I chatbot pubblicitari valgono molto meno del previsto

L’assenza di metriche condivise per l’intento qualificato rende ogni confronto tra piattaforme arbitrario

Quando OpenAI ha proiettato 2,5 miliardi di dollari di ricavi pubblicitari per quest’anno e 100 miliardi entro il 2030, i mercati hanno annuito senza battere ciglio. Poi è arrivato Emarketer con il forecast di OpenAI mancato del 90%: secondo i loro dati, i chatbot standalone – ChatGPT, l’app Microsoft Copilot, la modalità AI di Google, Amazon Alexa per lo shopping – genereranno quest’anno meno di un miliardo. E al 2030 arriveranno a malapena a 5,41 miliardi.

Un abisso. Ma concentrarsi solo sullo scostamento sarebbe un errore: il vero buco nero sta un livello più sotto, nelle metriche che dovrebbero dare un senso a quei numeri.

L’illusione non è la domanda – miliardi di query al mese lo dimostrano – ma la convinzione di poter misurare l’incremento pubblicitario in un ambiente dove gli agenti conversazionali sfumano l’intento. Se un assistente risponde a una domanda di viaggio citando un hotel, quanto di quella citazione è paragonabile a un clic su un search ad? Il modello last-click qui collassa: non c’è click, non c’è sessione misurabile con i parametri UTM, non c’è attribuzione diretta. La correlazione tra esposizione e conversione diventa opaca e l’incrementalità reale resta un’ipotesi.

Secondo Lambroza, oltre il 40% delle persone cita la disinformazione come barriera all’ingresso nei viaggi, un dato emerso nell’analisi su il marketing reset richiesto dall’era dei bot. Se un chatbot genera risposte allucinate o fonti spurie, la fiducia si sgretola ancor prima di parlare di performance. E senza fiducia, nessun KPI pubblicitario regge.

Quando il framework esiste ma il metodo latita

Solomon ha citato il framework Google per agenti autentici, che impone autenticità, autorizzazione e responsabilità. Un principio condivisibile, ma che non risponde alla domanda pratica: cosa registriamo come conversione attribuibile? I pixel di tracciamento non funzionano in una chat testuale; i test geo e gli holdout sperimentali classici diventano complessi quando l’inventario è un flusso generativo senza una geolocalizzazione stabile dell’impression. I modelli di marketing mix – gli MMM – potrebbero assorbire il segnale aggregato, ma solo se riusciamo a isolare l’effetto chatbot dal resto del media mix, un’operazione che richiede variabilità sperimentale che oggi semplicemente non esiste.

Lambroza ha aggiunto che i KPI si sposteranno dalle visualizzazioni di pagina verso un ecosistema pubblicitario fondato sull’intento e sulla qualificazione. Lo spostamento è sensato, ma l’industria non ha ancora una metrica condivisa per “l’intento qualificato”. È un segnale proxy, sfuggente e modellabile solo con dati conversazionali proprietari che i publisher difficilmente apriranno agli advertiser.

La difensiva non è solo tattica

Solomon, discutendo la necessità di un marketing reset nell’era dei bot, ha centrato il nodo psicologico: Tutti lo vedono come una minaccia perché pensano che stia solo sconvolgendo il loro carro di mele. È solo un’estensione e un abilitatore dello scenario inevitabile che sta accadendo. La reazione difensiva non è solo emotiva: è la conseguenza di non avere strumenti per distinguere l’esposizione incrementale dalla sostituzione di altri canali. Se un assistente AI raccomanda un prodotto che l’utente avrebbe comunque trovato via search organica, stiamo gonfiando l’attribuzione e pagando per un comportamento preesistente.

Ed è qui che la mossa di Integral Ad Science diventa interessante. Lidiane Jones, illustrando i piani del CEO di IAS per l’azienda, ha indicato come priorità accelerare l’innovazione nell’AI emergente e nel processo di acquisto e vendita di spazi media. L’obiettivo dichiarato è portare la verifica oltre il display e il video, verso il presidio degli assistenti AI, dove la visibilità dell’impression non esiste e la brand safety va ridefinita in termini di contesto conversazionale anziché di contenuto affiancato.

Ma resta un problema di fondo: le metriche anti-frode e di viewability nascono su canali deterministici. Trasferirle a interazioni testuali dove non c’è un’“impression” nel senso stretto del termine richiede un cambio di ontologia della misurazione. Non è una semplice estensione; è una riscrittura delle definizioni di base. E se la definizione di “esposizione valida” non è condivisa, ogni confronto tra piattaforme diventa arbitrario.

Il 5% che non basta

Jeremy Cornfeldt, parlando di integrazioni non invasive nello streaming TV, ha ricordato un dato che nel contesto chatbot suona come un avvertimento: solo il 5% del pubblico è pronto all’acquisto in un dato momento. Se applichiamo questa proporzione alle conversazioni con un assistente AI, il volume di interazioni commercialmente rilevanti si restringe drasticamente. Non basta misurare l’intento: serve una qualificazione predittiva che distingua l’utente in fase esplorativa da quello con reale propensione transazionale. Modelli di conversion modeling addestrati su dati conversazionali potrebbero farlo, ma richiedono segnali di primo partito che oggi sono concentrati nelle mani di chi possiede il modello linguistico e il runtime.

OpenAI ha avviato il test pubblicitario di OpenAI a febbraio 2026. I risultati preliminari non sono pubblici, ma la forbice tra le proiezioni di ricavo pubblicitario di OpenAI e la stima indipendente di Emarketer suggerisce che il mercato sta già prezzando questo deficit metodologico. Non è scetticismo sulla capacità dei bot di influenzare le decisioni d’acquisto: è la consapevolezza che, senza una metrica di incremento verificabile, gli investimenti resteranno sperimentali e in gran parte non scalabili.

Ciò che ancora non sappiamo è se esista una metrica ponte – qualcosa tra l’intento dichiarato e la conversione tracciata – in grado di soddisfare contemporaneamente publisher, advertiser e piattaforme. Forse sarà un punteggio di “azione influenzata” basato su segnali post-esposizione nel grafo di navigazione. Forse un modello di attribuzione multi-touch che integri l’interazione chatbot come nodo aggiuntivo. O forse, semplicemente, dovremo accettare che in un’internet a maggioranza bot, il concetto stesso di “misurare” un’inserzione andrà sostituito con qualcosa di più simile a una stima probabilistica dell’impatto, con tutte le incertezze e le assunzioni forti che questo comporta. Ma finché non daremo un nome e una metodologia condivisa a quel qualcosa, i numeri dei chatbot saranno sempre più narrativa che scienza.