Il ROI di Growth Agents 2026

La previsione di Gartner è invecchiata diventando una descrizione. I team che si sono ritirati non mancavano di una piattaforma: la maggior parte ne aveva acquistate due. Ciò che mancava loro era un modo per dimostrare che il programma produceva ricavi che l'azienda non avrebbe altrimenti guadagnato, e senza quella dimostrazione la voce di bilancio perde ogni discussione in cui entra.

Il contrappeso è che il valore è reale dove viene catturato. I clienti si aspettano rilevanza e ne puniscono l'assenza, e le aziende che la rendono operativa crescono più velocemente dei loro pari. Entrambe le cose sono vere contemporaneamente: il 'value pool' esiste, e la maggior parte dei tentativi di raggiungerlo fallisce sulla misurazione piuttosto che sulla modellizzazione.

La lettura onesta è che la personalizzazione è stata venduta come un acquisto tecnologico quando è un cambiamento del modello operativo. La tecnologia è arrivata nei tempi previsti. La disciplina di misurazione, le regole di soppressione e la volontà di ritirare un programma perdente non lo hanno fatto.

Il lavoro di misurazione di BCG rileva che le organizzazioni con una pratica di incrementality matura registrano una crescita dei ricavi materialmente superiore rispetto ai loro pari. La storia causale non è misteriosa. Un team che sa distinguere un effetto reale da una coincidenza smette di finanziare le coincidenze, e il budget rilasciato si compone nei programmi che funzionano.

La stessa ricerca avverte sui 'failure modes' che fanno sembrare forti misurazioni deboli: effetti novità che gonfiano le prime settimane di qualsiasi nuovo programma, effetti alone e 'pull-forward' che prendono ricavi dal trimestre successivo, e contaminazione tra esperimenti sovrapposti. Ciascuno di essi distorce nella stessa direzione, motivo per cui i programmi non controllati non vengono quasi mai rivisti al ribasso.

Questo è l'argomento da portare a una riunione di budget. Non che il tetto sia più alto di quanto le finanze credano, ma che il pavimento sia conoscibile, e che conoscerlo è ciò che trasforma un pilota in un modello operativo.

La growth degli abbonati premium in streaming si è dimezzata in un solo anno, e i commenti del settore sono passati dall'acquisition all'architettura di retention e all'unit economics. Le telecomunicazioni mostrano la stessa pressione dall'altra direzione: circa un terzo dei clienti a livello globale sta attivamente considerando un cambio, un tasso che nessun budget di acquisition può superare.

Quando l'acquisizione smette di essere la leva, l'economia della base diventa l'intero gioco, ed è governata da quattro domande poste milioni di volte al mese. Chi vale la pena contattare, su cosa, quando e a quale costo. Questo è un problema di decisioning, non un problema di campagna, e la sua risoluzione è da dove proviene l'ARPU incrementale.

L'effetto composto conta più di qualsiasi singola leva. Un cliente attivato alimenta il cross-sell; un cliente con ARPU elevato e fidelizzato continua ad alimentare entrambi per anni; uno sconto non necessario soppresso restituisce margine senza inviare un singolo messaggio aggiuntivo. I 'business cases' costruiti su una sola leva sono fragili proprio perché questi effetti sono moltiplicativi.

Prezza correttamente il vincolo. Un senior data scientist costa ben oltre le sei cifre a pieno carico, e la tariffa di mercato per le competenze di causal-inference che questo lavoro richiede è superiore alla mediana pubblicata. L'output di quella persona non sono dashboard: è un numero limitato di test ben progettati all'anno, la maggior parte dei quali fallirà, perché la maggior parte delle idee fallisce ovunque vengano misurate correttamente.

La letteratura sull'experimentation è chiara: un alto tasso di fallimento è lo stato normale di un programma sano, non un sintomo di uno debole. L'implicazione è aritmetica. Se la maggior parte delle ipotesi fallisce, il valore della funzione è determinato da quante ne può mettere in ciclo e da quanto economicamente può eliminare i perdenti. Un team che esegue dodici test all'anno sta facendo dodici scommesse. Un sistema che esegue lo stesso design su migliaia di segmenti continuamente sta facendo un tipo di investimento completamente diverso.

Questa è la parte della questione che di solito viene presentata come un risparmio di personale, e tale inquadratura è sia sbagliata che debole. Nulla viene rimosso. Ciò che cambia è dove vanno le ore scarse: lontano dal ricostruire lo stesso rapporto di lift ogni mese, e verso la decisione di cosa vale la pena testare next.