Il programmatic campa su dati marci

Il targeting IP in CTV fallisce nel 77% dei casi e la frode Phia svela un buco da 12 milioni

Hai presente quando apri il pannello di una DSP e vedi un tracciamento che balla del 30% tra un refresh e l’altro? O quando il CPM su CTV scende di botto e il cliente ti chiede perché il ROAS è migliorato, ma tu sai già che qualcuno ha cambiato fornitore di dati e il target non vale più niente? Il cancro è lì, sotto gli occhi di chi opera, ma il mercato preferisce parlar d’altro: chatbot, agenti AI, modelli generativi. Roba che, stando a un report di Emarketer, porterà ai chatbot standalone appena 5,41 miliardi di dollari entro il 2030. Bruscolini, se confrontati con i budget programmatic che finiscono in un buco nero di dati marci.

Due notizie recenti inchiodano il problema. La prima riguarda la Connected TV, dove chi compra in asta aperta continua a usare l’indirizzo IP come àncora identitaria. La seconda è il caso Phia, uno schema di frode che mostra quanto siano profonde le falle nei modelli di attribuzione dell’affiliate marketing. In entrambe, il minimo comune denominatore è la qualità dei dati. O meglio, la sua assenza.

CTV: l’IP targeting fallisce 3 volte su 4

Secondo uno studio di Adstra e InterMedia Advertising analizzato da una ricerca sulla CTV basata su IP, solo il 23% degli indirizzi IP residenziali centra il target geografico previsto. Tradotto: ogni 100 euro spesi per raggiungere una famiglia a Milano, 77 finiscono fuori bersaglio.

Se gestisci campagne performance, non hai bisogno di un data scientist per capire che il CPA (Cost Per Action) è drogato e il ROAS (Return On Ad Spend) è finto.

Non è solo questione di geolocalizzazione. Lo stesso studio mostra che gli identificatori CTV a livello di dispositivo sono risultati il 24% più consistenti nel tempo rispetto agli indirizzi IP (71% contro 57%). E c’è un dato che dovrebbe far tremare chi compra inventory in programmatic garantito: il 71% degli ID CTV con punteggi elevati nel nuovo framework ID Connection Strength (ICS) ha mantenuto la connessione alla stessa persona mese dopo mese. In pratica, il segnale dispositivo è più stabile e affidabile dell’IP, che cambia o viene condiviso da più nuclei familiari.

Adstra ha costruito ICS proprio per smettere di navigare a vista: assegna un punteggio da 1 a 6 su cinque criteri — recency, frequency, signal integrity, congruency e cardinality. Il framework è in test da gennaio 2026 con un numero imprecisato di brand, agenzie e piattaforme, e sarà disponibile in modo più ampio nel terzo trimestre 2026. Ma il punto non è la tempistica. Il punto è che abbiamo aspettato il 2026 per avere un sistema di scoring che dica al buyer se l’ID che sta comprando rappresenta una persona vera o un fantasma.

«Dovremmo smettere di trattare la qualità dell’identità come un’ipotesi e iniziare a trattarla come uno standard misurabile», ha dichiarato David Nyurenberg, SVP of digital di InterMedia.

A febbraio 2026, uno studio di Truthset citato nella stessa analisi aveva già lanciato l’allarme: quasi il 40% della spesa media in CTV in asta aperta è sprecata a causa di dati identitari inaccurati. Andy Johnson, chief data officer di Adstra, ha messo il dito nella piaga:

«Se non capisci come viene fatto il matching, non hai la capacità di regolare le leve per capire se vuoi aumentare la scala o la fedeltà».

Il caso Phia e quei click che non hai mai fatto

Se il targeting CTV è un problema di igiene dei dati, il caso Phia è una sentenza sul marcio strutturale dell’attribuzione last-click. Secondo quanto riportato da un’inchiesta sullo schema fraudolento di Phia, l’azienda si sarebbe intascata oltre 10 milioni di dollari dai merchant. Il meccanismo? L’estensione iOS Safari di Phia, secondo i test di Capital One Shopping e Edelman, apre schede in background e spara link di tracciamento affiliato senza che l’utente compia alcuna azione esplicita quando visita i siti dei commercianti partecipanti.

Non è un bug. È un modello di business basato su forced clicks. Edelman ha usato parole nette: «I merchant sono vittime di forced clicks» e ha definito il comportamento «misconduct», aggiungendo che «forzare i click non è qualcosa che può essere involontario». La stima di TBPN sul revenue sottratto sale a 12 milioni di dollari.

La cosa ancora più fastidiosa per chi opera nell’advertising è che non siamo davanti a una novità. Quasi vent’anni fa, Edelman aveva già scoperto una condotta simile messa in atto dagli affiliati eBay Shawn Hogan e Brian Dunning, che inducevano l’attivazione del tracciamento senza click reali. Hogan e Dunning sono stati incriminati per frode telematica, si sono dichiarati colpevoli e hanno scontato pene detentive. L’incriminazione di Dunning contestava oltre 5,3 milioni di dollari di compensi illeciti; quella di Hogan superava i 15,5 milioni. Il copione si ripete, solo che oggi la frode si concentra su mobile tramite un’estensione per Safari, non più su desktop.

Se i dati sono spazzatura, il resto è aria fritta

Chi pianifica e ottimizza campagne domani mattina deve fare due conti. Primo: se compri CTV, chiedi al tuo partner o alla tua DSP su quali segnali viene costruito il targeting, e se usano un sistema di scoring paragonabile a ICS. Senza un metro di qualità misurabile, la reach incrementale che prometti al cliente è pura narrativa. Secondo: se hai budget in affiliate, verifica i report di attribuzione cercando pattern di conversione innaturali — sessioni con zero tempo sul sito, frequenze di click anomale, traffico concentrato su mobile iOS con zero interazione. I modelli di frode sono sempre gli stessi, cambia solo il device.

L’industria corre dietro agli agenti AI e ai chatbot, ma se il dato che alimenta qualsiasi modello predittivo è sporco, stiamo costruendo castelli sulla sabbia. E il caso Phia, insieme al fallimento del targeting IP in CTV, dimostra che il problema non è ai margini: è nel sangue del sistema. La prossima volta che qualcuno ti vende un algoritmo miracoloso, chiedigli prima che punteggio ICS ha l’ID che sta per comprare.