MensilMente // 034
💌 Come fare previsioni di fatturato ecommerce sulla base della spesa marketing
🗓️ Novità
Ho lanciato ufficialmente il nuovo sito della mia nuova attività QBR Media. Il nome è semplicemente la versione breve di Qbrico perché non voglio perder tempo a pensare a nomi e poi perché quando un cliente poi farà una sessione QBR (quarterly business review) con Instacart o Amazon almeno gli verrò in mente (spero).
Il progetto sta prendendo piedi quindi 🤞🍀 speriamo continui a crescere. Come dicevo in precedenza questa nuova agenzia si focalizzerà sulla gestione media dei retail, quindi piattaforme come Walmart, Kroger, Instacart etc. Adesso gestiamo quasi una decina di clienti a quasi 20k/MRR e sono molto contento infatti mi serve supporto extra per la gestione di quelli più piccoli!
💰 eCommerce & Business
In questo mese stavo cercando di rispondere alla domanda “Se investo X in marketing quanti prodotti vendo?”. Una semplice forecast che però è molto più complessa quando si tengono a mente fattori quali seasonality, aumento dell’awaraness del brand, ecc.
In questo caso specifico lo stavo facendo su una piattaforma specifica (Instacart) e per un brand specifico. Stavo cercando di capire, se tutto rimane uguale e aumento la spesa marketing quante unità vendo? Tutto questo per poter capire quanto investire nel 2025.
Ho provato a fare questa stima in due modi.
Il primo metodo consiste nel guardare i dati passati, fare delle medie e stimare fattori quali tasso di conversione e ROAS. Quindi se in passato per esempio a Ottobre investendo 100k ho un tasso un ROAS di 2x e nel 2025 investo 150k stimo che il ROAS 📉 scenderà un pochino, ma considero anche che ci saranno degli utenti di ritorno e il brand acquisterà più awareness nel tempo e quindi il totale delle unità vendute nella piattaforma sarà più alto.
Numeri alla mano:
2024 (AOV: $5)
Spesa media: 100k
ROAS medio: 2x
Attributed sales: 200k
Total sales: $575k
Attributed units: 40k → 34% of total
Total units sold: 115k
2025 (AOV: $5)
Spesa media: 150k (+50%)
ROAS medio: 1.8x
Attributed sales: 270k
Total sales: $620k (+7%)
Attributed units: 54k (+35%) → 43% of total
Total units sold: 124k (+7%)
Adesso, guardando quanto sopra indicato in pratica abbiamo investito 50% in più e generato solo 7% in più di unità e fatturato. É realistico?
Dipende, secondo me potrebbe esserlo ma bisogna poi considerare l’eventuali crescita della piattaforma (quanti più utenti porta dentro quella category, le unità totali vendute dovrebbero esser di più considerando che il prodotto piace e viene riacquistato molteplici volte?). Tutti questi punti di riflessione servono per aggiustare i vari input così da creare 2-3 scenari che vi permettono di fare una stima quanto più veritiera delle vendite dell’anno successivo.
Metodo 2. Poi mi sono messo a giocare un po’ con excel e utilizzando una linear regression e i vari coefficienti per poter vedere se c’è una relaziona tra spesa e unità venduta e utilizzare questa per stimare il futuro.
Ovviamente servirebbero più dati, ho solamente una quindicina di dati e quindi rendono il modello non statistical significant, ma bensì mi dice che la relazione tra spesa e unità vendute è spiegata solo per il 73% del volte (statistici correggetemi se sbaglio), ma per esser valido R^2 dovrebbe esser >0.95. Comunque 0.73 è abbastanza alto e quindi ho deciso di utilizzarlo lo stesso e testato su Luglio.
A Luglio già so i dati del mese e quindi ho provato a inserire nel modello la spesa marketing e capire quante unità avrei dovuto vendere con quella spesa.
Il risultato non è stato male.
A luglio effettivamente con una spesa marketing di 119k sono state vendute ~69k unità e il modello ha stimato che per la stessa spesa marketing dovremmo aver venduto 76k unità. Una differenza del 10% che col tempo potrebbe avvicinarsi sempre più al 2-3% con più dati.
Utilizzerò questo modello da qui in avanti? Non so, mancano un sacco di fattori da tenere in considerazione ma sicuramente è divertente.
💻 Learnings
🎥 ETFs: se non sai cosa sono gli ETF questo episodio di 18 minuti ti spiega esattamente cosa sono, i pro/contro degli ETF e la loro storia!
🤖 GigaBrain: troppo figo questo sito, usando l’AI fa uno screening veloce di un determinato topic che tu cerchi su Reddit, Twitter ecc.
🤖 Peter & Lex: come non dare credito a Peter (su twitter Levelsio) per questa intervista con Lex. Non mi sta molto simpatico Peter perché va un po’ contro la mia teoria di “massima delegazione” però rispetto tanto quello che ha fatto e il suo successo nel lanciare cosi tanti progetti.