Gli MMM hanno bisogno di confini decisionali

Il marketing mix modeling sta tornando al centro delle conversazioni perché la vecchia promessa dell’attribution utente per utente è meno solida di quanto molte aziende dicano. Privacy, percorsi frammentati, canali offline, retail media, marketplace e domanda di marca rendono sempre meno credibile la storia ordinata dell’ultimo click. Un buon MMM può aiutare founder, CMO, growth lead e operatori marketing a capire come i canali sembrano contribuire ai risultati nel tempo. Ma questo non lo trasforma in un oracolo di budget.

La tesi è semplice: i marketing mix model hanno bisogno di confini decisionali, non di teatro dell’attribution.

Il teatro dell’attribution nasce quando un team usa un modello sofisticato per giustificare decisioni che aveva già preso. La presentazione contiene curve, priors, intervalli di confidenza e decomposizione dei canali, ma la domanda operativa resta vaga: cosa siamo autorizzati a decidere con questo output? Senza quel confine, l’MMM diventa un altro rito da dashboard. Sembra maturo, ma non cambia il modo in cui il budget si muove.

Questo punto è importante perché l’MMM non sostituisce un tracking plan, gli esperimenti o la responsabilità decisionale. È un livello di supporto alle decisioni. Dovrebbe indicare dove l’evidenza è abbastanza forte per agire, dove è troppo debole e dove serve un altro metodo di misurazione. È lo stesso problema di governance che sta dietro a Measurement Protocol non è un tracking plan: raccogliere eventi non significa decidere cosa l’organizzazione deve imparare.

Il modello non è la decisione

Google presenta Meridian come un framework open source per MMM pensato per aiutare gli advertiser a misurare l’efficacia del marketing e ottimizzare l’allocazione del budget. Meta Robyn è a sua volta una soluzione open source per MMM, con funzionalità legate ad adstock, saturazione, selezione del modello e allocazione del budget. Sono strumenti utili e seri. Non eliminano però la necessità di un contratto decisionale. La base tecnica è disponibile in Google Meridian e Meta Robyn.

Un modello può stimare relazioni tra spesa, tempo, variabili di controllo e risultati. Può mostrare che un canale sembra saturo, che un altro potrebbe avere spazio per scalare, o che un taglio di breve periodo potrebbe avere un costo nel medio periodo. Ma il modello non conosce la tua cassa, la capacità commerciale, i vincoli di stock, le aspettative del board, la pipeline creativa o la propensione al rischio.

La distinzione non è teorica. Se il modello dice che il paid social ha un ritorno marginale inferiore alla search, il team sposta subito il 20 percento del budget? Avvia un test di quattro settimane? Aspetta perché il mix creativo è appena cambiato? Decide finance o decide il growth lead? Il modello non può rispondere a queste domande se l’organizzazione non ha definito il confine della decisione.

La domanda giusta non è: l’MMM può dirci la verità? La domanda migliore è: quali decisioni può informare in modo sicuro questo MMM, data la qualità degli input, la stabilità del business e il costo di sbagliare?

Quali decisioni può davvero supportare un MMM?

L’MMM è più forte quando la decisione riguarda l’allocazione direzionale tra canali, aree geografiche, mercati o periodi, soprattutto se il business ha abbastanza variazione nella spesa e nei risultati per imparare qualcosa. Può supportare domande come: dobbiamo continuare a investire in un canale che sembra saturo? Il prossimo euro lavora meglio su brand, search, retail media o lifecycle? Siamo sottoinvestiti in una regione dove la domanda risponde in modo diverso? Dobbiamo proteggere una base di budget anche se l’attribution di breve periodo sembra debole?

Questo non significa che il modello debba decidere tutto. Un MMM è di solito uno strumento debole per valutare una singola creatività, una landing page, un gruppo di keyword o un segmento di audience isolato. Diventa anche pericoloso quando i dati sono troppo uniformi, troppo scarsi o troppo curati politicamente. Se tutti i canali aumentano sempre la spesa nello stesso momento, il modello ha poca variazione indipendente da cui imparare. Se mancano promozioni, pricing, stockout, stagionalità e cambiamenti sales, il modello può attribuire al marketing meriti o colpe che non gli appartengono.

Per questo il confine decisionale deve essere esplicito. Prima di far girare il modello, scrivi le classi di azione che può influenzare:

1. Decisioni di riallocazione, come spostare budget tra canali dentro un intervallo controllato.
2. Decisioni di protezione, come difendere investimenti che generano domanda ritardata o upper funnel.
3. Decisioni di indagine, come richiedere un geo test, un lift test o un audit dei dati prima di cambiare budget.
4. Decisioni di non azione, quando il segnale è troppo incerto per giustificare un movimento.

La quarta classe è quella che i team maturi includono e i team teatrali evitano. Una zona di non azione non è indecisione. È una protezione contro l’overfitting del business a un grafico elegante.

Dove inizia il teatro dell’attribution?

Il teatro dell’attribution inizia quando l’organizzazione chiede all’MMM di produrre certezza invece di migliorare il processo decisionale. I sintomi sono facili da riconoscere.

Il primo sintomo è la cornice retroattiva. Il modello viene costruito dopo che il dibattito sul budget si è già irrigidito, e l’output serve a decorare la tesi vincente. Il secondo è il riciclaggio delle metriche. Il team passa dal ROAS di piattaforma al contributo stimato dall’MMM senza migliorare la qualità dei dati o chiarire chi decide. Il terzo è la sofisticazione selettiva. Le persone discutono di curve di adstock e priors, ma ignorano costi incompleti, tassonomie incoerenti o vincoli offline.

Il quarto sintomo è l’ambiguità di ownership. Se il modello dice che uno spostamento di budget è giustificato, nessuno sa chi può approvarlo. Marketing dice che il budget è di finance. Finance dice che la performance è di marketing. Product dice che il tasso di conversione è cambiato perché è cambiato l’onboarding. Sales dice che i lead erano diversi. Il modello diventa un oggetto condiviso che tutti possono citare e nessuno deve possedere.

Qui l’MMM incontra il disegno del sistema operativo. Un sistema di measurement diventa utile solo quando i diritti decisionali sono chiari. Lo stesso principio vale nel prodotto, come in Un product operating model parte dai diritti decisionali. Se nessuno possiede l’azione, l’insight non è operativo. È commento.

Costruisci il confine prima della review del modello

L’artefatto pratico è una mappa dei confini decisionali. Può essere semplice: dati in input, output del modello, confine decisionale, azione di budget o zona di non azione.

Si parte dalle assunzioni sugli input. Quale outcome viene modellato? Revenue, margine di contribuzione, pipeline, account attivati, domanda qualificata o altro? Quali canali sono inclusi? Quali variabili non marketing entrano nel modello, come stagionalità, pricing, promozioni, distribuzione, copertura sales, lanci prodotto o condizioni macro? Quali dati sono affidabili, parzialmente affidabili o notoriamente deboli?

Poi si traducono gli output in linguaggio d’azione. Non basta fermarsi al contributo per canale. Gli output devono diventare prompt decisionali: aumentare, ridurre, proteggere, testare, auditare o aspettare. Ogni prompt ha bisogno di una soglia. Per esempio, una riduzione di budget può richiedere evidenza ripetuta di saturazione, coerenza con risultati sperimentali e assenza di blocker noti sulla qualità del dato. Un aumento può richiedere capacità creativa disponibile e un limite chiaro al downside.

Poi va assegnata l’ownership. Il proprietario del modello non è sempre il proprietario della decisione. Analytics può possedere il modello. Marketing può possedere la raccomandazione. Finance può possedere l’intervallo di budget approvato. Founder o CMO possono possedere le eccezioni. Tutto questo va scritto prima della riunione, non dopo il conflitto.

Infine va definita la zona di non azione. È l’area in cui il modello informa ma non decide. Può attivare un audit dei dati, un test di incrementalità, una pulizia della tassonomia o la scelta di mantenere stabile la spesa fino al prossimo refresh. Il lavoro di IAB Tech Lab sulla misurazione ricorda che il measurement dipende da standard, definizioni e interoperabilità, non solo da ambizione analitica. Per il contesto sugli standard, vedi IAB Tech Lab Measurement.

Una buona riunione MMM ha meno opinioni

Una review MMM utile non dovrebbe sembrare un tribunale in cui ogni channel manager difende il proprio budget. Dovrebbe sembrare una riunione operativa con mosse già definite.

Per ogni raccomandazione, fai cinque domande. Quale decisione può informare questo output? Quale evidenza ci farebbe invertire la decisione? Quale rischio prendiamo se il modello sbaglia? Chi approva l’azione di budget? Quando rivedremo il risultato?

Queste domande rendono il modello meno magico e più utile. Riducono anche la politica interna. Se il confine dice che i segnali deboli portano a un test, il team non deve discutere se un grafico è abbastanza bello per muovere soldi. Se il confine dice che una saturazione ad alta confidenza può attivare una riallocazione limitata, il team conosce dimensione e owner del movimento.

Qui l’MMM incontra anche il lavoro di tracking. Eventi, tagging e dati di piattaforma continuano a contare. Una base di measurement rotta non diventa affidabile solo perché il modello è avanzato. Per i team che usano strumenti moderni, MMM con Meridian e Robyn: prima del modello vengono i dati è il principio complementare: prima di chiedere al modello di decidere, rendi i dati abbastanza spiegabili da essere discussi.

Dal teatro della misura all’azione sul budget

Il valore dell’MMM non è sostituire il giudizio. Il valore è disciplinarlo. Offre alla leadership un modo strutturato per discutere incertezza, trade-off, effetti ritardati, saturazione e movimenti di budget senza fingere che ogni customer journey sia completamente visibile.

Ma l’MMM merita quel ruolo solo quando i suoi confini decisionali sono scritti. Cosa può decidere? Cosa non può decidere? Quali input assumiamo affidabili? Quali output attivano azione, indagine o non azione? Chi possiede il movimento di budget?

Se queste domande mancano, il modello può essere comunque impressionante. Può essere anche tecnicamente valido in parte. Ma scivolerà verso il teatro dell’attribution: uno strato sofisticato di spiegazione che permette all’organizzazione di evitare la responsabilità.

La strada migliore è più operativa e meno scenografica. Costruisci il confine. Nomina l’owner. Definisci la zona di non azione. Poi lascia che il modello faccia ciò che sa fare meglio: supportare decisioni migliori, non fingere di essere verità perfetta.