Il campo che diceva da dove venivano i risultati è sparito

Il campo che indicava l’origine dei risultati è stato disattivato su tutti gli account, mentre i volumi residui mostrano differenze

La prima cosa che sparisce non è il traffico: è il campo che diceva da dove veniva. Nel retrieval stack di ChatGPT, il campo result_source è sparito durante la notte su tutti gli account monitorati. Per chi deve giustificare la spesa con i numeri, non è un bug: è la fine della visibilità sull’origine dei risultati. Il numero ovvio, il volume, continua a essere lì.

È la metrica che lo rendeva interpretabile a essersi spenta.

E i numeri residui sono schizofrenici.

Free Think ottiene il 74,7% dei risultati da labrador, il 3,1% da risultati Google scraped classici e il 22,2% da oxylabs, secondo il dataset del retrieval stack. Paid Thinking ottiene il 75,3% da Google scraped e il 24,7% da labrador, come mostra la stessa analisi del retrieval stack. Due prodotti, due fonti quasi speculari. Non è una differenza da poco: cambia il tipo di pagina che alimenta la risposta, quindi il tipo di controllo che un advertiser o un SEO può esercitare. Ma senza il campo di origine, questa distinzione non è più misurabile in produzione.

La notte in cui il campo ha smesso di parlare

Tra luglio e agosto, secondo il monitoraggio del retrieval stack, i fan-out per conversazione scendono da 3,56 a 1,90 per paid Thinking a sforzo medio. Gli URL per conversazione passano da 47,2 a 33,9, come riporta la stessa analisi del retrieval stack. La rottura è datata tra il 26 e il 31 luglio 2026, prima del refresh del modello del 6 agosto, secondo la cronologia del retrieval stack. Attenzione: un calo dei fan-out non è di per sé un male. Potrebbe indicare minore ridondanza, minore lettura inutile, maggiore efficienza. Ma potrebbe anche indicare che il sistema legge meno fonti e non lo dice.

Free Instant, invece, non mostra un cambiamento rilevabile nel volume di recupero. Ma il comportamento del prodotto è cambiato: il ragionamento è apparso nel 96,7% delle risposte di agosto, rispetto allo 0,6% di luglio. Il comportamento del retrieval stack non sempre lascia traccia nei volumi. È il caso tipico in cui la metrica di quantità non vede il cambiamento di qualità. Chi guarda solo ai fan-out o agli URL per conversazione conclude che non è successo niente. In realtà è successo tutto.

A sforzo alto, l’uso di site: è salito dal 40,8% di fine luglio al 58,1% di metà agosto, come rileva l’uso di site: nel retrieval stack. Anche questo numero, preso da solo, non dice se sia una strategia o una deriva. Dice solo che il sistema sta chiedendo più spesso un dominio specifico. Senza il campo result_source, non possiamo sapere se quell’aumento di site: produce risultati migliori o semplicemente restringe il perimetro della risposta.

Il volume sopravvive. L’origine no. È la differenza tra guardare e capire.

Google spegne la lingua, non solo il targeting

E mentre OpenAI spegne il campo result_source, Google spegne la lingua. Google Ads userà i segnali automatici per la corrispondenza della lingua nelle campagne Search. Vale la pena notare che Google non ha annunciato ulteriori report sulla lingua che mostrino agli inserzionisti quali lingue sono state servite o come le prestazioni differivano per lingua. Il targeting che sparisce senza un report che lo sostituisca è un buco di misurazione: prima sceglievi la lingua, adesso la piattaforma la sceglie per te e non ti dice quale ha scelto.

Nemmeno Smart Bidding è rimasto fuori dal dibattito. Le modifiche a Smart Bidding hanno riacceso il dibattito sull’apocalisse del target bidding nella community PPC. Non è una questione di nostalgia del controllo manuale: è che quando la piattaforma decide il target e non espone il ragionamento, la metrica di performance rischia di diventare una misura di fiducia, non di attribuzione. Last-click e contributo reale si confondono ancora di più.

API e prodotto: la distanza che i test non vedono

Ultimo punto, il più scomodo per chi fa test in sandbox. L’API non riproduce il prodotto. La similarità di Jaccard tra varianti API è 0,32–0,39, tra regimi ChatGPT è 0,25–0,37 e tra prodotto e API è 0,23–0,27, secondo l’analisi di similarità del retrieval stack. Tradotto: se testi una variante via API e poi misuri in produzione, stai confrontando due oggetti diversi. Non è un limite statistico da correggere con più dati. È un problema di identità dell’oggetto misurato.

Quello che non sappiamo ancora è se il campo result_source tornerà, se Google introdurrà un report sostitutivo sulla lingua, e se la community PPC riuscirà a ottenere trasparenza su Smart Bidding. Nel frattempo, il lavoro di misurazione non è un prontuario: è scegliere metodi che non diano per scontato di vedere l’origine. Holdout, geo test, conversion modeling: servono esattamente quando la piattaforma smette di mostrare il percorso. Non basta una correlazione: serve isolare l’incrementale. Il punto non è demonizzare l’automazione. È smettere di misurare come se l’automazione fosse trasparente.