Un canale che genera un ritorno di quattro euro per ogni euro speso sembra, per logica immediata, un canale su cui conviene raddoppiare il budget. Nella maggior parte dei casi reali quella logica è sbagliata, e il motivo ha a che fare con una proprietà quasi universale della spesa pubblicitaria che il ROAS medio, da solo, nasconde sistematicamente: i rendimenti decrescono, e lo fanno prima e più velocemente di quanto l’intuizione suggerisca.
Cosa rappresenta davvero una curva di saturazione
Una curva di saturazione descrive la relazione tra la spesa su un canale e il risultato incrementale che quella spesa produce, e quasi mai questa relazione è lineare. Le prime unità di spesa acquistano tipicamente le impressioni più efficienti — il pubblico più in target, gli slot pubblicitari più convenienti, i momenti di maggiore intento d’acquisto — mentre ogni euro aggiuntivo oltre una certa soglia acquista impressioni progressivamente meno efficienti: pubblico più marginale, slot più costosi per effetto delle dinamiche d’asta, frequenza di esposizione che supera il punto in cui un ulteriore contatto pubblicitario aggiunge probabilità di conversione. Il risultato è una curva concava — che cresce rapidamente all’inizio e si appiattisce progressivamente — non una retta che continua a salire alla stessa pendenza qualunque sia la spesa.
Il punto concettuale più importante, e più spesso frainteso, è la differenza tra ROAS medio e ROAS marginale. Il ROAS medio riportato in un dashboard mescola insieme il rendimento delle prime impressioni, molto efficienti, con quello delle ultime, molto meno efficienti, restituendo un numero che descrive il passato ma non risponde alla domanda che conta per una decisione di budget: quanto rende il prossimo euro speso, non quanto ha reso in media l’euro speso finora. Un canale con ROAS medio di 4 può tranquillamente avere un ROAS marginale vicino a 1 se la spesa attuale è già vicina al punto di saturazione — il che significa che il prossimo euro investito lì produce un ritorno molto più basso di quanto il numero medio lasci intuire.
Perché i rendimenti decrescono, in pratica
Tre meccanismi distinti contribuiscono alla forma concava della curva, e distinguerli aiuta a capire dove intervenire. Il primo è l’esaurimento del pubblico raggiungibile in modo efficiente: ogni canale ha una dimensione finita di pubblico realisticamente in target, e superata una certa soglia di spesa il sistema pubblicitario inizia a mostrare l’annuncio a segmenti sempre più periferici rispetto al pubblico ideale. Il secondo è la saturazione da frequenza: oltre un certo numero di esposizioni allo stesso annuncio nello stesso periodo, il contributo incrementale di ogni esposizione aggiuntiva alla probabilità di conversione tende ad azzerarsi, e in alcuni casi la sovraesposizione produce persino un effetto di fastidio che riduce la propensione all’acquisto. Il terzo è la dinamica d’asta: aumentare la spesa su un canale a inventory limitato significa competere per uno spazio pubblicitario più scarso, il che alza il costo per impressione o per clic, comprimendo il ritorno anche a parità di efficacia dell’annuncio stesso.
Come si stima una curva di saturazione
Il marketing mix model, descritto altrove su questa testata a proposito di un caso applicato a un retailer omnicanale, stima curve di saturazione osservando come le vendite rispondono a livelli di spesa diversi nello storico disponibile — tipicamente con funzioni matematiche a forma concava (curve logaritmiche o a S rovesciata) che si adattano ai dati osservati. Il limite di questo approccio è che la stima è affidabile solo nell’intervallo di spesa effettivamente osservato nello storico: se un canale non ha mai superato una certa soglia di budget mensile, il modello può solo estrapolare la forma della curva oltre quella soglia, con un margine di incertezza che cresce rapidamente quanto più ci si allontana dai livelli di spesa storicamente osservati.
I test di incrementalità, discussi nel pezzo precedente di questa sezione, offrono un secondo modo per stimare la curva, più diretto ma più oneroso: si conducono esperimenti a diversi livelli di spesa — ad esempio raddoppiando temporaneamente il budget in alcuni mercati di test rispetto ai mercati di controllo — misurando la variazione incrementale di vendite prodotta da ciascun incremento di spesa. Questo approccio ha il vantaggio di misurare direttamente il rendimento marginale a un livello di spesa specifico, invece di stimarlo da un modello statistico, ma richiede di ripetere l’esperimento a più livelli di spesa per ricostruire l’intera forma della curva, il che ne aumenta sensibilmente il costo e il tempo.
L’implicazione per l’allocazione del budget
La conseguenza pratica più importante di una curva di saturazione, spesso trascurata da chi guarda solo al ROAS medio per canale, è che il canale con il ritorno medio più alto non è automaticamente quello su cui allocare il budget aggiuntivo. Se quel canale è già vicino al proprio punto di saturazione, il suo rendimento marginale può essere inferiore a quello di un canale con un ROAS medio più basso ma ancora nella parte ripida della propria curva, dove la spesa aggiuntiva incontra ancora pubblico efficiente e inventory a basso costo. L’allocazione ottimale del budget, in teoria, eguaglia il rendimento marginale tra tutti i canali attivi — non il rendimento medio — spostando risorse dal canale che rende meno al margine verso quello che rende di più al margine, indipendentemente da quale dei due mostri il numero più alto nel report mensile.
Un errore ricorrente
Interpretare un ROAS medio in calo come un segnale che il canale “ha smesso di funzionare” e tagliarlo bruscamente, invece di riconoscere che il calo può semplicemente riflettere l’avvicinarsi al punto di saturazione dopo un aumento di budget. In questo scenario il canale non ha perso efficacia in assoluto: sta semplicemente mostrando, nella media, l’effetto di impressioni marginali meno efficienti che si aggiungono a quelle iniziali molto efficienti. La risposta corretta in questo caso non è necessariamente tagliare il canale, ma riportare la spesa al livello in cui il rendimento marginale torna ad essere accettabile, il che richiede di conoscere la forma della curva — non solo il numero medio dell’ultimo mese — prima di decidere.
Il limite da tenere presente
Le curve di saturazione non sono fisse nel tempo: si spostano con la stagionalità, con l’ingresso o l’uscita di concorrenti dalla stessa asta pubblicitaria, e con cambiamenti nell’algoritmo delle piattaforme stesse. Una curva stimata sei mesi fa su un determinato canale può non rappresentare più accuratamente la situazione attuale, esattamente come le stime di un marketing mix model o di un test di incrementalità richiedono un aggiornamento periodico, non un’unica misurazione trattata come valida a tempo indeterminato. Resta lo stesso principio richiamato negli articoli precedenti di questa sezione: la domanda su quanto rende davvero il prossimo euro speso va riproposta con regolarità, non risolta una volta per tutte.