Quando il Data Analyst riporta dei dati che non dicono quello che il Marketing si aspettava

La campagna è partita con entusiasmo, il team Marketing ci ha lavorato settimane, la Direzione ha approvato il budget.
Ma i dati dicono che non ha funzionato.
Tocca allora al Digital Analyst presentare i risultati e questo è uno dei momenti più delicati del ruolo: non perché l’analisi sia difficile, ma perché quello che succede dopo — come il dato viene ricevuto, discusso e usato per decidere — dipende in larga misura da come viene comunicato. Farlo male significa demolire la motivazione di un team o, peggio, essere ignorati la prossima volta.

Il problema non è il dato, è il contesto in cui arriva

Un dato scomodo non è scomodo di per sé: lo diventa nel momento in cui arriva a qualcuno che si aspettava altro. Il Responsabile Marketing che ha convinto la Direzione a investire su una campagna Meta non sta aspettando un report neutro ma sta aspettando conferma che la scelta fosse giusta. Quando i numeri raccontano un’altra storia, la reazione naturale è la difesa — dell’idea, del lavoro, delle ore spese.

Ignorare questa dinamica è uno degli errori più comuni. Il Digital Analyst che entra in riunione con un grafico che mostra un tasso di conversione dello 0,3% su una campagna attesa all’1,5%, senza aver costruito il contesto attorno a quel numero, non sta comunicando: sta sganciando una bomba. La differenza tra un’analisi che genera conflitto e una che genera apprendimento sta quasi sempre nella preparazione comunicativa, non nella qualità tecnica del dato.

Separare il dato dall’interpretazione, e l’interpretazione dalla persona

Il primo principio per presentare risultati inattesi è separare tre piani che spesso si sovrappongono in modo pericoloso: il fatto (cosa dicono i dati), l’interpretazione (cosa significa), e la responsabilità (di chi è). Mescolarli trasforma un’analisi in un giudizio.

Un approccio efficace è strutturare la comunicazione in sequenza:

Prima il contesto, poi il dato. Ricordare brevemente l’obiettivo della campagna, il periodo, i KPI attesi. Questo crea una base comune prima ancora di aprire il report.

Il dato senza aggettivi. Non "la campagna ha deluso" ma "il tasso di conversione si è attestato allo 0,3% contro l’1,5% atteso". I numeri parlano da soli: aggiungere valutazioni emotive non aggiunge informazione, aggiunge tensione.

Le ipotesi sul perché. Questa è la parte in cui il Digital Analyst porta valore reale. I dati dicono cosa è successo: l’analisi qualitativa — segmentazione per dispositivo, per creatività, per fascia oraria, lettura delle heatmap Contentsquare — dice perché. Arrivare con due o tre ipotesi fondate sui dati trasforma la conversazione da "la campagna non ha funzionato" a "ecco su cosa dobbiamo lavorare".

Il passo successivo. Non chiudere l’analisi con un problema aperto ma proporre un’azione concreta — un test da avviare, un pubblico da segmentare diversamente, un elemento della landing page da ottimizzare — dimostra che i dati non servono a distribuire responsabilità ma a indicare la direzione.

Il data storytelling come strumento, non come abbellimento

Il data storytelling non è un modo per rendere i dati più carini: è un metodo per renderli comprensibili e utili a chi non ha lo stesso background tecnico. L’obiettivo non è mostrare quanto è stata accurata l’analisi, ma fare in modo che chi ascolta capisca esattamente cosa fare dopo.

Un principio pratico è quello di costruire la presentazione attorno a un solo insight chiave: non tutto ciò che i dati contengono è rilevante per la decisione che il team deve prendere. Selezionare il dato che ha l’impatto maggiore sulle scelte future e costruire attorno a quello la narrazione — con supporto di visualizzazioni chiare, benchmark di riferimento e confronto con periodi precedenti — produce comunicazioni molto più efficaci di un report completo su trentadue metriche.

Distinguere urgenza percepita e urgenza reale nel confronto

Un’altra dinamica ricorrente è quella del Marketing che, di fronte a un dato negativo, chiede immediatamente di modificare la campagna o di interrompere qualcosa. L’impulso è comprensibile, ma agire in fretta sui dati di breve periodo senza attendere la significatività statistica è uno degli errori più costosi nel digital marketing.

Il Digital Analyst che sa tenere la posizione in questi momenti — spiegando che tre giorni di dati non sono sufficienti per trarre conclusioni, che un calo nella prima settimana può essere fisiologico, che il test ha bisogno di volume per dare risultati affidabili — difende non se stesso ma la qualità delle decisioni dell’azienda. Farlo con calma e con argomentazioni chiare, senza irrigidirsi, è una delle soft skill più preziose del ruolo.

Costruire fiducia nel metodo nel tempo, non solo nella singola presentazione

La capacità di presentare dati scomodi in modo costruttivo non si costruisce in una riunione: si costruisce nel tempo, attraverso la coerenza tra ciò che si dice e ciò che poi si dimostra vero. Il Digital Analyst che ha previsto correttamente il risultato di un A/B test, che ha spiegato in anticipo perché certi numeri potevano deludere, che ha proposto ottimizzazioni poi rivelatesi efficaci, ha costruito un credito di fiducia che rende molto più facile gestire le comunicazioni difficili successive.

Il contrario — cedere alle pressioni, ammorbidire i numeri, omettere dati che potrebbero creare tensione — produce un effetto opposto nel lungo periodo. Il marketing che ha sempre sentito dire che "sta andando bene" non è attrezzato a ricevere la prima notizia davvero brutta quando arriva.

FAQ

Come si presentano dati negativi al Marketing senza creare conflitti?

Strutturando la comunicazione in quattro parti: contesto dell’analisi, il dato preciso senza valutazioni emotive, le ipotesi sui motivi basate sui dati disponibili, e una proposta concreta per il passo successivo. L’obiettivo non è distribuire responsabilità ma indicare la direzione. Arrivare con ipotesi fondate e azioni proposte trasforma la conversazione da un momento difensivo in uno costruttivo.

Come si distingue il dato dall’interpretazione in una presentazione?

Presentando prima il fatto osservabile ("il tasso di conversione è stato X% contro Y% atteso") separato dall’analisi delle cause ("la segmentazione per dispositivo mostra che gli utenti mobile hanno convertito al 50% in meno rispetto al desktop, probabilmente a causa della velocità di caricamento della landing page"). Il fatto è oggettivo, l’interpretazione è un’ipotesi che può essere discussa e verificata — tenerle separate riduce la difensività.

Cos’è il data storytelling e perché è utile a un Digital Analyst?

Il data storytelling è la disciplina che combina dati accurati, visualizzazioni efficaci e una narrazione orientata all’azione per rendere le informazioni comprensibili anche a chi non ha un background analitico. Per un Digital Analyst è utile perché i dati più accurati del mondo rimangono inutilizzati se non riescono ad arrivare a chi deve prendere le decisioni. Non serve abbellire i numeri: serve costruire il percorso logico che porta dall’osservazione alla scelta.

Cosa fare quando il Marketing vuole interrompere una campagna prima che i dati siano conclusivi?

Spiegare con chiarezza che dati raccolti su periodi troppo brevi o campioni troppo piccoli producono conclusioni inaffidabili — sia in positivo che in negativo. Proporre un criterio oggettivo di valutazione concordato in anticipo: una finestra temporale minima, un volume di conversioni necessario per la significatività statistica, un KPI specifico da raggiungere prima di trarre conclusioni. Avere questi criteri fissati prima del lancio della campagna è molto più efficace che difenderli a posteriori.

Come si costruisce credibilità come Digital Analyst nel tempo?

Attraverso la coerenza tra previsioni e risultati. Spiegare in anticipo come si leggerà un test, quali soglie indicano un risultato positivo, quali variabili potrebbero influenzare i dati. Quando le analisi si dimostrano accurate, il credito professionale si accumula e rende molto più semplice essere ascoltati nei momenti in cui i dati dicono cose scomode.

Potrebbe interessarti anche

• Troppe analisi da fare in troppo poco tempo: come gestire le priorità per un Data Analyst
• Digital Analyst – Data Insight & Web Analytics
• Lavorare nell’e-commerce come Digital Analyst
• DIGITAL ANALYST – DIGITAL MARKETING & E-COMMERCE
• A/B test fallito: cosa impara davvero un buon Digital Analyst
• Quanto guadagna un E-Commerce Specialist?
• Quanto guadagna un Digital Marketing Specialist?
• Quanto guadagna un Data Analyst?
• Heatmap, session recording, scroll map: leggere i comportamenti reali degli utenti online
• Come un Digital Analyst analizza un funnel di conversione in modo professionale