Una volta che abbiamo chiari quali dati possiamo analizzare, dobbiamo un attimo capire qual è il processo da seguire per mettere in piedi questi marketing mix model o per utilizzare ad esempio, il progetto Robin.

Quindi avremmo dei dati.

Poi avremmo bisogno dell'intelligenza umana per trasferire questi dati all'interno del codice e quindi far capire ai codici cosa sono esattamente i dati.

Qual è la variabile dipendente, qual è la variabile indipendente? Quali sono le variabili di contesto.

Inoltre, probabilmente ci sarà bisogno di un momento di pulizia dei dati e di omogeneizzazione dei dati.

Mettiamo alcuni dati possono essere i giornalieri.

Altri dati possono essere settimana.

Li devo portare tutti allo stesso livello di aggregazione, quindi ho tutti i giornalieri o tutti i settimanali dovrò fare delle imputazioni.

Quindi c' è una parte di lavorazione del dato che fondamentalmente esiste sempre nei processi di analisi dei dati.

Una volta che i dati sono pronti ad essere utilizzati, vanno appunto inseriti nei codici, ad esempio di proposti nel nel progetto Robin da Facebook.

E però questo non basta.

Tipicamente nei modelli econometrici quello che succede, ma non solo nei modelli econometrici tutte le volte si utilizza un modello, si utilizzano i dati si pro si fanno delle prove con vari modelli e c' è bisogno di una parte di fine tuning, di scelta dei parametri del modello, che è fondamentale perché poi i risultati del modello siano veramente attendibili.

Quindi sia che abbiamo i dati, li analizziamo, facciamo delle prime stime, vediamo quanto le stime che abbiamo ottenuto siano coerenti con il dato reale.

E una volta che siamo contenti del modello che abbiamo quindi che abbiamo parametrizzazione bene il modello, facciamo una scelta e anche qui ci vuole l'intelligenza umana.

Ci vuole una persona esperta, un data scientist che sappia esattamente cosa sta facendo e che sia in grado di prendere una decisione ragionata.

Una decisione ragionata per scegliere il miglior modello per i dati a sua disposizione una volta che si è scelto il modello, a quel punto possiamo andare a vedere i risultati e andare a fare delle previsioni anche su l'impatto delle future strategie di marketing sul nostro fatturato.

Ma quali risultati possiamo avere appunto dai marketing mix modello del progetto Robin c'è da dire che Facebook in questo è stato molto bravo perché è dentro il pacchetto Robin C' è anche tutta una parte di reportistica, ma è molto ben fatta, molto più bella dei grafici che ho messo io su queste slide e che vi facilita molto il molto un lavoro perché non dovete inventarvi nuovi grafici, nuova visual visualizzazioni dei risultati, perché questo ci ha gia' pensato Facebook.

Vi faccio vedere solo alcuni dei risultati che si possono avere da questi modelli, quelli che secondo me sono i più interessanti.

Prima di tutto possiamo avere una p un primo spaccato su quella che è la percentuale di Reven huh attribuibili, attribuibile ad ogni, ad ogni canale.

I dati che vi ho riportato in questa slide sono ovviamente falsi, casuali.

Lo inventati però solitamente un modello rende questo tipo di dati.

Avrete sempre l'impatto che ha sulle review una variabile che nessuno capisce che li intercetta, cos'è li intercetta non in un'analisi dei dati, soprattutto in una modellizzazione dei dati.

Quando si cerca di spiegare una variabile attraverso altre variabili, non saremo mai in grado di considerare nel modello tutte le possibili variabili che hanno impatto.

Ad esempio sul fatturato qualcosa rimarrà sempre fuori nei modelli econometrici, nei modelli statistici tutto quello che non è spiegabile con le variabili indipendenti, tutto quello che io non riesco a spiegare con le informazioni a mio a mia disposizione viene messo nella intercetta.

Questo è un modo per depurare da variabili non misurabili l'effetto delle invece delle altre variabili a cui io sono interessata.

Poi potremmo avere ad esempio, la stagionalità.

Quindi ovviamente io ho un'azienda che vende, che vende piumini.

Le mie vendite saranno più alte in inverno rispetto all'estate e devo ten tenere conto anche di questo di questo fattore.

Quindi magari in estate faccio comunque azioni di marketing.

I le mie levi non saranno più basse, ma non perché sbaglio le azioni di marketing, perché è un periodo dell'anno in cui tipicamente non il mio prodotto non si vende.

E poi posso avere tutte le fra gli effetti, diciamo la percentuale di lev no attribuibili agli altri canali, alla tv, alla research, al print, facebook, eccetera.

Ci ho messo anche un holiday perché è in questi modelli appunto quando dicevamo che dobbiamo dichiarare il paese significa questo significa che io vado a inserire diciamo il calendario delle festività del paese, ma mettiamo che io venda elettrodomestici è o si elettrodomestici va bene e ci sia il Black Friday, ovviamente l'effetto del black del black Friday.

Se voglio un modello corretto, lo devo in qualche modo togliere da da dal marketing e inserire in F in una variabile che chiamero' Holliday, perché ci tengo dentro tutto.

Ma fondamentalmente è un un effetto del calendario.

La stessa cosa può succedere per i giorni di Natale e quindi le festività.

Quindi riesco anche a tener conto di questo di questo fatto è l'altro risultato estremamente interessante che si può avere sempre utilizzando il progetto Robin è il confronto tra la percentuale di spesa e la percentuale di effetto.

Anche qui i dati sono casuali.

Per esempio la il grafico Vedete, la barra piu' blu più scuro rappresenta la spesa e la barra celeste.

Chiara invece rappresenta l'effetto che quel canale ha avuto sulla vostra variabile di riferimento.

Quindi le revenue, ad esempio la TV.

Possiamo possiamo dire che ha avuto un effetto su ha pesato per il venticinque percento sul nostro fatturato.

Ma a fronte di una spesa del trenta percento del nostro budget, quindi il re sarà negativo.

Al contrario, la Paid Search si ha pesato per una percentuale molto inferiore sul nostro fatturato.

Solo magari il dodici percento.

Non scusate solo il quindici per cento però è anche vero che questo quindici percento lo ottengo a fronte di un budget molto più basso del dodici per cento.

Quindi un roe positivo è l'ultimo risultato che ci tenevo a mostrare è quello diciamo fondamentale è è proprio l'allocazione ottimale del budget il grafico che risponde alla nostra prima domanda qual'è la locazione ottimale del budget in una campagna di marketing molto articolata bene con il marketing mix model e con il progetto Robin in particolare potete rispondere a questa domanda e quello che otterrete eh? Un confronto tra la spesa iniziale e la spesa ottimizzata per canali di marketing.

Ipotizziamo ad avere quattro canali di marketing.

Il risultato finale sarà appunto il confronto tra quanto avete speso per ogni canale é quanto avreste dovuto spendere per quel canale.

Ovviamente le variazioni possono essere positive o negative a seconda che il canale abbia avuto un effetto molto positivo o non così positivo sulla vostra variabile dipendente.

Solitamente il fatturato