Il 33% in più di conversioni non convince

Google annuncia un aumento del 33% nelle conversioni con i product feed su YouTube

Oggi Google ha annunciato le nuove funzionalità Demand Gen per YouTube, promettendo un aumento del 33% nelle conversioni per gli inserzionisti che adottano i product feed. Un numero che salta all’occhio, ma che nasconde una domanda scomoda: quelle conversioni sono davvero incrementali, o sono state semplicemente spostate da altri canali, magari cannibalizzando il search o il display tradizionale? Quando una piattaforma pubblicitaria mostra un miglioramento così netto, il primo riflesso di chi misura con rigore dovrebbe essere chiedersi: “rispetto a cosa?” e, soprattutto, “con quale metodo di attribuzione?”.

La tentazione di leggere il dato come prova inconfutabile è forte, ma la storia della pubblicità digitale è piena di metriche che sembrano inequivocabili e raccontano solo metà della storia. Il 33% — ottenuto confrontando campagne con e senza feed di prodotto — potrebbe riflettere uno spostamento di conversioni già presenti altrove, amplificato da un modello di attribuzione last-click o data-driven che assegna il merito all’ultimo touchpoint, ignorando il contributo di canali precedenti. Per validare l’incremento reale servirebbero test geo controllati o esperimenti holdout, come quelli suggeriti da Google stessa nel post sulla misurazione per il Marketing Live 2026 pubblicato lo scorso 5 maggio. In quell’articolo, l’azienda discuteva di come trasformare i dati in decisioni, ma ironicamente non fornisce per Demand Gen metriche di incrementalità comparabili a quelle disponibili per altri prodotti. Il paradosso è tutto qui: la metrica presentata come vincente è esattamente quella che non possiamo prendere per buona senza ulteriori verifiche.

Il paradosso del 33%

I product feed sono solo l’inizio. Google ha spiegato che gli inserzionisti con grandi selezioni di prodotti vedono tipicamente un aumento del 33% nelle conversioni quando adottano i feed nelle campagne Demand Gen. Il dato è citato come best practice, ma senza contesto metodologico resta un numero a rischio di vanity metric. Se un retailer sposta il budget da Google Shopping o da campagne Performance Max verso Demand Gen, il confronto “prima/dopo” misurerà la differenza di efficienza del nuovo formato, non la capacità di generare domanda aggiuntiva. Per capire se c’è incrementalità, servirebbe un gruppo di controllo che non riceve le campagne con feed, oppure un’analisi MMM (Marketing Mix Modeling) che isoli il contributo del canale al netto di stagionalità e altre variabili.

In assenza di questi strumenti, il 33% rischia di diventare una scorciatoia accattivante per giustificare la spesa, ma non una garanzia di efficacia reale. La domanda che ogni analyst dovrebbe porsi è: quante di quelle conversioni sarebbero arrivate comunque, magari attraverso un click organico su YouTube o una ricerca brand? Senza rispondere, il dato rimane una correlazione, non una causalità.

Maps e AI: nuovi orizzonti, vecchi problemi di misura

Le novità non si fermano ai product feed. Google ha esteso Demand Gen all’inventario di Google Maps, permettendo di raggiungere persone mentre esplorano aree locali. È una mossa che allarga la superficie pubblicitaria, ma apre interrogativi ancora più complessi sulla misurazione dell’impatto. Come si attribuisce una visita in negozio nata da un annuncio su Maps? Google offre soluzioni di attribution offline, ma la catena di touchpoint si allunga e il rischio di doppio conteggio o di cannibalizzazione con annunci locali su Search cresce.

Parallelamente, Asset Studio — lo strumento di creazione creativa di Google — ha integrato Gemini Omni per creare video pubblicitari. Con pochi prompt testuali si possono generare annunci YouTube completi, e l’aggiornamento di maggio 2026 aggiunge la creazione video multimodale. L’AI genera annunci su larga scala, ma la domanda diventa: stiamo misurando l’efficacia dei contenuti o solo la produttività della generazione? Se Gemini Omni produce decine di varianti, il rischio è che gli inserzionisti ottimizzino su metriche di engagement (click, visualizzazioni) piuttosto che su conversioni incrementali. La creatività low-cost può gonfiare i numeri di attività, ma senza un controllo causale non sappiamo se quei nuovi annunci stanno rubando spazio ad altri formati o generando domanda fresca.

AI Max: il vero dilemma incrementale

A completare il quadro c’è un altro pezzo: AI Max, che Google ha definito il prodotto pubblicitario di ricerca basato su IA più rapido in crescita a fine aprile. AI Max utilizza modelli generativi per ottimizzare annunci search in tempo reale, ma anche qui la domanda è la stessa: la crescita registrata è nuova domanda o solo un reindirizzamento del budget da altre campagne Google? Se un advertiser sposta il 20% del budget Search in AI Max e vede un miglioramento del ROAS, è incrementale o è l’effetto di un algoritmo che mostra annunci a utenti già pronti all’acquisto?

Google fornisce gli strumenti, ma spetta agli inserzionisti pretenderne la corretta misurazione. La combinazione di feed di prodotto, inventario Maps, generazione AI e AI Max crea un ecosistema sempre più integrato, ma anche più opaco dal punto di vista dell’incrementalità. Senza test geo, modelli MMM o esperimenti holdout, i numeri offerti dalla piattaforma rischiano di confondere più che chiarire. Il vero valore non è nei numeri assoluti, ma nella capacità di isolare l’incremento reale. E oggi, per Demand Gen, questa capacità è ancora tutta da costruire.

Il lettore dovrebbe rimanere con un sano scetticismo: il 33% può essere un’ottima leva di vendita, ma per un marketer data-driven è solo l’inizio della conversazione, non la conclusione.