{"id":4566,"date":"2026-11-06T15:31:19","date_gmt":"2026-11-06T14:31:19","guid":{"rendered":"https:\/\/www.gironi.it\/blog\/?p=4566"},"modified":"2026-11-06T15:31:19","modified_gmt":"2026-11-06T14:31:19","slug":"confronto-anno-su-anno","status":"publish","type":"post","link":"https:\/\/www.gironi.it\/blog\/confronto-anno-su-anno\/","title":{"rendered":"Due anni di dati e una stagionalit\u00e0 da togliere: il confronto anno su anno, fatto bene"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Un report annuale si chiude spesso con una riga sola: i clic da Google sono scesi dell&#8217;11,8% rispetto all&#8217;anno prima. La riga \u00e8 vera, ma non dice niente su <em>dove<\/em> sia successo. Il calo pu\u00f2 essere concentrato in sei mesi e sparire negli altri, pu\u00f2 essere cominciato a marzo, pu\u00f2 essere la coda di un evento di settembre. E il numero annuo, per costruzione, mescola tutto.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La strada che viene naturale \u00e8 quella che abbiamo visto nell&#8217;articolo sulle <a href=\"https:\/\/www.gironi.it\/blog\/analisi-delle-serie-storiche0-e-previsioni-di-serie-temporali-in-r-con-il-metodo-holt-winters\/\">serie storiche<\/a>: decomporre la serie con <code>decompose()<\/code> o <code>stl()<\/code>, togliere la stagionalit\u00e0, guardare il trend. Peccato che con due anni di dati <code>stl()<\/code> si fermi con un errore. E due anni sono il caso pi\u00f9 comune che esista: Search Console conserva circa sedici mesi, molti siti hanno GA4 da poco, i report annuali confrontano un anno con il precedente.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">I numeri di questo articolo sono simulati, ma la forma del problema \u00e8 quella dei report veri. Vediamo come si toglie la stagionalit\u00e0 quando di stagioni, per cos\u00ec dire, ce ne sono soltanto due.<\/p>\n\n\n\n<!--more-->\n\n\n\n<p class=\"wp-block-paragraph\"><strong>In sintesi:<\/strong> con soli 24 mesi la decomposizione classica non \u00e8 utilizzabile, perch\u00e9 per stimare la componente stagionale di gennaio servono pi\u00f9 gennaio. Il confronto <strong>anno su anno<\/strong> risolve il problema per costruzione: ogni mese si confronta con lo stesso mese dell&#8217;anno prima, e la stagionalit\u00e0 si annulla nel rapporto. L&#8217;incertezza di ogni rapporto si stima con un intervallo di Poisson; la tendenza dell&#8217;anno con una <strong>regressione sul log-rapporto<\/strong>, pesata per la dimensione del mese. Nel nostro esempio il calo annuo dell&#8217;11,8% \u00e8 tutto nella prima met\u00e0: \u221225,1% da gennaio a giugno, +1,3% da luglio a dicembre, con un miglioramento di 3,7 punti percentuali al mese (p = 0,0003).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Di cosa parleremo<\/strong>:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"#perche\">Perch\u00e9 con due anni la decomposizione non funziona<\/a><\/li><li><a href=\"#confronto\">Il confronto con lo stesso mese dell&#8217;anno prima<\/a><\/li><li><a href=\"#incertezza\">Quanto \u00e8 incerto ogni rapporto<\/a><\/li><li><a href=\"#tendenza\">L&#8217;anno migliora o peggiora? La regressione sul log-rapporto<\/a><\/li><li><a href=\"#due-tempi\">Un anno in due tempi<\/a><\/li><li><a href=\"#giornalieri\">E con i dati giornalieri?<\/a><\/li><li><a href=\"#domande-frequenti\">Domande frequenti<\/a><\/li><li><a href=\"#prova-tu\">Prova tu<\/a><\/li><li><a href=\"#per-approfondire\">Per approfondire<\/a><\/li><\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"perche\">Perch\u00e9 con due anni la decomposizione non funziona<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La decomposizione classica separa una serie in tre pezzi: il <strong>trend<\/strong> (dove sta andando, al netto delle oscillazioni), la <strong>stagionalit\u00e0<\/strong> (il profilo che si ripete ogni anno) e il <strong>residuo<\/strong> (quello che resta). Per stimare il profilo stagionale di gennaio, il metodo ha bisogno di confrontare pi\u00f9 gennaio fra loro: con un solo gennaio per ogni anno, e due anni in tutto, ha due osservazioni per mese e nessun modo di distinguere \u00abgennaio \u00e8 basso per la stagione\u00bb da \u00abgennaio di quest&#8217;anno \u00e8 basso perch\u00e9 \u00e8 cambiato qualcosa\u00bb.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Non \u00e8 una limitazione del software, \u00e8 una limitazione dell&#8217;informazione disponibile. E il software lo dice senza tanti giri di parole. Simuliamo 24 mesi di clic con una stagionalit\u00e0 moltiplicativa e un calo nel secondo anno:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>stagionale &lt;- c(1.08, 0.94, 1.04, 0.90, 1.02, 0.86,\n                0.70, 0.66, 1.06, 1.16, 1.22, 1.12)\nbase &lt;- 9000\nmese &lt;- rep(1:12, 2)\nlivello &lt;- c(rep(1, 12), rep(0.75, 6), rep(1, 6))\n\nset.seed(2026)\nclic &lt;- rpois(24, base * stagionale[mese] * livello)<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Proviamo la decomposizione:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>stl(ts(clic, frequency = 12), s.window = \"periodic\")\n# Errore: la serie non \u00e8 periodica o ha meno di due periodi<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">L&#8217;errore \u00e8 netto, e vale la pena leggerlo come un&#8217;informazione: <em>non ci sono abbastanza stagioni per stimare la stagione<\/em>. Con 36 o 48 mesi le cose migliorano, ma restano fragili, e il caso dei 24 mesi \u2014 quello che arriva sulla scrivania ogni gennaio \u2014 resta scoperto.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"confronto\">Il confronto con lo stesso mese dell&#8217;anno prima<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 una soluzione pi\u00f9 semplice della decomposizione, e funziona proprio perch\u00e9 non stima nulla: <strong>confrontare ogni mese con lo stesso mese dell&#8217;anno precedente<\/strong>. Se dicembre \u00e8 sempre il mese pi\u00f9 alto dell&#8217;anno, dicembre di quest&#8217;anno contro dicembre dell&#8217;anno scorso non risente del fatto che dicembre \u00e8 alto: il fattore stagionale \u00e8 presente in entrambi i termini e si semplifica nel rapporto.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In formule, per il mese <em>t<\/em> del secondo anno:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\\(r_t = \\frac{x_t}{x_{t-12}}\\)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">dove x_t \u00e8 il valore del mese considerato e x_{t-12} lo stesso mese dell&#8217;anno prima. Un rapporto di 1 significa \u00abstesso livello\u00bb, 0,90 \u00abdieci punti percentuali in meno\u00bb, 1,05 \u00abcinque punti in pi\u00f9\u00bb. Il prezzo da pagare \u00e8 un&#8217;ipotesi: che la forma della stagionalit\u00e0 sia rimasta la stessa nei due anni. Ne riparliamo fra poco, perch\u00e9 \u00e8 l&#8217;ipotesi su cui si regge tutto.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Calcoliamo i dodici rapporti sul nostro esempio:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>rapporto &lt;- clic[13:24] \/ clic[1:12]\nround(rapporto, 3)\n#  [1] 0.751 0.761 0.758 0.754 0.745 0.724\n#  [7] 1.005 1.031 1.022 1.003 1.017 1.004<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">La lettura \u00e8 immediata, ed \u00e8 anche il motivo per cui questo metodo conviene rispetto alla decomposizione: i primi sei mesi sono tutti intorno a 0,75, gli ultimi sei intorno a 1,00. Un calo del 25% che dura sei mesi e poi sparisce. <br>Il totale annuo, intanto, racconta tutt&#8217;altro: 93.101 clic contro 105.570, cio\u00e8 \u221211,8%. La media fra un \u221225% e un +1% produce un numero che non descrive nessuno dei due periodi.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/www.gironi.it\/blog\/wp-content\/uploads\/2026\/11\/anno-su-anno-serie.png\" alt=\"I due anni sovrapposti per mese di calendario: la stagionalit\u00e0 (agosto basso, novembre alto) pesa pi\u00f9 del calo, che si vede solo nei primi sei mesi.\"\/><figcaption class=\"wp-element-caption\">I due anni sovrapposti per mese di calendario: la stagionalit\u00e0 (agosto basso, novembre alto) pesa pi\u00f9 del calo, che si vede solo nei primi sei mesi.<\/figcaption><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"incertezza\">Quanto \u00e8 incerto ogni rapporto<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un rapporto calcolato su qualche migliaio di clic non \u00e8 un numero esatto. Come nel <a href=\"https:\/\/www.gironi.it\/blog\/confrontare-conteggi-poisson\/\">confronto fra due periodi<\/a> di cui abbiamo parlato, ogni rapporto va accompagnato da un intervallo di confidenza. Lo strumento \u00e8 lo stesso: un test di Poisson fra due conteggi, applicato mese per mese.<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>ic &lt;- t(mapply(function(a, b) poisson.test(c(a, b))$conf.int,\n               clic[13:24], clic[1:12]))<\/code><\/pre>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Mese<\/th><th>Rapporto<\/th><th>Intervallo al 95%<\/th><\/tr><\/thead><tbody><tr><td>Gennaio<\/td><td>0,751<\/td><td>0,73\u20130,77<\/td><\/tr><tr><td>Febbraio<\/td><td>0,761<\/td><td>0,74\u20130,79<\/td><\/tr><tr><td>Marzo<\/td><td>0,758<\/td><td>0,73\u20130,78<\/td><\/tr><tr><td>Aprile<\/td><td>0,754<\/td><td>0,73\u20130,78<\/td><\/tr><tr><td>Maggio<\/td><td>0,745<\/td><td>0,72\u20130,77<\/td><\/tr><tr><td>Giugno<\/td><td>0,724<\/td><td>0,70\u20130,75<\/td><\/tr><tr><td>Luglio<\/td><td>1,005<\/td><td>0,97\u20131,04<\/td><\/tr><tr><td>Agosto<\/td><td>1,031<\/td><td>0,99\u20131,07<\/td><\/tr><tr><td>Settembre<\/td><td>1,022<\/td><td>0,99\u20131,05<\/td><\/tr><tr><td>Ottobre<\/td><td>1,003<\/td><td>0,98\u20131,03<\/td><\/tr><tr><td>Novembre<\/td><td>1,017<\/td><td>0,99\u20131,04<\/td><\/tr><tr><td>Dicembre<\/td><td>1,004<\/td><td>0,98\u20131,03<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Il messaggio \u00e8 pi\u00f9 forte di quello del solo rapporto: i primi sei intervalli stanno tutti sotto 1, gli ultimi sei tutti intorno a 1. <strong>Non \u00e8 una questione di sfumature: da gennaio a giugno il calo c&#8217;\u00e8, da luglio a dicembre non c&#8217;\u00e8.<\/strong> Con questi volumi l&#8217;incertezza \u00e8 abbastanza stretta da permettere affermazioni nette; con un sito dieci volte pi\u00f9 piccolo gli stessi intervalli si allargherebbero e alcune conclusioni andrebbero sospese.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/www.gironi.it\/blog\/wp-content\/uploads\/2026\/11\/anno-su-anno-rapporti.png\" alt=\"Il rapporto anno su anno per ciascun mese, con intervallo di confidenza: sei mesi sotto la linea dell'1, sei mesi sopra. La retta \u00e8 la tendenza del secondo anno.\"\/><figcaption class=\"wp-element-caption\">Il rapporto anno su anno per ciascun mese, con intervallo di confidenza: sei mesi sotto la linea dell&#8217;1, sei mesi sopra. La retta \u00e8 la tendenza del secondo anno.<\/figcaption><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"tendenza\">L&#8217;anno migliora o peggiora? La regressione sul log-rapporto<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">I dodici rapporti raccontano una storia, ma una storia ha bisogno di una sintesi. La domanda utile \u00e8: <strong>il confronto con l&#8217;anno prima sta migliorando mese dopo mese, o l&#8217;andamento \u00e8 un&#8217;oscillazione?<\/strong> Per rispondere mettiamo in relazione il logaritmo del rapporto con il mese, e pesiamo ogni mese per la sua dimensione: un mese con 10.000 clic deve contare pi\u00f9 di un mese con 6.000.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Perch\u00e9 il logaritmo? Perch\u00e9 i rapporti si moltiplicano, non si sommano: passare da 0,75 a 0,80 non \u00e8 lo stesso salto di passare da 1,00 a 1,05, e sul logaritmo le variazioni percentuali diventano differenze. Il modello \u00e8:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\\(\\log(r_t) = a + b \\cdot t + \\varepsilon_t\\)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">dove t \u00e8 il mese del secondo anno (da 1 a 12), b \u00e8 la variazione mensile del log-rapporto e \u03b5_t \u00e8 l&#8217;errore. La pendenza b, una volta esponenziata, si legge direttamente come variazione percentuale al mese. Lo stimo in R:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>modello &lt;- lm(log(rapporto) ~ I(1:12), weights = clic[1:12])\nexp(coef(modello)[2]) - 1\n# [1] 0.0367\nexp(confint(modello)[2, ]) - 1\n# [1] 0.0212 0.0524\nsummary(modello)$coefficients[2, 4]\n# [1] 0.00033<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Il risultato si legge cos\u00ec: <strong>il confronto con l&#8217;anno prima migliora di 3,7 punti percentuali al mese<\/strong>, con un intervallo da 2,1 a 5,2 e un p-value di 0,0003. Non \u00e8 un&#8217;oscillazione: \u00e8 una tendenza. Prolungando la pendenza per dodici mesi si otterrebbe un recupero del 54% (1,037 elevato alla dodicesima), ma \u00e8 un esercizio che vale poco: la pendenza descrive il tratto osservato, non garantisce che il recupero continui.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 una sottigliezza che vale la pena tenere a mente. La pendenza misura <em>quanto<\/em> il confronto migliora, non <em>perch\u00e9<\/em>. Un calo che finisce di colpo a luglio produce la stessa pendenza di un recupero graduale distribuito su dodici mesi. La regressione sintetizza, non racconta: per capire la forma bisogna tornare al grafico dei rapporti.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"due-tempi\">Un anno in due tempi<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">A questo punto la conclusione operativa \u00e8 pronta, e non \u00e8 \u00abl&#8217;anno \u00e8 calato dell&#8217;11,8%\u00bb. \u00c8: <strong>il primo semestre ha perso un quarto dei clic, il secondo \u00e8 in linea con l&#8217;anno prima<\/strong>. Nel dettaglio, i primi sei mesi passano da 52.399 a 39.257 clic (\u221225,1%), gli ultimi sei da 53.171 a 53.844 (+1,3%).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Questa lettura cambia le domande da fare. Se il calo fosse stato uniforme, avremmo cercato una causa che agisce tutto l&#8217;anno: una migrazione, un cambio di algoritmo, un trend di mercato. Un calo concentrato nella prima met\u00e0 dell&#8217;anno, che poi si esaurisce, punta invece a un evento con una data: qualcosa che \u00e8 cominciato prima di gennaio e ha smesso di agire intorno a luglio. <br>Il report annuale non lo avrebbe mai detto. Il confronto anno su anno s\u00ec, e senza bisogno di decomposizioni impossibili.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"giornalieri\">E con i dati giornalieri?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">C&#8217;\u00e8 un&#8217;alternativa che a volte si rivela utile: lavorare sui dati giornalieri. Con 730 giorni a disposizione la decomposizione non si blocca, perch\u00e9 la stagionalit\u00e0 settimanale ha decine di cicli:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>stl(ts(clic_giornalieri, frequency = 7), s.window = \"periodic\")<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">Questa decomposizione toglie il profilo <strong>settimanale<\/strong> \u2014 luned\u00ec diverso da sabato \u2014 che \u00e8 spesso la fonte di rumore pi\u00f9 fastidiosa nei dati giornalieri. Non toglie per\u00f2 la stagionalit\u00e0 <strong>annuale<\/strong>, che resta l\u00ec, e con due anni di dati non \u00e8 stimabile nemmeno sui giorni. Pu\u00f2 essere un buon complemento, non un sostituto del confronto mese su mese omologo.<\/p>\n\n\n\n<div class=\"wp-block-group has-background\" style=\"background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1.5rem;padding-left:1.5rem\"><div class=\"wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow\">\n<p>Un avvertimento: il confronto anno su anno toglie la stagionalit\u00e0 solo se la stagione \u00e8 la stessa nei due anni. Un cambio nel modo di misurare (il consenso ai cookie, un filtro nuovo, una modifica nella definizione di conversione) o un evento unico (una campagna, un lancio, una pandemia) entrano nel rapporto come se fossero stagione o tendenza. Prima di attribuire il calo al sito, vale la pena chiedersi se nello stesso periodo \u00e8 cambiato il metro.<\/p>\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"domande-frequenti\">Domande frequenti<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Con tre o quattro anni di dati la decomposizione funziona meglio?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">S\u00ec, e con quattro anni <code>stl()<\/code> diventa utilizzabile. Ma il confronto anno su anno resta pi\u00f9 leggibile quando la domanda \u00e8 \u00abrispetto all&#8217;anno prima come stiamo andando\u00bb, perch\u00e9 non richiede di scegliere una finestra o un metodo di lisciamento. Con serie lunghe i due approcci si completano: la decomposizione racconta la forma, il confronto anno su anno risponde alla domanda operativa.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Il confronto anno su anno va bene anche per dati settimanali o giornalieri?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">S\u00ec, basta confrontare la stessa settimana o lo stesso giorno dell&#8217;anno prima, con l&#8217;accortezza che la Pasqua e le festivit\u00e0 mobili cadono in date diverse. Per i dati giornalieri il rumore \u00e8 alto e servono finestre pi\u00f9 larghe: una media mobile a sette giorni prima del confronto \u00e8 spesso necessaria.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Come si legge un rapporto di 0,88?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Come un calo del 12%: il rapporto \u00e8 il livello del periodo recente rispetto a quello precedente, quindi 0,88 significa che stiamo all&#8217;88% di prima. Per passare dal rapporto alla variazione percentuale basta sottrarre 1. Il rapporto \u00e8 comodo perch\u00e9 si moltiplica e si confronta su scala logaritmica; la variazione percentuale \u00e8 comoda perch\u00e9 si legge nel report.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Se la stagionalit\u00e0 cambia nel tempo?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">\u00c8 il limite principale del metodo. Se il profilo stagionale si \u00e8 spostato \u2014 per esempio perch\u00e9 un contenuto che era forte in autunno ora lo \u00e8 in primavera \u2014 il rapporto anno su anno attribuisce al trend quello che \u00e8 un cambio di stagione. Un controllo rapido: guardare se i rapporti mensili hanno un andamento regolare o se saltano senza una logica. I salti sono un segnale da verificare.<\/p>\n\n\n\n<script type=\"application\/ld+json\">{\"@context\": \"https:\/\/schema.org\", \"@type\": \"FAQPage\", \"mainEntity\": [{\"@type\": \"Question\", \"name\": \"Con tre o quattro anni di dati la decomposizione funziona meglio?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"S\u00ec, e con quattro anni stl() diventa utilizzabile. Ma il confronto anno su anno resta pi\u00f9 leggibile quando la domanda \u00e8 \u00abrispetto all'anno prima come stiamo andando\u00bb, perch\u00e9 non richiede di scegliere una finestra o un metodo di lisciamento. Con serie lunghe i due approcci si completano: la decomposizione racconta la forma, il confronto anno su anno risponde alla domanda operativa.\"}}, {\"@type\": \"Question\", \"name\": \"Il confronto anno su anno va bene anche per dati settimanali o giornalieri?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"S\u00ec, basta confrontare la stessa settimana o lo stesso giorno dell'anno prima, con l'accortezza che la Pasqua e le festivit\u00e0 mobili cadono in date diverse. Per i dati giornalieri il rumore \u00e8 alto e servono finestre pi\u00f9 larghe: una media mobile a sette giorni prima del confronto \u00e8 spesso necessaria.\"}}, {\"@type\": \"Question\", \"name\": \"Come si legge un rapporto di 0,88?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"Come un calo del 12%: il rapporto \u00e8 il livello del periodo recente rispetto a quello precedente, quindi 0,88 significa che stiamo all'88% di prima. Per passare dal rapporto alla variazione percentuale basta sottrarre 1. Il rapporto \u00e8 comodo perch\u00e9 si moltiplica e si confronta su scala logaritmica; la variazione percentuale \u00e8 comoda perch\u00e9 si legge nel report.\"}}, {\"@type\": \"Question\", \"name\": \"Se la stagionalit\u00e0 cambia nel tempo?\", \"acceptedAnswer\": {\"@type\": \"Answer\", \"text\": \"\u00c8 il limite principale del metodo. Se il profilo stagionale si \u00e8 spostato \u2014 per esempio perch\u00e9 un contenuto che era forte in autunno ora lo \u00e8 in primavera \u2014 il rapporto anno su anno attribuisce al trend quello che \u00e8 un cambio di stagione. Un controllo rapido: guardare se i rapporti mensili hanno un andamento regolare o se saltano senza una logica. I salti sono un segnale da verificare.\"}}]}<\/script>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"prova-tu\">Prova tu<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Riprendiamo i dati simulati e togliamo un mese: cosa succede alla pendenza se il recupero fosse cominciato a settembre invece che a luglio?<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>livello &lt;- c(rep(1, 12), rep(0.75, 8), rep(1, 4))\nset.seed(2026)\nclic2 &lt;- rpois(24, base * stagionale[mese] * livello)\nrapporto2 &lt;- clic2[13:24] \/ clic2[1:12]\nmodello2 &lt;- lm(log(rapporto2) ~ I(1:12), weights = clic2[1:12])\nexp(coef(modello2)[2]) - 1<\/code><\/pre>\n\n\n\n<p class=\"wp-block-paragraph\">La pendenza cambia, ma resta positiva: la regressione misura il miglioramento medio, non la data in cui \u00e8 successo. \u00c8 il motivo per cui il grafico dei rapporti resta indispensabile. Un secondo esercizio: rifare il confronto con 36 mesi simulati e verificare che <code>stl()<\/code> questa volta parta, confrontando il trend estratto con i rapporti anno su anno.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p class=\"wp-block-paragraph\">Resta un dubbio che il confronto anno su anno non \u00e8 in grado di sciogliere: il calo potrebbe non essere del sito, ma del <strong>metro<\/strong>. Se nello stesso periodo \u00e8 cambiato il modo in cui Google conta le impressioni, o il consenso ai cookie ha dimezzato le sessioni misurate, il rapporto anno su anno registra un cambiamento che non \u00e8 del fenomeno. \u00c8 il tema del prossimo passo: riconoscere le rotture strutturali e non confonderle con un calo.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"per-approfondire\">Per approfondire<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Per chi vuole trattare le serie storiche con un testo che unisce intuizione e rigore, <a href=\"https:\/\/www.amazon.it\/dp\/8891906190?tag=consulenzeinf-21&amp;ascsubtag=confronto-anno-su-anno\" rel=\"nofollow sponsored noopener\" target=\"_blank\"><em>Introduzione all&#8217;econometria<\/em><\/a> di Stock e Watson dedica ampio spazio alla stagionalit\u00e0, alle trasformazioni logaritmiche e alle regressioni su serie temporali: \u00e8 il ponte naturale fra questo articolo e i modelli pi\u00f9 avanzati. Per capire invece perch\u00e9 le previsioni vanno prese con prudenza, e quanto contino le ipotesi nascoste in ogni modello, <a href=\"https:\/\/www.amazon.it\/dp\/8860443865?tag=consulenzeinf-21&amp;ascsubtag=confronto-anno-su-anno\" rel=\"nofollow sponsored noopener\" target=\"_blank\"><em>Il segnale e il rumore<\/em><\/a> di Nate Silver \u00e8 una lettura che consiglio a chiunque faccia report.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Un report annuale si chiude spesso con una riga sola: i clic da Google sono scesi dell&#8217;11,8% rispetto all&#8217;anno prima. La riga \u00e8 vera, ma non dice niente su dove sia successo. Il calo pu\u00f2 essere concentrato in sei mesi e sparire negli altri, pu\u00f2 essere cominciato a marzo, pu\u00f2 essere la coda di un &hellip; <a href=\"https:\/\/www.gironi.it\/blog\/confronto-anno-su-anno\/\" class=\"more-link\">Leggi tutto<span class=\"screen-reader-text\"> &#8220;Due anni di dati e una stagionalit\u00e0 da togliere: il confronto anno su anno, fatto bene&#8221;<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","footnotes":""},"categories":[629],"tags":[],"class_list":["post-4566","post","type-post","status-publish","format-standard","hentry","category-statistica-it"],"lang":"it","translations":{"it":4566,"en":4576},"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"post-thumbnail":false},"uagb_author_info":{"display_name":"Paolo Gironi","author_link":"https:\/\/www.gironi.it\/blog\/author\/autore-articoli\/"},"uagb_comment_info":0,"uagb_excerpt":"Un report annuale si chiude spesso con una riga sola: i clic da Google sono scesi dell&#8217;11,8% rispetto all&#8217;anno prima. La riga \u00e8 vera, ma non dice niente su dove sia successo. Il calo pu\u00f2 essere concentrato in sei mesi e sparire negli altri, pu\u00f2 essere cominciato a marzo, pu\u00f2 essere la coda di un&hellip;","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/4566","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/comments?post=4566"}],"version-history":[{"count":2,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/4566\/revisions"}],"predecessor-version":[{"id":4574,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/4566\/revisions\/4574"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=4566"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/categories?post=4566"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/tags?post=4566"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}