Ogni numero in RavenBI porta un’etichetta. Separiamo ciò che abbiamo osservato da ciò che abbiamo calcolato e non presentiamo mai l’uno come l’altro.
Questa pagina non è una limitazione di responsabilità. È il modo in cui il prodotto funziona.
Osservato — registrato direttamente da una fonte. Un annuncio pubblicitario era attivo in una determinata data. Un prodotto aveva un determinato prezzo. Un’indicazione compariva in un determinato testo. Se diciamo di averlo osservato, l’abbiamo visto.
Riportato — fornito da un terzo e non verificato da noi in modo indipendente. La copertura dichiarata dalla piattaforma rientra in questa categoria.
Stimato — prodotto da un calcolo di RavenBI a partire da input osservati. La spesa pubblicitaria è stimata dalla copertura e da un CPM modellato. Le stime sono intervalli, non valori puntuali, e portano con sé le proprie ipotesi.
Derivato — un indicatore che RavenBI calcola a partire da più input. I punteggi Winner, Momentum, Opportunity e Threat sono derivati. Sono indicatori proprietari, non standard di settore, e significano ciò che questa metodologia dichiara che significhino.
Interpretazione IA — un modello linguistico ha letto un testo e lo ha classificato. Ove disponibile, RavenBI espone l’elemento di prova alla base della classificazione: la frase esatta tratta dalla fonte. Le nostre classificazioni degli argomenti pubblicitari portano oggi questo elemento di prova e lo stiamo estendendo ai classificatori restanti.
1. Distinguiamo i fatti dalle stime. Ogni cifra è etichettata. Una stima non compare mai con il peso visivo di un’osservazione.
2. Nessuna percentuale senza la sua base. Una percentuale priva del numero assoluto che le sta dietro è un artificio retorico, non una misurazione. RavenBI mostra entrambi e sopprime le percentuali quando il campione è troppo piccolo per sostenerle.
3. Nessuna conclusione senza prove sufficienti. Al di sotto di una dimensione minima del campione, RavenBI mostra la direzione e il livello di confidenza invece di una cifra precisa. Preferiamo dire «in crescita, confidenza bassa» piuttosto che inventare un numero.
4. I dati mancanti restano mancanti. Quando una fonte non ci dice qualcosa, lasciamo il campo vuoto. Non colmiamo le lacune con valori predefiniti plausibili e non deduciamo un valore da una categoria di prodotto o da un nome di marca.
5. Ogni segnale ha una provenienza. Ogni dato registra da dove proviene, quando è stato osservato, quale trasformazione è stata applicata e quale versione del classificatore lo ha prodotto. Se una cifra viene contestata, possiamo ricostruire esattamente come è stata prodotta.
RavenBI riporta ciò che osserva, etichetta ciò che stima e identifica ciò che deduce.
RavenBI combina informazioni provenienti da librerie di trasparenza pubblicitaria accessibili al pubblico e gestite dalle piattaforme stesse, da fornitori terzi di dati in licenza, da siti web di marche e da marketplace accessibili al pubblico e da fonti regolatorie ufficiali.
Su questa materia prima costruiamo il nostro livello: la risoluzione delle entità tra marche, prodotti, annunci pubblicitari, pagine di destinazione e ingredienti; la classificazione rispetto a vocabolari controllati; le istantanee storiche; e gli indicatori derivati.
Questo secondo livello è ciò che rende RavenBI più di un campo di ricerca su dati pubblici — ed è anche il luogo in cui vivono le nostre stime e interpretazioni, motivo per cui le etichettiamo.
Non affermiamo di avere una copertura completa. RavenBI osserva ciò che le sue fonti espongono. L’assenza di un annuncio pubblicitario, di una marca o di un prodotto in RavenBI non prova che essi non esistano.
Non affermiamo che le stime siano cifre certificate. Le stime della spesa pubblicitaria sono modelli, non spesa dichiarata dall’inserzionista.
Non affermiamo che le nostre classificazioni siano infallibili. Sono prodotte da modelli linguistici, misurate rispetto a un insieme di riferimento arbitrato da persone e migliorate quando la misurazione dice che hanno bisogno di essere migliorate.
Manteniamo un insieme di riferimento: alcune centinaia di annunci pubblicitari, etichettati in modo indipendente da più valutatori che non possono vedere né le risposte degli altri né quella del sistema in produzione. I disaccordi sono risolti da una persona.
Ogni modifica a un prompt, a un modello o a una tassonomia è misurata rispetto a quell’insieme di riferimento prima di raggiungere i clienti. Monitoriamo la precisione, il richiamo e — soprattutto — la frequenza con cui il classificatore tace correttamente quando un testo semplicemente non contiene l’informazione.
Quest’ultima misura conta più di quanto sembri. Un classificatore che produce sempre una risposta appare sicuro di sé ed è frequentemente in errore. Preferiamo mostrarle una lacuna piuttosto che una supposizione.
Se ritiene che una cifra o una classificazione in RavenBI sia errata, ce lo comunichi. Ogni pagina di marca, annuncio pubblicitario, prodotto e ingrediente riporta un link per la segnalazione e verifichiamo le segnalazioni rispetto alla fonte originale.
Correggere un errore fa parte del metodo, non è un’eccezione ad esso.