Randomize Control Trial

Il metodo più diffuso per misurare l’incrementalità è il Randomize Control Trial, derivante dal mondo farmaceutico (viene utilizzato per verificare quanto è realmente efficace un farmaco).  Immagina di avere un gruppo di persone con la stessa necessità. Nel Randomize Control Trial si scelgono in modo casuale alcune persone che verranno targettizzate dalla campagna e altre che non la vedranno (o ne vedranno una differente).  

L’uso della casualità (random) è importante perché aiuta a garantire che non ci siano differenze preesistenti tra i due gruppi che potrebbero in qualche modo influenzare i risultati. In altre parole, assicura che le persone targettizzate e quelle non targettizzate siano simili all’inizio del test, permettendo così di osservare eventuali differenze e misurare equamente i KPI’s.  

Nel caso specifico del marketing, utilizzando il Randomize Control Trial si dovranno selezionare gruppi di utenti da randomizzare in maniera omogenea per far sì che il test non sia influenzato da bias.  

L’identificazione dei due segmenti e la loro concretizzazione nel mondo reale è abbastanza complicata. Nel caso in cui non si possa utilizzare la metodologia Randomize Control Trial è possibile ricorrere ad altre soluzioni che simulano i due gruppi.  

Matching di Coorti

In questo metodo di misurazione si selezionano individui o coorti (insieme di casi individuali considerati a partire da un punto comune ed in funzione di una variabile) simili e si confrontano (esposti e non esposti). Si rivela molto utile nel caso in cui non sia possibile prendere un singolo gruppo e dividerlo casualmente. Tuttavia, richiede un’analisi molto accurata per essere sicuri che i gruppi siano davvero comparabili.

Modellazione delle serie temporali

Si basa sull’analisi dei dati storici per prevedere cosa sarebbe successo senza la campagna pubblicitaria; si confrontano poi questi dati con i risultati reali. Si dimostra efficace per campagne su larga scala o su lunghi periodi di tempo. Questo modello però può essere influenzato da fattori esterni come eventi stagionali o economici.

Test di mercato geo-controllati

All’interno di questo tipo di test si selezionano diverse aree geografiche: alcune vedranno la campagna e altre no. È molto utile per testare l’efficacia di campagne specifiche in mercati differenti tra loro. È necessario notare che i fattori locali possono influenzare i risultati.  

La scelta di un modello di misurazione piuttosto che un altro è dettata dalle situazioni specifiche e dalle risorse che si hanno a disposizione.

Brand Lift

Questo termine si riferisce alla misurazione dell’impatto che provocano le campagne di digital marketing sul comportamento dei consumatori, in particolare nei confronti di un brand.

1. Misurazione dell’impatto: il Brand Lift si concentra sulla valutazione di quanto e come specifiche campagne pubblicitarie influenzano la percezione del brand, come la brand awareness o l’intent-to-buy;

2. KPI: include metriche come l’aumento della brand awareness, miglioramento della brand image, aumento dell’intent-to-buy o altri fattori legati al comportamento d’acquisto degli utenti;

3. Metodologie di test: i test di Brand Lift sono svolti tramite sondaggi elargiti prima e dopo una campagna pubblicitaria, o utilizzando i due gruppi (di controllo e esposti) per misurare le differenze;

4. Utilizzo dei Dati: i dati raccolti dai test di Brand Lift possono aiutare le aziende a capire meglio il proprio pubblico di riferimento, affinando così i messaggi pubblicitari, potendo così allocare il budget pubblicitario in maniera più efficace evitandone la dispersione.  

Il Brand Lift è un importante indicatore di successo nelle campagne di marketing, raccogliendo davvero importanti informazioni e stimolando significative considerazioni in merito alla percezione del pubblico rispetto al brand analizzato.

Conversion Lift

Il Conversion Lift è il termine che descrive la misurazione dell’impatto diretto che una campagna pubblicitaria ha sulle conversione e sulle vendite. In particolare:

1. Misurazione dell’impatto sulle conversioni: quanto una campagna pubblicitaria aumenta le conversioni (vendite, iscrizioni, download ecc.) rispetto a ciò che si sarebbe verificato senza la campagna attiva;

2. Test di incrementalità: per la misurazione del conversion lift si utilizzano test di incrementalità che confrontano i due gruppi di utenti (esposti e non esposti);

3. ROI: il conversion lift aiuta anche a valutare il ritorno sull’investimento;  

4. Dati: questa misurazione poggia su dati raccolti attraverso metodi di tracciamento come i pixel o i tag di conversione;

5. Decisioni data-driven: le informazioni ottenute permetteranno di prendere decisioni informate e strategiche, perché guidate dai dati raccolti, ottimizzando gli investimenti.  

L'analisi incrementale è utile se vogliamo capire meglio il funzionamento pubblicitario, specialmente ora che ci troviamo alle porte dell’era cookieless. Questo tipo di analisi ci aiuta a strutturare meglio le idee e le strategie sui modelli di marketing, facendo luce su come attribuire e analizzare i risultati. Ci dà anche una visione più chiara di quanto le attività di pubblicità contribuiscano davvero ai risultati finali. Con queste informazioni, i team possono decidere come allocare efficientemente il budgdet. Inoltre, l'analisi incrementale ci aiuta a cambiare i modelli di marketing quando il comportamento delle persone e l'ecosistema online cambiano. Questo processo coinvolge dati di prima parte, assicurando decisioni di marketing più intelligenti e strettamente data-driven.