanno tre parti: un modello che mostra cosa ha aggiunto ogni canale rispetto alla baseline, un esperimento che lo conferma ed evidenze che spiegano perché i numeri si sono mossi. Il marketing mix modeling è tornato perché fornisce bene la prima parte.
L'ultima conferma arriva dal Golfo. Campaign Middle East ha riportato che l'agenzia di performance TRKKN ha usato Meridian, il marketing mix model open source di Google, per analizzare tre anni di dati del retailer beauty Faces. Su 11 canali, il modello ha stimato un aumento incrementale dei ricavi dell'8,5% e un miglioramento del ROI di 10,8 punti percentuali, semplicemente riallocando il budget esistente.
Perché il marketing mix modeling è tornato?
Perché le alternative hanno smesso di convincere chiunque. Le dashboard delle piattaforme riportano le conversioni che ritengono di aver generato, quindi la piattaforma che vende i media è anche quella che li misura. L'attribuzione last-click assegna il merito all'ultimo touchpoint, il che favorisce search e retargeting e toglie ossigeno alle attività che hanno costruito la domanda in primo luogo.
L'MMM segue un'altra strada. Analizza spesa e vendite nel tempo, su tutti i canali compresi quelli offline, e stima quanto ciascuno ha contribuito oltre la baseline. Non ha bisogno di tracciare i singoli utenti. E con opzioni open source come Meridian, l'ostacolo oggi sono il data engineering e le competenze, non un costoso canone di licenza.
Harry Lonergan, digital marketing director di Faces, ha detto a Campaign Middle East: «Meridian ci ha aiutato ad andare oltre ciò che vediamo nelle performance last-click». È la frase che la maggior parte dei clienti vorrebbe poter pronunciare.
Che cosa ha dimostrato davvero il caso Faces e TRKKN?
Vale la pena leggere i dettagli, perché funzionano anche da modello. TRKKN ha guidato il data engineering, la costruzione del modello e il deployment all'interno dell'ambiente Google Cloud già in uso da Faces. Il modello copriva i dati di marketing online e offline e i dati sui ricavi in Arabia Saudita dal 2023 al 2025.
Contavano tre output. Primo, ha mostrato quali canali generavano ricavi incrementali, attribuendo alle campagne il 19% dei ricavi. Secondo, ha stimato la curva di risposta e di saturazione di ogni canale, mostrando dove la spesa aggiuntiva avrebbe dato rendimenti decrescenti. Terzo, ha modellato diversi scenari di budget, da cui deriva il dato dell'8,5%. Performance Max è risultato il canale più forte dell'analisi.
Nota cosa l'agenzia non ha chiesto: più soldi. La raccomandazione era spostare il budget già disponibile. E il framework è continuo, rivaluta il ROI man mano che arrivano nuovi dati, invece di essere un report una tantum. Come ha detto Vimal Badiani, managing director di TRKKN: «Si tratta di dare ai marketer le evidenze e la sicurezza per prendere decisioni migliori».
Di quali evidenze hanno bisogno i clienti per credere al ROI media?
Nessun metodo da solo è sufficiente. Ogni livello risponde a una domanda diversa e ha un punto debole diverso.
| Livello di evidenza | Domanda a cui risponde | Metodo tipico | Punto debole |
|---|---|---|---|
| ROAS riportato dalla piattaforma | Quanto è stato efficiente questo canale, secondo la sua stessa misura? | Report dell'ads manager | Si dà i voti da solo; ignora l'incrementalità |
| Marketing mix modeling | Cosa ha aggiunto ogni canale oltre la baseline? | Modello statistico di spesa e vendite su più anni | Spiega il cosa, non il perché; richiede dati coerenti |
| Test di incrementalità | È stato questo canale a generare l'incremento? | Geo holdout, studi di conversion lift | Lenti; di solito un canale alla volta |
| Curve di saturazione | Dove la spesa aggiuntiva smette di ripagarsi? | Output dell'MMM | Valgono quanto il modello su cui si basano |
| Evidenze su pubblico e competitor | Perché i risultati sono cambiati? | Social listening, analisi degli annunci dei competitor | Aneddotiche, se non ricondotte a dati reali |
La maggior parte delle agenzie presenta la prima riga e spera. Quelle che mantengono i budget le presentano tutte e cinque.
Perché i budget media finiscono nei posti sbagliati?
Gli economisti hanno un nome per questo: fallimento del mercato. I mercati allocano bene le risorse quando acquirenti e venditori dispongono di buone informazioni. Quando le informazioni mancano, o sono in mano a una sola parte, il denaro finisce nei posti sbagliati e ci resta.
L'acquisto media è un caso da manuale. Il cliente non può vedere ciò che vedono le piattaforme. L'agenzia vede più del cliente, ma spesso è pagata, almeno in parte, in relazione a quanto spende. Le piattaforme riferiscono sulle proprie performance. Tutti agiscono razionalmente sulla base di informazioni parziali, e il risultato è un budget ammassato nei canali che sembrano funzionare con l'ultimo clic, mentre i canali che costruiscono la domanda restano a secco. Un guadagno stimato dell'8,5% ottenuto semplicemente spostando il budget che Faces stava già spendendo è, di fatto, una misura di quell'allocazione sbagliata.
La soluzione non sono più dati. È una chiarezza condivisa. Nel mondo del commercio, la chiarezza genera connessione: quando cliente e agenzia guardano le stesse evidenze e le leggono allo stesso modo, la conversazione passa dal difendere la spesa al decidere dove indirizzarla.
Come costruisci una storia sul ROI media di cui i clienti si fidino?
- Concorda il risultato di business e la baseline. Ricavi, nuovi clienti o margine, e una visione onesta di cosa sarebbe successo senza marketing.
- Metti insieme uno storico di dati coerente. Spesa e risultati per canale, online e offline, più prezzi, promozioni e stagionalità. Faces ha usato tre anni di dati su 11 canali.
- Fai girare il modello. Usa un MMM open source come Meridian o un partner specializzato. Chiedi il contributo per canale e le curve di saturazione, non un singolo valore di ROI.
- Convalida un risultato con un esperimento. Un geo holdout sul canale che secondo il modello è sovrafinanziato è il test più convincente che tu possa fare.
- Spiega il perché. Abbina ogni risultato sui canali a ciò che è stato effettivamente detto e visto: la creatività andata in onda, ciò che hanno lanciato i competitor e come è cambiata la conversazione del pubblico.
- Presenta una riallocazione, non una richiesta. Mostra lo scenario che sposta il budget esistente e il risultato che prevede.
- Mantieni vivo il modello. Rieseguilo man mano che arrivano nuovi dati, così il ROI diventa una conversazione costante anziché una discussione annuale.
Che ruolo hanno la creatività e il contesto locale nel ROI media?
L'MMM ti dice quale canale ha funzionato. Dice poco su cosa abbia fatto il messaggio, ed è una lacuna importante. Campaign ha riportato una nuova ricerca di Publicis London, System1 ed Effie che ha confrontato campagne globali e lavori per i mercati locali, rilevando che le campagne globali producono meno risultati commerciali. Se l'aderenza tra un messaggio e il suo mercato incide così tanto sui risultati, una spiegazione basata solo sui canali è una risposta a metà.
È la metà mancante della maggior parte delle presentazioni sul ROI. Quando un modello dice che il paid social ha reso più del previsto nel terzo trimestre, la domanda successiva del cliente è perché. È stata la creatività? Un competitor che si è fermato? Un cambiamento negli argomenti di cui parlava il pubblico? Defy Monitor risponde riconducendo ogni conclusione dell'AI ai post reali pubblicati da cui deriva, con una strategia ricostruita a ritroso da ciò che pubblico e competitor pubblicano davvero, non dai sondaggi. Affianca la tua misurazione, non la sostituisce, come parte della piattaforma Defy.
