Un’azienda aumenta l’investimento in affissione per un trimestre. Nello stesso periodo le vendite crescono. La domanda che l’imprenditore si porta dietro fino alla riunione di bilancio è sempre la stessa: sarebbero cresciute comunque?
Analytics non risponde, perché vede soltanto ciò che passa dal sito.
Le piattaforme pubblicitarie nemmeno, perché ciascuna racconta la propria parte e tende a rivendicare lo stesso risultato. Restano l’esperienza e il buon senso, che sono strumenti rispettabili e faticano a reggere davanti a chi controlla i conti.
Esiste una disciplina che questa domanda la affronta da cinquant’anni: il marketing mix modeling, nato quando la pubblicità viveva su stampa, radio e televisione.
Google l’ha riportata in circolazione con uno strumento gratuito e aperto, Meridian, e a settembre 2026 ne ha reso disponibile in tutto il mondo il modulo degli esperimenti geografici.
Qui trovi che cos’è, come funziona il meccanismo che ci sta sotto, quali dati servono davvero e a quali aziende conviene. Comprese quelle a cui, oggi, conviene aspettare.
Che cos’è Google Meridian?
Google Meridian è un modello di marketing mix modeling open source, rilasciato con licenza Apache 2.0.
Stima quanto ciascun canale pubblicitario ha contribuito alle vendite usando dati aggregati, senza cookie né identificatori individuali.
Il suo modulo Meridian GeoX, dove GeoX sta per geographic experiments, misura l’effetto incrementale di una campagna con esperimenti su base territoriale.
Perché Google lo ha rilasciato in open source
Il codice è pubblico su GitHub con licenza Apache 2.0, conta circa millecinquecento stelle e oltre duecentosettanta fork, ed è arrivato alla versione 1.7.1.
Non esiste un costo di licenza e non esiste un fornitore da cui dipendere per leggere i risultati.
La trasparenza qui non è una posizione ideologica: chi deve difendere uno spostamento di budget può mostrare il metodo con cui è stato calcolato, e non soltanto il numero che ne esce.
Il repository ufficiale raccoglie documentazione, guide e il codice.
L’interesse di Google è speculare: una misurazione che continua a funzionare quando il tracciamento individuale si restringe conviene anche a chi vende spazi pubblicitari.
Che cosa misura e che cosa lascia fuori
Meridian stima il contributo di ogni canale alle vendite, compresi quelli che nessuno strumento digitale riesce a seguire: radio, affissione, televisione, sponsorizzazioni, eventi.
Tiene conto anche di fattori che con il marketing non c’entrano — stagionalità, promozioni, prezzo, mosse dei concorrenti.
È il motivo per cui arriva spesso a conclusioni diverse da quelle che si leggono dentro i pannelli delle piattaforme, comprese le campagne pay per click: ogni sistema misura ciò che passa da sé, e tende a rivendicare lo stesso risultato.
Gli aggiornamenti recenti aggiungono i segnali di marca, come il volume delle ricerche sul nome dell’azienda: servono a cogliere gli effetti lunghi, perché una campagna televisiva genera interesse molto prima che diventi acquisto.
Con una cautela: quell’aumento non dimostra da solo che la campagna abbia prodotto le vendite, perché nello stesso periodo possono aver agito stagionalità o promozioni.
Restano fuori le domande tattiche. Se serve sapere se un nuovo messaggio creativo funziona meglio del precedente, lo strumento giusto è un altro.
Gli esperimenti geografici: misurare senza seguire le persone
Il modello stima. L’esperimento verifica. È la differenza fra una risposta calcolata sui dati storici e una risposta ottenuta provando, ed è la ragione per cui gli esperimenti geografici sono l’aggiunta più interessante degli ultimi mesi.
Aree di test e aree di controllo
Il meccanismo è semplice da spiegare e delicato da eseguire.
Si dividono i territori in due gruppi comparabili. In uno si modifica l’investimento pubblicitario, nell’altro si lascia tutto com’è.
Passato il periodo di prova, la differenza fra i due gruppi è l’effetto della pubblicità, perché tutto il resto — la stagione, l’economia, i concorrenti — ha agito su entrambi allo stesso modo.
Un esempio concreto. Un’azienda che vende in tutta Italia sospende la pubblicità in radio in un gruppo di province e la mantiene nelle altre.
Se nelle province senza radio le vendite scendono più che altrove, la radio stava producendo qualcosa. Se non succede nulla, quel budget stava pagando persone che avrebbero comprato comunque.
Il risultato non è un’opinione né una stima: è una differenza osservata, e si trasferisce dentro il modello, così che le stime successive partano da una prova invece che da un’ipotesi.
La X di GeoX sta per experiments
Una precisazione, perché la sigla circola in due mondi diversi.
GeoX sta per geographic experiments. Non ha rapporto con la generative engine optimization, la disciplina che si occupa di come i contenuti vengono citati dagli assistenti conversazionali e che porta lo stesso acronimo GEO.
Che cosa serve al modello e che cosa serve all’esperimento
I due piani si confondono spesso, e conviene tenerli separati.
Il modello lavora anche su dati nazionali: il dettaglio geografico è consigliato quando c’è, e non è obbligatorio.
L’esperimento invece la variazione territoriale la richiede, perché senza aree confrontabili non esiste un gruppo di controllo.
Detto altrimenti: un’azienda con un solo mercato può costruire il modello e non può fare l’esperimento.
Il ritorno dell’econometria: che cosa cambia rispetto al piano media
Chi ha pianificato campagne prima del digitale riconoscerà il metodo, perché è lo stesso.
Vale la pena metterli uno accanto all’altro, così si vede dove sta la novità e dove invece si tratta di un mestiere già noto.
Che cosa resta uguale
Resta uguale la domanda: quanta parte del risultato viene dalla pubblicità e quanta sarebbe arrivata comunque.
Restano uguali gli strumenti di base, cioè la statistica applicata a dati aggregati, e l’idea che i canali vadano letti insieme invece che uno alla volta. E resta uguale il fatto che il numero da solo non decide.
Che cosa cambia davvero
Cambia:
- la velocità. Il piano media si rivedeva una volta l’anno; un modello si aggiorna quando arrivano dati nuovi.
- la granularità: dove prima si ragionava per fasce e per copertura, oggi si arriva alla frequenza ottimale per canale e alla differenza fra territori.
- chi possiede lo strumento: il modello econometrico stava presso l’istituto di ricerca, il codice aperto sta dentro l’azienda.
- la possibilità di verificare, perché un esperimento geografico si può fare in qualche settimana.
Che cosa comporta per la tua decisione
Tre conseguenze. Se l’azienda investe su canali che il digitale non misura, oggi esiste un modo di misurarli: difenderli con l’intuito è una scelta e non più una necessità.
La competenza richiesta è econometrica prima che digitale, quindi la persona giusta potrebbe non essere nel reparto marketing.
E lo strumento risponde a domande di budget, non a domande creative: portargli la domanda sbagliata produce una risposta precisa e inutile.
Vale anche a monte: il criterio con cui si dirà che una campagna ha funzionato si decide prima della spesa, ed è la prima cosa da mettere per iscritto quando si progettano le campagne di advertising.
A quali aziende serve davvero un esperimento geografico?
Serve alle aziende che vendono in più aree geografiche, registrano il dato di vendita ogni giorno e possono variare la spesa pubblicitaria su mercati selezionati.
Senza queste tre condizioni l’esperimento produce un risultato indistinguibile dal rumore. La dimensione conta meno della qualità del dato quotidiano.
I prerequisiti, in ordine di severità
- Almeno due anni di dati storici, secondo l’indicazione di Google. Con cicli di acquisto lunghi la guida ufficiale arriva a suggerirne quattro o cinque.
- Dato di business rilevato con continuità e disaggregato per area: vendite, prenotazioni, contratti.
- Spesa pubblicitaria per canale e per area, ricostruibile nello stesso periodo.
- Budget disponibile per alzare o abbassare l’investimento durante la prova: l’esperimento costa media, non soltanto tempo.
- Un ambiente di calcolo adeguato e una persona in grado di leggere l’output. Google stessa scrive che la maggior parte dei team ha bisogno di un data scientist oppure di un partner esterno.
Il primo punto è quello che seleziona di più. Un’azienda che ha cambiato gestionale diciotto mesi fa, o che rileva le vendite per mese invece che per giorno, non è pronta: e accorgersene prima vale più di qualunque analisi.
Da dove si comincia
Non si parte da tutto. Google documenta Pandora fra i primi marchi ad aver adottato Meridian, e racconta che l’azienda ha iniziato dai mercati in cui non aveva già un altro sistema di misurazione, in genere i più piccoli.
È il criterio più sensato anche per un’azienda italiana di media dimensione: si comincia dove oggi non si misura niente, perché lì qualunque informazione è un guadagno e nessuno deve difendere il sistema precedente.
Da che cosa dipende l’investimento
Lo strumento è gratuito. Il progetto non lo è. Tre voci determinano che cosa costa davvero, e nessuna riguarda il software.
Le persone e i dati
La voce principale è il tempo di chi raccoglie, riconcilia e verifica due o tre anni di dati sparsi fra gestionale, piattaforme pubblicitarie e fogli di calcolo del commerciale.
Segue la competenza statistica necessaria a costruire il modello e a leggerlo: interna o esterna, va messa a bilancio.
Il media dell’esperimento
Per misurare l’incrementalità occorre modificare l’investimento su alcuni mercati: aumentarlo, ridurlo o sospenderlo.
In un caso si spende di più, nell’altro si accetta di rinunciare a qualche vendita per sapere quante ne stava producendo davvero quel canale. È un costo di conoscenza, ed è meglio saperlo prima di cominciare.
Il calcolo e il supporto
Il modello usa un metodo di calcolo intensivo: serve Python in una versione recente e si raccomanda almeno una GPU, con test condotti su una scheda T4 da 16 GB.
Il supporto passa dalle discussioni pubbliche su GitHub, a cui il team risponde a lotti su base settimanale.
Chi si aspetta un’assistenza dedicata e tempi di risposta garantiti sta guardando un altro tipo di prodotto.
Guide, tutorial e riferimento tecnico stanno nella documentazione ufficiale di Meridian, dove si trova anche la sezione dedicata agli esperimenti geografici.
Chi vuole entrare nel dettaglio può partire dalla pagina ufficiale italiana di Google, che contiene anche il manuale pratico da scaricare.
Domande frequenti
Il calcolo di base divide il valore generato per la spesa sostenuta. Il punto delicato è stabilire quale parte del valore sia davvero attribuibile alla campagna: è la domanda a cui rispondono il marketing mix modeling e gli esperimenti di incrementalità.
Dipende dall’orizzonte: sul breve contano vendite, contatti e costo per risultato, sul medio copertura e frequenza, sul lungo i segnali di marca come il volume di ricerche sul nome dell’azienda. Una metrica sola porta a decisioni sbilanciate.
L’attribuzione distribuisce il merito di una conversione fra i punti di contatto che l’hanno preceduta. L’incrementalità misura quante conversioni non sarebbero avvenute senza quella pubblicità. Sono domande diverse, e sulla seconda si decide il budget.
Il software sì: è open source con licenza Apache 2.0 e non prevede costi di licenza. Il progetto comporta costi di persone, preparazione dei dati, infrastruttura di calcolo e media destinato agli esperimenti.
Nella maggior parte dei casi sì. È Google stessa a scrivere che la maggioranza dei team ha bisogno di un data scientist o della collaborazione di un partner esterno. La competenza necessaria è statistica, non di marketing digitale.
Sì. Il modello lavora su dati aggregati di tutti i canali, e gli esperimenti geografici possono essere disegnati anche su media che con Google non hanno nulla a che fare, compresi radio, affissione e televisione.
Dalla lunghezza del ciclo di acquisto, dalla frequenza con cui si rileva il dato di vendita e dalla dimensione della differenza che si vuole cogliere. Un effetto piccolo su un mercato piccolo richiede più tempo di un effetto grande su un mercato ampio.
Per gli esperimenti geografici no, perché manca il gruppo di controllo. Restano utili gli altri metodi di misurazione, a partire dal confronto fra periodi e dalla rilevazione delle variazioni sulle ricerche di marca.
Prima di misurare, capire se i dati ci sono
Un modello risponde bene soltanto a domande poste bene, e la maggior parte dei progetti si ferma prima di arrivarci: obiettivi mai messi per iscritto, criteri di misura decisi a campagna avviata, numeri che descrivono la campagna invece del business.
È il lavoro che in Factory facciamo all’inizio, prima della spesa: si stabilisce che cosa dovrà succedere e come si capirà che sta succedendo. Poi si sceglie il canale.