YouTube non è più solo un canale di branding

Le nuove metriche di YouTube rischiano di nascondere l’assenza di incrementalità dietro numeri apparentemente positivi

Un canale che sembra performante ma non incrementale: è il rischio di leggere le nuove metriche di YouTube come fossero numeri di Search. Google ha reso disponibile globalmente la metrica Attributed Branded Searches il 29 giugno 2026, dopo una beta limitata l’anno precedente. Il problema non è il dato in sé: è cosa ci fai. Una ricerca di marca attribuita a un’impressione su YouTube può essere solo il riflesso di un utente che avrebbe cercato comunque il brand, magari influenzato da altri canali. Senza un gruppo di controllo, quel numero non misura l’incremento.

Lo stesso vale per l’ottimizzazione delle conversioni view-through di Demand Gen, rilasciata ad aprile 2026 come. Qui il sistema impara a massimizzare conversioni che avvengono dopo un’esposizione senza click. Ma view-through non è incrementalità: può gonfiare i numeri di chi guarda già il brand o di chi converte per altri motivi.

La direzione di Google, però, è più radicale: YouTube non vuole più essere solo un touchpoint di branding. Sta aggiungendo funzioni da call center e da agenzia di viaggio.

Il click non è più il confine del funnel

Nella seconda metà del 2025 Google ha introdotto centinaia di miglioramenti alle campagne Demand Gen, raccolti sotto il Demand Gen Drop di agosto. Secondo i dati condivisi sui, questi miglioramenti hanno portato in media a un aumento del 30% delle conversioni o del valore di conversione per gli inserzionisti. Ma attenzione: una media del 30% non dice nulla sulla varianza tra settori, né sulla quota di conversioni che sarebbero avvenute senza quegli annunci.

Il salto qualitativo è altrove. All’interno del Demand Gen Drop di agosto, Google sta testando nuovi modi per consentire agli spettatori di avviare conversazioni con i brand tramite app di messaggistica direttamente dagli annunci Demand Gen su YouTube. L’obiettivo è eliminare il passaggio intermedio: non più “vedi l’annuncio, vai sul sito, compila un form”, ma “scrivi subito al brand”. La stessa opzione è riportata anche da l’integrazione di DM e raccomandazioni locali, che aggiunge suggerimenti di attività ed eventi in tempo reale.

E non è solo messaggistica. La personalizzazione locale del Demand Gen Drop rende gli annunci più pertinenti per i viaggiatori mostrando attività locali, eventi e offerte in tempo reale. Per gli hotel, la personalizzazione alberghiera del Demand Gen Drop personalizza gli annunci per mostrare proprietà pertinenti al pubblico giusto. Questo sposta la competizione dal brand awareness alla transazione: se l’annuncio mostra la camera d’albergo giusta al momento giusto, il percorso di conversione si accorcia, ma anche la misurazione si complica.

Quando la creatività diventa un flusso di produzione

Google ha reso disponibile in generale la creazione video multimodale in Asset Studio, una delle novità del Demand Gen Drop di agosto. Gli inserzionisti possono ora passare dallo storyboard alla creazione di asset orizzontali e verticali in un unico flusso di lavoro, come riportato dal Demand Gen Drop di agosto. Per chi deve giustificare la spesa, questo significa meno attrito operativo, ma anche più variabili da controllare: un asset generato non è un asset testato, e la produzione veloce può portare a più test A/B deboli, non a più apprendimento.

Come parte del Demand Gen Drop di agosto, Google ha pubblicato anche The YouTube Performance Four, una risorsa per gli inserzionisti. Il nome suggerisce una cornice di quattro principi, ma il rischio è che venga letta come una checklist. Non lo è.

Quando l’annuncio risponde, il click diventa irrilevante. E il tuo modello di attribuzione pure.

Il controfattuale che manca

Qui si annida la domanda scomoda: quando YouTube diventa un canale di conversazione diretta, come si misura l’incremento reale? Le metriche click-through e view-through non bastano.

Servono test geo o holdout che isolino l’effetto dell’esposizione agli annunci Demand Gen rispetto a un gruppo non esposto. Un test geo, ad esempio, divide le regioni in due gruppi: in uno la campagna è attiva, nell’altro è spenta; la differenza nelle conversioni, depurata dalle tendenze organiche, stima il contributo incrementale. Ma richiede budget sufficiente e una distribuzione geografica rappresentativa.

Un’alternativa è il conversion modeling, che usa modelli statistici per stimare le conversioni non osservate. Ma il suo limite è forte: quando il modello si allena su dati click-based e li estende a impressioni view-through, può generare stime stabili solo se le assunzioni sul comportamento degli utenti sono esplicite e validate. Il marketing mix modeling offre una vista più ampia, ma con granularità temporale spesso troppo bassa per leggere il contributo di un singolo formato su YouTube.

La metrica di attribuzione delle ricerche di marca, per esempio, è correlata alle ricerche di marca, ma non distingue la causalità. Se la usate come KPI primario, state ottimizzando per un segnale che può essere gonfiato da chi già vi conosce. Il problema non è nuovo, ma con le chat e i consigli locali si aggrava: l’interazione che parte da YouTube non ha un click di attribuzione standard, e il last-click rischia di assegnare al canale sbagliato il merito di una conversazione che inizia lì e finisce altrove.

Quello che non sappiamo ancora è se la chat dentro YouTube cambia davvero il tasso di conversione, o se intercetta solo domande che sarebbero arrivate in altro modo. Andrebbe misurato con test controllati che separino l’effetto della disponibilità della chat da quello della creatività. In assenza di questi, il rischio è di chiamare “incremento” quello che è solo spostamento di domanda.