La privacy sta facendo saltare le metriche pubblicitarie

Il Connecticut si prepara a seguire la California con una definizione ancora più ampia di data broker

Il primo agosto 2026 è una data che molti reparti marketing dovrebbero segnare in rosso. Entro quel giorno, i data broker registrati in California dovranno processare ogni richiesta di cancellazione ricevuta tramite il sistema DROP, sotto pena di multe per mancata conformità e difesa da $200 per richiesta per giorno. Il meccanismo è semplice: un residente invia una richiesta unica DROP e difesa – una singola opt-out che si riversa su tutti i broker registrati. A fine marzo 2026, quasi 270.000 iscrizioni e difesa erano già state contate. Per il settore pubblicitario, abituato a comprare audience profilata da questi intermediari, il segnale è chiaro: la materia prima dei modelli di attribuzione si assottiglia.

Il Connecticut si prepara a seguire la stessa strada con il Senate Bill 4, che entrerebbe in vigore il data di entrata in vigore SB4 e difesa 1° ottobre 2026. La definizione di data broker nel SB4 è ancora più ampia: non richiede una relazione diretta e difesa assente tra consumatore e azienda, ma basta vendere o licenziare dati personali intermediati e difesa – dati ottenuti da terzi e organizzati per la rivendita. La legge elenca identificatori specifici e difesa (nome, indirizzo, data di nascita, codice fiscale, dati biometrici) e aggiunge una clausola catch-all SB4 e difesa per qualsiasi combinazione che permetta di identificare una persona con ragionevole certezza. In pratica, la definizione CA di data broker e difesa (California Delete Act) e quella del Connecticut coprono ormai quasi ogni intermediario di dati.

Quando la metrica perde il suo campione

Il problema non è solo legale: è metodologico. Se i data broker smettono di fornire dati granulari sugli utenti, i modelli di attribuzione che si appoggiavano a terze parti perdono il loro fondamento. La scadenza del Delete Act e difesa non è un evento lontano: è un punto di rottura per chi misura le campagne con metriche basate su impression e reach aggregate. Il nuovo standard di misurazione Coca-Cola – l’Unified Measurement Model (UMM) – nasce proprio per questo: offrire un framework che funzioni anche quando i dati proprietari sono l’unica risorsa affidabile. Eppure, secondo Nielsen, solo il 32% dei marketer a livello globale dichiara di avere una misurazione olistica della spesa tra canali digitali e tradizionali. Il resto opera a compartimenti stagni.

La ricerca Capgemini del 2025 aggiunge un altro strato: il 39% delle metriche oggi usate dai marketer sono giudicate “meno significative”, spesso legate a indicatori di vanità come impression e reach. Solo il 42% dei leader marketing ha in posto le metriche per valore a lungo termine corrette. Tradotto: molti continuano a ottimizzare su KPI che non raccontano l’incrementalità reale di una campagna, e le nuove leggi sulla privacy rischiano di rendere quei KPI ancora più fragili.

Standardizzare per sopravvivere, ma a quale costo?

L’IAB ha proposto una risposta con i suoi Campaign Data Standards 1.0 IAB, un tentativo di mettere ordine nella giungla dei dati di campagna. Angelina Eng, VP del Measurement Center IAB, ha sintetizzato: “I dati campagna sono frammentati e inconsistenti tra piattaforme, partner e sistemi”. Prabhpreet Sidhu, SVP Analytics di Publicis Commerce, ha aggiunto che la sfida non è raccogliere più dati, ma renderli consistenti e utilizzabili. Rachel Mervis, Director Programmatic di Quigley-Simpson, lo ha detto con parole nette: “Ogni campagna finisce con la propria versione della verità, e i team passano troppo tempo a riconciliare i dati”.

Gli standard IAB introducono un framework coerente e interoperabile per strutturare i dati di campagna, ma il loro successo dipende dall’adozione volontaria da parte di piattaforme e advertiser. Il problema è che la frammentazione normativa – una legge diversa per ogni Stato – rischia di generare nuovi gap di qualità: i dati raccolti in California potrebbero non essere comparabili con quelli del Connecticut, e gli standard comuni faticano a tenere il passo con la rapidità delle regolamentazioni.

Chi misurerà l’incremento quando i dati saranno polverizzati?

Le aziende che oggi si affidano a last‑click o a modelli di attribuzione basati su cookie di terze parti si troveranno presto senza banco di prova. Servono metodi robusti: test geo, holdout, Marketing Mix Modeling (MMM) con granularità settimanale, conversion modeling che corregga per la mancanza di segnali individuali. Ma ogni metodo ha assunzioni forti. I test geo richiedono budget elevati e settimane di raccolta; l’MMM non distingue l’incremento di una singola attività se non c’è variazione nel piano media; i conversion modeling basati su dati aggregati soffrono di bias di aggregazione. L’UMM di Coca‑Cola prova a unificare questi approcci, ma non è una bacchetta magica: la qualità del dato in input resta determinante. Con le nuove leggi, l’input si restringe e si frammenta. Il rischio concreto è che, per colmare i vuoti, si torni a usare proxy sempre meno rappresentativi, peggiorando la qualità delle decisioni invece di migliorarla. La domanda aperta è se il settore riuscirà a costruire un ecosistema di misurazione che sia al contempo conforme alla privacy e capace di isolare il vero contributo di una campagna.

Finora, le evidenze dicono che siamo ancora indietro.