Google testa annunci shopping che si espandono al passaggio del mouse

Il test di Google arriva mentre l’azienda integra l’intelligenza artificiale nei formati shopping

Immaginate un annuncio Shopping che si allarga mentre ci passate sopra con il mouse: più testo, più dettagli, più possibilità di clic. Sembra un sogno per chi gestisce campagne performance. Ieri Google ha confermato di stare testando annunci Shopping che si espandono al passaggio del mouse, una funzione che mostra il testo pubblicitario effettivo dell’inserzione solo quando l’utente interagisce con l’unità. L’osservazione arriva da Anthony Higman, lo stesso ricercatore che la scorsa settimana ha notato il fenomeno e lo ha documentato.

A prima vista, il formato sembra un passo avanti: più spazio significa copy più ricchi, più informazioni per l’utente e — potenzialmente — più click. Ma per un performance marketer abituato a distinguere la correlazione dall’incrementalità, l’entusiasmo dovrebbe durare poco. Perché un aumento di interazioni visibili non è automaticamente un aumento di valore incrementale. Anzi, rischia di diventare l’ennesimo caso in cui le metriche di superficie — impressioni, click, CTR — nascondono una verità più scomoda: stiamo misurando ciò che è facile da contare, non ciò che conta davvero.

Il paradosso dell’espansione

Il meccanismo è semplice: l’annuncio Shopping appare normalmente nelle SERP e, quando l’utente ci passa sopra con il cursore, si ingrandisce mostrando l’ad copy completo. Higman l’ha descritto così: «Weird! On Shopping Ads, When You Scroll Over They Expand To Show Actual Ad Copy». Google ha confermato il test senza fornire dettagli sulla tempistica di un eventuale lancio definitivo.

Il paradosso è questo: più visibilità non significa necessariamente più valore. Un formato che si espande al passaggio del mouse cattura l’attenzione, certo, ma quella frazione di secondo in più di esposizione è realmente incrementale rispetto a ciò che sarebbe accaduto comunque? Oppure sta semplicemente cannibalizzando click che sarebbero andati ad altri elementi della pagina o — peggio — sta generando interazioni di bassa qualità da parte di utenti che non avevano un’intenzione d’acquisto reale? In assenza di un disegno sperimentale adeguato — un test geo controllato o un holdout su porzioni di traffico — è impossibile distinguere l’effetto del formato dalla semplice deriva del comportamento utente.

Cosa dicono (e non dicono) i dati

Per capire se il nuovo formato possa reggere un’analisi incrementale seria, conviene guardare al contesto. Già nel marzo 2025 Google aveva testato la doppia espansione per i caroselli di immagini in Google Ads, sempre individuata da Higman. All’epoca la funzione permetteva di espandere le immagini in due step progressivi, aumentando la superficie visiva a disposizione dell’inserzionista. Non ci sono dati pubblici sull’impatto effettivo di quel test: Google non ha rilasciato studi di incrementalità, né risultati di test geo controllati. Senza quei dati, ogni affermazione su un presunto miglioramento della performance resta un’ipotesi non verificata.

Ora, a questo scenario si aggiunge un’altra variabile. La scorsa settimana, nel corso del Google Marketing Live del 20 maggio 2026, Google ha annunciato ufficialmente che porterà annunci Shopping basati sull’intelligenza artificiale in AI Mode. Nello stesso evento, l’azienda ha dichiarato che Gemini sta trasformando l’intero processo di marketing — cito testualmente — «harder-working ads, high-performing creative and deeply integrated agentic technology — so businesses can grow and scale faster».

Qui il discorso si infila in una zona grigia della misurazione. Se l’annuncio espandibile genera più interazioni, ma l’interazione avviene dentro un assistente AI — dove l’utente formula domande in linguaggio naturale e riceve risposte contestuali — cosa stiamo misurando esattamente? Un click su un prodotto raccomandato dall’AI Mode ha lo stesso contributo incrementale di un click su un annuncio Shopping tradizionale? Probabilmente no. Il percorso di acquisto cambia radicalmente: l’utente non sta più navigando una SERP, ma conversando con un agente. La metrica «ultimo click» perde ogni significato; il conversion modeling tradizionale (basato su sequenze di click prefissate) diventa inadeguato; e anche un modello di attribuzione basato su MMM fatica a isolare il contributo di un formato emergente se non si dispone di dati granulari a livello di utente o di test geo su periodi sufficientemente lunghi.

Il rischio concreto è duplice. Da un lato, un aumento di CTR sul formato espandibile potrebbe essere interpretato come un successo, quando in realtà sta solo spostando click da altre superfici (cannibalizzazione interna). Dall’altro, l’integrazione con AI Mode rende ancora più opaco il contributo reale dell’annuncio: l’intelligenza artificiale agisce da intermediaria, filtra, sintetizza e presenta il prodotto — qual è il valore incrementale della singola inserzione rispetto alla raccomandazione contestuale del modello? Sono domande che, oggi, non hanno risposta nei dati pubblici disponibili.

Cosa resta da misurare

Se già oggi fatichiamo a distinguere il segnale dal rumore su un formato apparentemente semplice come un annuncio Shopping che si espande, cosa succederà quando la maggior parte delle interazioni pubblicitarie passerà attraverso un assistente AI conversazionale? Gli strumenti di misurazione attuali — ultimo click, view-through attribution, persino i modelli di MMM più sofisticati — sono stati progettati per un mondo dove l’utente clicca, naviga e converte in modo lineare. In un ambiente mediato dall’intelligenza artificiale, dove la raccomandazione è parte del flusso conversazionale e l’annuncio può essere presentato senza che l’utente lo riconosca come tale, i confini tra contenuto organico e promozione si dissolvono.

La domanda che ogni performance manager dovrebbe portarsi a casa non è «il formato espandibile funziona?», ma piuttosto: stiamo misurando ciò che conta davvero o soltanto ciò che è facile da contare? Senza test geo controllati, senza dati di incrementalità e senza un framework di attribuzione che separi l’effetto del formato dall’effetto della raccomandazione AI, ogni risposta sarà solo un’approssimazione. E in un mercato dove la spesa pubblicitaria si giustifica con i numeri, un’approssimazione non basta.