
Dove finisce davvero un euro di affissioni? Non nella settimana in cui è uscito, e questa è la distribuzione.
Ogni barra è la quota dell’effetto totale che arriva a quel lag. La settimana zero ne prende il 13%. Il resto si distribuisce sulle settimane successive, con un’emivita di 6,6 settimane e il 95% dell’effetto entro 28.
Il punto è la forma. Non è un picco con un po’ di rumore dopo, e non è una macchia piatta. È un decadimento, e la velocità di quel decadimento è una proprietà del canale che puoi stimare invece di presumere.
Come si stima, in parole semplici. Un adstock geometrico trasforma la serie della spesa: ogni settimana si porta dietro una frazione della settimana precedente, regolata da un solo parametro di decadimento. Il modello stima quel parametro provando una griglia di candidati e tenendo quello che spiega meglio il KPI. Qui arriva a 0,90, ed è questo che produce un’emivita di 6,6 settimane.
Tre cautele che lo accompagnano, e TEA le stampa tutte e tre.
La qualità dell’adattamento varia enormemente da canale a canale. Qui le affissioni arrivano a un R² di 0,53. Il search a pagamento, nello stesso file, arriva a 0,07, e il regime viene riportato come incerto invece di essere travestito da numero. Un decadimento stimato su un canale a cui il KPI risponde appena è una virgola senza niente dietro.

Il decadimento e la dimensione dell’effetto si stimano insieme, e si compensano a vicenda. Un modello può spiegare lo stesso storico con un grande effetto immediato e un decadimento rapido, oppure con un effetto più piccolo che dura. Quale scelga dipende da quanta variazione ha davvero la spesa. Una pianificazione che non cambia mai non dà al modello niente da separare, ed è per questo che i canali always-on sono i più difficili da leggere.
E un singolo canale stimato da solo si porta dietro tutto ciò che è correlato con lui. Se le affissioni escono quando esce la TV, il loro decadimento assorbe una parte della TV. La via d’uscita è stimare i driver insieme, che è un’altra analisi ed è il passo successivo onesto.
Leggi questo prima di giudicare un flight dalla settimana in cui è uscito. Poi rileggilo prima di concordare una cadenza di reporting.
Se da questo grafico prendi un solo numero, prendi la finestra del 95% invece dell’emivita. L’emivita è la statistica elegante. La finestra, qui 28 settimane, è quella che ti dice quando un flight ha finito di rendere, ed è la data su cui andrebbe scritto un report.
È anche il numero che mette tranquilla la finanza. Un canale con una coda di sei mesi è un canale il cui budget non si può giudicare dentro un trimestre, e dirlo con una curva stimata è molto diverso dal dirlo con un’opinione.
Il grafico è l’output reale di Analisi di lag e carryover in TEA.
tea, il prodotto
Il tuo file, questa domanda
Quindici analisi su un CSV di dati settimanali, con intervalli e diagnostica in vista, e una frase chiara quando i dati non possono rispondere. Gratis durante la beta, su invito.
Chiedi un posto nella beta→tea, il prodotto
Quindici analisi econometriche sul tuo CSV: Lag e carryover, curve di saturazione, elasticità, allocazione del budget. Intervalli e diagnostica in vista, e una frase chiara quando il file non può rispondere.
Gratis durante la beta, su invito.
Chiedi un posto nella beta →Ti è piaciuto? Eseguilo sui tuoi dati.
tea esegue Lag e carryover e altre quattordici analisi su qualsiasi CSV settimanale, in pochi minuti. Gratis durante la beta, su invito.