Dataz Raddoppia ora
Growth & Data Analytics

I risultati non sono
tutti uguali.
I nostri sono doppi.

Siamo gli ingegneri della crescita. Aiutiamo brand e aziende corporate a raddoppiare il business unendo metodo, tecnologia e dati. Senza spiegarti la complessità, ti portiamo solo i risultati.

Prima i risultati. Poi il come.

Quello che otteniamo parla prima di come lo otteniamo. Ecco chi ha scelto di crescere con noi.

Aziende che ci hanno scelto

Caso studio · Sivola.it

Si Vola: scalabilità pura senza limiti.

Da zero alla leadership di mercato grazie al controllo scientifico della crescita: ogni scelta di marketing guidata dai dati, misurata e scalata solo quando i numeri lo confermavano.

80M€

Da 0 a 80 milioni di fatturato

100%

Crescita in bootstrapping, zero capitale esterno

Anno 1

EBITDA positivo fin dal primo anno

Settore · Ticketing & live, hospitality

Ricavi da ticketing online più che raddoppiati in tre stagioni

In tre stagioni con Dataz il ticketing online di Phi Beach è passato da 2,7 a 5,6 milioni di euro, con la spesa pubblicitaria in calo nelle ultime due. Al centro c'è Sherpaz, in uso dalla seconda stagione.

+107%

Ricavi da ticketing online, dal 2023 al 2026

ROAS 69

Ogni euro in advertising ne ha generati 69 nel 2026

Settore · Ristorazione & hospitality

+530% di prenotazioni in una sola stagione

Due ristoranti nella stessa venue, stessi giorni e stessi turni. Abbiamo dato a ciascuno un'identità chiara, migliorato la prenotazione sul sito e distribuito il budget Google lungo la stagione.

+530%

Prenotazioni da Google Ads, dal 2025 al 2026

−74%

Costo per prenotazione, da 27,59 € a 7,20 €

Settore · E-commerce, pneumatici

Ordini più che raddoppiati, senza il prezzo più basso

In un mercato guidato dal prezzo, BlackCircles non era la più economica su tutti i marchi. Abbiamo usato i dati per scegliere dove competere e su quali prodotti spingere la pubblicità.

+106%

Ordini dalla pubblicità nel 2025

−31%

Costo per ordine, da 49,89 € a 34,17 €

Settore · SaaS & Software

Quando più budget non significa più crescita

Il cliente voleva scalare oltre 400.000€ di spesa mensile, ma i volumi non si muovevano. Un Marketing Mix Model ha rivelato che si stava già investendo oltre il livello efficiente: separando il funnel di registrazione da quello di acquisto abbiamo riallocato il budget dove il rendimento marginale era ancora positivo.

>1 giorno

Tempo mediano tra prova e acquisto isolato dal modello

0€ extra

Budget aggiuntivo richiesto per più conversioni

Settore · E-commerce & Streaming

L’algoritmo che ottimizzava per il click di oggi

Il recommendation engine massimizzava le conversioni immediate, ma stava costruendo una bolla di filtro: guardando la customer lifetime a 12 mesi, i clienti più esposti mostravano un crollo di interesse. Abbiamo introdotto un 15% di raccomandazioni deliberatamente fuori target per reintrodurre l’effetto scoperta.

15% exploration

Rumore voluto introdotto nel motore di raccomandazione

Settore · E-commerce

Il canale da tagliare portava il 65% di ordini in più

Un eCommerce stava per dimezzare il budget su Meta, perché i suoi report gli attribuivano pochi ordini. Un test su metà Italia ha mostrato il contrario.

+65%

Ordini in più dove la pubblicità era accesa

14 €

Costo reale di ogni ordine in più, contro oltre 200 € nei report

Settore · Banche & finanza

Le campagne che sembravano uno spreco costavano meno della metà

Una banca spendeva metà del budget Google Ads su ricerche con il proprio nome. Sembrava uno spreco. Un test su 7 province ha misurato quanto valevano davvero quelle campagne.

89 €

Costo reale di ogni conto in più, meno della metà dei report

−20%

Conti aperti dove le campagne erano spente

Settore · Software in abbonamento, education

Costo per nuovo cliente dimezzato, lasciando parlare gli studenti

Dopo un aggiornamento dell'algoritmo di Meta i contenuti migliori hanno smesso di funzionare. Abbiamo sostituito la voce del brand con quella di studenti e micro creator.

−50%

Costo per nuovo cliente con i video dei creator

3 Paesi

Oltre 200 mila euro al mese tra TikTok, Meta e Google

Settore · Marketplace immobiliare

Con il 40% di budget in meno, prenotazioni confermate triplicate

Un marketplace di affitti attivo in 5 Paesi aveva tante visite e poche prenotazioni confermate. Abbiamo trovato e risolto tre blocchi, uno dopo l'altro.

x3

Prenotazioni confermate dai proprietari

−40%

Budget pubblicitario, con il 70% di richieste in più

La crescita vera non nasce da un'intuizione fortunata. Nasce da un sistema che impara, testa e si corregge, costruito con la statistica, non con le opinioni.

DECISIONI PER ANALOGIA

Copiare la tattica che ha funzionato a qualcun altro, senza sapere se funziona per il proprio funnel e i propri clienti.

TATTICHE SENZA SISTEMA

Una campagna, un test, un funnel isolato: iniziative che non si sommano in una strategia che compone nel tempo.

CRESCITA NON MISURATA

Si giudica dal fatturato di fine mese, non da un modello che isola cosa ha davvero generato quel risultato.

Dataz costruisce l'alternativa: strategie di marketing e crescita full-funnel, analitiche e data-driven, fondate sulla statistica e sul growth hacking. Ci occupiamo anche di performance marketing puro, sempre guidati dai dati, mai dall'intuito.

Una visione full-funnel.
Un obiettivo: far crescere le performance.

Affianchiamo le aziende con una consulenza full-funnel: colleghiamo acquisizione, conversione e fidelizzazione per capire dove intervenire e come far crescere il business.

Traduciamo la strategia in azioni concrete, implementando logiche di growth hacking: formuliamo ipotesi, le mettiamo alla prova e ottimizziamo le performance sulla base dei risultati. Un lavoro continuo che unisce analisi dei dati, sperimentazione ed esecuzione.

Il Dataz Lab: due moduli, un solo ecosistema.

Ogni modulo risolve un pezzo della crescita. Insieme lavorano come un unico sistema.

Modulo 01 · Intelligence

Sherpaz

La piattaforma proprietaria di intelligence per guidare e tracciare la crescita senza margine d'errore.

Video: spiegazione del tool e demo Scopri Sherpaz
Modulo 02 · Diagnosi

Audit

Un'audit completa di dati e canali: dove perdi soldi, dove puoi crescere, da cosa partire.

Scopri l'audit
Sviluppato da Dataz · consulenza o licenza diretta

La piattaforma che aggrega e pulisce i dati da ogni fonte dell'azienda, e ci mette sopra un AI co-pilot: puoi chiedergli ogni giorno cosa sta succedendo nel business e come muoverti per raggiungere gli obiettivi.

  • Aggrega e pulisce i dati da ogni fonte: advertising, CRM, e-commerce, prodotto
  • Un AI co-pilot a cui chiedere ogni giorno cosa sta succedendo in azienda
  • Suggerisce le azioni per raggiungere gli obiettivi, non solo il report
  • Dentro: MMM, Multi-Touch Attribution, dynamic pricing, clustering CRM e altri modelli
Scopri Sherpaz
BUDGET ALLOCATOROUTPUT MMM

Esempio semplificato di riallocazione del budget tra canali

StoricoOttimizzato dal modello
Google Search
Meta Ads
Programmatic
TikTok
Retention & CRM
Realtà indipendente · integrabile nei progetti Dataz

Agenzzz non è un prodotto Dataz: è una realtà a parte, che possiamo integrare nei nostri progetti. AI agents che gestiscono media buying e reporting seguendo ciò che i dati hanno già dimostrato.

  • Gestione e ottimizzazione campagne assistita da AI agents
  • Reporting automatico collegato ai modelli di attribuzione
  • Alert e azioni proattive su budget e performance
  • Pensata per chi vuole passare dal modello all’esecuzione
Scopri Agenzzz
AGENZZZ

Agenti verticali AI

Agente Media Buying

Gestisce budget e bidding in automatico

Agente Pricing

Applica il dynamic pricing in tempo reale

Agente CRM & Retention

Attiva flussi di retention sul segmento giusto

Agente Reporting

Aggiorna dashboard e alert ogni giorno

Nessuna burocrazia. Zero supercazzole tecniche.

Una struttura snella, con la testa a Palo Alto e l'efficacia milanese: dati alla mano, obiettivi chiari e scaling continuo.

01

Audit & Target (X2)

Analisi scientifica dei dati e definizione del potenziale di raddoppio.

Scopri l'audit
02

Lab Deployment

Attivazione su misura dei moduli del Dataz Lab, a partire da Sherpaz.

03

Execution & Scaling

Ottimizzazione continua e accelerazione dei volumi.

04

Risultati doppi

Raggiungimento e stabilizzazione degli obiettivi di fatturato.

Co-founder di Dataz

Pio e Lorenzo Fiorito

Pio Fiorito, co-founder di Dataz
Pio Fiorito
Lorenzo Fiorito, co-founder di Dataz
Lorenzo Fiorito

Parlano di noi

Hanno lanciato Dataz nel 2020, dopo un'esperienza in Meta nel 2018. Dal 2021 hanno firmato lo scaling di Sivola.it, una delle scaleup più importanti nel panorama italiano.

  • Forbes Italia · 2023Nella lista dei Top 100 Under 30, categoria Marketing & Advertising
  • EY · 2024Top 3 su oltre 500 startup al premio “Imprenditori dell'anno”

Pronto a raddoppiare?

Analizziamo i tuoi numeri e capiamo se siamo i partner giusti per la tua crescita.

  1. Contatti
  2. Priorità
  3. Contesto

Passo 1 di 3

Partiamo da te.

Il minimo per capire chi sei e per quale azienda scrivi.

Salviamo i tuoi contatti quando continui, per poterti rispondere. I prossimi due passi sono solo scelte rapide.

Caso studio · Sivola.it x Dataz · dal 2021

Caso Sivola: da 0 a 80 milioni di euro di fatturato, in bootstrapping

Sivola.it è passata da 0 a 80 milioni di euro di fatturato senza capitale esterno, con EBITDA positivo fin dal primo anno. Dataz ne ha seguito lo scaling dal 2021. Il principio è stato uno solo: ogni scelta di marketing guidata dai dati, misurata e scalata solo quando i numeri lo confermavano.

  • 80 M€di fatturato, partendo da 0
  • 100%crescita in bootstrapping, zero capitale esterno
  • Anno 1EBITDA positivo fin dal primo anno
  • 2021l'anno in cui Dataz ha iniziato a seguirne lo scaling

I numeri in breve

IndicatoreRisultato
Fatturatoda 0 a 80 M€
Capitale esternozero: crescita al 100% in bootstrapping
EBITDApositivo fin dal primo anno

Il cliente

Sivola.it è una delle scaleup più importanti in Italia.

Pio e Lorenzo Fiorito, i co-founder di Dataz, ne hanno firmato lo scaling dal 2021.

La sfida: crescere senza capitale esterno

Crescere in bootstrapping vuol dire finanziare la crescita con i ricavi. Non ci sono round di investimento a coprire gli errori. Per questo ogni euro di marketing deve dimostrare di rendere prima di essere moltiplicato.

A questo si aggiunge l'EBITDA, positivo fin dal primo anno: la crescita non è stata comprata in perdita.

Il metodo: scalare solo quello che i numeri confermano

Il controllo della crescita è stato scientifico. Ogni scelta di marketing ha seguito lo stesso percorso.

  • Guidata dai dati. La decisione parte da un numero, non da un'opinione o da quello che fa un concorrente.
  • Misurata. Si verifica l'effetto dell'azione sul risultato.
  • Scalata solo dopo la conferma. Il budget cresce quando i numeri dicono che l'azione rende. Non prima.

È il contrario della crescita "per analogia", cioè copiare la tattica che ha funzionato per qualcun altro senza sapere se funziona sul proprio funnel e sui propri clienti.

I risultati

  • Da 0 a 80 milioni di euro di fatturato. Da zero alla leadership di mercato.
  • 100% in bootstrapping. Zero capitale esterno.
  • EBITDA positivo fin dal primo anno.

Come lavora Dataz

Sivola mostra in modo netto l'idea alla base del nostro metodo: la crescita che dura nasce da un sistema che impara, testa e si corregge. Non da un'intuizione fortunata.

Lo stesso approccio guida oggi il nostro growth marketing e progetti in altri settori, come il caso Phi Beach nel ticketing. Chi siamo e da dove veniamo è nella sezione Chi siamo.

Domande frequenti

Cosa vuol dire crescere in bootstrapping? Vuol dire crescere senza capitale esterno. Sivola.it è arrivata a 80 milioni di euro di fatturato così.

Si può crescere in fretta con margini positivi? Sivola.it ha avuto EBITDA positivo fin dal primo anno. La condizione è scalare solo le azioni che i numeri hanno già confermato.

Qual è stato il ruolo di Dataz? I founder di Dataz hanno firmato lo scaling di Sivola.it dal 2021, con un controllo della crescita basato sui dati.

Vuoi scalare senza bruciare cassa? Analizziamo i tuoi numeri e capiamo se siamo i partner giusti.

Caso studio · Phi Beach x Dataz · 3 stagioni

PhiBeach: ricavi da ticketing online più che raddoppiati in tre stagioni

In tre stagioni di collaborazione con Dataz, i ricavi del ticketing online di Phi Beach sono passati da 2,7 a 5,6 milioni di euro (+107%), mentre la spesa pubblicitaria è scesa nelle ultime due stagioni. Al centro c'è Sherpaz, la piattaforma di data management, analytics e AI sviluppata da Dataz, in uso dalla seconda stagione.

  • 5,6 M€di ricavi da ticketing online nel 2026, contro 2,7 M€ nel 2023
  • 3xil fatturato dei ristoranti rispetto al 2023
  • ROAS 69nel 2026: ogni euro investito in advertising ne ha generati 69
  • 2–5%di scostamento tra forecast e vendite finali, evento per evento
  • 3+eventi hanno battuto il record di ticket venduti online nella stessa stagione

Settore: ticketing & live, hospitality · Periodo: stagioni 2024–2026 · Soluzione: Sherpaz + consulenza Dataz

Il cliente e la sfida

Phi Beach (Medex s.r.l.) è un beach club con due centri di ricavo: il ticketing degli eventi serali e i ristoranti della struttura. La stagione è breve e ogni serata è un prodotto che scade: un biglietto non venduto non si recupera.

Il punto di partenza:

  • Dati separati. Ticketing, ristoranti e advertising vivevano in sistemi diversi, senza una visione unica del cliente.
  • Prezzo deciso a sensazione. Il passaggio tra i tier di prezzo dei biglietti non seguiva i segnali della domanda.
  • Gestione reattiva. "L'evento non vende, alziamo il budget" oppure "vende bene, continuiamo così": si interveniva quando era già tardi.

L'obiettivo: crescere su volume e valore di ogni cliente, senza far crescere la spesa pubblicitaria.

Stagione 2024: costruire la bussola

Risultato: +54% di ricavi dal ticketing e +62% di prenotazioni rispetto al 2023.

Prima di ottimizzare qualsiasi cosa abbiamo costruito le fondamenta: il tracciamento e la raccolta dei dati su tutti i punti di contatto. Senza dati affidabili non conosci davvero il business, non sai cosa ottimizzare e non puoi misurare l'effetto di quello che fai.

Su questa base abbiamo impostato le strategie di advertising e misurato, per la prima volta in modo completo, il percorso dall'annuncio al biglietto acquistato. La prima stagione si è chiusa con un record. Ma soprattutto ha lasciato in eredità un anno di dati: il punto di partenza per tutto quello che è venuto dopo.

Stagione 2025: Sherpaz entra in gioco

Risultato: +22% di ricavi, +12% di valore medio dell'ordine e +9% di prenotazioni nei ristoranti, con il 4% di spesa adv in meno. Quantità e qualità insieme.

Con una stagione di dati in mano il collo di bottiglia era diventato la velocità: analizzare a mano il comportamento d'acquisto significava arrivare tardi e perdere opportunità. Per questo abbiamo adottato Sherpaz come piattaforma dati interna di Phi Beach.

  • Un solo posto per tutti i dati. Sherpaz integra e pulisce i dati di ticketing, ristoranti e campagne, e li fa parlare tra loro. Da qui partono analisi tempestive e automatizzate, non report a fine mese.
  • Dynamic pricing. Su Sherpaz abbiamo costruito un modello che legge i segnali della domanda e indica il momento giusto per passare al tier di prezzo successivo. Il valore medio di ogni biglietto è salito senza rallentare le vendite.
  • Clienti ad alto potenziale. Abbiamo segmentato la base clienti per individuare i cluster di maggior valore e riportarli al Phi Beach con campagne dedicate ed esclusive.
  • Advertising più efficiente. Le strategie sui canali online sono state ottimizzate anche con i primi agenti AI di Dataz per l'advertising.

Stagione 2026: anticipare invece di reagire

Risultato: 5,6 M€ di ticketing online (+10%), +37% di fatturato ristoranti, saturazione media delle serate +4,3 punti, ROAS 69 con l'1% di budget in meno. E il record di ticket venduti online per un singolo evento battuto più di tre volte nella stessa stagione.

La domanda non era più "come vendiamo di più?" ma "come sappiamo in anticipo se un evento arriverà al suo obiettivo?".

  1. Un forecast per ogni evento. Con Sherpaz abbiamo costruito modelli di forecasting con un target di ticket e di saturazione per ogni serata. Leggendo la curva di vendita, il modello dice se a quel ritmo l'obiettivo verrà raggiunto. Lo scostamento tra forecast e risultato finale è rimasto tra il 2% e il 5%.
  2. Agenti che controllano, ogni giorno. Ai forecast abbiamo collegato agenti AI che monitorano in modo proattivo:
    • forecast delle vendite e ticket target
    • livello di saturazione
    • spesa pubblicitaria
    • chi sta comprando: nuovi clienti o repeater
    • andamento reale contro andamento necessario per chiudere a target
  3. L'azione giusta, non solo più budget. Essere sotto forecast non significa automaticamente spendere di più, perché il problema spesso non sono le ads:
    • un evento vende molto ai nuovi clienti ma poco ai repeater → si lavora con email e CRM su chi è già stato al Phi Beach
    • un evento corre verso il sold out prima del previsto → si smette di spingere budget inutile
    • un evento è sotto la curva attesa → lo si vede presto e si capisce dove intervenire

In parallelo abbiamo consolidato il lavoro delle stagioni precedenti e spinto su contenuti e comunicazione pensati per far interagire e convertire più utenti online.

Il risultato non è stato solo vendere di più: le vendite sono arrivate prima, e budget e azioni sono stati allocati in base a quanto ogni singolo evento ne aveva davvero bisogno.

Il ruolo di Sherpaz

Sherpaz ha trasformato i dati di Phi Beach da archivio a strumento di decisione quotidiana. Ogni livello della piattaforma ha avuto un compito preciso nel caso.

Livello SherpazCosa faCome l'abbiamo usato per Phi Beach
01 · Collect & CleanIntegra, valida e struttura i dati di tutte le fontiTicketing, ristoranti, campagne e CRM in un'unica base dati, aggiornata ogni giorno
02 · Advanced AnalyticsModelli statistici costruiti sul settore del clienteDynamic pricing sui tier dei biglietti, segmentazione dei clienti ad alto potenziale, forecasting di vendite e saturazione per evento
03 · ActAI che legge dati e modelli, propone e attiva azioniAgenti che confrontano ogni giorno forecast e target e indicano dove intervenire: budget, CRM o nessuna azione

La tecnologia da sola non basta: il team Dataz ha tradotto ogni insight in azioni su campagne, pricing e CRM, settimana dopo settimana. È il percorso Sherpaz + Consulenza.

Risultati, stagione per stagione

Ogni stagione è partita dal punto più alto della precedente: i risultati si sommano, invece di ripartire da zero.

Indicatore202420252026
Ricavi ticketing online≈ 4,2 M€ (+54%)≈ 5,1 M€ (+22%)5,6 M€ (+10%)
Prenotazioni / ristoranti+62% prenotazioni+9% prenotazioni ristoranti+37% fatturato ristoranti
Valore medio dell'ordinen.d.+12%+6%
Saturazione media seraten.d.n.d.+4,3 punti
Spesa advertisingn.d.−4%−1%
ROASn.d.n.d.69

Variazioni rispetto alla stagione precedente. Base 2023: 2,7 M€ di ticketing online.

Non è fortuna. È un metodo.

Nel marketing si cerca spesso la mossa geniale: la campagna virale, il creativo perfetto, il canale nuovo. La crescita che dura nasce invece da un processo che si ripete ogni stagione:

misuri → capisci → ipotizzi → testi → ottimizzi. E poi ricominci.

Il forecasting ti dice cosa probabilmente succederà. Forecasting, agenti e capacità di agire ti permettono di cambiarlo. I dati non sostituiscono le idee: ti dicono quali funzionano.

Gestisci eventi, ticketing o hospitality? Ti mostriamo Sherpaz su un caso come questo, con i tuoi dati.

Caso studio · Nammos Baja Sardinia x Dataz

Nammos Baja Sardinia: +530% di prenotazioni in una sola stagione

In una stagione le prenotazioni da Google Ads sono cresciute del 530%, con un budget più alto del 63%. Ogni prenotazione è costata il 74% in meno.

  • +530%prenotazioni da Google Ads: da circa 100 a oltre 650
  • −74%costo per prenotazione: da 27,59 € a 7,20 €
  • 2xclick che diventano prenotazione: da 0,52% a 1,07%
  • −46%costo di ogni click

Settore: ristorazione & hospitality · Periodo: stagioni 2025–2026 · Canale: Google Ads

Il contesto

Nammos Baja Sardinia nasce nel 2025 all'interno del Phi Beach Club, come ristorante del brand internazionale Nammos, e prende il posto dell'ex Beach Restaurant. Nella stessa venue c'è già un altro ristorante: fino a fine 2025 si chiamava Phi Restaurant, oggi è Luciano's. Entrambi aprono solo da fine maggio a inizio settembre.

La sfida

La stagione è breve, e in estate la concorrenza sulle ricerche online è molto alta. Ma la sfida vera era un'altra: i due ristoranti condividono location, giorni di apertura e turni. Non bastava portare prenotazioni. Serviva dare a ciascuno un'identità e un'offerta chiare, senza sovrapposizioni.

Cosa abbiamo fatto

Siamo partiti da qui. Abbiamo definito una proposta distinta per ciascun ristorante e l'abbiamo raccontata con contenuti e pagine pensati per ogni tipo di cliente. Abbiamo migliorato l'esperienza di prenotazione sul sito. E abbiamo distribuito il budget tra le campagne Google e lungo la stagione, capendo quando spendere di più e quando meno.

I risultati

I risultati sono arrivati nel 2026.

Con un budget più alto del 63% rispetto all'anno precedente, le prenotazioni da Google Ads sono cresciute del 530%: da circa 100 a oltre 650.

Il merito è soprattutto del sito, dove la quota di click che diventa prenotazione è raddoppiata, da 0,52% a 1,07%. Il posizionamento chiaro e i contenuti mirati hanno poi abbassato il costo di ogni click del 46%. Così ogni prenotazione è costata il 74% in meno: da 27,59 € a 7,20 €.

Non abbiamo solo speso di più. Abbiamo speso meglio.

Fonte dei dati: Google Ads, 2025 e 2026 (dal 1 gennaio al 13 settembre).

Gestisci un ristorante o una struttura stagionale? Ti mostriamo come leggere i tuoi dati di prenotazione.

Caso studio · BlackCircles Italia x Dataz

BlackCircles Italia: ordini più che raddoppiati, senza il prezzo più basso

Nel 2025 gli ordini dalla pubblicità sono più che raddoppiati (+106%) e ogni ordine è costato il 31% in meno. Nel 2026 gli ordini sono sopra il target del 15%, con la spesa prevista.

  • +106%ordini dalla pubblicità nel 2025: da 577 a 1.187
  • −31%costo per ordine: da 49,89 € a 34,17 €
  • 12,35euro generati per ogni euro investito, contro 9,75
  • +15%ordini sopra il target 2026, con la spesa in linea con il budget

Settore: e-commerce, pneumatici · Periodo: 2024–2026 · Canale: Meta Ads

Il contesto

BlackCircles Italia è un marketplace di pneumatici. In questo mercato il prezzo è una delle variabili che pesano di più sulla scelta del cliente.

La sfida

Analizzando il mercato, il catalogo e i concorrenti abbiamo visto che BlackCircles non era la più economica su tutti i marchi e su tutti i prodotti. In alta stagione il problema peggiorava: su più della metà degli pneumatici e dei marchi non era competitiva sul prezzo, mentre i concorrenti facevano offerte anche dove BlackCircles non ne aveva e aumentavano la pubblicità.

Che il prezzo guidasse tutto lo abbiamo visto bene quando è stato sospeso uno sconto riservato ai dipendenti di alcune grandi aziende. Anche i risultati della pubblicità sono calati. La nostra ipotesi, poi confermata dai dati, era semplice: le persone vedevano gli annunci e poi compravano grazie allo sconto aziendale. Lo confermava anche la geografia dei clienti, concentrati a Roma, Milano e Torino.

Cosa abbiamo fatto

Se non puoi vincere sempre sul prezzo, devi scegliere dove competere. Abbiamo costruito la strategia su tre tipi di annunci. I primi sono senza marca: parlano dei punti di forza di BlackCircles o di un bisogno, come gli pneumatici invernali o quattro stagioni, senza mostrare un marchio né un prezzo. Restano attivi tutto l'anno e tengono BlackCircles fuori dal confronto diretto sul singolo pneumatico.

I secondi sono di marca, ma solo sui marchi e sui tipi di pneumatico dove BlackCircles è davvero più conveniente o dove i clienti comprano più spesso. I terzi sono promozionali, e li abbiamo usati meno: le promozioni cadono in alta stagione, quando anche con lo sconto BlackCircles non era la più economica. Da qui è nata una scelta precisa dei prodotti da promuovere e, di conseguenza, delle creatività.

I risultati

I risultati sono più che doppi.

Nel 2025 gli ordini dalla pubblicità sono passati da 577 a 1.187 (+106%), con un investimento più alto del 38%. Ogni ordine è costato il 31% in meno, da 49,89 € a 34,17 €, e ogni euro investito ne ha generati 12,35 contro i 9,75 dell'anno prima.

Nel 2026 la crescita continua. A inizio novembre gli ordini sono 1.802 contro un obiettivo di 1.569 (+15%), con una spesa in linea con il budget. Ogni ordine costa 26,73 €. Rispetto allo stesso periodo del 2025 gli ordini sono cresciuti del 63%, con un investimento più alto del 27%.

Non abbiamo inseguito il prezzo più basso. Abbiamo usato i dati per scegliere le battaglie da vincere.

Fonte dei dati: campagne Meta Ads e piano obiettivi 2026.

Vendi in un mercato dove il prezzo decide tutto? Ti mostriamo dove i tuoi dati dicono che puoi vincere.

Caso studio · E-commerce

Il canale da tagliare portava il 65% di ordini in più

Un eCommerce stava per dimezzare il budget su Meta, perché i suoi report gli attribuivano pochi ordini. Un test su metà Italia ha mostrato il contrario: dove la pubblicità era accesa gli ordini erano il 65% in più, a un costo di circa 14 € l'uno.

  • +65%ordini in più dove Meta era acceso: 177 contro 107
  • 14 €costo reale di ogni ordine in più
  • 200 €costo per ordine secondo i report dell'azienda
  • 24giorni di test, su metà Italia

Settore: e-commerce · Durata: test di 24 giorni · Canale: Meta Ads

Il contesto

L'azienda misurava il contributo di ogni canale con una sola regola: il merito va all'ultimo click prima dell'acquisto. È una regola semplice, ma lascia fuori molto. Non conta chi vede un annuncio e compra più tardi senza cliccare. Non conta chi rifiuta i cookie o usa un blocco della pubblicità. Così una parte degli ordini generati da Meta non veniva mai assegnata a Meta.

La sfida

Con questa lettura ogni ordine portato da Meta sembrava costare più di 200 €. Sulla piattaforma di Meta lo stesso ordine costava circa 25 €, un quarto rispetto a Google Ads. Due numeri così lontani non potevano essere veri entrambi. E la decisione sul tavolo era pesante: dimezzare il budget del canale.

Cosa abbiamo fatto

Invece di scegliere a quale report credere, abbiamo fatto un esperimento. Abbiamo spento la pubblicità su Meta in metà Italia, l'abbiamo lasciata accesa nell'altra metà e abbiamo confrontato gli ordini. Confrontare due aree nello stesso periodo toglie di mezzo stagionalità e promozioni.

Un nostro modello interno ha analizzato lo storico delle vendite regione per regione e ha scelto il gruppo più adatto al confronto: Piemonte, Emilia Romagna, Toscana e Friuli Venezia Giulia, che insieme valgono il 54% delle vendite. Prima di partire, il modello aveva anche fatto una previsione: un impatto intorno al 65%. Per leggere il risultato abbiamo usato solo la spesa e gli ordini registrati dall'azienda, non i dati delle piattaforme.

I risultati

Dopo 24 giorni le aree con Meta acceso hanno registrato 177 ordini, quelle con Meta spento 107. Sono 70 ordini in più, il 65%: il valore che il modello aveva previsto. Con 969 € di spesa, ogni ordine in più è costato circa 14 €. Non 200 €, e anche meno dei 25 € indicati dalla piattaforma. Il risultato è statisticamente solido: la differenza non è dovuta al caso.

Il canale che stava per essere dimezzato era tra i più convenienti. La nostra raccomandazione è stata riaccenderlo in tutta Italia.

Quando due report si contraddicono, la risposta è un esperimento.

Fonte dei dati: spesa e ordini registrati dall'azienda, test di 24 giorni.

I tuoi report non sono d'accordo tra loro? Ti mostriamo come misurare quanto vale davvero un canale.

Caso studio · Banche & finanza

Le campagne che sembravano uno spreco costavano meno della metà

Una banca spendeva metà del budget Google Ads su ricerche con il proprio nome. Sembrava uno spreco. Un test su 7 province ha mostrato che ogni conto in più costava 89 €, meno della metà di quanto dicevano i report. E che senza quelle campagne si apriva il 20% di conti in meno.

  • 89 €costo reale di ogni conto in più
  • 230–312 €costo per nuovo cliente secondo i report
  • −20%conti aperti senza le campagne: da 179 a 143
  • 7province nel test, per un mese

Settore: banche & finanza · Durata: test di un mese · Canale: Google Ads

Il contesto

Il brand, del settore bancario, investiva il 50% del budget Google Ads su ricerche di marca: il nome della banca, da solo o insieme a parole come "conto". Sono persone che la banca la stanno già cercando.

La sfida

Quei soldi sembravano sprecati, per tre motivi. Tra chi cercava il nome della banca c'erano anche i clienti che volevano solo fare il login, e nessuno li stava escludendo. Per molte ricerche la banca compariva già con il risultato gratuito, insieme all'annuncio a pagamento. E secondo i report ogni nuovo cliente portato da queste campagne costava tra 230 e 312 €: un costo non sostenibile.

Cosa abbiamo fatto

Per prima cosa abbiamo escluso i clienti esistenti da tutti i canali pubblicitari, collegando i sistemi della banca alle piattaforme. Poi, invece di decidere a intuito se tagliare, abbiamo fatto un esperimento.

Per un mese abbiamo spento le campagne di marca in 7 province e le abbiamo lasciate accese in altri due gruppi di province. Alla fine abbiamo confrontato i conti aperti, contati dai sistemi della banca e non dalle piattaforme. Confrontare aree diverse nello stesso periodo toglie di mezzo la stagionalità.

I risultati

Nelle 7 province senza campagne i conti aperti sono scesi da 179 a 143: 36 in meno, il 20%. Nelle province di confronto, nello stesso periodo, non sono calati. Quei 36 conti sono il contributo reale delle campagne. Per ottenerli la banca spendeva 3.233 € al mese: 89 € per ogni conto in più, meno della metà di quanto indicavano i report.

La nostra proposta è stata spostare su queste campagne una parte del budget, invece di tagliarle.

Le campagne di marca non erano uno spreco. Erano sottovalutate.

Fonte dei dati: Google Ads e conti aperti registrati dalla banca, test di un mese su 7 province.

Non sai se una campagna porta clienti nuovi o solo clienti che avresti avuto comunque? Ti mostriamo come misurarlo.

Caso studio · Software in abbonamento, education

Costo per nuovo cliente dimezzato, lasciando parlare gli studenti

Un servizio in abbonamento per studenti investiva oltre 200 mila euro al mese in pubblicità, in 3 Paesi. Dopo un aggiornamento dell'algoritmo di Meta i contenuti migliori hanno smesso di funzionare. Abbiamo sostituito la voce del brand con quella di studenti e micro creator: il costo per nuovo cliente si è dimezzato.

  • −50%costo per nuovo cliente con i video dei creator
  • −50%costo per contatto con i video dei creator
  • 200k €investimento al mese tra TikTok, Meta e Google
  • 3Paesi

Settore: software in abbonamento, education · Canali: TikTok Ads, Meta Ads, Google Ads

Il contesto

Il cliente è un software in abbonamento per lo studio, basato sull'intelligenza artificiale. Lavoravamo in 3 Paesi, con più di 200 mila euro al mese tra TikTok, Meta e Google. Il percorso era semplice: lo studente arriva sul sito, prova il prodotto gratis senza carta di credito e poi decide se abbonarsi. L'obiettivo era acquisire nuovi clienti con un vincolo preciso: nei primi tre mesi ogni cliente doveva valere almeno tre volte quello che era costato acquisirlo.

La sfida

Per tenere viva la pubblicità servivano contenuti nuovi in continuazione. Ma dopo un importante aggiornamento dell'algoritmo di Meta i contenuti che avevano sempre funzionato, compresi i migliori dei mesi e dell'anno precedente, hanno iniziato a rendere molto meno.

Potevano esserci altre cause: il mercato, l'offerta, un pubblico ormai saturo. La nostra ipotesi era un'altra. Oggi le piattaforme decidono a chi mostrare un annuncio guardando l'annuncio stesso: le parole dette, le immagini, i testi. Tutti i contenuti del brand parlavano di prodotto, di intelligenza artificiale e di promozioni. Così l'algoritmo li mostrava sempre alle stesse persone, già raggiunte molte volte.

Cosa abbiamo fatto

Abbiamo cambiato chi parla. Abbiamo contattato tutti i clienti e chiesto a quelli con un seguito sui social di raccontare il prodotto in un video sul proprio profilo, in cambio di uno sconto importante. Abbiamo attivato una piccola campagna per trovarne altri. E abbiamo selezionato e pagato micro creator adatti. Ogni video serviva due volte: come contenuto spontaneo e come annuncio.

Il risultato è stata una grande varietà: studenti di età, scuole e facoltà diverse, con materie e difficoltà diverse, in momenti diversi del loro percorso. Ogni video parlava a un pubblico nuovo.

I risultati

Abbiamo misurato tutto con test a confronto. Nel primo abbiamo messo i video dei creator contro quelli del brand: il costo per contatto e il costo per nuovo cliente si sono dimezzati. Nel secondo abbiamo pubblicato gli annunci in due modi, dal solo profilo del creator oppure dal profilo del creator insieme a quello del brand. Con il solo profilo del creator il costo per contatto e il costo per ordine erano la metà.

Il problema non era il budget. Era la voce.

Quando l'algoritmo cambia, non serve spendere di più: serve parlare a persone nuove.

I tuoi annunci migliori hanno smesso di funzionare? Ti mostriamo cosa dicono i tuoi dati.

Caso studio · Marketplace immobiliare

Con il 40% di budget in meno, prenotazioni confermate triplicate

Un marketplace di affitti attivo in 5 Paesi aveva tante visite e poche prenotazioni confermate. Abbiamo trovato e risolto tre blocchi, uno dopo l'altro. Con il 40% di budget in meno, e in un periodo di solito in calo, le richieste di prenotazione sono cresciute del 70% e quelle confermate dai proprietari sono triplicate.

  • x3prenotazioni confermate dai proprietari
  • +70%richieste di prenotazione
  • −40%budget pubblicitario
  • 78%richieste confermate dai proprietari, dal 40%

Settore: marketplace immobiliare, affitti di medio e lungo periodo · Mercati: 5 Paesi

Il contesto

Il cliente è un marketplace immobiliare per affitti di medio e lungo periodo, attivo in 5 Paesi. Più della metà di chi affitta arriva da un'altra città o da un altro Paese: studenti che iniziano l'università, lavoratori, ragazzi in Erasmus. Per loro il valore è chiaro: prenotare una casa senza visitarla, con garanzie e assistenza.

Sul marketplace ci sono due tipi di case: quelle in esclusiva e quelle pubblicate anche su altri portali immobiliari. Sugli altri portali la richiesta di prenotazione non prevede una commissione di protezione. Sul marketplace sì.

La sfida

Il nostro obiettivo non era portare richieste di prenotazione. Era portare prenotazioni confermate dai proprietari. I click costavano poco, ma quasi nessuno prenotava: le persone iniziavano la prenotazione e si fermavano prima di completarla. E tra le richieste arrivate direttamente dal sito, i proprietari ne confermavano solo il 40%.

Cosa abbiamo fatto

Per prima cosa abbiamo guardato dove andavano le visite. Più della metà finiva su case non in esclusiva, anche dalla pubblicità. Lì meno del 15% completava la richiesta: oltre il 30% dei visitatori usciva verso gli altri portali e prenotava la stessa casa senza commissione. Abbiamo spostato la pubblicità sulle case in esclusiva, e le prenotazioni sono migliorate subito.

Poi abbiamo guardato la commissione. Dove pesava molto rispetto all'affitto, le persone rinunciavano. Abbiamo fatto test a confronto con commissioni diverse fino a trovare il punto di equilibrio: una commissione più bassa, ma con abbastanza prenotazioni in più da mantenere gli stessi ricavi.

Infine abbiamo guardato le conferme. Il sito mostrava per prime case di bassa qualità o con disponibilità non aggiornate, e i proprietari rifiutavano perché la casa era già affittata o non più in affitto. Abbiamo applicato al sito lo stesso criterio di selezione che già usavamo sugli altri portali: prima le case migliori.

I risultati

Il risultato è arrivato tra fine settembre e ottobre, un periodo in cui di solito i volumi calano rispetto a metà settembre. Il budget è sceso del 40%. Eppure le richieste di prenotazione sono cresciute del 70%. E quelle confermate dai proprietari sono triplicate: prima i proprietari confermavano il 40% delle richieste, dopo il lavoro sul catalogo più del 78%.

Il problema non era portare più persone. Era capire dove si fermavano, e perché.

Hai tante visite e poche vendite? Ti mostriamo dove si fermano i tuoi clienti.

Dataz

Capiamo insieme cosa possiamo fare per te · risposte automatiche