Come stimare l’elasticità al prezzo?
Dal modello log-log all’intervallo di incertezza: capire cosa misura davvero un coefficiente prima di simulare una variazione di prezzo.
12 min · Dataset MSC-001Prova lo strumento ↗
Research & Evidence · Imparare facendo.
Strumenti per analizzare,
comprendere e decidere nel marketing
Un laboratorio pubblico dedicato ai metodi, ai dati e alle evidenze che informano le decisioni di marketing.
01 Ipotesi esplicite02 Dati scaricabili03 Limiti espliciti
Il nostro contratto di evidenza 01 / 04
Dalla domanda alla decisione
Un metodo ha valore solo se può essere compreso, riprodotto e messo in discussione.
Il laboratorio adotta un protocollo unico per i suoi dossier di riferimento. Mostra ciò che i dati permettono di stabilire — e ciò che non permettono di concludere.
Vedi i dossier in evidenza ↓- 01Domanda
- 02Ipotesi
- 03Dati
- 04Modello
- 05Calcolo
- 06Incertezza
- 07Limiti
- 08Decisione
Territori scientifici 02 / 04
Il polo scientifico e metodologico
Sei discipline.
Un unico rigore.
Sei ambiti per misurare gli effetti, rendere espliciti i modelli e delimitare meglio ciò che i dati consentono di decidere.
01Δ
Misurazione del marketing
Misurare gli effetti del marketing distinguendo attribuzione, incrementalità e causalità.
- MMM
- Incrementalità
- Sperimentazione
02ε
Scienza dei prezzi
Collegare prezzo, domanda e valore percepito con ipotesi e incertezze esplicite.
- Elasticità
- Disponibilità a pagare
- Analisi congiunta
03C
Scienza del cliente
Analizzare valore, fidelizzazione e comportamenti nel tempo senza nascondere i limiti dei dati.
- CLV
- Abbandono
- Coorti
04μ
Ricerche di mercato
Progettare misure affidabili per osservare mercati, percezioni e preferenze.
- Campionamento
- Scale
- Bias
05ƒ
Modelli di marketing
Formalizzare risposta, diffusione e domanda per confrontare i meccanismi, non per raccontare una curva.
- Saturazione
- Effetto ritardato
- Funzioni di domanda
06P
Scienza delle decisioni
Confrontare scenari e quantificare l’incertezza prima di preparare un giudizio umano.
- Monte Carlo
- Sensibilità
- Bayes
Dossier in evidenza 03 / 04
Partire da una domanda reale
Tre metodi.
Tre evidenze da costruire.
Dossier concepiti come oggetti di lavoro: metodo, dataset, calcolo e confine interpretativo.
y = α(1 − e−βx)
Quando si satura la risposta del marketing?
Confrontare forme funzionali, rendimenti marginali e diagnostica prima di interpretare una curva.
10 min · Dataset MSC-002Vedi i dati ↘
τ̂ = (ȳT,post − ȳT,pre) − (ȳC,post − ȳC,pre)
Una promozione ha generato vendite incrementali?
Costruire un controfattuale credibile e distinguere effetto osservato, incrementalità reale e spostamenti temporali.
14 min · Dataset MSC-005Vedi i dati ↗
Biblioteca dei metodi 40 / 40
40 dossier di riferimento
Dalla domanda a un metodo contestabile.
Ogni dossier espone target statistico, dati, calcolo, incertezza, controlli e limite decisionale.
01MSC-P-001
Fondamenti dell’evidenza
Come trasformare un’affermazione di marketing in una domanda verificabile?
Apri il dossier↗
02MSC-P-002
Fondamenti dell’evidenza
Correlazione o causalità: cosa consente davvero di affermare un’analisi?
Apri il dossier↗
03MSC-P-003
Fondamenti dell’evidenza
Come esprimere l’incertezza di un risultato di marketing?
Apri il dossier↗
04MSC-P-004
Fondamenti dell’evidenza
Significatività o dimensione dell’effetto: quale risultato interpretare?
Apri il dossier↗
05MSC-P-005
Scienza della misurazione
Come misurare un costrutto di marketing non direttamente osservabile?
Apri il dossier↗
06MSC-P-006
Scienza della misurazione
Come progettare e validare una scala di misurazione?
Apri il dossier↗
07MSC-P-007
Scienza della misurazione
Alpha o omega: come valutare l’affidabilità di una scala?
Apri il dossier↗
08MSC-P-009
Scienza della misurazione
PCA, EFA o CFA: quale metodo scegliere?
Apri il dossier↗
09MSC-P-010
Sperimentazione e causalità
Quando condurre un esperimento di marketing?
Apri il dossier↗
10MSC-P-011
Sperimentazione e causalità
Come progettare un A/B test che stimi davvero un effetto?
Apri il dossier↗
11MSC-P-012
Sperimentazione e causalità
Di quante osservazioni ha bisogno un esperimento?
Apri il dossier↗
12MSC-P-013
Sperimentazione e causalità
Come misurare l’effetto incrementale di una campagna con un gruppo di controllo?
Apri il dossier↗
13MSC-P-017
Sperimentazione e causalità
Come rilevare selezione, contaminazione e attrition in un esperimento?
Apri il dossier↗
14MSC-P-018
Regressione ed econometria
Regressione predittiva o causale: cosa si vuole stimare?
Apri il dossier↗
15MSC-P-019
Regressione ed econometria
Come diagnosticare una regressione di marketing prima di interpretarla?
Apri il dossier↗
16MSC-P-022
Scienza dei prezzi
Come stimare l’elasticità al prezzo e la sua incertezza?
Apri il dossier↗
17MSC-P-026
Modelli di scelta
Logit vs Probit: come scegliere per una probabilità di acquisto?
Apri il dossier↗
18MSC-P-029
Scienza del cliente
Quali clienti hanno la probabilità di churn più elevata?
Apri il dossier↗
19MSC-P-027
Scienza della misurazione
TAM, UTAUT o UTAUT2: quale quadro usare per studiare l’accettazione tecnologica?
Apri il dossier↗
20MSC-H-001
Sperimentazione e causalità
Misurazione e causalità: come stabilire un effetto di marketing?
Apri il dossier↗
21MSC-H-002
Regressione ed econometria
Modelli di risposta marketing: forma, ritardo e saturazione
Apri il dossier↗
22MSC-H-003
Scienza dei prezzi
Scienza dei prezzi: collegare prezzo, domanda e contribuzione
Apri il dossier↗
23MSC-H-004
Scienza del cliente
Scienza del cliente e della scelta: comportamento, valore ed eterogeneità
Apri il dossier↗
24MSC-H-005
Scienza della misurazione
Scienza della misurazione: costruire indicatori validi
Apri il dossier↗
25MSC-H-006
Fondamenti dell’evidenza
Metodi statistici decisionali: scegliere, quantificare, validare
Apri il dossier↗
26MSC-P-008
Scienza della misurazione
Come validare una scala di misurazione marketing?
Apri il dossier↗
27MSC-P-014
Sperimentazione e causalità
Come progettare un esperimento geografico di marketing?
Apri il dossier↗
28MSC-P-015
Sperimentazione e causalità
Come stimare un effetto con la differenza nelle differenze?
Apri il dossier↗
29MSC-P-020
Scienza dei prezzi
Come trattare l’endogeneità del prezzo?
Apri il dossier↗
30MSC-P-021
Regressione ed econometria
Effetti fissi o casuali: quale modello panel scegliere?
Apri il dossier↗
31MSC-P-023
Scienza dei prezzi
Come stimare una funzione di domanda?
Apri il dossier↗
32MSC-P-024
Scienza dei prezzi
Come simulare uno scenario prezzo-volume-margine?
Apri il dossier↗
33MSC-P-028
Scienza del cliente
Come stimare la CLV con BG/NBD e Gamma-Gamma?
Apri il dossier↗
34MSC-P-030
Scienza del cliente
Come analizzare la ritenzione con un modello di sopravvivenza?
Apri il dossier↗
35MSC-P-031
Scienza del cliente
Come costruire una segmentazione clienti utile?
Apri il dossier↗
36MSC-P-032
Scienza del cliente
Come testare la stabilità di una segmentazione?
Apri il dossier↗
37MSC-P-033
Regressione ed econometria
Come validare una previsione di marketing?
Apri il dossier↗
38MSC-P-034
Fondamenti dell’evidenza
Come costruire una simulazione Monte Carlo per una decisione di marketing?
Apri il dossier↗
39MSC-P-035
Regressione ed econometria
Come modellare saturazione e adstock?
Apri il dossier↗
40MSC-P-039
Fondamenti dell’evidenza
Quale test statistico scegliere?
Apri il dossier↗
Laboratorio di dati aperti 04 / 04
Dataset riproducibili
Imparare da dati che si possono ispezionare.
Ogni dataset di esempio è sintetico, documentato e volutamente compatto. Serve a riprodurre un metodo, non a generalizzare un risultato al mercato.
FORMATO CSV UTF‑8 LICENZA CC0 1.0
Variabili, metodi e limiti →Price Elasticity
Prezzo · volume · stagionalità · 24 osservazioni
Advertising Response
Spesa · esposizione · risposta · 24 osservazioni
Promotion Incrementality
Test · controllo · vendite · 24 osservazioni
Customer Lifetime Value
Recenza · frequenza · valore · 30 clienti
Marketing Mix Modeling
Canali · vendite · controlli · 36 periodi
Measurement Validity
Rispondenti · item · gruppi · 30 rispondenti
Monte Carlo Inputs
Scenari · distribuzioni · dipendenze · 24 ipotesi
Strumenti riproducibili 05 / 05
MSC-T01 — MSC-T08
Cinque calcoli, cinque confini interpretativi.
Ogni strumento rende visibile il calcolo e indica ciò che non dimostra.
Dimensione campione A/B
3841 per gruppoApprossimazione normale bilaterale, allocazione 1:1, potenza 80%, α = 5%, senza attrition né effetto di disegno.
Differenza-nelle-differenze
Differenza-nelle-differenze: +7.0 punti indiceContrasto 2×2 descrittivo; causale solo se il disegno sostiene trend paralleli.
Elasticità costante
-6.6%Scenario condizionale, non raccomandazione di prezzo.
Prezzo-volume-margine
P₀ 100 € · VC 55 € · Q₀ 10 000
Variazione contribuzione: +3.8%Scenario condizionale, non raccomandazione di prezzo.
MSC-P-024 →Monte Carlo
Probabilità di contribuzione positiva: ≈ 99.9% (errore standard MC ≈ 0.1 pp · IC Wilson al 95% ≈ 99.6–100.0%)2.000 estrazioni a seme fisso; solo l’elasticità segue una normale non limitata, senza le dipendenze MSC-010.
MSC-P-034 →