Biblioteca delle evidenze

Quindici articoli letti integralmente e tradotti in decisioni di prodotto delimitate.

American Economic Review · 2011-10

Bayesian Persuasion

Apri scheda delle prove

Domanda di ricerca

Design etico dell'informazione

Metodo

Ricerca teorica · n/a · DOI 10.1257/aer.101.6.2590

Ipotesi

  • Persuasione bayesiana: Modello teorico in cui un mittente si impegna su una struttura informativa prima dell'azione di un destinatario razionale.
  • Mittente e destinatario: Le parti che progettano un segnale e agiscono dopo averlo osservato.
  • Design dell'informazione: Strutturazione deliberata e veritiera di quali informazioni rivelare e quando.
  • Impegno: Ipotesi che la politica informativa sia fissata prima che il risultato sia noto.

Cosa sostengono le prove

Ordina prove vere, incertezza e criteri di esclusione attorno alla decisione; nessun punteggio manipolativo dalla persuasione bayesiana.

Limiti e trasferibilità

Collega affermazioni, prove, incertezza, alternative e idoneità onesta senza punteggio persuasivo. Aiuta pianificazione e trasparenza, non prova che un testo cambi il comportamento.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Aiuta pianificazione e trasparenza, non prova che un testo cambi il comportamento.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Laboratorio prove e posizionamento

Review of Economic Studies · 2017-01

Competition in Persuasion

Apri scheda delle prove

Domanda di ricerca

Posizionamento competitivo

Metodo

Ricerca teorica · n/a · DOI 10.1093/restud/rdw052

Ipotesi

  • Mittente e destinatario: Le parti che progettano un segnale e agiscono dopo averlo osservato.
  • Design dell'informazione: Strutturazione deliberata e veritiera di quali informazioni rivelare e quando.
  • Impegno: Ipotesi che la politica informativa sia fissata prima che il risultato sia noto.

Cosa sostengono le prove

Confronta alternative reali su base comune. La concorrenza può aumentare o ridurre la divulgazione e non produce automaticamente verità.

Limiti e trasferibilità

Collega affermazioni, prove, incertezza, alternative e idoneità onesta senza punteggio persuasivo. Aiuta pianificazione e trasparenza, non prova che un testo cambi il comportamento.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Aiuta pianificazione e trasparenza, non prova che un testo cambi il comportamento.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Laboratorio prove e posizionamento

Experimental Economics · 2024-09-13

Rational inattention in games: experimental evidence

Apri scheda delle prove

Domanda di ricerca

Attenzione razionale e attrito

Metodo

Esperimento controllato · 12 · n=238 · DOI 10.1007/s10683-024-09843-z

Ipotesi

  • Disattenzione razionale: Modelli che bilanciano valore dell'informazione e costo di attenzione o elaborazione.

Cosa sostengono le prove

Esamina posta, familiarità, incertezza, reversibilità e costo informativo. L'esperimento compratore-venditore non crea un indice universale.

Limiti e trasferibilità

Valuta la decisione nel contesto senza assumere che meno opzioni siano sempre migliori. Produce osservazioni e ipotesi, non un punteggio di conversione.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Produce osservazioni e ipotesi, non un punteggio di conversione.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Accesso aperto CC BY 4.0

Come NAVINES lo applica: Laboratorio attrito e architettura della scelta

ACM KDD · 2003

Maximizing the Spread of Influence through a Social Network

Apri scheda delle prove

Domanda di ricerca

Influenza e distribuzione

Metodo

Ricerca algoritmica · Independent Cascade; Linear Threshold; (1−1/e−ε); DOI 10.1145/956750.956769

Ipotesi

  • Massimizzazione dell'influenza: Scelta di nodi seme per massimizzare la diffusione attesa in un grafo e modello specifici.
  • Submodularità: Proprietà di rendimento decrescente aggiungendo lo stesso seme a insiemi più grandi.

Cosa sostengono le prove

Modella un grafo reale con parametri e incertezza. L'approssimazione greedy sotto submodularità non prevede viralità.

Limiti e trasferibilità

Confronta selezione greedy Monte Carlo e grado con ipotesi di diffusione esplicite. La portata dipende da grafo, parametri e modello; non è una previsione di viralità.

Cosa non stabilisce

Non viene calcolato un punteggio universale · La portata dipende da grafo, parametri e modello; non è una previsione di viralità.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Pianificatore di seeding dell'influenza

ACM CHI · 2001

What Makes Web Sites Credible? A Report on a Large Quantitative Study

Apri scheda delle prove

Domanda di ricerca

Prove di credibilità

Metodo

Evidenza comportamentale storica · 1999 · n=1,410 · US/FI · 51 · DOI 10.1145/365024.365037

Ipotesi

Esamina identità, autori, fonti, politiche, usabilità e sicurezza osservabili senza prevedere conversioni.

Cosa sostengono le prove

Mostra identità, autori, fonti, politiche, date, sicurezza e usabilità accessibile. L'evidenza storica non è conversione o ranking.

Limiti e trasferibilità

Esamina identità, autori, fonti, politiche, usabilità e sicurezza osservabili senza prevedere conversioni. L'automazione non verifica competenza, verità, accessibilità completa o percezione umana.

Cosa non stabilisce

Non viene calcolato un punteggio universale · L'automazione non verifica competenza, verità, accessibilità completa o percezione umana.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Audit delle prove di credibilità

Journal of Consumer Research · 2010-10

Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload

Apri scheda delle prove

Domanda di ricerca

Architettura della scelta

Metodo

Meta-analisi · 63 · 50 · N=5,036 · d=.02 · 95% CI −.09… .12 · I²=68% · DOI 10.1086/651235

Ipotesi

  • Sovraccarico di scelta: Possibilità contestuale che più opzioni danneggino la decisione; non regola universale.

Cosa sostengono le prove

Categorizza e rivela gradualmente quando utile, poi testa il contesto. La meta-analisi ha media quasi zero ed elevata eterogeneità.

Limiti e trasferibilità

Valuta la decisione nel contesto senza assumere che meno opzioni siano sempre migliori. Produce osservazioni e ipotesi, non un punteggio di conversione.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Produce osservazioni e ipotesi, non un punteggio di conversione.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Laboratorio attrito e architettura della scelta

Data Mining and Knowledge Discovery · 2009

Controlled experiments on the web: survey and practical guide

Apri scheda delle prove

Domanda di ricerca

Esperimenti controllati

Metodo

Guida operativa agli esperimenti · DOI 10.1007/s10618-008-0114-1

Ipotesi

  • Criterio complessivo di valutazione: Metrica principale predefinita per giudicare l'esperimento nel complesso.
  • Metrica di protezione: Metrica che può bloccare un lancio se peggiora un risultato protetto.

Cosa sostengono le prove

Definisci OEC, guardrail, potenza, assegnazione, rampa e arresto prima dei risultati. Un p-value limite non decide un vincitore.

Limiti e trasferibilità

Definisce ipotesi, unità, metriche, controlli e confronto trasparente tra periodi. Senza assegnazione e dati sufficienti, il risultato orienta ma non dimostra causalità.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Senza assegnazione e dati sufficienti, il risultato orienta ma non dimostra causalità.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

L'editore indica accesso aperto; verificare la licenza di riuso

Come NAVINES lo applica: Pianificatore e confronto di esperimenti SEO

ACM KDD · 2017

A Dirty Dozen: Twelve Common Metric Interpretation Pitfalls in Online Controlled Experiments

Apri scheda delle prove

Domanda di ricerca

Errori di interpretazione

Metodo

Guida operativa agli esperimenti · 12 · Microsoft · DOI 10.1145/3097983.3098024

Ipotesi

  • Mancata corrispondenza del rapporto campionario: Differenza improbabile tra assegnazione osservata e pianificata che può indicare un errore operativo.
  • Effetti di novità e primacy: Risposte temporanee alla novità o all'apprendimento e adattamento nel tempo.
  • Paradosso di Simpson: Inversione tra andamento aggregato e sottogruppi dovuta a pesi o confondimento.
  • Legge di Twyman: Avviso che un risultato straordinariamente sorprendente richiede controlli extra.

Cosa sostengono le prove

Controlla SRM, rapporti, telemetria, potenza, molteplicità, segmenti, outlier, novità, funnel, Simpson e legge di Twyman.

Limiti e trasferibilità

Definisce ipotesi, unità, metriche, controlli e confronto trasparente tra periodi. Senza assegnazione e dati sufficienti, il risultato orienta ma non dimostra causalità.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Senza assegnazione e dati sufficienti, il risultato orienta ma non dimostra causalità.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Pianificatore e confronto di esperimenti SEO

ACM CIKM · 2013

Beyond Clicks: Query Reformulation as a Predictor of Search Satisfaction

Apri scheda delle prove

Domanda di ricerca

Soddisfazione oltre i clic

Metodo

Evidenza comportamentale storica · ≈6,000 · 7,628 · n=218 · DOI 10.1145/2505515.2505682

Ipotesi

  • Riformulazione della query: Query successiva che cambia parole, ambito o termini durante un'attività di ricerca.

Cosa sostengono le prove

Riformulazioni rapide simili possono sostenere ipotesi di sessione. Clic non è successo, silenzio non è soddisfazione e GSC aggregato non è sessione.

Limiti e trasferibilità

Esamina riformulazioni anonime per sessione come ipotesi mantenendo locali le query. Un clic non prova il successo e l'assenza di un'altra query non prova soddisfazione.

Cosa non stabilisce

Non viene calcolato un punteggio universale · Un clic non prova il successo e l'assenza di un'altra query non prova soddisfazione.

Cosa NAVINES ha scelto di non costruire

Non viene calcolato un punteggio universale

Fonti primarie

Copyright editore; solo sintesi e link ufficiale

Come NAVINES lo applica: Analizzatore dell'attrito nel percorso di ricerca

Evidenza rivista il 15 agosto 2026 · Non stabilisce fattori Google attuali né risultati garantiti.

Ricerca

Studi originali con metodo, fonti e limiti espliciti.

Non inseguiamo gli algoritmi. Costruiamo chiarezza, fiducia e visibilità che cresce nel tempo.

Rendere l’intelligenza avanzata della ricerca comprensibile, utile e accessibile, aiutando poi le aziende a trasformarla in azioni misurabili.

Metodo

  • Definisci ambito, ambienti, template critici, dati disponibili e rischi del cambiamento.
  • Raccogli stati HTTP, direttive, canonical, link, rendering, sitemap e dati Search Console.
  • Documenta obiettivi, eventi, dimensioni, responsabili e decisioni legate a ogni metrica.
  • Verifica tag, consenso, fusi orari, filtri e perdite di dati previste.

Limiti

  • Consenso, blocchi, privacy e modellazione rendono i dati incompleti.
  • Search Console aggrega e limita i dati; non registra ogni singola ricerca.
WhatsApp