Il ROAS reale era un decimo di quello dichiarato

La distanza tra il ROAS dichiarato e l’impatto reale emerge dai test di incrementalità

Un brand di elettronica di consumo ha osservato per tre mesi un ROAS del 480% sulle campagne Demand Gen di Google. Quando il team di marketing science ha isolato la componente incrementale tramite un test di holdout geografico, il contributo netto è sceso al 12%. Non è un’anomalia statistica, ma il sintomo di un divario che si allarga: mentre le piattaforme consegnano agli advertiser strumenti di intelligenza artificiale che operano in modalità sempre più autonoma, agli utenti vengono offerti interruttori per domare l’algoritmo.

È il paradosso degli algoritmi.

Automazione moltiplicata, attribuzione diluita

I nuovi strumenti AI di Meta ordinano automaticamente gli elementi per creare più versioni di una promozione, come illustrato in le linee guida per gli annunci AI di Meta. E la logica sottostante è resa esplicita: la dichiarazione di Meta sull’ottimizzazione creativa afferma che «Più opzioni creative fornisci, più opportunità ha il sistema di consegna per ottimizzare la tua consegna e le prestazioni». Ogni variante generata diventa un punto di contatto che l’algoritmo distribuisce in base a segnali di engagement predittivo, rendendo quasi impossibile per un analyst risalire al contributo marginale di ciascun asset.

Aggiungi il fatto che le raccomandazioni automatizzate di Gemini per YouTube inizieranno presto a suggerire come ottimizzare le creatività per le campagne Demand Gen, selezionando immagini e video in base a modelli previsionali. La scelta umana si restringe a un’approvazione ex-post.

TikTok spinge ancora più in là il concetto con l’Agentic Hub di TikTok, un ambiente che offre le AI Skills di TikTok, pacchetti di automazione per compiti pubblicitari chiave. La promessa è che riducano il lavoro manuale e aiutino a gestire le campagne in modo più efficiente. TikTok sottolinea che queste Skills vanno oltre l’automazione: analizzano grandi volumi di dati per produrre raccomandazioni actionable, come specificato nella descrizione di le capacità analitiche delle AI Skills di TikTok.

«AI Skills go beyond automation. By analyzing lots of data and synthesizing insights into actionable recommendations, they help advertisers make smarter decisions, execute more efficiently, and focus on strategic priorities».

L’utente sceglie, l’inserzionista subisce

A poche ore di distanza, il discorso di Adam Mosseri suona come l’altra faccia della medaglia. Il test di Instagram per i controlli algoritmo introduce un pannello dove gli utenti possono aggiungere e rimuovere argomenti associati al loro profilo di interesse. Mosseri ha spiegato che l’obiettivo è rendere gli utenti consapevoli, offrendo più punti di accesso alle funzionalità di controllo, come si legge in l’annuncio di Mosseri sulla consapevolezza algoritmica. Il nuovo pannello Your Algorithm di Instagram basterà un trascinamento verso il basso per apparire, trasformando il sistema da entità opaca a interlocutore. Nelle parole di Mosseri, la metafora dell’algoritmo come interlocutore di Mosseri descrive un’esperienza in cui l’algoritmo è «qualcosa con cui parli piuttosto che qualcosa che ti accade».

Mentre l’utente può negoziare i propri interessi con il feed, l’inserzionista non ha un equivalente «Your Algorithm» per le campagne. Può solo fornire più asset e sperare che la scatola nera ottimizzi correttamente.

Oltre il ROAS: il vuoto di incrementalità

Il problema non è l’automazione in sé, ma la distanza che crea tra metriche di superficie e impatto reale. Un sistema che genera decine di varianti e le alloca dinamicamente gonfia le metriche last-click: l’utente che avrebbe comunque comprato viene intercettato da una combinazione di annunci e attribuito al canale. Senza un disegno di misurazione che isoli l’incremento netto — tramite geo-holdout, Match Market Mix Modeling con variabili strumentali, o conversion modeling basato su dati first-party — il rischio è pagare per domanda già esistente.

Quanto della performance riportata dalle dashboard di TikTok, Meta e Google è davvero aggiuntiva? E quanto dipende dalla capacità degli algoritmi di accaparrarsi conversioni che sarebbero arrivate comunque? Finché i test di incrementalità resteranno esercizi sporadici e non requisiti integrati nelle piattaforme, il paradosso resterà irrisolto: più controllo all’utente, meno visibilità all’inserzionista su ciò che funziona davvero.