Adstock e il burst di affissioni letto sulla settimana sbagliata

Retailer di arredamento, 38 negozi nel Nord Italia, che chiedeva se un burst primaverile di affissioni e radio fosse stato un fallimento.

Un caso composito, costruito sul tipo di file che vediamo quasi ogni settimana. Un retailer di arredamento con 38 negozi nel Nord Italia, circa €1,9M di ricavi in una settimana normale, e un team marketing a cui era appena stato detto che il burst di primavera non aveva funzionato.

Il burst era di tre settimane di affissioni e radio regionali a marzo, €420k in tutto. Il report interno aveva letto i ricavi di quelle tre settimane contro le stesse settimane dell’anno prima, al netto delle promozioni, e aveva trovato €561k di ricavi in più. Vuol dire €1,34 per ogni euro speso. Con un margine lordo del 42%, al burst servivano €2,38 per euro solo per andare in pareggio.

La domanda che ci è arrivata era breve: «Il burst di marzo non si è ripagato. I soldi dell’autunno li spostiamo sul search?»

Com’era il file

Due anni di dati settimanali, 104 righe. Ricavi dei negozi, spesa per canale (affissioni, radio, paid search, paid social), un flag per le promozioni e uno per le festività. Il numero di negozi non era cambiato nel periodo, il che toglie uno dei soliti mal di testa.

La cosa utile di questo file era che affissioni e radio erano andate in onda in quattro burst separati nei due anni, in mesi diversi, con settimane di silenzio in mezzo. Un burst seguito dal silenzio è esattamente quello che serve per vedere quanto dura un effetto, perché la coda non ha dove nascondersi.

La cosa meno utile: affissioni e radio erano sempre uscite insieme, nelle stesse settimane, più o meno nella stessa proporzione. Nessun modello può separare due canali che non si sono mai mossi l’uno senza l’altro. Così li abbiamo trattati come un unico burst e abbiamo stimato una sola memoria per la coppia. Il report lo diceva alla prima riga, e lo dico anch’io.

Cosa ha fatto l’analisi

Lag e carryover stima un adstock geometrico. L’idea è semplice: un euro speso questa settimana ha un effetto questa settimana, uno un po’ più piccolo la prossima, uno ancora più piccolo quella dopo, e ogni settimana è una frazione fissa della precedente. Quella frazione è il tasso di decadimento, e si stima sulla tua serie invece di prenderla in prestito da una tabella di benchmark.

Su questo file il decadimento è uscito a 0,72 a settimana, con un intervallo al 95% da 0,64 a 0,79. Tradotto: un’emivita di 2,1 settimane, da qualche parte fra 1,6 e 2,9. Per l’arredamento non sorprende. Nessuno compra un divano la sera in cui sente uno spot. Lo nota, ne parla, misura il soggiorno e passa in negozio due settimane dopo.

Una volta noto il decadimento, il burst si può seguire settimana per settimana anche dopo la fine. L’effetto totale, sommato su tutta la coda, arrivava a €1,22M di ricavi, cioè €2,90 per euro. Di questi:

• il 46% è arrivato nelle tre settimane in cui i manifesti erano esposti;
• il 43% è arrivato nelle cinque settimane dopo che erano stati tolti;
• l’ultimo 11% è arrivato ancora più tardi, a gocce.

Il report interno aveva letto la prima fetta e l’aveva presa per il tutto.

Il verdetto

Qui l’analisi aiuta, e la decisione che ha cambiato è concreta. Il burst d’autunno è stato confermato agli stessi €420k invece di essere spostato sul search, e la finestra di lettura è passata da «le settimane in cui è andato in onda» a «le settimane in cui è andato in onda più cinque». Letto così, il burst di marzo rende €2,60 per euro, sopra il pareggio, e quello d’autunno, quando è arrivato, è stato giudicato sulla stessa finestra di otto settimane.

Vale la pena dire anche cosa l’analisi non ha fatto. Non ha dimostrato che il burst fosse un grande investimento. €2,90 per euro con un margine del 42% è un profitto modesto, e l’intervallo sul decadimento vuol dire che la cifra piena potrebbe essere un po’ più bassa. Quello che ha fatto è togliere un errore di misura che avrebbe sempre fatto sembrare le affissioni peggiori di quello che sono. Un report sulla stessa settimana non premia i canali buoni, premia quelli veloci.

Due cose meritano di passare al prossimo passo della Storia dell’efficacia dei media. Primo, il decadimento di 0,72 entra in ogni modello successivo, così le curve di saturazione si stimano sulla spesa come lavora davvero, distribuita sulle settimane, e non sulla spesa come è stata contabilizzata. Secondo, i quattro burst avevano tutti dimensioni simili, quindi questo file ci dice quanto dura l’effetto ma molto poco su quanto sarebbe grande un burst più grosso. È un’altra domanda, con un’altra risposta.

La lezione

Prima di giudicare se un canale ha funzionato, scopri quanto tempo ci mette a funzionare. Un report che legge un’emivita di due settimane su una finestra di tre sta misurando l’orologio, non il canale, e continuerà a consigliarti di tagliare quello che è più lento.