Il 75% delle persone non fa quello che dice

Google presenta annunci shopping basati su Gemini e un chatbot per la lead generation

Il 75% delle persone dichiara di prendere decisioni più rapide e sicure utilizzando la Modalità AI nella Ricerca. Un numero che sembra da capogiro per chi deve giustificare un budget pubblicitario. Ma quanti di questi utenti stanno effettivamente convertendo? Il dato, come sottolinea lo stesso annuncio ufficiale diffuso ieri, è auto‑dichiarato, non misurato su comportamenti reali. È la prima illusione in una strategia che sta ridisegnando le regole del gioco per inserzionisti, analyst e marketing scientist.

Il paradosso del 75%

La statistica del 75% è un’esca perfetta: suona bene in una presentazione, ma non dice nulla sull’incrementalità delle vendite o sul contributo reale di ciascun formato. Google la cita per giustificare la spinta verso nuovi formati pubblicitari nativi dell’intelligenza artificiale: gli annunci shopping basati su Gemini, che scrivono spiegazioni personalizzate per ogni prodotto, e il Business Agent for Leads, un chatbot Gemini integrato dentro l’annuncio. Entrambi sono stati presentati ieri come la risposta a un bisogno di “decisioni più rapide e sicure”.

Cosa si rompe nella misurazione

Questa imposizione cambia radicalmente la misurazione. Quando perdi il controllo sulle parole chiave e affidi la selezione del targeting a un algoritmo, non puoi più applicare un semplice test con holdout geografico o un esperimento di “ghost ads” classico. Il modello di conversione deve tenere conto di un sistema che cambia in tempo reale le query, i prodotti mostrati e persino il testo esplicativo generato da Gemini. L’“AI spiegatore indipendente” che Google promette all’interno degli annunci dovrebbe fornire trasparenza, ma è una trasparenza dichiarata: chi garantisce che la logica dietro la scelta di un prodotto sia davvero indipendente e non influenzata dal budget dell’inserzionista? Senza accesso al modello di ranking, l’unica strada percorribile per un marketing scientist è impostare test incrementali con gruppi di controllo non esposti agli annunci AI, combinati con modelli di marketing mix (MMM) che isolino il contributo di ciascun canale. Ma questi metodi richiedono tempo, volumi di dati elevati e una volontà di investire nella sperimentazione che non tutti i budget hanno.

Le domande che restano