Attribuzione marketing: modelli, limiti e incrementality

Nel marketing digitale è rassicurante guardare una tabella e vedere che ogni conversione è stata assegnata a un canale. Il numero sembra ordinato: una campagna ha portato il contatto, un’altra ha generato la vendita, una terza non ha prodotto nulla. Il rischio è confondere l’ordine del report con la complessità della decisione reale.

Prima di acquistare, iscriversi o chiedere informazioni, una persona può aver letto un contenuto, visto un annuncio, cercato un nome, parlato con qualcuno e riaperto una pagina giorni dopo. L’attribuzione marketing prova a distribuire il merito tra questi passaggi. È utile, ma non è una sentenza definitiva su ciò che ha causato la scelta.

Per me il punto non è trovare la torta perfetta da dividere. È costruire un sistema di misurazione che distingua tra segnali osservati, stime del modello e prove ottenute con un confronto. Solo così i dati possono guidare il budget senza trasformarsi in una storia troppo sicura.

Attribuire non significa dimostrare una causa

Google Analytics definisce l’attribuzione come l’assegnazione di credito a inserzioni, clic e altri fattori lungo il percorso verso un’azione significativa, chiamata key event. Il modello scelto stabilisce quindi una regola di lettura: non modifica il percorso della persona, ma decide come rappresentarlo nel report.

Il modello last click è semplice: assegna tutto il credito all’ultimo canale non diretto che precede l’azione. È leggibile e può essere utile quando il ciclo di vendita è breve, ma tende a oscurare ciò che ha costruito attenzione o fiducia prima del clic finale. Un modello data-driven distribuisce invece il credito in base ai dati disponibili e ai pattern osservati tra percorsi che convertono e percorsi che non convertono.

Il modello più articolato non è automaticamente più vero. Una quota attribuita indica che, secondo il metodo e i dati ricevuti, una campagna è associata a una parte del risultato. Non dice da sola che cosa sarebbe accaduto senza quella campagna.

Che cosa sta davvero misurando il report

Prima di confrontare canali e campagne, guarderei quattro livelli diversi.

Il percorso osservato

È la traccia degli eventi che il sistema ha potuto ricevere: una visita, un clic, una compilazione, una vendita. Qui contano la corretta configurazione dei tag, gli UTM coerenti, il collegamento tra sito e CRM e la definizione precisa di che cosa sia una conversione utile. Se il dato di partenza è incompleto, il modello non può ricostruire con certezza ciò che non ha visto.

La regola di attribuzione

È il modo con cui il report assegna il credito. Cambiando da last click a data-driven possono cambiare conversioni, costo per risultato e ritorno sulla spesa anche se il comportamento degli utenti è rimasto identico. In Google Ads il modello influenza inoltre le colonne usate dalle strategie automatiche di offerta: la scelta non è quindi soltanto estetica, ma può spostare il modo in cui il sistema ottimizza.

La parte modellata

Quando alcuni eventi non sono osservabili per motivi tecnici, privacy, dispositivi diversi o mancanza di consenso, alcune piattaforme stimano una parte del risultato. Google spiega che i key event modellati possono entrare nei report di attribuzione e che i dati attribuiti possono aggiornarsi anche dopo la registrazione della conversione. Il numero va quindi letto con la sua natura: osservato, modellato o aggiornato in seguito non sono sinonimi.

Dire “la campagna ha generato 42 contatti” non equivale a dire “il report attribuisce 42 contatti alla campagna”. Nel primo caso sto facendo un’affermazione causale forte; nel secondo descrivo il risultato di una misurazione.

Il consenso non è un buco da nascondere

La riduzione dell’osservabilità non è sempre un errore da correggere. Una persona può rifiutare cookie o strumenti di tracciamento, usare più dispositivi oppure scegliere un percorso che non lascia una traccia completa. La risposta corretta non è cercare scorciatoie per identificare chi ha detto no.

L’EDPB ricorda che il marketing diretto richiede una valutazione concreta della base giuridica, della necessità e del bilanciamento con diritti e aspettative delle persone; per alcune comunicazioni e tecniche di tracciamento può essere necessario il consenso. Per questo separerei due domande: “posso raccogliere questo segnale?” e “come posso prendere una decisione quando il segnale manca?”.

La seconda domanda porta a una misurazione più onesta. Si può documentare quanta parte del dato è osservata, quanta è stimata e quali conversioni arrivano da sistemi commerciali verificabili, come il CRM. Il limite non va cancellato dal grafico: va mostrato accanto alla decisione che quel grafico dovrebbe sostenere.

Attribuzione e incrementality rispondono a domande diverse

Per decidere come distribuire il budget, non userei un solo numero. L’attribuzione aiuta a capire quali combinazioni di touchpoint compaiono nei percorsi e come il sistema li valorizza. L’incrementality prova invece a stimare quale risultato aggiuntivo compare quando una parte del pubblico riceve una campagna rispetto a un gruppo di confronto, attraverso esperimenti di lift o altri disegni controllati.

Nessun test è magico: servono una domanda chiara, gruppi comparabili e una metrica definita prima. L’attribuzione chiede “come distribuisco il merito?”. Un test di incremento chiede “quanto risultato in più posso associare all’intervento rispetto a ciò che sarebbe accaduto senza di esso?”.

Google ha iniziato a presentare la valutazione dell’impatto dei media come una triangolazione tra data-driven attribution, marketing mix modeling e incrementality. Non significa che basti attivare tre report. Significa che percorsi individuali, andamento complessivo e confronto sperimentale possono correggersi a vicenda. Se tutti raccontano la stessa direzione, la decisione è più robusta; se divergono, emerge una domanda utile da approfondire.

Un metodo pratico per non inseguire il canale vincente

Partirei da un obiettivo commerciale osservabile, non dal desiderio di attribuire ogni interazione. Per un servizio B2B potrebbe essere una richiesta qualificata passata al CRM; per un e-commerce, un acquisto netto di resi; per un contenuto, una visita successiva a una pagina che spiega l’offerta. Una metrica ambigua produce discussioni infinite sul merito e poche decisioni.

Poi fisserei una scheda di lettura con cinque elementi:

quale azione conta e quando viene considerata completata;
quali fonti e canali possono ricevere credito;
quale finestra temporale e quale modello sono in uso;
quale parte del dato è osservata e quale è modellata;
quale decisione cambierà se il risultato sale o scende.

Confronterei almeno due prospettive: il modello attuale e una regola semplice, come last click o un confronto per periodo. Non per scegliere il numero più conveniente, ma per vedere quali canali cambiano posizione e quali restano solidi. Se il risultato è troppo sensibile al modello, eviterei di usarlo per tagliare o raddoppiare il budget senza un controllo ulteriore.

Infine, collegherei il marketing alla qualità della conversazione commerciale. Un lead attribuito a una campagna non è necessariamente un buon lead. Il passaggio successivo può rivelare che il messaggio attirava persone fuori target, che la promessa era poco chiara o che il contatto non aveva il problema che l’offerta risolve. La misura migliore non è quella che assegna più credito, ma quella che aiuta a prendere una decisione meno fragile.

La domanda giusta è “che cosa posso sostenere?”

Quando guardo un report di attribuzione, cerco di formulare una frase che regga anche fuori dalla dashboard. “Questa campagna riceve più credito nel modello data-driven” è sostenibile. “Questa campagna ha creato da sola la domanda” richiede una prova diversa. La precisione del linguaggio protegge sia il budget sia la fiducia di chi deve approvare una scelta.

Per il mio lavoro, la misurazione più utile combina disciplina tecnica e umiltà interpretativa: eventi definiti bene, consenso rispettato, dati commerciali collegati, modelli letti per quello che sono e test usati quando serve stimare un effetto incrementale. In questo modo il percorso non diventa una torta da dividere, ma una sequenza di indizi da verificare.

Se vuoi rivedere la misurazione di una campagna, partirei da una domanda concreta: quale decisione dobbiamo prendere e quale evidenza sarebbe abbastanza solida per prenderla? È un punto di partenza più lento di una classifica dei canali, ma molto più utile quando il budget, il consenso e la relazione con le persone contano davvero.

Fonti e approfondimenti

Nota di trasparenza: questo articolo è stato elaborato con l'aiuto dell'intelligenza artificiale e con supervisione e responsabilità editoriale umana.

Attribuzione marketing: il percorso non è una torta da dividere