# Incrementalità: capire che cosa sarebbe successo anche senza la campagna | KLC Tipo: articolo informativo Sito: KLC (www.klc.it) URL canonico: https://www.klc.it/blog/dati-e-misurazione/incrementalita-capire-che-cosa-sarebbe-successo-anche-senza/ Autore: KLC Pubblicato: 24 Settembre 2026 Ultimo aggiornamento: 2 Agosto 2026 Lingua: it-IT Categoria: Dati e misurazione ## Sintesi Una campagna può ricevere credito per cento conversioni e averne causate soltanto venti. Le altre ottanta potrebbero essere avvenute comunque grazie a domanda di marca, clienti abituali, venditori o altri canali. L’attribuzione non distingue automaticamente fra queste due componenti. ## Incrementalità: capire che cosa sarebbe successo anche senza la campagna Scritto da KLC il 24 Settembre 2026. Pubblicato in Dati e misurazione. 24 Settembre 2026 · Dati e misurazione L’incrementalità prova a stimare il controfattuale: che cosa sarebbe successo senza l’attività. È una domanda difficile perché il mondo alternativo non è osservabile direttamente, ma può essere approssimato con gruppi di controllo, geografie, periodi e disegni sperimentali. ## Il controfattuale è il vero denominatore del valore causale Se un gruppo esposto converte al 12% e un gruppo comparabile non esposto al 10%, il lift incrementale è di due punti percentuali, non dodici. Le conversioni osservate nel gruppo esposto comprendono baseline e effetto della campagna. La comparabilità è la parte critica. I gruppi devono differire per l’esposizione e non per domanda, stagionalità, geografia o composizione. Quando la randomizzazione è disponibile, riduce molti bias; quando non lo è, servono controlli, periodi e assunzioni più forti. Nel B2B il volume ridotto rende i test difficili. Una singola commessa può dominare il risultato. Questo non autorizza a ignorare l’incrementalità: significa usare test su segnali più frequenti, geografie o account, integrare evidenze e dichiarare l’incertezza. ## Dati e decisioni da raccogliere prima del calcolo ## Unità di test Utenti, account, territori, periodi, audience o campagne. Deve ridurre la contaminazione fra esposti e controllo. ## Evento Visita qualificata, lead, opportunità o vendita. Più l’evento è vicino al valore, più può essere raro. ## Baseline Tasso o volume atteso senza intervento, stimato dal controllo o da uno storico comparabile. ## Finestra Tempo sufficiente perché l’effetto emerga e non venga confuso con stagionalità o ritardi di conversione. ## Potenza e incertezza Volume, varianza ed effetto minimo rilevabile. Un risultato inconcludente non equivale a effetto zero. ## Formula di lavoro Lift incrementale = risultato del gruppo esposto − risultato atteso senza esposizione Può essere espresso in differenza assoluta, percentuale relativa o conversioni incrementali. Ogni report deve indicare base, intervallo e metodo. ## Esempio: campagna di brand che sembra indispensabile La campagna registra 1.000 conversioni attribuite. In un test geografico, le aree esposte generano 10.500 conversioni complessive e le aree di controllo, normalizzate per baseline, ne avrebbero previste 10.200. Il lift stimato è 300 conversioni. Il rapporto fra conversioni attribuite e incrementali mostra che molte persone avrebbero convertito comunque o attraverso altri percorsi. La campagna può restare profittevole, ma il costo per conversione incrementale è oltre tre volte il costo per conversione attribuita. | Metrica | Valore | Interpretazione | | --- | --- | --- | | Conversioni attribuite | 1.000 | Credito assegnato dalla piattaforma | | Baseline stimata | 10.200 | Risultato atteso senza test nelle aree esposte | | Risultato osservato | 10.500 | Conversioni complessive con campagna | | Conversioni incrementali | 300 | Differenza causale stimata | | Quota incrementale su attribuite | 30% | Parte del credito compatibile con effetto aggiuntivo | ## Quale metodo scegliere in base a volume e controllo disponibile ## 1. Esperimento randomizzato Assegna utenti o unità a esposto e controllo. È il riferimento più forte, ma richiede eleggibilità, volume e gestione della contaminazione. ## 2. Test geografico Confronta aree comparabili con e senza attività. È utile quando la randomizzazione individuale non è possibile, ma richiede geografie sufficienti e stabilità. ## 3. Holdout per account Nel B2B si possono escludere gruppi di account da una attività, rispettando equità commerciale e dimensione. Serve coordinamento con vendite. ## 4. Test temporale Riduce o sospende attività in finestre pianificate. È più esposto a stagionalità, concorrenza e trend; va usato con controlli e cautela. ## 5. Analisi quasi-sperimentale Differenze nelle differenze, matched markets o modelli causali possono aiutare quando l’esperimento non è disponibile. Le assunzioni devono essere dichiarate. ## 6. Triangolazione Combinare esperimenti, attribuzione, coorti, sondaggi e feedback commerciale. Evidenze convergenti sono più utili di una cifra isolata. ## Perché molti “test” non misurano davvero incrementalità ## Confronto prima/dopo senza controllo Stagionalità, domanda e altri cambiamenti possono spiegare la differenza. ## Gruppi non comparabili Aree o account con potenziale diverso producono un lift che riflette la selezione, non la campagna. ## Contaminazione Il controllo vede annunci, contenuti o venditori collegati all’attività e riduce la differenza osservata. ## Evento troppo raro Pochi ordini generano intervalli enormi. È utile misurare anche opportunità o segnali più frequenti, mantenendo il collegamento al valore. ## Interrompere quando il risultato non piace Cambiare durata o analisi dopo aver visto i dati aumenta il rischio di trovare un effetto casuale. ## Progettare l’effetto minimo che merita una decisione Prima del test occorre stabilire quale lift sarebbe economicamente rilevante. Un aumento dello 0,2% può essere importante su milioni di transazioni e irrilevante su poche opportunità; un test che non può distinguere l’effetto minimo utile rischia di consumare budget senza rispondere alla domanda. La soglia economica parte dal margine incrementale. Se servono almeno dieci opportunità aggiuntive per coprire il costo, il disegno deve avere volume e durata sufficienti a rilevarle. Quando non è possibile, la decisione va ridotta: testare una proxy più frequente, limitare la spesa o accettare che l’evidenza resterà debole. ## La decisione dopo il test deve rispettare l’intervallo Un lift stimato di 8% con intervallo compatibile sia con 1% sia con 15% non autorizza la stessa sicurezza di un risultato più preciso. La decisione può comunque essere presa, ma deve riflettere il rischio: mantenere la spesa, aumentare per un nuovo test o ridurre l’esposizione. Presentare soltanto la stima centrale cancella l’informazione più importante, cioè quanto poco o quanto molto sappiamo. ## Valutare anche il costo del controllo Creare un holdout significa rinunciare temporaneamente a una parte dell’esposizione e sostenere lavoro di progettazione e analisi. Questo costo deve essere confrontato con il valore della decisione. Un test complesso è giustificato quando il budget futuro o il rischio sono elevati; per una attività piccola può essere più razionale usare un esperimento semplice, una soglia prudente e una revisione frequente. ## Come usare il lift nelle scelte di investimento - Calcolare costo e margine per conversione incrementale, non soltanto attribuita. - Ridurre attività con alta cannibalizzazione quando il controllo mostra che il risultato complessivo resta stabile. - Scalare quando il lift rimane positivo e profittevole a livelli di spesa maggiori. - Accettare un test inconcludente come informazione: può indicare che volume o disegno non consentono una decisione forte. ## Come KLC introduce la domanda causale senza promettere esperimenti impossibili KLC distingue nel reporting credito, correlazione e prova incrementale. Valuta volumi, mercati, piattaforme e capacità per capire se è possibile usare Conversion Lift, geografie, account o finestre di riduzione. Quando un test rigoroso non è fattibile, costruisce baseline, scenari e triangolazioni, rendendo esplicite le assunzioni. La decisione viene calibrata sulla forza dell’evidenza: non ogni dato merita lo stesso grado di certezza. Il risultato viene collegato a margine, pipeline e capacità. Una campagna incrementale può non essere conveniente; una campagna con lift modesto può essere strategica se raggiunge account ad alto valore. Il test informa la decisione, non la sostituisce. ## Attribuzione e incrementalità possono dare risultati diversi? Sì. L’attribuzione assegna credito ai touchpoint osservati; l’incrementalità stima il cambiamento rispetto al controfattuale. ## Serve sempre un gruppo di controllo? Per una prova causale forte è molto utile. Quando non è disponibile, si usano metodi osservazionali con assunzioni e incertezza maggiori. ## Un risultato non significativo significa che la campagna non funziona? No. Può significare effetto piccolo, rumore alto o campione insufficiente. Va letto insieme all’intervallo e all’effetto minimo rilevante. ## Fonti e riferimenti per la revisione - Google Ads Help — Conversion Lift - Google Ads Help — Conversion Lift based on users - Google Ads Help — Conversion Lift based on geography Approfondisci il servizio: Analytics e conversioni. ## Vedi anche - [Costo dello stack MarTech: strumenti, integrazioni e lavoro invisibile](https://www.klc.it/blog/dati-e-misurazione/costo-dello-stack-martech-strumenti-integrazioni-e-lavoro/) - [Data layer o DOM scraping? Come scegliere una raccolta dati stabile e governabile](https://www.klc.it/blog/dati-e-misurazione/data-layer-vs-dom-scraping-in-google-tag/) - [Data layer: il contratto tra sito, analytics, advertising e sistemi di business](https://www.klc.it/blog/dati-e-misurazione/data-layer-progettazione-e-governance/) - [Checklist per il modulo di contatto B2B: campi, microcopy, privacy e routing](https://www.klc.it/blog/dati-e-misurazione/checklist-modulo-di-contatto-b2b/) - [Checklist per il lead routing: territorio, prodotto, priorità e SLA](https://www.klc.it/blog/dati-e-misurazione/checklist-lead-routing-b2b/) --- Versioni alternative di questo contenuto: - HTML completo: https://www.klc.it/blog/dati-e-misurazione/incrementalita-capire-che-cosa-sarebbe-successo-anche-senza/ - JSON strutturato: https://www.klc.it/blog/dati-e-misurazione/incrementalita-capire-che-cosa-sarebbe-successo-anche-senza.json Fonte: KLC Licenza: All rights reserved Generato da AI Discovery Bridge v1.9.3