Nella maggior parte delle strategie di pubblicità digitale c’è un presupposto implicito: Google vuole che gli inserzionisti abbiano successo perché, se ottengono risultati, possono aumentare la spesa pubblicitaria e quindi i ricavi di Google.
Con budget contenuti questo presupposto può sembrare plausibile: ottimizzi le campagne, i risultati migliorano, investi di più e le parti ne traggono vantaggio.
Con investimenti su larga scala, l’allineamento può cambiare.
L’automazione modifica la relazione, oltre agli strumenti. Più spesa passa attraverso sistemi automatici, meno visibili possono diventare i criteri delle decisioni. Quando la visibilità diminuisce, può essere più difficile individuare la differenza tra ciò che Google ottimizza e ciò di cui ha bisogno l’inserzionista.
Non è una teoria del complotto: è una questione di incentivi economici. Capire come possono divergere su larga scala aiuta a prendere decisioni più informate all’interno di sistemi che non si controllano completamente.
Che cosa significa davvero «scatola nera»
Nel settore pubblicitario si usa spesso l’espressione «scatola nera». Conviene precisare cosa descrive.
Non significa che non hai alcun controllo. Puoi impostare budget, definire segmenti di pubblico, modificare offerte ed escludere posizionamenti. Gli strumenti di controllo esistono.
Significa che alcune decisioni sono meno spiegabili. Si passa da leve osservabili a sistemi probabilistici. Puoi vedere input e risultati, ma il processo intermedio è poco trasparente. Perché una campagna costa improvvisamente il 40% in più per conversione? Perché Performance Max ha spostato il budget da Shopping a Discover? Il sistema potrebbe non fornire una spiegazione dettagliata.
Questo può rallentare i cicli di apprendimento man mano che la spesa cresce. Con budget ridotti puoi condurre esperimenti, isolare variabili e imparare più rapidamente. Con budget elevati può diventare più difficile distinguere il segnale dal rumore. Le modifiche possono richiedere più tempo per produrre effetti e l’attribuzione può essere meno chiara. Il sistema elabora gli input e restituisce risultati che potrebbero non riflettere esattamente le tue intenzioni.
Non significa necessariamente che il sistema sia guasto: può funzionare come progettato. La domanda è: progettato per quali obiettivi?
Perché gli incentivi di Google contano di più su larga scala
Google è una società quotata e i suoi ricavi dipendono dalla spesa pubblicitaria. La pressione degli azionisti premia ricavi trimestrali prevedibili. L’automazione può facilitare l’espansione della spesa riducendo gli ostacoli e il livello di competenza iniziale richiesto agli inserzionisti.
Non sono accuse, ma caratteristiche strutturali da considerare. Google ha l’incentivo a far crescere e stabilizzare i ricavi pubblicitari. Le decisioni sui prodotti, gli aggiornamenti degli algoritmi e le nuove funzioni automatiche possono rispecchiare questo obiettivo.
Gli inserzionisti hanno obiettivi diversi: considerano il profitto marginale, non solo la spesa lorda. La domanda non è soltanto «quanto possiamo spendere?» ma «quanto profitto aggiuntivo genera ogni dollaro investito?»
Google può ottimizzare la partecipazione alle aste e la stabilità dei ricavi; gli inserzionisti cercano profitto incrementale. Questi obiettivi non coincidono sempre.
Questa divergenza è stata esaminata anche in ambito normativo. Il procedimento antitrust del Dipartimento di Giustizia degli Stati Uniti sulle pratiche pubblicitarie di Google evidenzia alcune preoccupazioni strutturali sul funzionamento della piattaforma. Senza anticiparne l’esito, il caso mostra che l’allineamento degli incentivi tra piattaforme e inserzionisti non è automatico: può dipendere dalla struttura del mercato, dalla concorrenza e dalla vigilanza normativa.
Con budget contenuti, la differenza può sembrare limitata. Su scala aziendale, quando i rendimenti marginali si appiattiscono e l’efficienza conta più del volume, può diventare rilevante.
Come si manifesta su Google Shopping
Le campagne Shopping rendono visibili queste dinamiche perché il percorso è diretto: prodotto, prezzo, disponibilità, offerta, impressione, clic, conversione. La catena è breve e i dati sono ricchi, ma anche su larga scala possono emergere gli stessi schemi.
La saturazione della domanda può arrivare prima del previsto. Smart Bidding ottimizza le conversioni entro i limiti di budget impostati. Avvicinandosi al limite della domanda disponibile, il sistema può ampliare la copertura verso ricerche con intenzione d’acquisto più debole. L’efficienza può calare anche se la spesa resta stabile.
Performance Max può distribuire il budget con strumenti diagnostici meno dettagliati. L’automazione su più canali comporta un compromesso: può ridurre la visibilità su quali posizionamenti, segmenti e creatività generino risultati. Se il rendimento cala, potrebbe essere difficile individuare la causa; puoi modificare gli input e valutare l’effetto.
Le modifiche al feed possono migliorare alcune metriche senza aumentare l’incrementalità. Puoi ottimizzare titoli, immagini e categorie e osservare un miglioramento iniziale che poi si appiattisce. La domanda è se hai intercettato nuova domanda o spostato domanda esistente da una ricerca all’altra. Senza misurazioni adeguate dell’incrementalità, è difficile distinguerle.
Non significa necessariamente che il sistema sia guasto. Il problema può essere l’aspettativa di ottenere risultati che il sistema non è progettato per spiegare.
Perché le aziende più grandi avvertono prima queste difficoltà
Le piccole e medie imprese possono incontrare meno spesso queste dinamiche. Con spese più contenute, la saturazione della domanda può incidere meno e l’automazione può ridurre il lavoro di gestione. Possono restare opportunità di crescita perché il negozio non ha ancora raggiunto il proprio limite.
Le grandi aziende operano in un contesto diverso. Spesso hanno già intercettato le opportunità più semplici e si avvicinano ai limiti della domanda. L’incrementalità può diventare più importante dell’efficienza: occorre capire se la crescita è nuova o se sta spostando vendite da un’altra fonte.
La fiducia interna può diminuire quando i sistemi non spiegano le decisioni. Se il CFO chiede perché la spesa Shopping è cresciuta del 25% mentre i ricavi sono aumentati dell’8%, «lo ha deciso l’algoritmo» non è una risposta sufficiente. I team finanziari hanno bisogno di comprendere le cause e le modifiche, non solo le correlazioni.
I sistemi automatici restituiscono risultati, ma non sempre spiegazioni sufficienti. Le persone devono interpretarli, spesso senza visibilità adeguata.
Il rischio concreto: decidere senza una visione condivisa
La scatola nera non è rischiosa solo perché esiste. Le aziende devono comunque prendere al suo interno decisioni di budget che possono essere difficili da annullare.
I team possono discutere sull’attribuzione. Shopping può rivendicare conversioni che sarebbero potute avvenire comunque; le campagne brand possono rivendicare un effetto di notorietà difficile da misurare; il retargeting può attribuirsi l’ultimo clic di percorsi iniziati altrove. Senza una fonte condivisa, ogni team può difendere il proprio canale con metriche favorevoli alla propria interpretazione.
Il reparto finanziario può mettere in discussione la spesa se i dashboard non coincidono con i report sui ricavi. La fiducia si riduce e l’allocazione del budget rischia di diventare politica anziché analitica.
I dirigenti possono perdere fiducia nei dati di rendimento quando i numeri non coincidono, le previsioni mancano l’obiettivo o l’agenzia attribuisce tutto all’algoritmo. Questo può portare a investire troppo sulla base di aspettative o troppo poco per scetticismo.
L’ottimizzazione può diventare un’attività fine a sé stessa. I team apportano modifiche perché non intervenire sembra irresponsabile, non perché si aspettino un miglioramento. Aumentano le attività, ma i risultati possono restare invariati.
Cosa fanno diversamente i team più maturi
I team che gestiscono bene questo contesto condividono alcune abitudini: non cercano di combattere la scatola nera, ma progettano i processi tenendone conto.
Separano efficienza e incrementalità. Metriche come ROAS e CPA descrivono come viene spesa la somma; le misure di incrementalità aiutano a capire se la spesa genera ricavi nuovi o rivendica ricavi che sarebbero arrivati comunque. I team maturi considerano entrambe.
Non si aspettano che un solo canale generi tutta la crescita. Google Shopping intercetta domanda esistente, ma non è progettato per crearla. I team che ne comprendono il ruolo bilanciano la cattura della domanda con altri canali di creazione.
Usano la diagnostica oltre all’ottimizzazione. Ottimizzare significa cercare di migliorare; diagnosticare significa capire cosa accade. I team maturi investono in sistemi di misurazione che offrono una prospettiva indipendente dai report delle piattaforme.
Accettano la minore trasparenza e progettano i processi di conseguenza. L’automazione può aumentare. Invece di contrastare questa tendenza, i team maturi definiscono soglie, criteri per interrompere le attività e processi decisionali che funzionano anche con informazioni incomplete.
Cosa cambia quando cambia il modello di rischio
Una ragione per cui il modello pubblicitario di Google può sembrare meno trasparente su larga scala è che l’inserzionista sostiene gran parte della spesa pubblicitaria.
Paghi il traffico anche quando non converte. Assorbi la variabilità e poi la spieghi al reparto finanziario. Con sistemi automatizzati e domanda limitata, questo può creare tensioni.
Un approccio diverso consiste nel valutare chi sostiene la spesa pubblicitaria e come vengono calcolati i compensi.
RetailerBoost investe il proprio capitale nelle campagne Google Shopping concordate. Il negozio paga una commissione fissa, concordata in anticipo, sugli ordini attribuiti secondo i termini del servizio. Questo trasferisce a RetailerBoost la spesa pubblicitaria, ma non garantisce risultati incrementali o profitti.
Il canale resta Google Shopping e le aste funzionano allo stesso modo. Cambia chi finanzia la spesa pubblicitaria e come viene calcolata la commissione.
Se il rendimento cala, RetailerBoost sostiene la spesa pubblicitaria concordata; il negozio continua a sostenere la commissione sugli ordini attribuiti e gli altri costi commerciali.
Questo modello non elimina la scarsa trasparenza delle piattaforme e l’attribuzione non dimostra da sola l’incrementalità. Può però cambiare la discussione su budget, commissioni e ottimizzazione.
Riformulare la domanda
La domanda non è «come sconfiggiamo la scatola nera?». Non è un avversario: è il contesto in cui operiamo.
La domanda è «come prendiamo decisioni consapevoli quando gli incentivi non sono del tutto allineati?»
Servono tre cose: chiarezza sugli obiettivi, strumenti di misurazione indipendenti dai report della piattaforma e strutture economiche che rendano trasparenti gli incentivi delle parti.
Le prime due dipendono dalle capacità interne. La terza riguarda la scelta dei partner e dei termini di collaborazione.
Per i team che gestiscono sistemi pubblicitari automatici, la sfida non è più soltanto accedere agli strumenti, ma avere fiducia nelle decisioni. Un modello con incentivi chiari non elimina la complessità, ma può aiutare a gestirla.
Questo può fare la differenza tra aumentare la spesa e doverne giustificare l’efficacia.
