Prima di fidarti, leggi cosa stima

In azienda tutti ti chiedono le stesse dodici regressioni, e tu le scrivi alle undici di sera perché nessun altro sa farlo. TEA le esegue da un CSV e ti restituisce i coefficienti, i residui e le ipotesi. Questa pagina è la scheda tecnica, non il pitch.

specificazione: y = β₀ + Σ β_i·Hill(Adstock(x_i; λ_i)) + trend + mese + controlli + ε
stimatore: OLS in livelli: carryover geometrico, λ scelto con grid search; contributi additivi per costruzione
osservazioni: 104 settimanali 2024-W01 → 2025-W52
driver: 19 in 6 gruppi: baseline, media, promo, prezzo, stagionalità, controlli
adattamento: R² 0,921 R² corretto 0,908 MAPE 6,4% Durbin–Watson 1,93
restituito: tabella dei coefficienti con SE, t, p-value e VIF · residui vs valori stimati · tabella dei contributi (CSV) · racconto (PDF)

Richiedi un invito

In beta, solo su invito. I posti si aprono pochi alla volta: dicci cosa ci faresti passare per primo.

Cosa viene stimato davvero

Dodici moduli attivi, altri tre in sviluppo. Ognuno è uno stimatore che avresti potuto scrivere tu, ed è proprio questo il punto: puoi verificarlo invece di crederci.

Modulo	Cosa stima	Metodo
Analisi del trendFREE	La deriva lineare strutturale, con il suo intervallo di confidenza.	OLS su un indice temporale
Previsione della baselineFREE	Il percorso in business as usual, prima di qualsiasi intervento.	Holt–Winters
Serie storichePRO	La previsione, più l'ordine che i dati richiedono.	ARIMA / SARIMAX, grid search
Stagionalità ed eventiPRO	I cicli ricorrenti e l'entità degli shock una tantum.	scomposizione + dummy di evento
Lag e carryoverPRO	Per quanto tempo i media continuano a lavorare dopo il flight.	adstock geometrico, λ su griglia
Curve di saturazionePRO	I rendimenti decrescenti per canale, e il ginocchio.	Hill, Michaelis–Menten
Elasticità al prezzoPRO	L'elasticità al prezzo proprio e il lato che massimizza i ricavi.	OLS log–log, finestra mobile
Elasticità alla promozionePRO	L'uplift incrementale di una promozione, al netto della sua profondità.	OLS semi-log
Scomposizione dei contributiPLUS	La quota del KPI di ogni driver, settimana per settimana.	OLS / log–log / MMM
Base vs incrementalePLUS	La domanda di base contro l'uplift generato dal marketing.	stima multivariata, trend + mese
Elasticità incrociataPLUS	Se una mossa di prezzo del concorrente si prende il tuo volume.	OLS log–log, prezzo proprio + del concorrente
Ottimizzazione del budgetBUSINESS	La ripartizione che massimizza il contributo modellato.	ottimizzazione vincolata sulla stima MMM

Cosa torna con ogni stima

Qui la diagnostica non è un'appendice. Sta nella pagina dei risultati, accanto al numero che qualcuno sta per presentare.

ADATTAMENTO: R², R² corretto, MAPE. 0,921 / 0,908 / 6,4% sull'esecuzione demo qui sopra.
RESIDUI: Durbin–Watson, più la nuvola dei residui contro i valori stimati, disegnata invece che descritta.
COEFFICIENTI: Per driver: stima, errore standard, t, p-value e VIF.
STAZIONARIETÀ: ADF, KPSS e Phillips–Perron, con ACF e PACF, nei moduli di serie storiche.
INTERVALLI: Le elasticità hanno un intervallo di confidenza al 95% e una stima a finestra mobile nel tempo.
LA TABELLA: La matrice dei contributi in sé, in CSV. Da lì puoi ricostruire ogni grafico.

Il modello lo scegli tu, e lui ti dà pro e contro

Dove un modulo ammette più di una specificazione, te le offre tutte con quello che ti costano. Niente viene scelto al posto tuo, e il wizard ti dice perché una sarebbe sbagliata per i tuoi dati.

Lineare con trend e stagionalità

OLS, contributi additivi

Trasparente e facile da difendere
Poche ipotesi, veloce da stimare
Un buon primo taglio su dati puliti

Ignora i rendimenti decrescenti
Niente carryover né adstock
Può attribuire male i canali sovrapposti

Specificazione log–log

moltiplicativa, elasticità leggibili

I coefficienti sono elasticità
Coglie la risposta non lineare
Stabile sui driver percentuali

Servono variabili strettamente positive
Meno intuitivo per chi non è esperto
Gli outlier pesano di più

MMM con adstock e saturazione

dinamica media completa

Modella carryover e saturazione
Il migliore della categoria per l'attribuzione media
Alimenta l'ottimizzazione del budget

Servono più dati e più attenzione
Più lento da stimare e calibrare
La diagnostica va interpretata

Cosa deve contenere il file

Una tabella. Una colonna data, il KPI e i driver che vuoi attribuire. Niente viene unito al posto tuo, e niente richiede un connettore.

date,weekly_revenue_eur,trend_index,tv_prime_30_grp,tv_prime_15_grp,tv_day_30_grp,digital_search_imp_m,digital_social_imp_m,promo_depth_pct,price_index 2024-01-01,2154552.29,1,10.2,21.7,46.9,2.47,0.48,0.0,98.78 2024-01-08,2463045.69,2,19.8,0.7,78.6,2.14,1.80,28.9,95.28

FORMATICSV o Excel. Le date vengono interpretate, non imposte: settimanali, mensili o giornaliere.
MAPPATURALe colonne ti vengono proposte e tu le confermi. Per ogni modulo puoi scaricare un template con lo schema esatto, vuoto o compilato con un esempio svolto.
ESEMPIIl prodotto include sei settori (GDO, logistica, merchandising, download di app, un brand di bevande, un festival del cinema), così puoi provare il metodo prima di consegnare qualcosa di tuo.
DIMENSIONIPensato per la forma che ha davvero un team di pianificazione: da due a cinque anni di righe settimanali, decine di driver. Non un data warehouse.

Cosa succede al file dopo

È la domanda che ti farà chi è responsabile dei dati, quindi eccola, con la risposta per prima.

CONSERVAZIONEIl file caricato viene cancellato quando l'analisi finisce. I dataset inattivi vengono eliminati in automatico; non si accumula niente.
ADDESTRAMENTOI tuoi dati non vengono mai usati per addestrare niente. Non c'è nessun modello che impara da un cliente all'altro: ogni stima è calcolata sulle tue righe e buttata via insieme a loro.
COSA RESTAIl risultato che hai scelto di tenere, e la traccia di quanto è costato. Non i dati in ingresso.
EXPORTLa tabella dei contributi in CSV, il racconto in PDF, i grafici come deck modificabile. Niente resta chiuso nella pagina.

Cosa non fa

Lo scriviamo perché lo avresti scoperto comunque alla seconda settimana, e perché di uno strumento che non lo dice non dovresti fidarti.

Non sostituisce un progetto MMM su misura. Se ti serve un modello gerarchico, una prior personalizzata o un panel geografico con una struttura sua, ti serve un progetto di modellazione. TEA copre il novanta per cento delle domande che non ne giustificano mai uno.

Una stima aggregata non ha dummy di segmento. Quando stimi su più segmenti insieme, il livello medio che ottieni è l'elasticità che la pagina pubblicherà. Dove questo conta, la ripartizione per segmento è una stima separata, non una fetta della stessa.

I regressori collineari fanno ancora danni. Un prezzo del concorrente ricavato dal tuo invertirà il segno, e la diagnostica te lo dirà: il VIF è nella tabella dei coefficienti proprio per questo.

I cicli in rapporto armonico non si separano. Piani media costruiti su periodi di 13, 26 e 52 settimane non sono identificabili l'uno rispetto all'altro; l'ottimizzatore riporterà ritorno nullo su metà dei canali, e avrà ragione.

Paghi il calcolo, non le licenze per utente

Un'esecuzione si paga sul tempo che il server ci passa davvero, misurato lato server e mostrato mentre gira. I dataset demo e i nostri esempi non costano niente: puoi provare tutto il catalogo prima di spendere un token.

FREE€0: 300 token all'iscrizione e 150 ogni mese, senza carta. Trend e baseline.
PRO€19,99/mese: previsioni, stagionalità, saturazione, elasticità. 3.000 token al mese, il 50% di calcolo in più per token.
PLUS€59,99/mese: scomposizione, incrementalità, elasticità ai concorrenti. 6.000 token al mese, 2,5× il calcolo per token.
BUSINESS€269,99/mese: fino a sei persone che condividono 20.000 token al mese, ottimizzazione del budget, 5× il calcolo per token.

Gratis finché siamo in beta. Questi sono i prezzi a regime. Un posto nella beta non costa niente: il piano che lo accompagna viene concesso, non acquistato, e non c'è nessuna carta da inserire.

Smetti di essere la coda

TEA è in beta e solo su invito, perché lo facciamo crescere con metodo. Dicci chi sei e cosa ci faresti passare per primo.

Richiedi un invito

Learning

Un report dice cosa è successo. Un'analisi dice perché.

Quasi tutto quello che arriva sulla scrivania del marketing è reporting. Utile, ma è un altro mestiere. Il blog racconta ogni giorno un caso in cui questa differenza decide la risposta.

Reporting

Ad aprile le vendite sono salite dell'11%, la TV è andata in onda per sei settimane. Cosa è successo, canale per canale, uno accanto all'altro.

Analisi

4,2 di quei punti sono venuti dalla TV, 5,1 dallo spostamento della Pasqua. Cosa l'ha causato, e cosa fa il prossimo euro.

Ottimizzazione del budget · 21 ott 2026