Le citazioni su ChatGPT non dicono niente sulle vendite

Il doppio delle citazioni nei chatbot, ma senza test di incremento le vendite restano un’incognita

Quando Loftie ha inserito una domanda secca nel sondaggio post-acquisto del marchio – «Hai sentito parlare di noi per la prima volta tramite ChatGPT o Gemini?» – la risposta è stata un’esile rilevazione iniziale dell’1,5%. Sei mesi dopo, ha fatto esultare i marketer: il volume delle menzioni era raddoppiato. Ma la domanda che nessuno osava porre è se quelle vendite sarebbero arrivate comunque.

Il caso Loftie non è isolato. La rincorsa alle citazioni nei motori di risposta sta diventando il nuovo SEO-washing: si tracciano apparenze, si contano comparse, ma senza un framework di incrementality quei numeri restano inchiostro simpatico. Lo ha capito l’agente AI Mariah, diretto da Hassett per interrogare ogni mese tutti i principali modelli con query calibrate come «una sveglia per dormienti leggeri». Mariah misurava la frequenza delle menzioni, ma senza un corrispettivo test di holdout non poteva rispondere alla domanda chiave: quanti di quegli acquirenti avrebbero cliccato “acquista” anche senza il suggerimento dell’AI?

Il doppio delle citazioni, ma la domanda vera resta senza risposta

«Tutti stanno cercando di capire: è abbastanza grande per me da prestare attenzione, e se sì, cosa faccio per sfruttarlo al meglio?» sintetizza Drabicky. E subito avverte: la misurazione del traffico di ricerca AI è ancora «i 47 passi avanti di Drabicky». Intanto la dashboard di Shopify traccia vendite e conversioni dai canali di shopping AI, e strumenti come lo strumento Kasper lanciano le 1.000 query mensili di Kasper per generare le schede di azione generate da Kasper per migliorare la visibilità.

Ma tutto questo risponde al «quanto siamo citati», non al «quanto vendiamo in più».

Cusson conferma il sentimento: «le richieste nelle sale riunioni» sono un pressing costante su “Siamo raccomandati da ChatGPT?”. E la minaccia è reale per i grandi CPG, perché la sfida dei concorrenti nativi digitali performa molto meglio nei risultati dell’AI generativa.

Il controllo della domanda marginale: Walmart insegna

Mentre i brand CPG rincorrono dashboard, Walmart ha imboccato la strada opposta. Jesse Math, VP delle partnership strategiche di Keen Decision Systems, osserva che Walmart si affida meno a terze parti per l’attivazione dei propri dati e punta a governare l’intera catena, dall’attivazione all’impatto a valle (approfondimento sul retail media di Walmart). In pratica, non misura solo l’impressione generata dall’AI, ma l’effetto netto sulle vendite: un test di incrementality integrato nel retail media. In un altro intervento, lo stesso dirigente ha ribadito che Walmart sta prendendo il controllo dei dati e delle capacità di misurazione, come documentato nell’analisi sull’uso dei dati shopper per provare le vendite TV.

Il salto culturale è netto: non chiedersi più “l’AI mi cita?” ma “l’AI mi fa vendere ciò che altrimenti non avrei venduto?”.

Quando il gruppo di controllo compra comunque

La risposta tecnica a questa domanda ha un nome: l’incrementality testing. Il metodo non ha nulla di esoterico: si confronta un gruppo esposto a un contenuto (un annuncio, una raccomandazione AI) con un gruppo di controllo statisticamente gemello ma non esposto. La domanda chiave dell’incrementality testing è brutale: se quella raccomandazione non fosse mai esistita, i clienti avrebbero comprato lo stesso?

Se il gruppo di controllo converte quasi allo stesso tasso del gruppo esposto, la campagna non ha generato domanda incrementale ma solo spesa ridondante. È la logica dell’incremento nullo che manda in frantumi i report di attribuzione last-click. Drabicky ribadisce: «Più sei coerente nella tua misurazione, più sei coerente nei tuoi sforzi, puoi ottenere la coerenza nella misurazione di Drabicky». E aggiunge: «Se stai preparando un’organizzazione per il futuro, dovresti prestare attenzione al traffico AI ora, non perché vedi il beneficio ora, ma perché il beneficio arriverà in futuro» (la preparazione per il futuro di Drabicky).

I brand che hanno già spostato il baricentro sull’incrementality non perdono vendite: guadagnano la chiarezza guadagnata dai brand su cosa funziona davvero. Il che significa riconoscere, prima o poi, che una quota delle raccomandazioni AI che oggi riempiono i dashboard finirà catalogata non come conquista, ma come rumore ben confezionato.

Quello che ancora manca è un framework universale per isolare la voce dell’AI generativa nel marketing mix. Modelli di attribuzione multi-touch e MMM faticano a incorporare segnali conversazionali non click-based. E mentre qualcuno già progetta holdout specifici per le risposte dei chatbot, la maggior parte dei brand naviga a vista, accumulando dati di apparenza senza aver mai misurato un euro di vendita marginale. Forse è arrivato il momento di chiedersi non quanto spesso ChatGPT pronuncia il nome del brand, ma se smettesse del tutto di farlo, domani, qualcuno in azienda se ne accorgerebbe dai conti.