Metodologia: come lavora Sherpaz

Metodologia di Sherpaz in tre passaggi: base dati, modelli e AI che risponde

Sherpaz lavora in tre passaggi, sempre in questo ordine. Prima costruisce una base dati unica e pulita. Poi su quei dati attiva i modelli statistici che servono al tuo settore. Solo alla fine entra l’AI, che legge i risultati e propone le azioni. I numeri arrivano dai calcoli sui dati, non dall’AI.

L’ordine conta: prima i dati, poi i modelli, poi l’AI

Passaggio	Cosa succede	La domanda a cui risponde
1. Base dati	Integrazione e pulizia delle fonti	Posso fidarmi del dato?
2. Modelli	Modelli statistici costruiti sul settore	Cosa sta succedendo, e perché?
3. AI	Risposte, alert e raccomandazioni	Cosa faccio adesso?

Il motivo di questo ordine è semplice. Un’AI generalista su dati sporchi dà risposte plausibili e sbagliate. E se ogni persona del team usa la sua, ognuno ottiene numeri diversi. Sherpaz parte da una sola base dati, uguale per tutti.

Sherpaz non è un software da installare e usare da soli. È una piattaforma più il lavoro di consulenza che serve per farla partire su dati affidabili.

1. La base dati: integrazione e pulizia

Il primo lavoro è un audit tecnico su dati e fonti. Si parte dalla mappatura dello stack: quali sistemi ci sono, cosa misurano, dove non si parlano.

Poi le fonti vengono collegate: CRM, GA4, Meta, Google, TikTok, Criteo, e-commerce. A queste si aggiungono, dove servono, Pinterest, LinkedIn, BigQuery, S3, POS, ERP, email, CDP e dati esterni come meteo e variabili macro. L’elenco completo è nella pagina integrazioni.

Sui dati collegati facciamo quattro cose:

Validazione: i dati vengono controllati prima di essere usati.
Deduplica: lo stesso ordine o lo stesso cliente non viene contato due volte.
Arricchimento: i dati vengono completati con le informazioni che mancano.
Lettura con la logica del business: le definizioni di ordine, cliente e margine sono le tue, non quelle di una piattaforma.

Lo storico resta continuo e disponibile nel tempo.

2. I modelli: statistica costruita sul settore

Non attiviamo ogni modello per ogni cliente. Attiviamo quelli che servono, addestrati sui tuoi dati e sulla logica del tuo settore.

Modello	Area	A cosa risponde
Marketing Mix Modeling (bayesiano)	Budget	Quanto porta ogni canale e dove mettere il prossimo euro
Multi-Touch Attribution	Campagne	Quali touchpoint contribuiscono alla vendita, misurati in modo indipendente dalle piattaforme
Clustering e CLV (valore del cliente nel tempo)	Clienti	Quali clienti valgono di più, quali sono a rischio
Dynamic pricing	Prodotti	Quanto reagisce la domanda al prezzo
Forecasting e scenari	Domanda	Quanto venderai, con stagionalità, meteo e variabili macro
Modelli di settore	Settore	KPI e stagionalità di fashion, beauty, retail, e-commerce, gaming

Per i modelli di settore si parte dalla nostra esperienza: KPI, stagionalità e logiche di collezione sono già mappati. Poi il modello si adatta ai tuoi dati.

Come validiamo i modelli

Un modello che non si può controllare non si può usare per spostare budget. Per questo la validazione ha quattro livelli.

1. Ogni modello mostra le sue carte. Assunzioni, accuratezza e margine di errore sono visibili. Per il Marketing Mix Model sono esposti indicatori come R² (quanta parte delle vendite il modello spiega) e MAPE (di quanto sbaglia in media), e il confronto tra la quota di effetto e la quota di spesa di ogni canale. Per le previsioni sono esposti gli intervalli di confidenza. Il modello si discute con il tuo team, si valida e solo dopo si usa.

2. Calibrazione con i test di incrementalità. Un Marketing Mix Model è una stima. Un test di incrementalità, come un geo lift test o un holdout, misura l’effetto causale di un canale. Quando i due numeri sono lontani e il test è solido, è il modello che va corretto. I test e la validazione dei modelli fanno parte dell’offerta Enterprise.

3. Aggiornamento con i dati nuovi. Il modello non è un report fatto una volta. Viene aggiornato quando arrivano dati nuovi, perché mercato, prezzi e canali cambiano.

4. Misura delle azioni. Ogni raccomandazione applicata resta tracciata. Dopo l’azione Sherpaz misura i risultati contro il periodo di confronto e dice se ha funzionato o se va rivista. Questo confronto prima e dopo è un controllo pratico, non un esperimento: per una prova causale serve un test.

3. L’AI: risponde e suggerisce, non calcola a memoria

L’AI è l’ultimo passaggio, e ha un compito preciso. Legge la base dati e i risultati dei modelli, poi li trasforma in tre cose: una risposta a una domanda, un alert quando qualcosa esce dalla norma, una raccomandazione con l’impatto stimato.

Le regole che la governano:

I numeri non sono inventati. Ogni cifra arriva da un calcolo sui tuoi dati o da un modello. L’AI la riporta e la spiega.
Ogni risposta cita la fonte. Tabella, periodo e query: puoi sempre risalire al dato e rifare il conto.
Una sola AI per tutto il team. Marketing, e-commerce, retail e direzione partono dallo stesso dato. Così nessuno interroga uno strumento diverso e ottiene una risposta diversa.
Lavora solo sui tuoi dati, con il contesto del tuo settore e dei tuoi KPI. I tuoi dati non addestrano modelli di terzi.
Decidi tu. Sherpaz propone l’azione. Sei tu a sceglierla, a farla partire subito o a programmarla.

Cosa Sherpaz non può dirti

Una pagina di metodologia deve dire anche i limiti.

Un modello è una stima. Ha un margine di errore, e lo mostriamo.
Senza storico il modello non parte. Se i dati sono pochi o sparsi, il primo lavoro è la base dati, non il Marketing Mix Model.
L’attribuzione non è causalità. Un touchpoint che riceve credito non ha per forza causato la vendita. Per questo esistono i test.
Gli impatti sono stime. Il valore indicato in un alert è una previsione, e si verifica dopo l’azione.

Privacy e sicurezza dei dati

Infrastruttura in Unione Europea. Archiviazione ed elaborazione avvengono interamente in UE, su server europei, nel rispetto del GDPR.
I dati restano tuoi. Puoi chiedere l’export completo dei dati grezzi ed elaborati, via API o S3, in qualsiasi momento. L’export arriva entro 5 giorni lavorativi dalla richiesta.
Storico senza scadenza. Lo storico resta disponibile, senza limiti legati alla durata del contratto.
Nessun addestramento di modelli di terzi con i tuoi dati.

Chi c’è dietro

Sherpaz è il prodotto di Dataz, growth & data agency di Milano fondata da Lorenzo e Pio Fiorito. Dataz è Meta Business Partner, Google Partner, TikTok Agency Partner e Criteo Partner.

I modelli nascono dal lavoro sui clienti:

Phi Beach (ticketing e hospitality). In tre stagioni il ticketing online è passato da 2,7 a 5,6 milioni di euro (+107%), con la spesa pubblicitaria in calo nelle ultime due. Sherpaz è in uso dalla seconda stagione. Leggi il caso

SaaS & Software. Il cliente voleva superare i 400.000 € di spesa mensile, ma i volumi non si muovevano. Il Marketing Mix Model ha mostrato che si stava già investendo oltre il livello efficiente. Spostando il budget sono arrivate più conversioni, con 0 € di budget in più.

Vedi il metodo sui tuoi dati

Nella demo mappiamo il tuo stack e ti mostriamo cosa vedrebbe Sherpaz oggi nelle tue campagne, nel tuo sito e tra i tuoi clienti.

Richiedi una demo

Domande frequenti

I numeri di Sherpaz li genera l’AI? No. I numeri arrivano da calcoli sui tuoi dati e dai modelli statistici. L’AI li legge, li spiega e propone un’azione. Ogni risposta cita tabella, periodo e query.

Come faccio a sapere se un modello è affidabile? Ogni modello mostra assunzioni, accuratezza e margine di errore. Il Marketing Mix Model può essere calibrato con i test di incrementalità, che misurano l’effetto causale di un canale.

Dove sono conservati i miei dati? In Unione Europea. Archiviazione ed elaborazione avvengono su server europei, nel rispetto del GDPR.

I miei dati vengono usati per addestrare altri modelli? No. I tuoi dati non addestrano modelli di terzi.

Posso riavere i miei dati? Sì. Puoi chiedere l’export completo dei dati grezzi ed elaborati, via API o S3, in qualsiasi momento.