Una regressione lineare che mette in relazione le vendite settimanali con la spesa pubblicitaria dello stesso periodo produce, quasi sempre, un risultato inutilizzabile. Il problema non è la tecnica statistica in sé, ma un’assunzione implicita che la pubblicità viola sistematicamente: che l’effetto di una causa si esaurisca nello stesso istante in cui si manifesta, e che ogni euro speso produca lo stesso ritorno marginale del precedente. Il Marketing Mix Modeling nasce per correggere entrambe le assunzioni, attraverso due trasformazioni matematiche specifiche applicate ai dati di spesa prima ancora di stimare il modello.
La trasformazione di adstock. Un annuncio televisivo visto lunedì può ancora influenzare una decisione d’acquisto il giovedì successivo; un clic su un annuncio di ricerca a pagamento converte quasi istantaneamente, o non converte affatto. L’adstock modella matematicamente questo effetto di trascinamento, tipicamente attraverso un decadimento geometrico: l’effetto della spesa di una determinata settimana si somma a una frazione decrescente dell’effetto delle settimane precedenti, secondo un parametro di decadimento specifico per ciascun canale. Un canale con decadimento rapido — la ricerca a pagamento — esaurisce il proprio effetto in pochi giorni; un canale con decadimento lento — la televisione, l’affissione — continua a produrre un contributo misurabile per settimane. Strumenti come Meridian, sviluppato da Google e reso open source il 29 gennaio 2025, stimano questo parametro direttamente all’interno del modello bayesiano, restituendo non un singolo valore ma una distribuzione di incertezza attorno ad esso. Robyn, la libreria open source rilasciata da Meta nel 2021, lo ricerca invece attraverso un ottimizzatore evolutivo multi-obiettivo chiamato Nevergrad, testando migliaia di configurazioni diverse per trovare quella che meglio si adatta ai dati storici osservati.
La trasformazione di saturazione. Il decimo migliaio di euro investito su un canale raramente produce lo stesso ritorno del primo: la domanda disponibile per quel canale, a un certo punto, si esaurisce, e la spesa aggiuntiva comincia a competere con se stessa, spingendo il costo per risultato verso l’alto senza un corrispondente aumento del risultato stesso. Questo fenomeno di rendimento decrescente si modella tipicamente con una curva di Hill — una funzione concava che descrive con precisione il punto in cui un canale comincia a “sbattere contro un muro”, per usare l’espressione con cui la letteratura tecnica descrive informalmente questo fenomeno — anche se esistono alternative come le trasformazioni logistiche o logaritmiche, a seconda della forma specifica della relazione osservata in un dato canale. La forma della curva di saturazione, una volta stimata, determina direttamente la raccomandazione pratica del modello: un canale ancora lontano dalla propria soglia di saturazione mostra un ritorno marginale alto, un segnale a favore dell’aumentarne la spesa, mentre un canale già oltre quella soglia mostra un ritorno marginale piatto, segnalando che ulteriori investimenti su quel canale specifico produrrebbero rendimenti sempre più modesti.
Perché il metodo bayesiano ha sostituito la regressione classica. Il Marketing Mix Modeling contemporaneo si affida quasi interamente a metodi bayesiani, un cambiamento metodologico significativo rispetto alla regressione a stima puntuale usata in passato. La differenza sostanziale è questa: invece di produrre un singolo numero come stima del ritorno sull’investimento per ciascun canale, un modello bayesiano restituisce una distribuzione di probabilità — un intervallo di credibilità che comunica esplicitamente quanto quella stima sia incerta, invece di presentare un numero apparentemente preciso che nasconde l’incertezza sottostante. Questo approccio permette inoltre di incorporare conoscenza pregressa nel modello attraverso i prior — ad esempio, sapere in anticipo che la pubblicità televisiva tende ad avere un effetto di trascinamento più lungo della ricerca a pagamento, un’informazione che il modello può usare per vincolare la propria stima invece di doverla dedurre da zero solo dai dati disponibili, spesso insufficienti a stabilirla con certezza in autonomia. La stima della distribuzione a posteriori avviene tipicamente attraverso tecniche di campionamento come le catene di Markov Monte Carlo (MCMC), o attraverso metodi di inferenza variazionale più rapidi da calcolare ma meno precisi nella stima dell’incertezza.
Il problema della multicollinearità, e come Robyn lo affronta. I canali di marketing raramente si muovono in modo indipendente l’uno dall’altro: un’azienda tende ad aumentare simultaneamente la spesa su più canali durante i periodi di alta stagione, rendendo statisticamente difficile isolare il contributo specifico di ciascun canale quando tutti si muovono insieme nella stessa direzione. Robyn affronta questo problema attraverso la regressione ridge, una tecnica di regolarizzazione che penalizza i coefficienti troppo grandi, riducendo l’instabilità delle stime quando le variabili esplicative sono fortemente correlate tra loro — un compromesso tecnico necessario, che introduce un piccolo bias nelle stime in cambio di una riduzione sostanziale della loro varianza.
Il limite strutturale che nessuna tecnica statistica elimina. Un Marketing Mix Model, per quanto sofisticato nella propria architettura statistica, resta correlazionale per costruzione: stima quanto la spesa su un canale si muove insieme alle vendite, non dimostra in senso stretto che quella spesa abbia causato quelle vendite. Il modello si avvicina a una stima causale solida solo quando viene calibrato con esperimenti reali — tipicamente test geografici, dove un mercato riceve un trattamento pubblicitario diverso da un mercato di controllo comparabile, permettendo di osservare un effetto realmente isolato da confrontare con quanto il modello statistico aveva previsto. Un modello mai calibrato con un esperimento reale resta, nella migliore delle ipotesi, un’ipotesi statisticamente informata, non una misura causale verificata — una distinzione che la stessa comunità tecnica che sviluppa questi strumenti riconosce esplicitamente, e che dovrebbe essere comunicata con altrettanta chiarezza a chi, in azienda, deve poi decidere un budget sulla base dei risultati del modello.
Cosa serve davvero per costruirne uno. Un modello stabile richiede, come requisito minimo, tra le 80 e le 100 osservazioni — circa due anni di dati settimanali, o tre-quattro anni di dati mensili, un orizzonte temporale che esclude di fatto questa tecnica per aziende con uno storico troppo breve o con cambiamenti troppo frequenti nella propria struttura di canali. La qualità dei dati in ingresso, più della sofisticazione del modello scelto, determina quanto tempo l’intero processo richiederà: con dati puliti e ben strutturati, un analista competente può costruire un modello bayesiano credibile in venti-quaranta ore di lavoro; con dati disordinati, lo stesso analista può impiegarne facilmente duecento, spendendo la maggior parte del tempo a correggere problemi nei dati camuffati da problemi del modello.
Il risultato finale di un processo di stima ben condotto non è un singolo modello “vincente”, ma tipicamente un fronte di Pareto — un insieme di modelli che rappresentano compromessi diversi tra obiettivi in tensione tra loro, come l’aderenza statistica ai dati storici e la coerenza con la logica di business. Un modello che si adatta perfettamente ai dati storici ma suggerisce di eliminare interamente i canali dedicati alla costruzione di marca, ad esempio, ha quasi certamente commesso un overfitting statistico — un campanello d’allarme che nessun indicatore di bontà del modello, da solo, riesce a segnalare in modo affidabile, e che richiede sempre un giudizio umano informato per essere riconosciuto.