Services
Due linee di servizio, un metodo solo
Installare un tool può far tornare i conti, ma non ti dice se quei numeri sono davvero giusti. Noi usiamo un metodo che ti dice cosa è normale e cosa invece non funziona — e, quando i dati reggono, come smettere di rifare a mano le stesse cose.
Il quadro di riferimento
La filiera del dato
Ogni servizio si colloca su uno dei quattro anelli. Se se ne rompe uno, saltano anche i successivi, per quanto solidi siano. Il marketing è il sintomo più visibile, non l'unico: la stessa catena rotta colpisce prodotto, retention, magazzino e controllo di gestione.
/ 01
Raccolta
Il dato non arriva: consenso, ad blocker, browser che limitano i cookie, app native, gestionali e CRM che generano dati che nessuno raccoglie.
/ 02
Struttura
Il dato resta chiuso dove è nato: ogni sistema tiene il suo pezzo, nessuno storico proprietario, niente si incrocia.
/ 03
Lettura
Nessuno lo legge davvero: numeri diversi sullo stesso fatto a seconda di chi apre quale strumento.
/ 04
Decisione
Si decide sul percepito: budget, riassortimenti e priorità spostati su ciò che sembra funzionare.
/ 01
Misurazione
Misurazione
«Quale dei miei numeri è quello vero?»
Meta dice una cosa, GA4 un'altra, la piattaforma e-commerce o il gestionale una terza. Una parte dello scarto è fisiologica: il lavoro sta nel dire quanta, e nel trovare il guasto vero che si nasconde dentro il resto.
Porta d'ingresso: la Diagnosi della misurazione.
Diagnosi della misurazione
Inventario delle fonti, confronto tra ordini reali e transazioni registrate su 90 giorni, separazione dello scarto fisiologico da quello anomalo con la causa tecnica di ciascuna anomalia, prima ipotesi di soglia. Dieci giorni lavorativi, un documento, e la libertà di non fare nient'altro.
Messa in opera
Correzione delle anomalie prioritarie, architettura server-side con deduplicazione e instradamento del consenso, schema degli eventi documentato, riconciliazione con la fonte di verità sugli ordini, soglia definita per ogni coppia di fonti e ciclo di verifica a 30 giorni.
Riconciliazione offline
Per chi genera il contatto online e chiude altrove: automotive, turismo, B2B. Aggancio tra CRM o gestionale e piattaforme pubblicitarie, invio delle conversioni offline, misura del tasso di match, report lead → vendite per campagna.
Pipeline e data engineering
Ingestione da sorgenti eterogenee, modellazione in un livello di trasformazione versionato, controlli di qualità sul dato, orchestrazione e allarmi sui fallimenti. Per ambienti non standard: headless, custom, multi-piattaforma.
Analytics Department
Il presidio continuativo: monitoraggio della qualità del dato, report mensili sugli scostamenti dalle soglie, fix e manutenzione inclusi quando le piattaforme cambiano le regole, check-in con il referente interno. È il team dati che non devi assumere.
Formazione e affiancamento sul metodo
Per team e agenzie che devono verificare il lavoro sul dato senza dipendere da noi: quali fonti si confrontano, come si legge uno scarto, come si distingue il fisiologico dall'anomalo. La procedura resta documentata al tuo team.
/ 02
Automazione & AI
Automazione & AI
«Come smetto di rifare a mano le stesse cose, e come decido meglio?»
Ogni azienda produce dati ogni giorno — ordini, clienti, prodotti, comunicazioni — e nella maggior parte dei casi vivono in silos separati. Il risultato è tempo perso a raccogliere informazioni che già esistono, e decisioni prese al buio.
Porta d'ingresso: l'Assessment dei processi aziendali.
Assessment dei processi aziendali
Mappatura di quello che c'è, online e offline: analytics, advertising, e-commerce, CRM, gestionale, processi manuali ricorrenti, archivi e flussi tra sistemi. In uscita: maturità digitale, casi d'uso ad alto impatto, tempi e ritorno atteso per ogni intervento. Il report è tuo e resta valido con qualsiasi fornitore.
Automazione della reportistica e dashboard
Pipeline di ingestione dalle sorgenti in uso, metriche definite una volta sola, dashboard che si aggiornano da sole e report che si distribuisce da solo. Con controlli sulla freschezza: se una sorgente smette di aggiornarsi, il report lo dichiara.
Automazione dei processi ricorrenti
Identificazione dei processi ad alto volume e basso valore cognitivo, verifica di compatibilità e stima del ritorno prima di partire, flussi automatizzati con supervisione umana solo dove serve una decisione. Pilota testabile in 4–8 settimane.
Automazione della comunicazione con i clienti
Assistente conversazionale su chat, WhatsApp o email, costruito sui dati reali — catalogo, stato degli ordini, procedure interne — con escalation all'operatore e passaggio di contesto. I casi complessi restano alle persone.
Assistente AI sulla knowledge base aziendale
Manuali, procedure, contratti, offerte passate: il team fa domande in italiano e ottiene risposte con il riferimento alla fonte esatta. OCR sulle scansioni, controllo accessi granulare, conformità GDPR.
Sistema decisionale
Dal marketing al controllo di gestione: definizione condivisa delle metriche, modello di margine sui dati reali dell'azienda, cruscotto direzionale e rito di lettura mensile. Risponde alla domanda che nessun sistema di marketing risponde: quanto margina davvero un prodotto, un cliente, un canale.
Formazione aziendale sull'AI
Sessioni interattive, non lezioni frontali: potenzialità dell'AI per il tuo settore specifico, esempi sui processi che il team già svolge, materiali che restano in azienda. Nei percorsi più lunghi, laboratorio su un caso reale.
Dove le due linee si incrociano
Data warehouse + centro di controllo
Il numero di riferimento, finché vive dentro GA4 o dentro Meta, non è tuo e non è di riferimento: è la lettura di uno strumento di parte. Il warehouse è il posto dove quel numero diventa tuo, e il centro di controllo è dove lo guardi.
Ha senso in tre situazioni precise, ed è onesto dirlo: multi-store o multi-mercato, quando il consolidato non esiste da nessuna parte; conversione che si chiude fuori dal sito; oppure quando una soluzione di business intelligence è già stata valutata e ci si è fermati sul costo delle licenze per utente.
- +Data warehouse su BigQuery con modellazione versionata: ingestione da piattaforme pubblicitarie, analytics, e-commerce e gestionale
- +Storico proprietario oltre i limiti nativi delle piattaforme, che conservano tra i 7 giorni e i 14 mesi
- +Riconciliazione automatica tra le fonti contro la fonte di verità sugli ordini, ricalcolata a ogni aggiornamento
- +Centro di controllo: un cruscotto unico con il numero di riferimento, lo scarto di ciascuna fonte e lo stato rispetto alla soglia
- +Segnalazione quando la soglia viene superata, con la causa già individuata — non un allarme generico
- +Estensioni sopra il warehouse: chat with data, agenti di monitoraggio, modelli predittivi su BigQuery ML
Il metodo
APIC: quattro fasi, e ti puoi fermare dopo ognuna
Ogni progetto segue lo stesso percorso, a prescindere dalla dimensione. Ogni fase produce un deliverable verificabile prima di passare alla successiva. Nessun accordo quadro, nessun impegno annuale al buio.
A
Assessment
Analisi dello stack e dei processi reali, non di un caso generico da workshop.
→ Report di criticità
P
Pilota
Un problema singolo, chiuso, con risultati misurabili in 4–8 settimane.
→ Primo risultato verificabile
I
Implementazione
Si costruisce quello che il pilota ha dimostrato che serve, niente di più.
→ Setup in produzione
C
Continuità
Monitoraggio, allarmi e aggiustamenti quando le piattaforme cambiano le regole.
→ Presidio a canone
Regole di ingaggio
Valgono dal primo giorno
Su ogni servizio, senza eccezioni.
/ 01
La tua agenzia resta al suo posto
Non sostituiamo chi fa media, creatività o contenuti. Lavoriamo solo sul dato sottostante.
/ 02
Non compriamo media
Chi spende il budget non può essere anche chi verifica se la spesa è misurata bene.
/ 03
Nessuna black box
Warehouse, container, account, codice e documentazione sono intestati a te. Se cambi fornitore, porti via tutto e il sistema continua a funzionare.
/ 04
Lavoriamo con il tuo team
Formazione, feedback e adattamento fanno parte del processo, non sono un extra.
/ 05
Due riferimenti fissi
Un referente tecnico e un contatto operativo, sempre gli stessi, non un generalista a rotazione.
È per te se
- +Hai più di una fonte che dice quanto hai venduto, e almeno una volta ti sei chiesto a quale credere.
- +Qualcuno in azienda deve rispondere di quei numeri davanti a un socio, un CFO o un investitore.
- +C'è almeno un processo ricorrente che occupa più di quattro ore a settimana di lavoro qualificato.
- +Puoi darci accesso agli strumenti in tempi brevi e hai una persona interna che risponde alle domande tecniche.
- +Accetti che l'esito dell'analisi possa essere «il tuo sistema funziona, non serve intervenire».
Non è per te se
- −Vuoi che i numeri delle piattaforme pubblicitarie e quelli del tuo e-commerce coincidano: non coincideranno mai, una parte dello scarto è strutturale.
- −Cerchi un aumento garantito del ROAS. Noi misuriamo e diagnostichiamo: se il dato migliore porta a decisioni migliori il ROAS sale, ma non è una promessa che possiamo mettere per iscritto.
- −Vuoi che il lavoro parta prima di un'analisi: su un sistema non diagnosticato non possiamo stimare il perimetro.
- −Ti serve qualcuno che gestisca anche le campagne. Non lo facciamo, e c'è una ragione.
- −Cerchi «l'AI» come progetto a sé stante: un modello costruito su dati non validati produce risposte convincenti e sbagliate.
How we think
Domande frequenti
Da dove si comincia?
Quanto dura un progetto tipo?
Devo fare per forza tutto il percorso?
Lavorate solo con grandi brand?
Potete integrarvi col nostro team interno?
E se dalla diagnosi risulta che non serve fare niente?
Iniziamo
Vuoi capire da dove partire?
Raccontaci il tuo stack e i tuoi processi attuali: ti diciamo quale delle due porte ha senso aprire per prima.