Che cos’è un livello semantico?
Pensatelo come il regolamento dei vostri dati. Registra che cosa significa ogni metrica, come viene calcolata e come le fonti si combinano, così una dashboard, un analista e uno strumento di IA applicano tutti le stesse regole invece di reinventarle ciascuno per conto proprio.
Senza un livello semantico, ogni team costruisce i propri calcoli. Un analista calcola il ROAS al netto dei resi, un altro no. Un mercato chiama una campagna «Summer Sale», un altro «SS_2026_Promo». I dati sono gli stessi, ma le risposte sono diverse, e la prima parte di ogni riunione serve a decidere quale numero sia giusto.
Un livello semantico risolve il problema al livello delle definizioni. La logica risiede in un unico punto e tutto il resto la legge da lì.
Come funziona un livello semantico?
Un livello semantico si colloca tra il luogo in cui i dati sono archiviati e quello in cui vengono usati. Non sostituisce il data warehouse né copia i dati altrove. Descrive i dati: quali tabelle si collegano, che cosa significa ogni campo e come viene calcolata ogni metrica. Quando una dashboard, un analista o un agente IA chiede un numero, il livello semantico fornisce la definizione, così la risposta è la stessa indipendentemente da chi ha chiesto.
Che cosa definisce un livello semantico
| Componente | Che cosa copre | Esempio |
|---|---|---|
| Definizioni delle metriche | Come viene calcolato ogni KPI | ROAS, CPA, tasso di conversione, costo per lead |
| Entità di business | Gli elementi a cui appartengono le performance | Account, campagna, gruppo di annunci, annuncio, parola chiave |
| Relazioni | Come si combinano i dati di fonti diverse | Statistiche degli annunci collegate alla campagna e all’account a cui appartengono |
| Calendari | Come l’azienda conta il tempo | Calendario fiscale, calendario promozionale |
| Mappature e tassonomia | Come le etichette delle piattaforme corrispondono alle categorie di business | Canale media, fase del funnel, tipo di campagna, regione |
Dai dati grezzi alle risposte condivise
- Collegare le fonti. I dati di performance e di business arrivano da ogni piattaforma.
- Modellare le relazioni. Le tabelle vengono collegate a entità e calendari condivisi, così i dati di piattaforme diverse si combinano.
- Definire ogni metrica una sola volta. La logica dei KPI viene impostata una volta, per ogni team, regione e valuta.
- Servire ogni strumento. Dashboard, analisi ad hoc e strumenti di IA leggono tutti le stesse definizioni.
Qual è un esempio di livello semantico?
Due situazioni mostrano che cosa cambia in pratica un livello semantico.
Una metrica, una definizione
Il marketing riporta un ROAS di 4,1. Il team finance riporta 3,6. Entrambi sono «giusti»: il marketing usa i ricavi riportati dalle piattaforme, mentre il team finance esclude i resi.
Con un livello semantico, l’azienda definisce il ROAS una sola volta (ad esempio al netto dei resi, in un’unica valuta), e ogni dashboard, presentazione e risposta dell’IA usa quella definizione. I due numeri diventano uno.
Una campagna, cinque nomi
Un brand globale lancia una promozione estiva in cinque mercati, e ogni mercato la chiama in modo diverso: «Summer Sale», «SS_2026», «Ete_Promo» e così via.
Un livello semantico associa ogni variante a un’unica categoria di business, così il team globale vede una campagna con un unico totale, anziché cinque frammenti da riconciliare a mano.
Livello semantico vs. data warehouse vs. strumento di BI
Aggiungere un livello semantico non significa rinunciare al warehouse o allo strumento di BI. Ognuno svolge un compito diverso.
| Data warehouse | Definizioni all’interno di uno strumento di BI | Livello semantico | |
|---|---|---|---|
| Funzione principale | Archivia i dati | Visualizza i dati | Definisce che cosa significano i dati |
| Dove risiede la logica di business | Nelle query scritte dalle persone | In ogni dashboard o report | In un unico punto condiviso |
| Quando una definizione cambia | Aggiornare ogni query | Ricostruire ogni vista | Aggiornarla una volta |
| Coerenza tra gli strumenti | Dipende da chi ha scritto la query | Limitata a quello strumento | Ogni strumento collegato usa la stessa logica |
| Uso da parte di IA e agenti | Serve qualcuno che spieghi le tabelle | Bloccate all’interno dello strumento | Dà all’IA le stesse definizioni usate dalle persone |
Perché un livello semantico è importante per il marketing e l’IA?
I dati di marketing provengono da un numero insolitamente elevato di fonti e formati. Ogni piattaforma pubblicitaria definisce le metriche a modo suo, e ogni mercato dà nomi diversi alle cose. Senza definizioni condivise, il reporting tra canali e mercati si trasforma in riconciliazione, e i leader perdono fiducia nei numeri.
- Decisioni più rapide. Quando tutti si fidano dei numeri, le riunioni passano subito a che cosa fare dopo.
- Meno discrepanze nei report. Una logica condivisa fa sì che i report di team diversi concordino.
- Confronti equi. Canali, regioni e brand vengono misurati con lo stesso metro.
- Risposte dell’IA migliori. Quando un assistente IA e una dashboard leggono le stesse definizioni, nessuno deve decidere a quale credere.
Come lo fa Alli?
Semantic Layer di Alli by PMG è un livello semantico pensato per il marketing. Definisce i KPI una sola volta, modella il collegamento dei dati di performance a campagne, annunci, account e calendari, e include Categorizations, che riconduce le denominazioni delle piattaforme a un’unica tassonomia in linguaggio chiaro senza tagging manuale.
Ogni dashboard, vista di Data Explorer, risposta di Ask Alli, alert e strumento di pianificazione in Alli legge quelle stesse definizioni, così i numeri concordano tra team, regioni e valute.
Esplorate Alli Semantic LayerDomande frequenti sul livello semantico
Un livello semantico è la stessa cosa di un livello delle metriche?
In gran parte. Il livello delle metriche indica di solito la parte di un livello semantico che definisce i KPI e il modo in cui vengono calcolati. Un livello semantico in genere copre di più: entità di business, relazioni tra le fonti di dati, calendari e il modo in cui le etichette delle piattaforme corrispondono alle categorie di business.
Qual è la differenza tra un livello semantico e un data warehouse?
Un data warehouse archivia i dati. Un livello semantico definisce che cosa significano quei dati e come calcolarne le metriche. La maggior parte dei team usa entrambi: il warehouse contiene i dati e il livello semantico fa sì che ogni strumento li legga allo stesso modo.
Serve un livello semantico se abbiamo già delle convenzioni di denominazione?
Le convenzioni di denominazione aiutano, ma dipendono dal fatto che tutti le rispettino, e cedono quando i mercati si muovono in fretta o le piattaforme cambiano i campi. Un livello semantico applica le regole in un unico punto, così i dati vengono mappati in modo coerente anche quando i nomi in ingresso non lo sono.
In che modo un livello semantico aiuta gli strumenti di IA?
Gli strumenti di IA rispondono in base alle definizioni che ricevono. Se queste definizioni variano da uno strumento all’altro, varieranno anche le risposte dell’IA. Un livello semantico dà all’IA le stesse definizioni governate usate dalle persone, così la risposta di un assistente IA corrisponde a quella della dashboard.
Chi gestisce di solito un livello semantico?
Di solito lo mantengono i team dati e analytics, con il contributo di marketing e finance su come definire ogni KPI. L’obiettivo è che una definizione venga concordata una volta e modificata in modo intenzionale, non ricostruita in ogni foglio di calcolo.
Ultimo aggiornamento: Torna al glossario