Servizi avanzati di marketing analytics

L’evoluzione dell’ecosistema della comunicazione verso una sempre più spinta digitalizzazione delle relazioni ha messo a disposizione sia delle aziende che dei consumatori nuovi touchpoint e strumenti di interazione per comunicare con le marche e con i pari, rendendo i processi d’acquisto sempre più complessi e articolati.
Come segnalato da numerosi studi, tra cui i report dell’Osservatorio Multicanalità del Politecnico di Milano e Nielsen, le conseguenze dirette di tali cambiamenti sono state principalmente tre:

1la proliferazione dei Touchpoint e dei Media (Media Proliferation)

2la crescente frammentazione delle Audience (Audience Fragmentation)

3la crescente frammentazione del Tempo speso da parte degli individui nell’utilizzo dei diversi media (Time Spent Fragmentation).

A fronte di tali fenomeni, la necessità di dotarsi di strumenti che permettano di aumentare significativamente l’efficienza ed efficacia della strategia di marketing e comunicazione (la cosiddetta Marketing Productivity) è diventata cogente per tutti gli investitori pubblicitari.

Ciò è tanto più importante in periodi di turbolenza di mercato e di significative sfide economiche, in cui la pressione sui budget destinati ai Media Plan si è storicamente manifestata come una tendenza verso la contrazione.

In questa prospettiva, le soluzioni a disposizione delle aziende investitrici in advertising sono molto ampie e includono:

la grande famiglia degli strumenti avanzati di marketing analytics per il monitoraggio delle performance ex-post
le soluzioni che permettono di effettuare previsioni e simulazioni, come ad esempio la predictive analysis

Tra i tool che sempre maggiormente vengono utilizzati da parte delle aziende per abilitare sia un’analisi dello storico che una pianificazione strategica futura della comunicazione in logica data driven vi sono i Marketing Mix Model - talvolta chiamati anche MMM o marketing model mix, o anche impropriamente MMM MIX.

Di cosa si tratta esattamente?

2. Marketing Mix Model (MMM): cos’è e perché è importante

Cosa sono i Marketing Mix Model?

Il Marketing Mix Model è un metodo utilissimo e preciso per misurare l’impatto delle attività di Marketing.

Si basa sulla cd. “Modellazione del Marketing Mix”: applicare un'analisi statistica - come ad esempio regressioni multivariate sulle vendite e dati di serie temporali di marketing - per stimare l'impatto dei Media sulle vendite attuali e prevedere anche quello sulle vendite future.

Più precisamente si tratta di tecniche di analisi dei dati storici aggregati basate su modelli statistici che hanno lo scopo di quantificare l’impatto delle campagne di marketing su una misura di performance di interesse, tipicamente le Vendite o la Quota di mercato.

L’obiettivo principale è quindi quello di permettere la comprensione di quanto ciascuna leva di marketing abbia contribuito al raggiungimento delle performance osservate e, di conseguenza, fornire indicazioni su quanto investire in ciascuna di esse.

Essi sono riconosciuti dalla letteratura scientifica come strumenti gold standard per sviluppare analisi e generare insights finalizzati all’incremento della produttività delle campagne di advertising e marketing.

Nel dibattito attuale, tuttavia, si parla spesso anche di altri strumenti avanzati che supportano l’analisi data driven delle performance.

Tra questi, i Multitouch Attribution Model (MTA) sono tra i più citati.

È importante tuttavia ricordare che esistono differenze fondamentali tra MMM e MTA, sia a livello di dati analizzati che, soprattutto, a livello degli obiettivi ai quali i due strumenti rispondono.

In altre parole, i due strumenti non sono tra loro intercambiabili.

Di seguito si riporta uno schema riassuntivo di confronto tra le due tipologie di strumenti:

Marketing Mix Model
Approccio TOP - DOWN

Dati Aggregati

Obiettivi

quantificare e distinguere le performance di “base” da quelle “incrementali” dovute alle attività di marketing;
analizzare sia l’impatto di breve che di lungo delle attività di marketing online e offline;
effettuare previsioni e simulazioni di scenario;
rappresentare in un’unica vista informazioni di pianificazione, investimento e performance

Peculiarità

sono adatti per quantificare e distinguere le performance di “base” da quelle “incrementali” dovute alle attività di marketing

Multitouch Attribution Model (MTA)
Approccio BOTTOM - UP

Dati Granulari

Obiettivi

monitorare le iniziative di digital marketing molto velocemente, permettendo un’ottimizzazione in tempo reale;
valutare e allineare le attività tattiche lungo il path to purchase digitale;
individuare sinergie tra canali digitali (e.g. gli assists) che non sarebbero altrimenti visibili senza una vista granulare/disaggregata

Peculiarità

sono adatti a pianificazioni tattiche di breve periodo
Hanno difficoltà ad inglobare gli effetti dei mezzi offline

I Marketing Mix Model: una possibile soluzione ad un futuro cookieless?

Quale sarà l’impatto della dismissione dei cookie di terza parte? E in particolare quale relazione ci può essere con i Marketing Mix Model?

Come è ben noto e largamente dibattuto all’interno della community dei professionisti di marketing e comunicazione, i cookie di terze parti intesi come strumento di tracciamento (e non solo) sono una tecnologia sulla via del tramonto.

Nonostante non sia ancora chiaro quale sarà la data precisa in cui verranno dismessi anche da Chrome (lo sono già da parte di Firefox e Safari, ad esempio), è opinione comune che il 2024 sia l’anno in cui le aziende e l’intero ecosistema sarà chiamato ad effettuare lo switch a soluzioni alternative.

L’impatto della dismissione dei cookie sarà molto ampio in termini di opportunità di strategie di marketing e comunicazione: dalla possibilità di tracciamento, al retargeting, a forme di acquisto come il programmatic e, naturalmente, alla misurazione delle performance.

Proprio rispetto a questo ultimo ambito, il cookie è anche la tecnologia che permette la ricostruzione del customer journey digitale del cliente, ovvero l’unità di analisi fondamentale per i modelli di attribuzione.

I Multitouch Attribution Model (MTA) saranno quindi fortemente impattati dalla cookie deprecation in quanto essi rappresentano lo strumento con il quale è possibile costruire il dato in input a questi modelli.

Cosa ci si può aspettare, invece, per i Marketing Mix Model?

Fortunatamente, vista la natura diversa dei dati analizzati dai Marketing Mix Model l’impatto atteso dovuto alla dismissione dei cookie sarà molto modesto.

Ciò è dovuto al fatto che i dati analizzati da parte dei MMM sono aggregati, a differenza di quanto avviene nel caso degli MTA, e non vi è la necessità di seguire il percorso del singolo cliente all’interno del customer journey.

I Marketing Mix Model rimarranno quindi strumenti solidi e robusti anche alla luce dell’ormai prossima dismissione dei cookie di terza parte, tanto che molti esperti consigliano alle aziende che ad oggi stanno utilizzando un modello di attribuzione (MTA) di introdurre un Marketing Mix Model in modo da poter complementare gli insights che si possono generare e bilanciare eventuali perdite di precisione da parte dei primi.

Il Marketing Mix Model è un metodo basato su algoritmi per valutare l’impatto delle attività di marketing.

Esso consente di capire qual è il contributo dei media utilizzati e di prendere decisioni per migliorare gli investimenti sul Media Plan e le attività di campaign budget optimization.

Gli algoritmi di Marketing Mix Model – che si possono basare su approcci regressivi più o meno tradizionali o su approcci di Intelligenza Artificiale (AI) e Machine Learning (ML) – permettono di ottenere stime robuste sulla relazione funzionale che lega tra loro:

leve di comunicazione;
leve di marketing;
variabili esogene alla risposta.

Il legame tra le variabili indipendenti (Media, Covid, contesto) e le variabili dipendenti (Vendite, Conversioni) tiene conto di alcuni importanti fenomeni media.

Essi sono:

Media Saturation: si tratta della “legge dei rendimenti marginali decrescenti” applicata alle campagne di advertising sui vari media. Essa implica che a livelli elevati di spesa, ogni euro di investimento addizionale si traduce in effetti che sono via via decrescenti. Media diversi hanno curve di rendimenti marginali diverse.
Advertising Adstock (o carry-over): rappresenta la caratteristica di un investimento media di non aver effetto solo nel periodo in cui è effettuato, ma di trascinarsi anche nei periodi successivi
Lag: analizza l’impatto delle strategie di marketing e di comunicazione (e marketing in generale) che, molto spesso, non è immediato. Un consumatore esposto a un messaggio pubblicitario oggi può attendere alcune settimane prima di “rispondere” al messaggio medesimo attraverso, ad esempio, un acquisto.
Elasticità della domanda al prezzo (o altre variabili d’offerta): cattura le relazioni non lineari di variazioni nel prezzo o in altre variabili di offerta (ad es. giga dati nel mercato telco mobile)

Tramite la cd. Modellazione - modeling - delle relazioni complesse tra variabili indipendenti e variabile dipendente, il Marketing Mix Model consente alle aziende 5 importanti benefici:

1Attribuire Risultati concreti alle leve di marketing e comunicazione

2Definire le Curve di Saturazione dei Paid Media

3Stima del ROAS delle leve di marketing

4Predictive Analytics: generazione di scenari previsionali

5Budget Optimization: ottimizzare l’allocazione del budget di comunicazione sui media

Tali benefici sono sintetizzati in tabella:

Funzionalità

Attribuire i risultati alle leve di marketing e comunicazione

Le curve di saturazione dei paid media

ROAS delle leve di marketing

Predictive analytics

Ottimizzare l’allocazione del budget di comunicazione sui media

Output Generato

Individuazione delle conversioni settimanali attribuite a:

baseline
media di Adv
prezzo
promo
fattori esogeni (Covid, eventi, stagionalità, altro)
erosione dei competitor (Adv, differenziale di prezzo).

Curva di saturazione per ciascun mezzo, con individuazione di “punti soglia” di saturazione e indicazione della situazione attuale.

Stima del ROAS per ogni mezzo analizzato e di un set di metriche economiche tra cui: Costo per acquisizione (CPA)
conversioni generate per euro di investimento.

Generazione di scenari previsionali in logica what-if, con previsione della risposta e decomposizione della risposta evidenziando il contributo delle leve media, di marketing e contesto, con dettaglio settimanale.

Allocazione ottimale di budget minimo sotto vincolo di un minimo numero di vendite da realizzare
oppure massimizzazione delle vendite e allocazione ottimale del budget sotto vincolo di budget totale.

Il Marketing Mix Model permette anche una valutazione delle dinamiche di costo: viene generata la curva del CPA al variare del budget totale.

Features

Analisi a diversi livelli di aggregazione, sia temporale (ad es. attribuzione delle vendite settimanali/ mensili/ trimestrali/ annuali) sia per mezzo (ad es. Adv offline e online, Adv brand e performance, per singolo mezzo).

Analisi a diversi livelli di aggregazione temporale oltre al settimanale (ad es. mensile, annuale).Analisi a diversi livelli di aggregazione temporale oltre al settimanale (ad es. mensile, annuale).

Possibilità di confrontare i diversi scenari a fronte di variazioni del mix di effort sulle diverse leve media, di marketing o variazioni dei fattori esterni (ad es. ipotesi su variazioni del prezzo dei competitor, eventi esterni).

4. Beneficio n° 1 - Attribuire i risultati alle Leve di marketing e comunicazione

Le vendite del periodo in analisi vengono attribuite alle diverse leve considerate dal modello:

Baseline: viene convenzionalmente considerata come il contributo del Brand alle vendite.

Una baseline elevata è caratteristica di brand forti in mercati con variabili di marketing mix ad impatto limitato.

Una baseline contenuta è caratteristica di brand in crescita o in mercati con elevato impatto delle variabili di marketing mix e di contesto.

PERFORMANCE DEI MEZZI DI COMUNICAZIONE

Brand: se sono disponibili ricerche sistematiche riguardo al Brand con KPI quali UBA (Unaided Brand Awareness), TOM (Top of Mind) e ITB (Intention to Buy), il Marketing Mix Model è in grado di stimare l’impatto della brand performance sulle vendite dell’azienda.

PERFORMANCE DEI MEZZI DI COMUNICAZIONE

Media: viene stimato l’impatto di ciascuno dei principali mezzi di comunicazione sulle vendite per ogni settimana.

I Marketing Mix Model di stampo tradizionale considerano principalmente i Media Paid, mentre quelli di ultima generazione consentono un’analisi degli impatti anche di Owned Media ed Earned Media.

Altre leve di marketing mix: viene stimato l’impatto sulle vendite delle altre leve di marketing mix utilizzate dall’azienda. Tra queste, quelle considerate più spesso sono il prezzo e le promozioni.

Competitor: generalmente viene stimata l’erosione di performance generata da due fattori:

1. l’attività di comunicazione dei competitor;

2. la loro pressione di prezzo o di altri elementi di offerta misurabili (ad es. giga nel mercato della telefonia mobile).

Contesto: gli impatti che possono avere le variabili contestuali sono molteplici. Possono essere considerati elementi come la stagionalità che ha effetti incrementali sulle vendite in alcuni periodi ed erosivi in altri; le festività che hanno anch’esse impatti variabili; il Covid-19 che ha impatti differenti in base al business (ad es. espansivo nel business del gaming, erosivo nel business della telefonia mobile); la guerra in Ucraina e l’inflazione.

Le curve di saturazione vengono tracciate in uno spazio bidimensionale in cui:

l’asse delle ordinate (y) è rappresentato dalle vendite o dal KPI obiettivo di riferimento per l’azienda;
l’asse delle ascisse (x) è rappresentata dall’investimento in un paid media.

L’investimento può essere misurato in termini economici o con la cd. metrica nativa, ovvero la metrica di riferimento per quel mezzo: GRP per la TV, click per la Google Search, etc.

Nello spazio descritto, viene stimata per ciascun mezzo di comunicazione la curva che permette di valutare le vendite incrementali generate al crescere dell’investimento sul media.

In termini generali, le curve seguono la cd. regola dei rendimenti marginali decrescenti: un incremento di investimento ha effetti minori man mano che il livello di investimento iniziale cresce.

Ad esempio, poniamo di avere due situazioni di investimento iniziale nel mezzo: 1.000€ nel caso 1 e 10.000€ nel caso 2. Un investimento addizionale di 100€ produrrà effetti più elevati nel caso 1, rispetto al caso 2.

Sulle curve di saturazione dei media vengono tipicamente rappresentati due punti:

1il punto di saturazione di un mezzo: raggiunto questo livello, un investimento ulteriore in questo mezzo produce effetti sostanzialmente nulli;

2la spesa media nel periodo: rappresenta l’attuale livello di investimento dell’azienda in analisi e permette di comprendere il potenziale di ulteriori investimenti sul mezzo.

6. Beneficio n° 3 - Calcolo del ROAS delle Leve di marketing

Avendo stimato i risultati generati dal singolo mezzo, grazie all’attribuzione dei risultati alle leve di marketing e avendo a disposizione l’investimento di ciascun mezzo, è possibile stimare il ROAS di comunicazione dei Paid Media.

Se è possibile stimare l’investimento delle altre attività di marketing (ad es. promo) è possibile stimare il ROI di comunicazione anche di queste attività. Nei casi in cui le vendite non sono misurate in termini economici, ma in numero di contratti, conversioni o altro, invece del ROI di comunicazione, viene stimato il CPA (Cost per Acquisition).

8. Beneficio n° 5 - Ottimizzare l’allocazione del budget di Comunicazione sui Media

Gli algoritmi di marketing analytics più avanzati contengono un ottimizzatore di allocazione del budget di comunicazione sui media.
Cosa si intende?
Due possibili implicazioni:

1dato un vincolo di vendite minime, l’ottimizzatore di budget è in grado di stimare il budget minimo e la sua suddivisione tra i diversi media per raggiungere l’obiettivo di vendita;

ESEMPIO DI OTTIMIZZAZIONE NELL’ALLOCAZIONE DEL BUDGET DI COMUNICAZIONE

2dato un vincolo di budget, l’algoritmo è in grado di prevedere le vendite massime realizzabili e la conseguente allocazione del budget tra i diversi media.

ESEMPIO DEL MIGLIORAMENTO DI PERFORMANCE GRAZIE AD UN’ALLOCAZIONE DEL BUDGET DI COMUNICAZIONE OTTIMIZZATA

Generalmente questi algoritmi lavorano su una logica di budget aggregato a livello annuale o semestrale.
Uno sviluppo futuro per questi modelli sarà quello di realizzare anche il phasing ovvero la distribuzione ottimale del budget di un mezzo di comunicazione nelle settimane che compongono l’orizzonte temporale di ottimizzazione.

Le aziende utilizzano il Marketing Mix Model con quattro finalità principali:

1Definire il budget di marketing e comunicazione tramite servizi avanzati di Marketing Analytics:
durante la fase di stesura del Media Plan e di allocazione di risorse, le aziende utilizzano i Marketing Mix Model per definire il budget ottimo di marketing e comunicazione in una logica data driven e per allocarlo a diversi media.

2Definire il Media Plan tramite strumenti di Business Intelligence applicati al marketing:
a budget dato, le aziende utilizzano servizi avanzati di marketing analytics per renderlo operativo tramite la definizione di un media plan che distribuisca il budget e le altre attività di marketing sulle settimane dell’anno al fine di massimizzare il ROI delle diverse attività.

3Predictive analysis – prevedere i volumi di vendita in base a scenari di budget differenti:
si tratta di simulare scenari al fine di valutare situazioni alternative e di definire le scelte operative sulle varie leve di marketing mix.
Questa attività viene svolta sia per definire il Media Plan a conclusione della fase di budgeting, sia durante l’anno per valutare la distribuzione di un extra-budget, di un taglio o per misurare l’impatto di altre azioni incrementali (ad es. promozioni) o erosive (ad es. l’ingresso di un nuovo competitor) e quindi aggiornare il media plan in maniera tattico-operativa.

4Comprendere i risultati delle azioni di marketing nel periodo: Una volta implementato il piano di marketing, definito tramite strumenti di business intelligence applicati al marketing, è possibile misurare il ritorno delle azioni e confrontarlo con le previsioni effettuate.

10. Principali effetti modellati a confronto tra i diversi Media di comunicazione

L’affidabilità e precisione degli insight ottenuti è strettamente dipendente dalla capacità di cogliere e modellare con accuratezza i fenomeni che caratterizzano l’ambito di analisi e le modalità con cui le variabili esogene ed endogene influenzano l’andamento delle vendite.

La letteratura ha evidenziato da tempo cinque fenomeni centrali che caratterizzano le modalità con cui le leve media esplicano i propri effetti sulle conversioni.

Essi sono:

1Effetto Carry-Over o Advertising Adstock;

2Lag o Delay o Wear-in;

3Saturazione dei Media di comunicazione – media saturation;

4Effetti Alone e di Cannibalizzazione;

5Full-funnel perspective.

Di seguito sono specificati nel dettaglio tali effetti e le modalità con cui lo strumento di Marketing Mix Modeling è in grado di modellarli.

Funzionalità

Effetto Carry-Over o Advertising Adstock

Lag o Delay o Wear-in

Saturazione dei mezzi di comunicazione – media saturation

Effetti Alone e di Cannibalizzazione

Full-funnel perspective

Descrizione

Effetto prolungato nel tempo degli effort di comunicazione, anche oltre il termine di erogazione degli effort medesimi (ad es. valutazione degli effetti di un flight televisivo sulle conversioni oltre la conclusione del medesimo)

Effetti temporalmente ritardati (lag/delay) o effetti progressivi (wear-in) degli sforzi di comunicazione sulle conversioni (ad es. un consumatore esposto a un messaggio pubblicitario oggi può attendere alcune settimane prima di “rispondere” al messaggio medesimo attraverso, ad esempio, un acquisto)

Effetti marginali decrescenti degli sforzi di marketing (media) sui KPI oggetto di studio (conversioni) (ad es. a livelli di spesa elevati, ogni euro investito in più si traduce in effetti che sono via via decrescenti)

Impatto sui KPI oggetto di studio (conversioni) degli sforzi di marketing e comunicazione e/o delle performance (conversioni) di un prodotto/brand complementare/sostitutivo

Allocazione precisa e non distorta del contributo di ciascun media, neutralizzando bias legati al ruolo nel funnel dei media. Un fenomeno spesso analizzato in questo senso è la cd. lower-funnel over-attribution, ovvero l’attribuzione di ruoli eccessivi ai media di lower-funnel che sono – per loro natura – più correlati con la variabile di risposta (i.e. vendite, conversioni) e i modelli classici tendono a sovrastimare il loro ruolo nel path-to-conversion. I media di lower-funnel sono tipicamente i mezzi digitali.

Modalità Di Modellazione

Elevato livello di flessibilità nella valutazione degli effetti carry-over.
È possibile:

ipotizzare più profili distribuzionali (geometrico, esponenziale, ecc.) di advertising adstock, anche differenziati per mezzi diversi
identificare – in logica data-driven – valori ottimali dei relativi parametri

Elevato livello di flessibilità nella valutazione degli effetti lag o wear-in.
È possibile:

ipotizzare un ritardo (lag) o profili distribuzionali di effetti wear-in, anche differenziati per mezzi diversi
identificare – in logica data-driven – valori ottimali dei relativi parametri

Utilizzo di forme funzionali parametriche, flessibili e specifiche per mezzo, con identificazione dei parametri ottimali

Introduzione di variabili rappresentanti sforzi di marketing o performance di prodotti/linee di prodotti complementari o sostitutivi per valutare la presenza effetti alone o di cannibalizzazione

Possono essere introdotti algoritmi avanzati (basati su Artificial Intelligence) per quantificare in modo preciso il contributo di mezzi diversi che hanno impatti differenziati lungo il funnel di conversione.

PRINCIPALI EFFETTI MEDIA E DI MARKETING MODELLATI IN UN MARKETING MIX MODEL (MMM)

I dati necessari per i Marketing Mix Model si dividono in due categorie:

1Variabile dipendente o variabile-obiettivo

La variabile dipendente o variabile obiettivo è tipicamente una ed unica per ciascun modello e rappresenta l’obiettivo di business dell’azienda per cui è stato sviluppato il Marketing Mix Model.

Alcuni esempi di variabile dipendente o obiettivo sono:

Vendite misurate in termini economici;
Contratti venduti; Numero di Conversioni;
Numero di Lead generati;
Pedonabilità o footfall.

Viene definita anche variabile dipendente perché l’obiettivo del Marketing Mix Model è quello di individuare e modellare tutti i fenomeni da cui dipende e che concorrono a generarla.

2Variabili esplicative

Le variabili esplicative sono tutte quelle variabili che hanno un impatto sulla variabile obiettivo.
Esse vengono tipicamente suddivise in cinque categorie:

1Variabili Media: misurano l’intensità di investimento sui mezzi di comunicazione utilizzati dall’azienda nel periodo in analisi. L’investimento viene misurato sia in termini di effort economico sia con la cd. metrica nativa, ovvero il KPI con cui viene misurata l’esposizione generata tramite quel mezzo di comunicazione (ad es. GRP per la TV). I Marketing Mix Model tradizionali consideravano unicamente i Media Paid, mentre i modelli di nuova generazione – dotati di algoritmi avanzati spesso basati su Artificial Intelligence – permettono di considerare anche gli Owned Media e gli Earned Media.

2altre leve di Marketing Mix: misurano l’intensità delle altre attività di Marketing Mix e in particolare comprendono:

tutte le variabili rilevanti di offerta (i.e. prezzo e altri elementi rilevanti ove misurati);
le promozioni in atto (che vengono modellate o come variabili binarie che indicano la presenza o meno di una promo o come variabili che modellano l’intensità dell’effort promozionale).

3metriche di Brand: ove siano disponibili rilevazioni temporali sufficientemente granulari, è possibile analizzare l’impatto sulla variabile obiettivo delle metriche di Brand come:

Top of Mind (TOM);
Unaided Brand Awareness (UBA);
Intention to Buy (ITB).

4attività della Concorrenza: tipicamente si utilizzano variabili riguardo alle variabili d’offerta dei competitor (i.e. prezzo) e riguardo al loro effort di comunicazione.
L’utilizzo di queste variabili permette di stimare l’impatto che hanno le attività dei competitor in termini di erosione delle vendite dell’azienda in osservazione.

5elementi di contesto: si usano variabili di stagionalità, trend e festività per catturare l’effetto sulle vendite di elementi ricorsivi su base temporale. Inoltre, ove presenti, è possibile analizzare l’effetto di eventi ad alto impatto come il Covid-19, la guerra in Ucraina e l’inflazione.

È inoltre necessario che tutte le variabili abbiano granularità coerente.

La granularità più in uso per i Marketing Mix Model è quella settimanale e, per le aziende che investono in TV, la settimana viene considerata da domenica a sabato, e le altre variabili vengono aggregate di conseguenza.

Vi sono spesso variabili con granularità bi-settimanale o mensile (ad es. i KPI di Brand). Queste sono utilizzabili all’interno dei Marketing Mix Model solo se è possibile ricondurle ad una granularità settimanale tramite specifiche assunzioni (ad es. interpolazione dei dati, media tra le osservazioni).

La serie storica che si utilizza per i Marketing Mix Model ha tipicamente una lunghezza di 2-3 anni.

Non c’è una completa convergenza sul tema in letteratura, ma si ritiene che questo intervallo temporale sia il più equilibrato per fornire sufficienti osservazioni per ottenere delle stime robuste ma, al contempo, non bisogna comprendere periodi troppo lontani nel tempo, in quanto si ritiene che – andando troppo indietro nel tempo – potrebbero essere generati insight che non hanno più riscontro nell’attuale modo di condurre il business.