Google cancella la storia granulare dei dati pubblicitari

Google cancella la granularità oraria e settimanale dopo 37 mesi, restano solo i dati mensili

Fino a pochi mesi fa, un performance manager poteva consultare i dati orari di Google Ads e attribuire un incremento del 18% delle conversioni a una specifica campagna display. Quel lusso svanisce il 1° giugno 2026, quando Google cancella la storia granulare. Chi oggi giustifica la spesa con il last‑click si trova a corto di prove.

Il conto alla rovescia per i dati granulari

Google Ads ha annunciato i periodi di conservazione stabiliti da Google Ads: a partire dal 1° giugno 2026, i report con granularità oraria, giornaliera e settimanale rimarranno accessibili solo per 37 mesi. I dati di reporting granulari per 37 mesi diventeranno irrecuperabili; resteranno invece i dati mensili conservati per 11 anni. L’accesso ai dati storici scaduti sarà bloccato sia dall’interfaccia sia dalle API. Ancora più stringenti le metriche di copertura e frequenza a tre anni: copertura unica, frequenza media e distribuzione spariranno dopo 36 mesi.

L’effetto è immediato: non è più possibile confrontare un periodo di picco con uno lontano nel tempo usando gli stessi dati granulari. L’incrementalità basata su differenze orarie o settimanali – già fragile per via della correlazione con trend stagionali – diventa un esercizio inutile.

Quando l’incrementality diventa un miraggio

L’attribuzione incrementale tradizionale si fonda su variazioni fini: un test geo con settimane di controllo, un holdout su impressioni orarie. Con la scomparsa dei dati sotto il mese, chi usa last‑click o modelli di conversione basati su serie temporali brevi perde il denominatore comune. Non si tratta di una semplice riduzione di finestra: è l’architettura stessa della misurazione precisa che crolla.

I test geo restano possibili, ma richiedono almeno un mese di dati puliti per ogni cella, e nessuno può più verificare a posteriori l’andamento infrasettimanale di tre anni fa.

Jason Barnard, che raccoglie dati live dal 2015, ha mostrato come l’unica via per non perdere il senso della performance sia passare da metriche micro a metriche macro. Il suo lavoro introduce al micro‑macro shift per misurare l’AI visibility: invece della precisione oraria, si guarda alla visibilità complessiva nei motori AI, un indicatore grezzo ma robusto.

L’unica via d’uscita: la misurazione agentica

Il mercato reagisce spostando l’attenzione su modelli che non dipendono dalla cronologia granulare. Su AdExchanger si discute la misurazione agentica proposta da AdExchanger: agenti software che comprano e misurano in tempo reale, sostituendo l’analisi storica con decisioni contestuali. Il prezzo della pubblicità non sarà più determinato da ciò che è successo ieri, ma da ciò che l’agente prevede accadrà nel prossimo minuto. È un cambio di paradigma che costringe a ripensare l’intero stack di reporting.

Resta una domanda aperta: senza dati granulari storici, come validare la qualità di questi agenti? Se la baseline sparisce ogni 37 mesi, ogni nuovo modello parte da zero. Forse la risposta non sta in una metrica migliore, ma in un metodo di verifica continua che accetti l’incertezza. Per ora, chi misura sa solo che il passato non è più un punto di riferimento.