Ultimo aggiornamento
Decidere quanto investire in advertising è la parte facile. La parte difficile è decidere dove, quando e come distribuire quel budget nei dodici mesi che verranno, in modo coerente con i dati storici, la stagionalità reale e le iniziative già in programma.
Nel nostro lavoro quotidiano vediamo ricorrere sempre gli stessi errori. Il primo è il più diffuso: prendere il budget annuale e dividerlo per 12, magari con una piccola aggiunta nel Q4 per intercettare il periodo di Black Friday e Natale. Il secondo è replicare esattamente l’allocazione dell’anno precedente, ignorando i fattori che nel frattempo sono cambiati e che possono incidere in modo importante sul rendimento delle campagne.
In entrambi i casi manca la stessa cosa: un piano che parta dai dati. Per questo abbiamo sviluppato e affinato sul campo, con i nostri clienti, l’e-commerce budget model di Evoluzione: un metodo data driven che risponde a tre domande in sequenza. Quanto budget serve per raggiungere il fatturato obiettivo (o, al contrario, quale fatturato aspettarsi da un dato budget). Come distribuirlo mese per mese. Come suddividerlo tra i canali ADV.
In questo articolo vi raccontiamo come funziona, passo per passo, con alcuni esempi reali emersi dalle analisi che abbiamo svolto per i nostri clienti.
Il nostro modello è, volutamente, uno strumento “vecchia scuola”: un foglio di calcolo. Il suo compito è quello di fare da guida, dai numeri storici alle decisioni di investimento. In concreto, ricostruisce l’andamento di un e-commerce mese per mese negli ultimi anni, mette in luce le metriche che contano davvero (come la stagionalità di fatturato e ordini, il costo per ordine, lo scontrino medio e il ritorno sull’investimento pubblicitario) e le traduce in una risposta operativa: quanto budget serve per raggiungere il fatturato che vi siete prefissati o, al contrario, quale fatturato è ragionevole attendersi dal budget che avete a disposizione.
Uno dei suoi punti di forza è che richiede pochi dati. Sappiamo bene quanto possa essere complesso, a volte, reperirli. Ne servono tre, suddivisi per mese e per anno:
Per rendere l’analisi sensata serve uno storico di almeno un paio d’anni; empiricamente, tre anni rappresentano una base particolarmente efficace. Più anni si hanno a disposizione, meglio è.
La scelta del foglio di calcolo non è un limite, ma un vantaggio. Il modello non è statico né scritto una volta per tutte: permette di fare simulazioni diverse, cambiando le variabili e osservando subito come cambia il risultato, così da confrontare più ipotesi prima di decidere.
A partire da quei pochi dati, il modello ricava le metriche che ci permettono di capire il rendimento mensile, cosa è cambiato da un anno all’altro e se qualche fattore esterno ha influenzato i risultati. Vediamole insieme ad alcuni casi reali.
La prima analisi riguarda l’incidenza di ciascun mese sul fatturato e sugli ordini dell’anno, e come questa incidenza si è modificata nel tempo.
Per uno dei nostri clienti, nel 2024 e nel 2025 il peso del fatturato di novembre e dicembre è cresciuto in modo importante rispetto al 2023. Ne sono derivate due indicazioni. La prima, per noi: allocare più budget negli ultimi due mesi dell’anno, in particolare nelle giornate di Black Friday e Cyber Monday. La differenza di incidenza tra dicembre 2025 e dicembre 2024 era dovuta proprio al calendario, con un giorno di Black Week in meno caduto a dicembre. La seconda, per il cliente: organizzarsi per tempo nella gestione del magazzino. Abbiamo stimato anche il volume di ordini aggiuntivi atteso, un’informazione utile per valutare, per esempio, l’inserimento di personale stagionale.
Un altro cliente, nel 2023, registrava una bassa incidenza degli ordini in agosto, settembre e ottobre. Abbiamo definito alcune iniziative, sia promozionali sia tramite flussi di marketing automation, per aumentare il peso di quei mesi. L’elemento vincente è stato pianificarle a inizio anno: così il cliente è arrivato a quel periodo con il budget sufficiente per sostenerle.
Sono metriche utili ai clienti, ma anche a noi advertiser per ottimizzare le campagne. In un caso abbiamo osservato nel 2024 una crescita molto importante del costo per ordine, complici piattaforme sempre più costose e una concorrenza in aumento, mentre lo scontrino medio era rimasto piatto. I risultati erano comunque positivi, ma questo dato ci indicava un margine di ottimizzazione. Nel 2025 siamo riusciti a contenere la crescita percentuale del costo per ordine e ad aumentare lo scontrino medio di circa il 17%.
Il blended ROAS misura il rapporto tra fatturato e costi pubblicitari; il COS è il suo inverso. Le abbiamo inserite entrambe perché alcuni clienti sono abituati a ragionare con l’una, altri con l’altra, e vogliamo che ognuno lavori nella propria zona di comfort. In contesti ancora più aggregati possiamo parlare di MER, l’indice di efficienza del budget investito che rapporta il fatturato totale a tutta la spesa di marketing, non solo pubblicitaria.
Queste due metriche, insieme a ordini e fatturato, sono quelle su cui si basa la ponderazione, uno dei passaggi più importanti del modello, di cui parliamo più avanti.
È la parte che di solito interessa di più a imprenditori ed e-commerce manager: quanto budget serve per raggiungere il fatturato che ci si è prefissati?
I dati inseriti e le tabelle che si compilano in automatico servono anzitutto a stimare il ROAS (e quindi il COS) dell’anno su cui andremo ad allocare il budget.
A questa stima aggiungiamo i macrofattori che pensiamo possano incidere, in positivo o in negativo, durante l’anno.
I fattori interni sono le scelte che l’azienda ha già fatto. Per un nostro cliente, per esempio, abbiamo considerato l’aumento dell’attività di content su Meta e YouTube e l’introduzione di Connectif come software di marketing automation al posto del precedente strumento di email marketing, ipotizzando una crescita delle vendite dal canale email. Perché è importante? Perché il fatturato atteso generato da questi fattori va sottratto dal fatturato obiettivo che l'ADV deve generare. Se il cliente ha già investito nel nuovo software o nelle attività di content, non ha senso chiedergli altro budget pubblicitario per ottenere lo stesso risultato.
I fattori esterni sono la domanda di mercato e la concorrenza. Per stimarne l’andamento nell’anno successivo ci affidiamo agli indicatori che ci forniscono i nostri referenti di Google e Meta. Sono indicazioni generali, ma abbiamo notato che aiutano molto, anche i clienti, a capire come potrebbe andare l’anno.
A questo punto il modello funziona in entrambe le direzioni. Si può partire dal fatturato obiettivo: “vorrei chiudere l’anno con 5 milioni di fatturato, quanto budget mi serve?”. Oppure dal budget disponibile: “ho questo budget da investire in ADV quest’anno, che fatturato posso aspettarmi?”. Le celle si aggiornano in base al dato inserito.
Prima di procedere con l’allocazione mensile, presentiamo ai clienti tre scenari: uno mediano, uno pessimista e uno ottimista. Il modello produce una stima e, come ogni stima, non può essere perfetta: nulla è scritto nella pietra. Lavorare su tre scenari permette di prendere decisioni consapevoli dei margini di incertezza.
Se state ragionando proprio su questo, cioè su quanto investire per raggiungere i vostri obiettivi, qui trovate come applichiamo il metodo e come richiederci una simulazione sui vostri dati.
Definito il budget annuale, l’obiettivo è allocarlo tra i mesi nel modo più efficiente ed efficace possibile, sulla base dei dati storici e di altri fattori. Qui non lavoriamo con formule che restituiscono un risultato definitivo: il cuore del processo è la definizione dei pesi, un’analisi che svolgiamo insieme al cliente.
Partendo dagli ultimi tre anni, assegniamo un peso a ciascuno. Lo schema più classico dà meno peso agli anni più lontani: per esempio 10% a tre anni fa, 20% a due anni fa e 70% all’anno appena concluso, perché in molti casi è quest’ultimo a influenzare maggiormente il dato previsionale.
Non è però sempre così. Se nell’ultimo anno l’azienda ha attraversato una fase critica (problemi commerciali, un aumento dei prezzi, fattori esterni come l’aumento dei costi) e sappiamo già che il prossimo anno somiglierà più a due anni fa, possiamo variare i pesi di conseguenza. È qui che entrano in gioco le informazioni di cui siamo consapevoli noi come consulenti e, soprattutto, l’e-commerce manager o l’imprenditore. E possiamo sempre confrontare più simulazioni: una con lo schema standard, una che dà più peso a un periodo più lontano.
La seconda ponderazione non riguarda più i dati storici, ma le scelte strategiche. Va fatta sempre insieme a chi guida l’impresa, perché si tratta di decidere a quale fattore dare più importanza:
• numero di ordini, se l’e-commerce è in una fase di forte acquisizione e la sua stella polare è conquistare più clienti possibile; • entrate, se l’obiettivo è massimizzare il fatturato, anche sacrificando un po’ di margine; • efficienza (blended ROAS o MER), un rapporto tra il ritorno ottenuto e la spesa sostenuta negli anni precedenti
Attenzione: ogni scelta influenza i risultati raggiungibili. Sulla carta tutti vorrebbero la massima efficienza, ma puntare tutto sull’efficienza può impedire di acquisire tutti i clienti che si potrebbero conquistare. In una fase espansiva, può essere controproducente.
Nel modello entrano poi il budget annuale definito in precedenza, l’incidenza di Black Friday e offerte speciali, e il piano che l’azienda ha per i dodici mesi successivi. Sono informazioni che solo il cliente possiede e che rappresentano uno degli elementi più importanti dell’intero processo.
Dopo due o tre simulazioni, raramente meno, si arriva a una tabella che indica quanto investire idealmente in ciascun mese per ottenere i risultati impostati con i pesi. Offre anche un colpo d’occhio sulle variazioni rispetto all’anno precedente (dove forse si era speso troppo, dove le novità impongono un cambio di rotta) e una panoramica per trimestre.
L’ultimo passaggio è un intervento manuale sulle informazioni che il modello non può conoscere: un’offerta in primavera, sconti speciali, un cambio di politica nel Q4. Un e-commerce che l’anno prima ha spinto molto su Black Friday e Black Week potrebbe, per ragioni di marginalità, scegliere di non farlo più. Sono aggiustamenti a somma zero: non si aumenta il budget, si sposta tra un mese e l’altro.
Un esempio semplice ma concreto. Un nostro cliente, in un anno, era rimasto chiuso per tre settimane ad agosto, con tanto di avviso sulla ripresa delle spedizioni; l’anno successivo solo per quattro o cinque giorni intorno a Ferragosto. Replicare il budget dell’anno di chiusura lunga avrebbe significato sottoperformare. Tenendone conto in fase di budgetizzazione, il rendimento di quel mese ha avuto un’impennata. Non si tratta di analisi complesse: sono dettagli che, in fase di pianificazione, si dimenticano facilmente.
Il consiglio che diamo sempre è muoversi per tempo: già a novembre, se non prima, bisognerebbe iniziare a pensare al budget dell’anno successivo, considerando tutti i fattori che lo influenzeranno. Gli eventi imprevedibili esistono e le correzioni in corsa si possono fare, ma dovrebbero restare operazioni straordinarie, non decisioni prese a sensazione. La sensazione dell’imprenditore resta preziosa per definire la strategia commerciale, ed è proprio per questo che includiamo i dati di prima parte; ma raramente è affidabile come punto di partenza di un piano a dodici mesi.
Se volete capire come questo approccio si applicherebbe ai vostri numeri, sulla pagina dedicata al nostro e-commerce budget model potete chiederci tutto ciò che serve per applicare il metodo al vostro business.
Abbiamo definito quanto investire, per quali obiettivi e in quali mesi. Resta l’ultimo passaggio, non per importanza: come distribuire il budget tra le piattaforme.
Un e-commerce che è tornato a lavorare con noi, negli anni precedenti, aveva spostato gradualmente budget da Google Ads a Meta. Una scelta non sbagliata di per sé, ma presa sulla base di sensazioni e dei dati delle singole piattaforme: Meta riportava buoni risultati, quindi più budget a Meta; Google restava stabile, quindi meno budget a Google. Nel frattempo, però, la curva della spesa su Meta corrispondeva a una curva inversa di ordini e fatturato. Si stava concentrando troppo budget su un solo canale perdendo terreno nella parte più bassa del funnel, per esempio nella competizione sulle campagne Shopping. Siamo ripartiti dai dati per capire perché quella scelta non funzionasse e come ridefinire l’allocazione per l’anno successivo.
Per questo passaggio, oltre ai dati già visti (spesa per canale, fatturato, ordini, AOV, blended ROAS), servono anche i dati di piattaforma: impression, clic, conversioni e valore di conversione.
Questo modello è una semplificazione del Marketing Mix Modeling (MMM), il metodo usato dalle grandi aziende per allocare strategicamente il budget tra canali. Abbiamo testato l'MMM, ma abbiamo visto che un modello costruito su misura è spesso più praticabile per le PMI, che raramente hanno i volumi di dati che l'MMM richiede.
Un dilemma classico: Meta riporta 500 di fatturato, Google Ads 600 nello stesso periodo, ma il backend dell’e-commerce ne mostra 800. La somma, 1.100, supera il fatturato reale. Chi mente? Nessuno. Ogni piattaforma usa modelli di misurazione e di attribuzione differenti. Per questo nel modello integriamo i dati di tutte le piattaforme, senza però considerarli comparabili al 100%. Il volume complessivo di dati resta comunque sufficiente per definire l’allocazione dell’anno successivo.
La suddivisione tra canali è una simulazione multifattoriale, con molti vincoli da rispettare. Per questo, in questa fase, utilizziamo Claude: partendo dai dati del nostro budget model, ci aiuta a costruire tre scenari che poi valutiamo insieme all’imprenditore e al team per scegliere quello più adatto. I dati vengono sempre condivisi in forma anonima, perché fornirli in chiaro alle piattaforme di AI può essere rischioso.
Possono entrare in gioco anche comparatori di prezzo e marketplace: se li utilizzate, li integriamo nel modello e li analizziamo. Partiamo spesso dai canali pubblicitari più classici perché, pur con attribuzioni diverse, i loro dati “parlano la stessa lingua”; con i comparatori ci sono alcune differenze in più da gestire.
Ricapitolando, l’e-commerce budget model segue un percorso preciso:
Tutti, durante la budgetizzazione annuale, dimenticano qualcosa: la stagionalità, le iniziative speciali, il peso dei canali, i mesi a cui si destina troppo, o troppo poco. Il risultato sono budget mal distribuiti, canali sovra o sotto-finanziati, obiettivi di fatturato costruiti sulle sensazioni invece che sui dati. Un metodo strutturato serve proprio a evitarlo, dando a ogni mese e a ogni canale il budget giusto.
Se volete applicarlo al vostro e-commerce, lasciateci i vostri dati sulla pagina dedicata all’e-commerce budget model: vi faremo avere tutto ciò che serve per applicare il metodo al vostro business, nel pieno rispetto della privacy.