I dati di Meta India non dicono tutto

I dati aggregati di Meta mostrano un +61% di ROAS, ma non isolano l’incremento reale rispetto a chi non vede

Meta ha appena pubblicato dati che farebbero brillare gli occhi di qualsiasi CMO: aumento del 61% del ROAS e del 62% dei lead per i retailer indiani che usano il suo ecosistema AI. I numeri sono aggregati, impressionanti e — per chi deve giustificare ogni euro speso — potenzialmente fuorvianti. Perché dietro una media brillante si nasconde il problema dell’incrementalità: quei risultati includono vendite che sarebbero comunque avvenute.

E senza un test incrementale, il ROI dichiarato resta una promessa, non una prova.

L’efficienza dei formati e dell’automazione: dove finisce la correlazione?

I dati interni di Meta mostrano guadagni concreti sul fronte dei creativi. Secondo l’analisi della piattaforma, i creativi più efficaci migliorano le performance delle campagne con un prezzo per clic inferiore del 19% e un costo per conversione ridotto del 21%. Il formato verticale riduce ulteriormente il costo per azione in media del 48%. Anche l’automazione porta vantaggi misurabili: la Lookalike Audience Advantage taglia il CPA mediano del 10,1% su liste clienti, mentre le campagne Advantage+ Shopping abbattono il costo per acquisto del 12% rispetto alle campagne standard. La stessa Larissa Vichnevetski di Popken Fashion ha registrato un aumento del ROAS oltre l’80%. Numeri che sembrano inequivocabili, ma attenzione: sono tutti correlati a un cambiamento di strategia pubblicitaria, non necessariamente causali. Un test A/B ben condotto (come quelli citati) può mostrare efficacia relativa, ma non isola l’incremento reale rispetto a un gruppo di controllo che non vede alcun annuncio Meta.

Il difetto di attribuzione che nessun aggregato può nascondere

Il punto non è che Meta menta, ma che i suoi dati aggregati non rispondono alla domanda che ogni CMO dovrebbe porsi: “Quanto di questo sarebbe comunque successo?”. Come sottolinea Adweek, i leader del marketing chiedono investimenti e devono dimostrare di aver creato valore; se un CMO non sa spiegare il ROI in termini commercialmente credibili, la funzione rischia di apparire costosa. I marketer vengono licenziati quando non riescono a fornire i risultati promessi. Eppure, i dati di Meta sono disegnati per chiudere il cerchio dell’attribuzione last‑click o model‑based, non per rispondere a un test incrementale con holdout geografico o experimento randomizzato. Un MMM (Marketing Mix Modeling) o un test geo potrebbero rivelare che il +61% di ROAS si riduce al 10‑15% una volta sottratto l’effetto baseline. Meta non fornisce questo dato, e non lo farà.

L’India come caso studio: quando lo scroll diventa acquisto, ma a quale costo reale?

I numeri indiani sono il contesto perfetto per questo paradosso. L’80% degli indiani scopre nuovi brand su Meta e il 72% della scoperta di prodotti avviene su WhatsApp. Meghna Apparao, Director E‑commerce & Retail di Meta India, descrive un mercato senza stagioni, dove lo shopping è diventato un riflesso permanente. Mahesh Nallapati di Shein spiega come il machine learning decide tra video o immagine in base alla risposta individuale. Tutto vero, tutto impressionante. Ma la domanda aperta rimane: se lo shopping è già una “reflex”, quanta parte di quel +61% è attribuibile alla pubblicità Meta e quanta a un mercato in espansione naturale? Fino a quando i CMO non potranno condurre test incrementali su scala — o chiedere a Meta di fornirli — queste metriche resteranno utili per ottimizzare, non per giustificare l’investimento. E in un’epoca di privacy frammentata e attribuzione opaca, l’unico ROI che conta è quello che resiste a un silenzio pubblicitario.