Episodio 4 di 10 – La serie PlayMarketing sul marketing come progetto. Non solo performance.
“Secondo me” è un problema
Nella puntata scorsa abbiamo visto come il brand sia ciò che resta quando la campagna finisce e il commerciale esce dalla stanza.
Ma dove si decide quello che resta nella testa del mercato? Purtroppo, ancora troppo spesso, in sala riunioni, a colpi di “secondo me”.
C’è una frase, forse poco elegante, ma che senza dubbio rende l’idea di cosa ne penso al riguardo: assumption is the mother of all fuckups. Nel marketing è quasi sempre così. Quando in riunione sento “secondo me il cliente vuole…”, mi viene quella piccola fitta al costato che di solito precede un’intuizione autocertificata geniale.
Il problema è che “secondo me” non è un dato di fatto. Né tanto meno è ricerca. È spesso un bias di proiezione: stai ascoltando la tua testa come se fosse la voce del mercato. Ma il cliente non vive nella tua testa. O nei tuoi pensieri. Vive in un mercato. Compra, confronta, abbandona, ritorna, cambia abitudini, spende altrove, sceglie concorrenti che magari tu nemmeno consideri tali. Se non lo osservi, non puoi progettare. Stai indovinando. E indovinare, nel business, è una forma costosa di intrattenimento.
Qualcuno, arrivato fin qui, avrà già pensato a Steve Jobs. O alla celebre frase dei “cavalli più veloci”, attribuita – probabilmente a torto – a Henry Ford. Jobs lo diceva in modo ancora più netto: “Spesso le persone non sanno cosa vogliono finché non glielo mostri.” Vero. Ma questo non significa che la ricerca non serva. Significa che fare ricerca non vuol dire chiedere ai clienti di progettare il futuro al posto tuo.
Il cliente non deve dirti quale prodotto inventare. Devi però capire come si comporta, cosa sceglie, cosa abbandona, dove incontra attriti e quali problemi continua ad avere. Il feedback rivela pattern, non impartisce ordini. Il dato dice dove fa male; l’intuizione e la capacità progettuale decidono come intervenire.
È una differenza sostanziale: ascoltare il mercato non significa obbedirgli. Significa smettere di inventarselo.
Su questo, Seneca, sarebbe stato abbastanza pungente: il problema non è vedere la realtà. Il problema è non avere il coraggio di reggerla.
Il nuovo ruolo dell’AI: acceleratore, non sostituto
L’AI è spesso vista come superpotere in grado di risolvere molti, se non tutti, i problemi, anche in azienda. Aiuta a fare. A creare. A cercare. A scegliere.
Ma l’AI non è una badante per strategie confuse. Non mette ordine al posto tuo: amplifica quello che trova. Se trova dati sporchi e assunzioni deboli, ti restituisce un errore più veloce. E il suo tono è così convincente da non lasciarci dubbi.
Ma pensaci bene, quello che offri all’intelligenza artificiale come input condizionerà enormemente il risultato. Garbage in, garbage out.
L’AI non è ricerca e non può essere considerata tale.
L’AI è un moltiplicatore: moltiplica la qualità di ciò che le dai in pasto. Un’organizzazione con dati puliti, ricerca solida e cultura critica ottiene dall’AI un vantaggio reale. Un’organizzazione senza queste basi ottiene, semplicemente, lo stesso rumore di prima, solo impacchettato meglio.
La cultura oltre i dati
Quando si parla di dati in azienda, il problema, quasi sempre, non è la quantità, ma:
- Che vengano utilizzati davvero nelle decisioni importanti (volontà)
- Che ci siano persone capaci di leggerli senza fraintenderli (competenza)
- La possibilità concreta di consultarli, da parte di più persone nell’organizzazione, quando servono davvero, e non quando la decisione è già stata presa altrove, ed è ormai troppo tardi (accessibilità)
Tolta anche solo una di queste tre condizioni, il resto smette di funzionare.
Un’azienda può avere il miglior analista del settore, ma se chi decide continua a fidarsi solo della propria sensazione, quell’analisi resta lettera morta. Può avere una leadership convinta e allineata, ma se nessuno in azienda sa davvero leggere un dato oltre la superficie, ogni report diventa un esercizio decorativo.
E può avere entrambe le cose, ma se i dati vivono chiusi in una dashboard che solo tre persone sanno aprire, l’organizzazione nel suo complesso continua a decidere al buio.
“Essere data-driven” non può essere limitato all’accesso ai numeri, ma deve includere volontà e competenza. Questo è l’unico terreno su cui “no assumptions” smette di essere uno slogan e diventa un modo reale di lavorare.
I dati: scudi o giudizi?
C’è però un rischio pericoloso legato al tema dei dati: usarli come scudo, come giustificazione logica per decisioni già prese. I dati non vanno presi “per sé”: vanno interpretati, con giudizio critico e con la freddezza analitica, senza farsi influenzare troppo dalla propria stessa esperienza.
Ciò che fa la differenza tra utilità e rischio è a monte: i dati non possono essere selezionati o cercati senza obiettività. Mi sono spesso trovato faccia a faccia con manager che cercano dati che confermano le proprie tesi, le proprie idee, le proprie scelte, anche già prese, e le giustificano a posteriori. Ahimè, devo ammettere che se cerchi conferme nei dati, di solito non fai nemmeno troppa fatica a trovarle.
È come scegliere una lente d’ingrandimento apposta per far vedere che i problemi sono più piccoli di quanto pensiamo. E se cambiassi lente?
Se vuoi vedere davvero, devi usare la lente giusta, altrimenti continuerai a vedere quello che vuoi vedere. Se poi dai i dati in pasto all’AI, verranno silenziosamente elaborati secondo i pattern in base agli stessi input distorti che le hai sempre dato.
I dati non ci rendono né ci fanno sentire intelligenti. Servono a correggerci. Se il dato ti dà sempre ragione, forse non stai facendo ricerca. Stai facendo terapia di gruppo con Excel. Se non cerchi davvero la realtà ma conferme, perdi una grande opportunità di cambiare davvero lo scenario.
E qui il ruolo umano torna a essere decisivo. Perché leggere i dati onestamente non è un esercizio tecnico. È un atto di volontà. Significa scegliere di raccogliere informazioni corrette ed esaustive anche quando sono scomode, anche quando raccontano qualcosa che nessuno in sala voleva sentire.
Un algoritmo non ha nulla da perdere nel mostrarti un dato negativo. Una persona sì: reputazione, sicurezza, il progetto in cui ha creduto. Ed è proprio per questo che serve coraggio, e non per raccogliere il dato, ma per guardarlo davvero, e poi prendere una decisione importante sulla base di quello che dice, non di quello che si sperava dicesse. È lo stesso coraggio di cui parlava Seneca all’inizio di questo articolo. Solo che qui non riguarda la realtà del mercato. Riguarda la realtà che i tuoi stessi numeri ti stanno mostrando.
Istinto e dati: due fonti, una decisione
Prima di essere frainteso, voglio precisare che i dati contano tanto, ma non sono tutto.
C’è un motivo per cui un buon manager, davanti a una situazione ambigua, a volte “sa” prima di riuscire a spiegare perché. Oltre al percorso analitico, lento e consapevole, usa anche un secondo binario, molto più rapido, costruito accumulando esperienza diretta, decisione dopo decisione.
Non è una sensazione new age. È un modello di comportamento studiato a lungo, e con rigore, dalla psicologia cognitiva. Gary Klein, dopo anni passati a osservare vigili del fuoco, comandanti militari e infermieri di pronto soccorso alle prese con decisioni ad altissimo rischio, ha formalizzato quello che oggi si chiama “Recognition-Primed Decision Making“: gli esperti non confrontano razionalmente una lista di opzioni. Riconoscono la situazione come simile a qualcosa già vissuto, immaginano mentalmente come andrebbe a finire, e agiscono se la simulazione regge. Klein ha discusso a lungo di questo con Daniel Kahneman, premio Nobel, e per anni voce critica sui limiti dell’intuizione, e nel loro paper congiunto del 2009 sono arrivati a un’intesa: l’intuito esperto funziona, ma solo a due condizioni precise. Serve un ambiente sufficientemente regolare da avere segnali affidabili da riconoscere, e serve aver avuto il tempo, solitamente anni, di imparare quelle regolarità attraverso un feedback rapido e chiaro. Quando una delle due condizioni manca, l’intuizione smette di essere un vantaggio. Diventa un errore sistematico, un’improvvisazione, vestita da certezza.
E se hai passato anni a leggere clienti, mercati, campagne che funzionano e altre che falliscono, senza dubbio hai un patrimonio importante per fare la differenza, anche quando lo chiami semplicemente “il lavoro”.
Laura Huang, nel suo ultimo libro You Already Know: The Science of Mastering Your Intuition, descrive questo meccanismo come un processo, e l’intuito come una competenza che si può allenare. Personalmente, lo trovo un’ottima chiave di lettura.
La capacità di unire esperienza accumulata e informazioni esterne per decidere meglio, specialmente dove i dati disponibili sono per definizione incompleti, è un vantaggio raro, una combinazione, e non sostituzione, perfetta di “vissuto” e numeri. Nella pratica aziendale, purtroppo, questo bilanciamento sembra faticare a trovare spazio. Uno studio del Fortune Knowledge Group rileva che il 62% dei dirigenti dichiara di affidarsi spesso all’istinto e a fattori “soft” nelle proprie decisioni, e il 65% riconosce che fattori soggettivi, non quantificabili, fanno la differenza quando si valutano proposte concorrenti. Sul fronte opposto, McKinsey & Company rileva che le aziende che usano in modo intensivo l’analisi dei dati sui clienti hanno una probabilità 23 volte maggiore di superare i concorrenti nell’acquisizione di nuovi clienti, 9 volte maggiore nella fidelizzazione e quasi 19 volte maggiore di ottenere una redditività superiore alla media.
Come recita una massima spesso attribuita a W. Edwards Deming: “Senza dati, sei solo un’altra persona con un’opinione.” Ma senza cultura del dato e istinto allenato a interpretarli, i dati restano solo numeri su un foglio.
Il vero divario oggi non è tra chi ha l’AI e chi no. È tra chi ha costruito un terreno – dati puliti, ricerca solida, giudizio allenato, capace di ascoltare tanto l’istinto quanto i numeri – su cui l’AI può davvero rendere, e chi le sta solo chiedendo di indovinare più in fretta.
La ricerca come punto di partenza, non come optional
Ricerca, dice il vocabolario Treccani, significa “azione di cercare con cura e con impegno, per trovare qualcosa”. È una definizione volutamente scomoda: implica cura, impegno. Non significa necessariamente conferma.
In PlayMarketing il play non sta a significare “divertirsi a tirare a indovinare”. Significa mettere in gioco ipotesi, dati e lettura del mercato prima dell’esecuzione, lavorando con dati reali di comportamento e spesa piuttosto che con supposizioni ben vestite: quote di mercato, sequenze e trend d’acquisto, segmenti di consumo letti su basi transazionali verificate, non su un sondaggio autosomministrato in riunione.
Una bella idea può farti partire. Ma solo una buona ricerca ti dice se stai andando nella direzione giusta. È anche il motivo per cui, come PlayMarketing, abbiamo scelto di lavorare fianco a fianco con Mastercard: la loro rete globale di pagamenti genera dati reali in oltre 120 Paesi, con più di 125 miliardi di transazioni e oltre 80 milioni di punti vendita monitorati. Non sondaggi. Non stime. Comportamenti di spesa effettivi. E c’è una bella differenza tra chiedere a qualcuno cosa pensa di fare, e osservare cosa fa davvero, quando paga, dove, quanto spesso, e cosa sceglie subito dopo. L’analisi è strategia. L’istinto è patrimonio.
Regola #4 di PlayMarketing
Prima conosci. Poi progetti. Poi esegui. Le ricerche non uccidono l’intuizione. Le impediscono di diventare arroganza.
Nel prossimo episodio: scopri chi sono i tuoi competitor e come fronteggiare la concorrenza reale.
Regola #5, in arrivo.
Progettiamo sistemi, non episodi.
Se stai cercando un progetto di strategia, brand o architettura di marketing – non soltanto una nuova campagna – scrivici a info@playmarketing.ch per approfondire.
Marketing Colloquium in video >
Fonti e riferimenti
- Steve Jobs, intervista a BusinessWeek, “Steve Jobs: ‘There’s Sanity Returning’”, 25 maggio 1998.
- Gary Klein, Sources of Power: How People Make Decisions, MIT Press, 1998.
- Daniel Kahneman, Gary Klein, “Conditions for Intuitive Expertise: A Failure to Disagree”, American Psychologist, 64(6), 2009, pp. 515–526.
- Laura Huang, You Already Know: The Science of Mastering Your Intuition, Portfolio/Penguin, 2025; ed. it. Il potere dell’intuito. Cosa la scienza ci dice delle nostre intuizioni e come possiamo sfruttarle, ROI Edizioni, 2025.
- Fortune Knowledge Group (con Gyro), Only Human: The Emotional Logic of Business Decisions, 2014 – indagine su 720 senior executive.
- Alec Bokman, Lars Fiedler, Jesko Perrey, Andrew Pickersgill, “Five facts: How customer analytics boosts corporate performance”, McKinsey & Company, luglio 2014 – mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/five-facts-how-customer-analytics-boosts-corporate-performance
- “Senza dati, sei solo un’altra persona con un’opinione”: massima attribuita a W. Edwards Deming, ma assente dai suoi scritti; la prima occorrenza nota è in E. L. Wiener, D. C. Nagel, Human Factors in Aviation, Academic Press, 1988.








