Da MER 1,5 a MER 6:
+268% di efficienza in sei mesi
Un e-commerce fashion con oltre 8.000 SKU, tre mercati europei: le attività di paid advertising registravano risultati in calo da mesi. Come l'analisi dei KPI che contano davvero ha cambiato il corso degli eventi.
×4
MER
da 1,5 a 6
+30%
AOV
ordine medio
+50%
Conv. Rate
tasso conversione
2,3×
Revenue/mese
ritmo Q1 2026 vs 2025
Attività di paid advertising in calo
A maggio 2025 ho rilevato la gestione delle campagne a pagamento di un e-commerce nel settore luxury fashion con presenza diretta in Italia, Germania e Francia. Il progetto aveva già una storia: un catalogo da oltre 8.000 SKU, un posizionamento premium ben definito, un mercato di riferimento consolidato.
Ma i numeri degli ultimi due mesi raccontavano un'altra storia.
Il MER (Marketing Efficiency Ratio) si era stabilizzato intorno a 1,5. In un settore con le strutture di costo del luxury fashion, un MER di 1,5 non è stagnazione: è perdita. Una deriva silenziosa, difficile da intercettare in tempo perché non genera allarmi immediati, ma consuma risorse mese dopo mese.
Primo passo: niente panico, niente mosse affrettate. Mi sono seduto, ho preso i dati e ho cominciato a smontare tutto pezzo per pezzo. La prima evidenza è emersa subito.
Il 90% del budget su un solo canale
Il 90% del budget mensile era concentrato su Google Ads. Meta riceveva solo il 10%. Non una scelta strategica documentata — il risultato di abitudini sedimentate nel tempo.
90% su un solo canale
Budget bilanciato al 50/50
Cosa non funzionava e perché
Ho iniziato da Google Ads, dove si concentrava la spesa maggiore. Ho trovato diversi problemi strutturali:
- Disconnessioni con Merchant Center — strumento essenziale per la visibilità delle schede prodotto su un e-commerce di questa categoria. Per il fashion con migliaia di SKU, non avere il feed prodotti correttamente collegato significa perdere visibilità su Shopping e Performance Max.
- Web tracking non ottimale— alcuni eventi di conversione non tracciavano correttamente né in Google Ads né in Google Analytics 4. Dati sporchi significano ottimizzazione cieca: l'algoritmo si stava addestrando su segnali sbagliati.
- Struttura delle campagne — obiettivi, gruppi di asset e contenuti creativi avevano spazio di ottimizzazione significativo.
Su Meta Ads, al contrario, la situazione tecnica era in ordine. Il problema era diverso: quasi nessun budget ci veniva allocato. Un canale funzionante, con un pubblico potenzialmente caldo, quasi completamente inutilizzato.
Due canali, due situazioni opposte: Google con problemi tecnici nonostante la spesa alta, Meta sottoutilizzato pur funzionando bene. Il piano d'azione era chiaro.
Leggere i dati giusti, non quelli comodi
Quando ho aperto Shopify per analizzare le metriche di business, il mio primo istinto è stato guardare l'AOV (Average Order Value). Ma con oltre 8.000 SKU e una variabilità di prezzo significativa tra categorie e stagioni, l'AOV è un indicatore fuorviante.
La media può salire per effetto di pochi ordini anomali mentre la base cliente si erode. Può scendere per promozioni intense senza che ci sia un problema reale. In un contesto ad alta variabilità, la media mente.
Ho spostato l'analisi sull'ordine mediano e sui percentili di distribuzione, segmentando per:
- Stagionalità (i mesi con promozioni attive vs i mesi standard)
- Fascia di prezzo e marginalità netta per cluster di prodotto
- Mercato geografico (Italia, Germania, Francia si comportano diversamente)
- Tipo di cliente: primo acquisto vs clienti abituali
È lì che emerge la fotografia autentica di un e-commerce.
Il nuovo framework di analisi si è concentrato su quattro KPI che raccontano la salute vera del business: LTV (Lifetime Value), CAC (Customer Acquisition Cost), Profitto netto per cluster di prodotto, Ordine mediano in contesti diversi. Non numeri isolati — relazioni tra dati.
Evoluzione MER — Maggio 2025 → Q1 2026
Da 1,5 a 6 in sei mesi
×4
del valore iniziale
Tre leve, un obiettivo
Dopo i fix tecnici, ho agito su tre leve in parallelo:
Fix strutturale
Risoluzione dei problemi Merchant Center, revisione completa del web tracking su GA4 e Google Ads, pulizia delle campagne. Prima di scalare, occorre avere fondamenta solide.
Rebalancing del budget
Da un rapporto Google 90% / Meta 10% a un equilibrio 50/50. Non una regola universale — una scelta supportata dai dati: Meta aveva pubblici caldi non sfruttati e creatività già rodata.
Analisi avanzata e scaling
Focus su cluster geografici precisi, clienti ricorrenti con alto LTV, prodotti per fascia di prezzo e marginalità. Quando la struttura ha dimostrato solidità, ho scalato il budget.
I numeri dopo sei mesi
Dopo tre mesi il MER era passato da 1,5 a 3. Quando la struttura ha dimostrato solidità, ho scalato. Dopo sei mesi il MER si è stabilizzato tra 5 e 6. Ma non solo il MER — tutti i KPI del business hanno risposto.
Un dettaglio che vale la pena sottolineare: questi risultati sono stati raggiunti aumentando il budget investito, non riducendolo. Il MER è cresciuto nonostante — e in parte grazie a — una spesa pubblicitaria complessiva significativamente più alta. Quando il sistema è costruito bene, scalare il budget migliora l'efficienza invece di eroderla.
Conversion Rate
conversioni in più sul sito
AOV
valore medio degli ordini
Ordini ad alto margine
prodotti con marginalità elevata
Un MER a 6 in questo contesto non lascia soldi sul tavolo — è il punto di massima efficienza dato il profilo di costo del cliente. Sentenziare sul MER senza conoscere margini, costi fissi e LTV è il modo più rapido per fare scelte sbagliate.
Ritmo mensile di fatturato — a parità di revenue
Stessa revenue. Meno della metà del tempo.
Nei primi 3 mesi del 2026 l'e-commerce ha generato lo stesso fatturato dei primi 7 mesi del 2025. Il ritmo mensile è più che raddoppiato.
Proiettando il ritmo Q1 2026 sull'intero anno: fatturato annuo 2026 stimato ≈ 2,3× il totale 2025
Stai lasciando potenziale sul tavolo?
Se vuoi capire dove si nascondono i colli di bottiglia delle tue campagne — o semplicemente ragionare insieme su come crescere — scrivimi. Senza impegno.
Scrivimi