Il costo si sposta dalla licenza all’expertise: servono data scientist capaci di interpretare i modelli bayesiani

Il crollo del prezzo della misurazione

Per capire la portata del cambiamento, partiamo dal dato più brutale: il prezzo. Secondo Forrester, gli strumenti open-source gratuiti di Google e Meta stanno sconvolgendo il mercato commerciale dei vendor di marketing measurement and optimization (MMO), quello per cui i brand pagavano tradizionalmente migliaia di dollari. In pratica, la parte di budget che andava in licenza può azzerarsi. Meridian, il modello costruito da Google, è disponibile per tutti i marketer e i data scientist, come conferma l’annuncio ufficiale di Google. Non serve una trattativa commerciale: si scarica, si testa, si usa.

Non tutti i modelli gratuiti sono uguali

Dietro l’azzeramento del prezzo si nasconde però una differenza sostanziale tra i tool gratuiti. Robyn è il pacchetto più semplice: utilizza un approccio frequentista, cioè modelli costruiti su dati osservati senza assunzioni a priori. Meridian e PyMC adottano invece un framework gerarchico bayesiano, che incorpora conoscenze pregresse e si aggiorna con i nuovi dati. PyMC ha il grado più alto di personalizzazione, ma richiede anche la maggiore esperienza per essere usato. In concreto: con Robyn puoi partire quasi subito; con PyMC devi sapere esattamente cosa stai modellando.

La complessità non è nuova. Robyn, rilasciato da Facebook nei primi anni 2020, è stato il primo pacchetto open-source per il MMM. E la corsa all’open-source non ha eliminato la confusione. Già nel settembre 2023, John Lynch descriveva il panorama della rinascita del MMM come un moderno selvaggio West, un terreno pieno di nuovi operatori con promesse irrealistiche. L’ironia è che oggi gli strumenti sono gratuiti, ma il costo della scelta sbagliata si sposta tutto sull’interpretazione del modello.

La complessità tecnica non è neutra per chi deve decidere come misurare le campagne. Il costo si sposta dalla licenza all’expertise: non paghi più il software, ma paghi, in tempo, errori e formazione, la distanza tra un modello eseguito e un modello interpretato correttamente.

Lunedì mattina: riallocare il budget dalla licenza alla competenza

Da qui la domanda pratica: cosa fare con i budget che prima andavano in licenze? La risposta non è cercare il tool perfetto, ma costruire la capacità interna di usarlo. Se il tuo team ha poca esperienza di modellistica, Robyn è il punto di partenza meno rischioso. Se hai data scientist con competenze bayesiane, Meridian e PyMC aprono più spazio di personalizzazione. Ogni euro che non va più al vendor dovrebbe diventare ore di formazione, test interni su dati reali e revisione periodica dei modelli.

Chi continua a pagare un vendor commerciale deve avere una giustificazione operativa, non una comodità: integrazioni proprietarie, servizi gestiti, velocità di deploy. Ma la direzione del mercato è chiara: la misurazione non è più una spesa fissa da esternalizzare. È una competenza da internalizzare. Il prossimo budget per la misurazione non andrà in licenze, ma in ore di formazione e prove su dati reali. Chi pianifica oggi la migrazione interna, domani avrà un ritorno sull’investimento (ROI) di misurazione più alto, perché possiede il modello e sa leggerne i limiti.