L’automazione non distingue il traffico caldo

Il test di Collin ha smascherato l’equivoco tra traffico caldo e valore incrementale reale

Hai appena scoperto che la tua campagna Performance Max macina conversioni a due cifre percentuali in meno rispetto al mese scorso. Il primo istinto è aprire la dashboard e aumentare il target CPA, oppure chiederti se il machine learning ha bisogno di più tempo. Invece, forse ti sei perso un dettaglio: Google ha appena ingranato la quinta sull’automazione, ma i brand non stanno ancora affrontando il malfunzionamento di fondo.

Nell’ultimo anno, tra AI Overviews, AI Mode e Conversational Discovery Ads, la spinta non si è arrestata un attimo. E proprio mentre l’AI generativa riempie i feed, l’aggiornamento sull’ad serving limitato solleva una domanda scomoda: quanti inserzionisti sono davvero qualificati per queste macchine?

Il test di Collin e l’incubo del traffico caldo

A luglio 2025 Collin Schmelebeck ha scritto una frase che è rimbalzata in ogni gruppo Slack di media buyer: togliere le ricerche di brand da una campagna PMax non cambia il pubblico target, resta traffico caldo. La sua osservazione è diventata virale perché sbatte in faccia un equivoco che la guida su Performance Max e net new customers ha provato a dipanare, ma che i report automatici non correggono: l’automazione non distingue il valore incrementale reale se non la costringiamo a farlo.

Chiudere la falla non richiede un nuovo algoritmo, ma un ritorno al controllo umano. Prima ancora di toccare le offerte, bisogna cambiare prospettiva.

Il controllo che hai smesso di fare

L’errore più comune oggi è fidarsi di finestre di conversione troppo strette. Impostare finestre di conversione più estese è il primo passo per vedere l’impatto completo delle campagne di awareness e consideration. E aggiungere finestre view-through aiuta a scoperchiare l’effetto alone delle impression che i click da soli non catturano.

La misurazione cross-platform dice con chiarezza: va rivista l’attribuzione last-click e va allineata la finestra di conversione tra le piattaforme. Senza questo passaggio, qualsiasi giudizio sulla performance è parziale. E quando i numeri piatti durano, il responso di una seria valutazione strategica della campagna non lascia scampo: il problema è strategico, non di attribuzione.

Guardare indicatori diagnostici come CTR, comportamento on-site e allineamento con l’ICP nelle prime due settimane dimezza il tempo di reazione rispetto a qualunque modello di machine learning.

Non è disintermediazione: è igiene strategica.

Ma c’è uno strumento più affilato di qualsiasi report, che oggi quasi nessuno usa: il feedback umano diretto. Parlare con chi ha cliccato e comprato porta alla luce la percezione reale del cliente, svelando quali canali hanno generato domanda e quali si sono limitati a intercettare quella già esistente. È questo confronto a far emergere i buchi tra ciò che la piattaforma racconta e ciò che il pubblico ha capito davvero.

La grande scommessa di Google (e il suo rovescio)

Google non molla la presa. Su YouTube, i dati condivisi nel Drop di giugno per Demand Gen mostrano che il 72% delle conversioni incrementali proviene da nuovi clienti. Una fotografia perfetta che le macchine useranno immediatamente come leva: Gemini inizierà a elargire raccomandazioni creative di Gemini per ottimizzare asset video e immagini, mentre la misurazione Web to App integra le installazioni app nel cruscotto delle campagne Demand Gen.

Più automazione, insomma. E va bene. Ma il punto è che i numeri puliti del 72% non dicono nulla se non ci sei tu a incrociarli con il costo reale di quei clienti e con la loro qualità nel funnel. Avere una finestra di conversione giusta e parlare con un cliente vero restano le due cose che Gemini non farà per te domattina.