Il ROI senza gruppo di controllo non è un ROI

Fra i clienti dormienti che abbiamo ricontattato, il 32,0% è tornato in negozio entro il periodo osservato. Fra chi non abbiamo contattato, il 17,7%. Quasi il doppio, e la tentazione di chiamarlo un ritorno certificato del marketing è forte. Non lo facciamo, e in questo articolo spieghiamo perché.

Su cosa è calcolato

Sui dati che passano dalla piattaforma: oltre 100.000 scontrini reali e circa 90.000 profili cliente di una catena retail moda, periodo novembre 2025, settembre 2026. Nello specifico: 2.204 clienti dormienti (ultimo acquisto fra 90 e 180 giorni prima del 01/04/2026), tutti con consenso marketing e cellulare valido, contattati via SMS (automatico o 1-a-1) fra il 01/04 e il 31/05/2026, con il ritorno misurato entro il 30/06/2026. Confrontati con 2.257 dormienti nello stesso periodo e nello stesso stato, non contattati.

Perché non è un uplift

Il numero è vero: nel nostro dato, i dormienti ricontattati sono tornati con una frequenza quasi doppia. Ma correlazione, non causalità: chi viene contattato è già selezionato dal negozio, non c’è gruppo di controllo. Nel Centro Azioni è lo store manager a scegliere chi contattare, spesso partendo da clienti che sembrano già più recuperabili (valore storico più alto, ultimo acquisto più recente all’interno della finestra, un motivo specifico in mente). I due gruppi, contattati e non contattati, partono diversi prima ancora del contatto: la differenza osservata può dipendere in parte da chi viene scelto, non solo dall’effetto dell’SMS o della telefonata.

Per questo lo stesso confronto non va mai riportato come un moltiplicatore di ritorno sull’investimento, né usato per stimare quante vendite in più genera un contatto: senza sapere quanto dei due gruppi era già diverso in partenza, non è possibile scomporre l’effetto reale.

Cosa servirebbe per dirlo davvero

Per misurare un effetto causale servirebbe un vero gruppo di controllo: una parte dei clienti dormienti selezionata a caso, tenuta fuori dal contatto per un trimestre a parità di tutto il resto (stesso stato di dormienza, stessa idoneità al contatto), e poi confrontata con chi invece è stato contattato. Solo a quel punto la differenza fra i due gruppi misurerebbe l’effetto del contatto, non le differenze fra chi si sceglie di contattare e chi no.

Oggi la piattaforma misura per codice e per finestra, con la finestra sempre dichiarata (ne parliamo in La finestra di attribuzione cambia il risultato), ma non genera automaticamente un campione casuale di clienti volutamente esclusi dal contatto: è prima una scelta commerciale del retailer, che deve accettare di non contattare una parte dei clienti recuperabili per un periodo, poi uno strumento di misura.

Dove non serve

Questo tipo di confronto non serve a giustificare un budget come se fosse un ritorno certificato, e non va mai messo accanto alle metriche di vanità che abbiamo già raccontato: un numero grande non misura automaticamente un effetto vero. Serve solo a dire che il contatto è associato a un ritorno più alto: chiedersi quanto di quel ritorno sia davvero causato dal contatto non è compito di questo numero, e nessuna formula lo trasforma in una risposta che i dati, così come sono raccolti oggi, non possono dare.

Domande frequenti

La differenza fra 32% e 18% non è comunque un buon segnale?

Sì, come segnale descrittivo è utile: dice che i clienti che il negozio sceglie di ricontattare tornano più spesso di quelli che non vengono toccati. Diventa un problema solo quando lo si presenta come una prova di ritorno sull’investimento o come un moltiplicatore, perché in quel caso serve un confronto fra gruppi comparabili, che qui manca.

Cosa cambia rispetto alla finestra di attribuzione di cui avete parlato altrove?

Sono due problemi diversi. La finestra di attribuzione (vedi l’articolo dedicato) riguarda quanti giorni aspetti prima di contare un ritorno come conversione: cambia il numero riportato, ma resta comunque il ritorno degli stessi clienti contattati. Il gruppo di controllo riguarda invece se quel numero misura un effetto causale del contatto o solo una differenza fra due popolazioni scelte in modo diverso.

Come si costruirebbe un vero test con gruppo di controllo?

Bisognerebbe selezionare in modo casuale, non a discrezione dello store manager, un campione di clienti dormienti idonei al contatto, escluderli deliberatamente dal contatto per un periodo definito (ad esempio un trimestre), e confrontare il loro tasso di ritorno con quello di un campione altrettanto casuale che invece viene contattato. È una decisione commerciale prima che tecnica, perché significa rinunciare a contattare clienti potenzialmente recuperabili in nome della misura.

Se vuoi discutere come impostare una misura più solida sui tuoi dati, scrivici: la parte di analisi la vediamo insieme.