Google Ads taglia la memoria storica

Google amplia i test A/B ma riduce a 37 mesi la conservazione dei dati granulari

Martedì 13 maggio 2026 Google ha annunciato la versione v24.1 dell’API Google Ads, arricchita da una significativa espansione delle funzionalità di A/B testing. Lo stesso giorno, però, ha comunicato che dal 1 giugno 2026 le statistiche granulari (giornaliere, orarie, settimanali) saranno conservate per soli 37 mesi. Un paradosso che mette gli advertiser di fronte a un bivio: più strumenti per testare, meno dati per capire il lungo periodo.

Il paradosso dei nuovi strumenti

L’espansione dei test A/B, annunciata ieri secondo il blog ufficiale di Google Ads, permette di sperimentare su più varianti di campagna con una flessibilità mai vista prima. L’azienda parla di un “significativo ampliamento” del set di funzionalità sperimentali nella release v24.1, rilasciata il 13 maggio 2026. In apparenza, è un regalo per chi vuole ottimizzare in tempo reale: più test A/B significano più possibilità di confrontare creatività, segmenti e strategie di offerta senza interferire con le campagne live. Ma la contropartita è arrivata con un silenzio quasi imbarazzante: sempre ieri, Google ha confermato che la nuova policy di conservazione dati entrerà in vigore il 1 giugno 2026, limitando a 37 mesi la finestra per le performance granulari. I dati di alto livello (mensili, trimestrali, annuali) continueranno a essere disponibili per 11 anni, ma il dettaglio fine – quello che serve per ricostruire il percorso del cliente giorno per giorno – svanirà dopo poco più di tre anni.

L’ironia è evidente: da un lato Google spinge gli advertiser a testare di più, a confrontare scenari, a fidarsi dell’inferenza statistica; dall’altro taglia la memoria storica che permetterebbe di convalidare quei test su orizzonti temporali lunghi. Un marketer che oggi lancia un esperimento su un nuovo formato non potrà più, tra quattro anni, tornare indietro a verificare l’effetto reale a lungo termine con gli stessi dati granulari. Dovrà accontentarsi degli aggregati mensili, meno sensibili alle stagionalità e ai picchi giornalieri. Ma cosa significa davvero questa perdita di dati?

Cosa si perde davvero

Per capirlo, guardiamo ai dati che scompaiono. Le statistiche giornaliere, orarie e settimanali sono il carburante di qualsiasi analisi incrementale seria. Con 37 mesi di profondità, un advertiser che oggi – maggio 2026 – lancia una campagna potrà vedere i dati granulari fino a giugno 2029. Dopo quella data, per confrontare le performance con il 2025 o il 2024 dovrà usare solo i dati mensili, trimestrali o annuali. Questo significa perdere la capacità di isolare eventi puntuali: il lancio di un competitor, un picco di domanda, un cambio algoritmo. In pratica, si perde la granularità necessaria per distinguere la correlazione dall’incrementalità.

Prendiamo un esempio concreto: un retailer misura l’impatto delle proprie campagne Google Ads su un nuovo prodotto usando un test geo, confrontando aree esposte e aree di controllo. Con dati settimanali può vedere l’effetto settimana per settimana, depurarlo da fattori esterni come il meteo o le promozioni concorrenti. Con dati mensili, l’effetto si diluisce e il segnale incrementale si confonde con il rumore. Lo stesso vale per i modelli di marketing mix modeling (MMM): i dati granulari aiutano a calibrare con precisione le elasticità, mentre i dati aggregati richiedono assunzioni più forti e tempi di convergenza più lunghi. Google ha scelto di preservare i dati di alto livello per 11 anni, ma per chi fa misurazione incrementale con holdout test, conversion modeling o geo lift, la finestra di 37 mesi è una riduzione significativa rispetto alla policy precedente (che non aveva un limite esplicito per i dati granulari).

La perdita non è solo operativa: è strategica. Un performance manager che oggi analizza il customer journey su tre anni non potrà più ricostruire gli stessi percorsi dopo il 2029. La domanda “quanto ha contribuito la campagna display del 2025 alle vendite del 2027?” diventa impossibile da rispondere con i dati granulari. Si dovrà fare affidamento sui soli aggregati mensili, che nascondono la stagionalità infra-mese e le interazioni a breve termine. Inoltre, Google sta introducendo la possibilità che alcuni account debbano utilizzare un passkey per autorizzare azioni sensibili, come specificato nella documentazione di supporto: un ulteriore strato di controllo che, pur rafforzando la sicurezza, non risolve il problema della profondità storica. E allora come si misura ciò che conta quando la finestra si restringe?

La domanda aperta

Non abbiamo ancora una risposta. L’espansione dei test A/B è una boccata d’ossigeno per chi ottimizza nel breve termine: permette di iterare più velocemente, di confrontare varianti con campioni più piccoli, di ridurre il costo dell’errore. Ma senza dati granulari storici, come si fa a validare che un test positivo oggi non sia un falso positivo destinato a dissolversi in un anno? L’unico modo sarebbe costruire un archivio proprietario, scaricando i dati prima che scadano, ma non tutti hanno l’infrastruttura per farlo. E anche chi ce l’ha, deve accettare che dal 1 giugno 2026 il nastro si riavvolge: i dati più vecchi di 37 mesi saranno cancellati dai server Google.

Il futuro della misurazione pubblicitaria è un compromesso tra privacy e profondità: non abbiamo ancora la risposta su come colmare il vuoto. Forse i nuovi strumenti di testing potranno compensare con esperimenti più frequenti e più robusti, riducendo il bisogno di guardare indietro. Forse gli aggregati mensili, abbinati a modelli di MMM ben calibrati, basteranno per capire le tendenze di lungo periodo. Ma chi deve giustificare la spesa pubblicitaria con i numeri – analyst, marketing scientist, performance manager – sa che la granularità è una forma di onestà intellettuale. Senza di essa, ogni affermazione incrementale è un atto di fede. E la fede, in pubblicità, non paga.