L’attribuzione pubblicitaria non funziona più con l’AI

L’attribuzione post-clic diventa una reliquia quando l’acquisto è delegato a un agente AI

Un brand spende una cifra considerevole in campagne video su YouTube, osserva le conversioni view-through nel pannello di Google Ads e pensa di aver trovato la gallina dalle uova d’oro. Poi incrocia quel dato con il CRM e con il tracciamento lato server: il numero reale di clienti incrementalmente nuovi, quelli che non avrebbero comunque comprato, è vicino allo zero. Le conversioni view-through di YouTube sono un classico esempio di metrica che gonfia la percezione senza muovere davvero il fatturato, perché l’esposizione a un annuncio che l’utente non ha davvero guardato resta invisibile a ogni sistema di analytics che non sia la piattaforma stessa. Il problema non è solo la sovrastima: è che l’illusione funziona ancora meglio quando l’intermediario non è più un consumatore distratto, ma un’intelligenza artificiale che compie l’acquisto senza mai generare un’impressione verificabile.

Quando a comprare è un agente, l’ultimo clic è già morto

L’ascesa fulminea del traffico automatizzato sta ridefinendo la struttura stessa della spesa pubblicitaria digitale. Microsoft ha diffuso dati che mostrano come il traffico automatizzato cresca a un ritmo circa otto volte superiore rispetto al traffico umano, un’accelerazione documentata nell’analisi su l’agentic commerce e il suo impatto su Google Ads. Non si tratta più solo di bot che raschiano pagine, ma di agenti software incaricati di esplorare, selezionare e finalizzare transazioni per conto di un utente che ha delegato l’intero funnel. Google lo ha mostrato con un esempio inequivocabile: chiedere a Gemini di monitorare una fragranza e acquistarla non appena il prezzo scende sotto i quindici dollari. L’istruzione di acquisto delegata a Gemini azzera completamente il percorso pubblicitario tradizionale: nessuna query digitata, nessun annuncio cliccato, nessuna sessione sul sito.

In questo scenario, l’attribuzione post-clic diventa una reliquia metodologica. Le regole di attribuzione di Google Ads e Microsoft Ads richiedono quasi sempre il click sull’annuncio per assegnare il credito, una logica che non può funzionare se la decisione di acquisto viene presa da un agente che interroga API, legge feed strutturati e confronta dati senza mai incrociare un’unità creativa tradizionale.

Il punto non è aggiustare l’attribuzione, ma accettare che la partita si è spostata a monte: la vera domanda non è più “quale canale ha generato l’acquisto”, bensì “il brand era presente nella shortlist da cui l’agente ha attinto”.

Quello che i consumatori notano davvero nelle risposte dell’AI

Se il campo di battaglia sono le risposte generate dall’intelligenza artificiale, serve una disciplina nuova per misurarne l’efficacia. La Generative Engine Optimization è esattamente questo: la pratica di aumentare la visibilità di un marchio all’interno delle risposte prodotte da piattaforme come ChatGPT, Gemini, Perplexity e le AI Overviews di Google. Chi pensa che basti “apparire per primo” nella risposta farebbe bene a osservare i dati del sondaggio che Semrush ha condotto a dicembre 2025 su 1.030 acquirenti statunitensi. Solo il 21% degli intervistati ha indicato che un brand si distingueva perché compariva prima nella risposta dell’AI. Il dato sul posizionamento nell’AI answer smonta l’idea che il ranking tradizionale si traduca linearmente in preferenza.

La variabile che sposta davvero l’ago è la qualità dell’informazione con cui il brand viene rappresentato dall’agente. Il 43% degli acquirenti ha indicato una descrizione più chiara e dettagliata come elemento distintivo, mentre il 39% ha puntato sul contesto di prezzo e valore. La rilevanza della descrizione di prodotto e suggeriscono che il lavoro di ottimizzazione deve concentrarsi sulla completezza e sull’accuratezza dei dati strutturati, molto più che su segnali di autorità generici. Inoltre, il 47% degli acquirenti ha dichiarato di notare i brand menzionati dall’AI spesso o molto spesso, e il 43% ha scoperto un nuovo marchio proprio attraverso questi strumenti. La notorietà dei brand citati dall’AI e la scoperta di nuovi marchi tramite AI sono segnali di un canale che può generare domanda prima ancora che un essere umano cerchi il prodotto.

Misurare la presenza senza illudersi

Accettare che l’attribuzione sia rotta non significa rinunciare a qualunque forma di rendicontazione. Significa sostituire la domanda sbagliata — “quanti clic hanno portato a una vendita?” — con una domanda verificabile: “qual è la nostra quota di visibilità sulle superfici AI rispetto ai concorrenti diretti?”. Google ha iniziato a fornire una risposta parziale con gli insight sulle performance AI di Merchant Center, che mostrano la share of voice di un brand negli ambienti generativi e la confrontano con quella di brand simili. È un indicatore ancora giovane e vincolato all’ecosistema del motore di ricerca, ma rappresenta il primo tentativo strutturato di costruire una metrica di visibilità laddove il tracciamento diretto è impossibile.

Nel frattempo, la reportistica per il management deve adattarsi: quando il ciclo medio di vendita è di novanta giorni, ha poco senso mostrare report ottimizzati sulla finestra di conversione a trenta. Le metriche PPC che interessano realmente al CFO richiedono viste allungate a novanta giorni, con CPA suddivisi per marketing qualified lead, sales qualified lead e vendite finali, affiancate da conteggi di nuovi clienti e revenue incrementale. Sono questi i numeri che consentono di negoziare budget per esperimenti su superfici difficilmente attribuibili: senza di essi, il test di una campagna GEO rischia di essere soffocato dalla mancanza di una giustificazione contabile immediata. La rendicontazione di nuovi clienti e revenue incrementale serve esattamente a mantenere l’ossigeno finanziario per provare canali in cui il nesso causa-effetto non è lineare.

Resta un punto cieco che nessuno strumento oggi risolve davvero: la visibilità in una risposta generativa è una condizione necessaria ma non sufficiente. Un brand può comparire nelle fonti consultate dall’agente, venire citato nell’output e persino risultare il più dettagliato, ma resta il dubbio se la scelta finale sia stata determinata da quella esposizione oppure da una preferenza già consolidata. I metodi disponibili — dai test di holdout geografico ai modelli di marketing mix — possono stimare l’impatto aggregato, ma richiedono assunzioni forti e un volume di dati che molti inserzionisti non hanno. Allo stato attuale, l’assenza di una misura standardizzata di incrementalità per le superfici generative è il vero vincolo per chi deve giustificare la spesa con i numeri.