Tommaso Galli, Head of Marketing Science di Meta per Italia e Iberia
Martedì 25 febbraio si è tenuto il Meta Marketing Science Open Source Measurement Connect, un evento che ha visto il coinvolgimento di realtà leader di settore a livello internazionale dedicato a un tema chiave per il marketing moderno: come misurare in modo più efficace le performance pubblicitarie nell’era della privacy e della complessità digitale. L’evento - a cui le agenzie media italiane hanno potuto prendere parte attraverso un “watch party” organizzato nella sede milanese della company - si è focalizzato sulla democratizzazione della misurazione scientifica attraverso strumenti open source, con particolare attenzione al ruolo che questi possono giocare in un ecosistema in continua evoluzione.
Meta ha intrapreso questo percorso già da qualche anno con il suo Project Robyn, uno dei codici di Marketing Mix Model (MMM) open source più diffusi al mondo, con oltre 90.000 download e una community di più di 3.000 data scientist.
Nel tempo, il panorama si è arricchito di strumenti sempre più sofisticati. Accanto a MMM e test di incrementalità Meta ha recentemente lanciato anche LTVision, pensato per esplorare il Predictive Life Time Value, nuovi approcci alla calibrazione e la versione Python di Robyn. Tuttavia, il punto centrale rimane lo stesso: come possiamo rendere la misurazione più accessibile e trasparente, senza sacrificare la precisione?
Ne abbiamo parlato con Tommaso Galli, Head of Marketing Science di Meta per Italia e Iberia.
Tommaso, come stanno cambiando le strategie di misurazione con l’evoluzione delle normative sulla privacy?
«Negli ultimi anni, la crescente attenzione alla privacy e la frammentazione dell’esperienza digitale hanno reso sempre più difficile delineare con precisione il comportamento degli utenti. Oggi, un singolo individuo può apparire come più utenti diversi in base al dispositivo che usa, alla durata del suo processo d’acquisto e alle app attraverso cui interagisce con i brand. Questo ha reso inefficaci i tradizionali modelli di attribuzione basati sul tracciamento individuale, che finiscono per premiare solo l’ultimo touchpoint prima della conversione, senza dare una visione complessiva e accurata dell’impatto di una campagna pubblicitaria».
Perché i Marketing Mix Models sono la risposta a questa sfida?
«I Marketing Mix Models (MMM) adottano un approccio completamente diverso. Non si basano sui singoli percorsi digitali degli utenti, ma analizzano dati storici per individuare le relazioni tra spesa pubblicitaria e risultati ottenuti. Grazie a sofisticati algoritmi di Machine Learning e AI, questi modelli riescono a stimare l’impatto reale dei diversi canali media, identificando anche il peso delle attività promozionali, i livelli di saturazione e persino la cosiddetta "baseline", cioè quelle vendite che avverrebbero comunque anche in assenza di pubblicità».
Qual è il valore aggiunto dell’open source in questo contesto?
«Circa quattro anni fa, Meta ha scelto di rilasciare Robyn come progetto open source, con l’obiettivo di favorire un ecosistema di misurazione più trasparente e accessibile. Questa scelta si è rivelata vincente: sempre più aziende e professionisti del settore stanno adottando strumenti aperti, contribuendo ad accelerare l’innovazione e a rendere la misurazione più accessibile a tutti».
E in Italia, qual è la situazione?
«Il contesto italiano è molto eterogeneo. Da un lato, stanno emergendo nuove realtà che propongono modelli di misurazione più agili e innovativi, spesso basati su soluzioni open source con l’obiettivo di correggere i limiti dei modelli di attribuzione sul digitale. Dall’altro, le grandi aziende e le società di consulenza mantengono un ruolo cruciale su modelli più complessi e nel tradurre i dati in insight strategici. Questo equilibrio tra agilità e competenza consolidata rappresenta un'opportunità: le aziende più strutturate possono integrare nuove metodologie, mentre quelle più piccole possono accedere a strumenti avanzati senza doverli sviluppare da zero».
Quali sono i passi fondamentali per costruire un sistema di misurazione efficace?
«Dopo l’evento, abbiamo chiesto ai partecipanti di immaginare di avere a disposizione un budget e un team dedicato alla misurazione e di immaginare quali potessero essere le azioni fondamentali da fare. Le risposte sono state piuttosto allineate: investire risorse adeguate, perché la misurazione non può essere un pensiero secondario rispetto alla spesa pubblicitaria; avere un team dedicato, con almeno un data scientist e un media consultant capaci di trasformare i numeri in strategie concrete; non sottostimare la difficoltà di un processo di internalizzazione, perché il supporto consulenziale è essenziale specialmente nella fase iniziale; e soprattutto, sperimentare costantemente con test di incrementalità per affinare i modelli di misurazione».
Cosa sono gli Incrementality Test e perché sono così importanti?
«Gli Incrementality Test sono esperimenti che permettono di isolare l’impatto effettivo degli investimenti media confrontando gruppi di utenti esposti e non esposti a una determinata campagna pubblicitaria. Un’alternativa più scientifica allo spegnere una leva di investimento per un periodo di tempo per valutare l'effetto sulle vendite. Oggi, grazie a strumenti più avanzati come Meta Conversion Lift o test geografici open source, è possibile condurre test meno invasivi ma altrettanto efficaci».
Se questi strumenti sono così utili, perché in Italia se ne parla ancora poco?
«Mentre nel settore del largo consumo l’uso di uplift test è abbastanza diffuso, in molti altri ambiti siamo ancora indietro rispetto ad altri mercati. Il problema principale è che questi strumenti, pur fornendo dati più accurati, possono entrare in conflitto con logiche aziendali consolidate e con il modo in cui i risultati sono stati interpretati fino a oggi. Adottare un approccio scientifico alla misurazione significa spesso mettere in discussione abitudini radicate, e questo non è sempre facile. Tuttavia, per chi è disposto a fare questo salto, i benefici in termini di ottimizzazione degli investimenti e vantaggio competitivo sono enormi».
In conclusione, qual è secondo te il futuro della misurazione nel marketing?
«Siamo in una fase di grande trasformazione. L’open source sta abbattendo le barriere all’accesso degli strumenti di misurazione, l’AI sta migliorando la capacità predittiva dei modelli, e la cultura della misurazione si sta diffondendo anche nei settori tradizionali. Il futuro sarà caratterizzato da modelli sempre più sofisticati ma al tempo stesso accessibili, dove la trasparenza e la sperimentazione costante diventeranno lo standard. Chi saprà investire in queste tecnologie e competenze oggi, avrà un vantaggio competitivo enorme domani».