La precisione è diventata il rifugio degli indecisi.
Nel marketing digitale ci siamo innamorati della precisione.
Pensiamo che se misuriamo tutto al decimale, allora capiamo tutto.
Ma la matematica ti insegna una cosa semplice:
la precisione non migliora la qualità di un modello sbagliato.
Un esempio che racconto sempre:
puoi calcolare con 8 decimali il ROAS di una campagna.
Ma se il modello di attribuzione è sbagliato (e lo è quasi sempre), quei decimali sono solo decorazione.
È l’errore più classico:
Raffinare la misura di un fenomeno che non hai ancora capito.
Come direbbe qualsiasi professore di matematica applicata:
non serve aggiungere decimali a un numero che nasce da una funzione sbagliata.
Se il tuo sistema è vizioso, la precisione è solo un’illusione estetica.
Nel marketing nessuno ha il coraggio di dirlo.
Perché fa più scena dire che hai un CPA di 13,41€ piuttosto che ammettere che non sai da dove arrivano esattamente quei lead.
Ma è così.
Stiamo costruendo grafici perfetti su modelli imperfetti.
E ci sentiamo intelligenti.
La differenza tra errore accettabile ed errore strutturale (spiegata con una formula che nessuno nel marketing vuole vedere).
In matematica esiste una distinzione chiara tra errore di misura accettabile e errore di modello strutturale.
Quando fai una stima, puoi avere due tipi di errore:
- Errore casuale (o rumore):
Dovuto a variabili imprevedibili, fluttuazioni normali. È accettabile. Lo metti in conto. - Errore sistematico (o di modello):
Dovuto al fatto che stai usando una formula sbagliata o incompleta per descrivere la realtà.
Questo non si corregge aggiungendo dati o aumentando la precisione.
Si corregge cambiando il modello.
La formula è semplice:
Errore totale = errore sistematico + errore casuale
Nel marketing facciamo finta che esista solo l’errore casuale.
E quindi proviamo a ridurlo aggiungendo dati, strumenti, tag, pixel, CRM.
Senza mai chiederci se stiamo misurando la cosa giusta.
Risultato?
Abbiamo dati sempre più precisi su fenomeni che continuiamo a descrivere male.
Esempio banale:
Se misuri le conversioni solo tramite Ads click e ignori i canali indiretti, l’errore sistematico è già nel modello di attribuzione.Puoi mettere tutti i decimali che vuoi nel ROAS.
Non cambierà nulla: stai continuando a descrivere male la realtà.
Il marketing che corregge il rumore e ignora il sistema (ovvero: l’arte di perdersi in dashboard perfette e inutili).
In statistica applicata esiste un principio brutale che nessuno nel marketing vuole sentire:
Correggere il rumore non migliora la qualità del modello, se il modello è già sbagliato.
Il marketing moderno, invece, fa esattamente questo.
Si concentra ossessivamente sull’errore casuale, cioè su quei piccoli scostamenti fisiologici dei dati, ignorando del tutto l’errore sistemico che deriva da una visione distorta della realtà.
E allora eccoci:
- Dashboard con funnel disegnati come se fossero sempre lineari.
- KPI iper-ottimizzati su una journey che non rappresenta più il comportamento reale.
- Attribution model complessi che nessuno mette in discussione, perché sono “standard industry”.
Tutto questo serve solo a una cosa: non decidere.
Nascondersi dietro la precisione.
Affogare nell’overtracking.
Perdere tempo a limare una percentuale mentre il mercato cambia sotto il naso.
Il marketing che misura tutto e capisce niente è questo.
Un marketing che confonde la complessità con la complicazione.
Che si rifugia nel perfezionismo numerico per evitare la parte difficile: scegliere, rischiare, accettare l’incertezza.
E così, mentre il team marketing discute se il tasso di apertura è salito dello 0,3%, il competitor ha già lanciato una nuova linea.
Senza aspettare il consolidamento del dato.
La matematica non è una gabbia. È una lente. Se hai il coraggio di guardare.
La matematica vera non è mai stata ossessione per la precisione sterile.
È sempre stata un linguaggio per descrivere il mondo, accettandone i limiti, le approssimazioni, le asimmetrie.
Nel marketing, invece, la usiamo come una gabbia:
creiamo modelli che ci rassicurano, formule che fingono di spiegare l’irrazionale, dashboard che raccontano una realtà pulita, lineare, ordinata.
Ma il marketing non è ordinato.
Il comportamento umano non segue le logiche lineari dei funnel che mettiamo in PowerPoint.
È più vicino a un sistema caotico.
È più simile a una funzione non lineare piena di punti di discontinuità che nessuno vuole vedere.
La matematica applicata ci offre una lezione chiara:
Un modello è utile solo se accetti che sia una semplificazione.
E che oltre un certo livello di precisione, rischia di diventare fuorviante.
In statistica si chiama overfitting:
quando un modello è così preciso sui dati storici che diventa incapace di adattarsi al futuro.
Ecco cosa succede ogni giorno nel marketing delle dashboard perfette:
Facciamo overfitting sulle nostre metriche.
Ottimizziamo fino a perdere la capacità di leggere il mercato reale.
La matematica può aiutarti a capire il contesto.
Non a dominarlo.
Non a eliminarne l’incertezza.
E di sicuro non a nasconderla dietro numeri troppo belli per essere veri.
Il marketing serio misura meno, decide di più.
La matematica applicata al marketing non serve a garantirti certezze.
Serve a darti la lucidità di accettare l’incertezza.
E chi lavora con serietà nel marketing lo sa:
il problema non è quanto riesci a misurare.
Il problema è quanto sei disposto a decidere anche quando il dato è imperfetto.
Perché il marketing non è una scienza esatta.
È una disciplina probabilistica che ti costringe a scegliere con dati parziali, modelli imperfetti e contesti in continuo movimento.
Chi si rifugia nella precisione ossessiva lo fa per paura.
Perché pensa che aggiungendo un decimale in più il rischio sparirà.
Ma il rischio resta. Sempre.
La differenza è che chi accetta questa realtà agisce.
Chi si nasconde nei numeri continua a limare dashboard mentre il mercato si muove.
Il marketing serio misura il giusto.
E poi decide.
E poi corregge.
E poi riparte.
Tutto il resto è rumore.
Rumore travestito da precisione.
Rumore che ti fa sentire intelligente mentre perdi tempo.

Rispondi