ROAS nei report AI: quali prove servono per aumentare il budget

Prima di approvare un aumento del budget suggerito da un report scritto con l'AI, conviene fermarsi sulla frase che lo giustifica. Un ROAS attribuito elevato non basta a dimostrare che la pubblicità ha creato ricavi aggiuntivi. Può documentare il valore che un sistema assegna agli annunci secondo le proprie regole, ma da solo non dimostra né l'effetto incrementale né il rendimento della spesa futura.

Anche con calcoli corretti, tra il numero e la raccomandazione può comparire un passaggio che i dati non sostengono. Per chi dirige il marketing o firma i report di un'agenzia, la verifica utile consiste nel ricostruire quel passaggio e chiedere quale confronto renda credibile la conclusione.

Che cosa dovrebbe dimostrare la parola «aggiuntivi»

Il ROAS è il rapporto tra un valore di conversione e la spesa pubblicitaria. Nel ROAS attribuito, il valore dipende dalle impostazioni di misurazione e dalle regole che assegnano credito alla pubblicità. L'attribuzione serve a leggere le prestazioni; non risponde però, da sola, alla domanda su quanti acquisti sarebbero avvenuti comunque.

L'effetto incrementale è invece ciò che non si sarebbe verificato senza la pubblicità considerata. Per stimarlo occorre un confronto credibile con ciò che sarebbe accaduto in sua assenza: il cosiddetto scenario controfattuale. Nel Conversion Lift di Google basato sugli utenti, il ROAS incrementale divide il valore aggiuntivo stimato per la spesa pubblicitaria. Anche un valore di conversione correttamente riportato non coincide necessariamente con ricavi già incassati.

La provenienza dei dati deve quindi rimanere riconoscibile. Una crescita rispetto al mese precedente descrive un cambiamento. L'attribuzione assegna risultati secondo regole. Un esperimento ben progettato stima un effetto mediante gruppi di trattamento e controllo. Un modello causale su dati osservazionali può stimarlo sotto determinate ipotesi. Sono basi diverse per formulare una conclusione.

Google Ads Conversion Lift utilizza confronti controllati, con opzioni basate sugli utenti o sulle aree geografiche, ma non è disponibile per tutti gli account. Servono competenze di progettazione e gruppi confrontabili: sottrarre due totali non basta. Le stime devono mantenere gli intervalli di incertezza riportati e il proprio ambito di validità.

L'esperimento non è l'unica strada. Un modello di marketing mix può stimare effetti causali se è costruito in modo appropriato e considera i fattori che influenzano sia le decisioni pubblicitarie sia le vendite. Stagionalità e promozioni possono richiedere attenzione, senza essere spiegazioni già dimostrate. La documentazione di Meridian avverte che modelli con buone previsioni possono produrre stime causali diverse. Un modello linguistico che commenta un cruscotto non svolge automaticamente questa analisi.

Un report ipotetico, due conclusioni molto diverse

Consideriamo un esempio interamente ipotetico, non un risultato di un cliente. Il cruscotto mensile di un negoziante immaginario riporta THB 100.000 di spesa pubblicitaria e THB 400.000 di valore degli acquisti attribuito agli annunci. Nello stesso mese si è svolta una promozione. Non sono stati forniti studi causali.

Il calcolo è semplice: 400.000 / 100.000 = 4,0 di ROAS attribuito. La frase «Gli annunci hanno generato THB 400.000 di ricavi aggiuntivi: aumentiamo il budget» introduce però una conclusione che il cruscotto non dimostra. La promozione è un'ipotesi da approfondire, non una causa accertata del risultato.

Una formulazione sostenibile sarebbe: «Secondo il cruscotto della campagna, nel mese considerato la piattaforma ha attribuito agli annunci THB 400.000 di valore degli acquisti, a fronte di THB 100.000 di spesa. Il ROAS attribuito è 4,0. Il materiale disponibile non consente di stimare il valore incrementale». La frase conserva fonte, periodo e significato del numero senza inventare un effetto.

Questo rapporto non misura nemmeno il profitto: margine e altri costi restano fuori dal calcolo. Presentare 4,0 come un guadagno del 400% confonderebbe grandezze diverse proprio nel punto in cui il lettore deve decidere.

Il rendimento passato non decide la prossima spesa

C'è un secondo passaggio da controllare, anche quando esiste una stima causale affidabile. Il rendimento medio del budget già speso non stabilisce quanto renderà un investimento aggiuntivo. In termini pratici, aumentando la spesa possono cambiare il pubblico raggiunto e le condizioni di acquisto degli spazi pubblicitari. Non basta moltiplicare il nuovo budget per il vecchio rapporto.

Meridian distingue il ROI storico dal ROI marginale, riferito a un piccolo aumento della spesa. Le curve di risposta stimano risultati a diversi livelli di investimento; spingersi oltre i livelli osservati aumenta il rischio dell'estrapolazione. Queste grandezze di un modello causale non vanno confuse con il ROAS attribuito dalla piattaforma. Una proposta concreta di aumento richiede un confronto tra scenari adatto alla variazione prevista.

Quando mancano elementi sufficienti, non occorre bloccare ogni decisione fino al prossimo esperimento. Si può prendere una decisione commerciale circoscritta, dichiarando l'incertezza, le ipotesi e il momento della verifica. La responsabilità del budget resta a chi lo approva, non al testo generato.

La scheda da inserire nel brief di reporting

MindVerve propone di evidenziare prima i verbi che attribuiscono un effetto alla pubblicità: «ha causato», «ha generato ricavi aggiuntivi», «farà crescere». Per ogni affermazione rilevante, classificate il tipo di evidenza e compilate una scheda. Questi campi si possono copiare direttamente nel brief:

1. Affermazione originale e decisione che dovrebbe sostenere.
2. Metrica, definizione originale, numeratore, denominatore e regole di attribuzione.
3. Fonte, data di riferimento, periodo, campagne, pubblico e risultato misurato.
4. Metodo e confronto utilizzato; scenario senza pubblicità per le affermazioni causali.
5. Incertezza, ipotesi e informazioni ancora mancanti.
6. Responsabile della verifica, formulazione approvata e prossimo passo.

L'AI può preparare la corrispondenza tra affermazioni e fonti e segnalare le lacune. Il revisore deve però aprire la fonte, controllare il significato della metrica e approvare la conclusione rilevante. Se manca un elemento, va richiesto oppure la frase va limitata a ciò che è documentato. Né una lista di controllo né un buon prompt garantiscono da soli la validità del consiglio.

Come valutare un primo flusso automatizzato

Per un progetto pilota proponiamo tre prove di accettazione. Sono verifiche da eseguire, non risultati già ottenuti:

1. Con soli dati di attribuzione, il report non deve trasformare il valore assegnato in valore incrementale.
2. Con uno studio non conclusivo, deve mantenere l'incertezza senza dichiarare con certezza l'assenza di effetto.
3. Con una stima da modello causale, deve conservare ambito e ipotesi senza presentarla come un esperimento.

Misurate le correzioni di affermazioni prive di supporto, la tracciabilità delle conclusioni e il lavoro totale di revisione, incluso il controllo delle fonti. Questo rende visibile il lavoro necessario per arrivare a una raccomandazione approvabile.

Il servizio di automazione e reporting di MindVerve definisce dati in ingresso, risultati attesi, responsabili, calcoli, controlli, passaggi di revisione e gestione degli errori. AI Workflow Launch realizza un unico flusso concordato, con prove su casi rappresentativi ed eccezioni, documentazione, formazione e consegna. Configurazione, accessi, licenze, uso delle API, ulteriori integrazioni e manutenzione richiedono un perimetro concordato; la realizzazione di un modello di marketing mix o di uno studio non è automaticamente inclusa.

Per discutere un pilota circoscritto, portate un report reale anonimizzato, le definizioni delle metriche alla fonte e la decisione che il report dovrebbe sostenere.