Nel marketing digitale la tentazione è ottimizzare appena compare un numero: più clic, meno costo per risultato, un canale che sembra crescere. Ma un dato non è ancora un segnale solo perché appare in un report. Prima devo capire come è stato raccolto, che cosa manca, quali parti sono osservate e quali sono stimate. Altrimenti rischio di trasformare un problema di misurazione in una decisione di budget.
La qualità dei dati marketing non è quindi un tema riservato a chi sviluppa il tracciamento. Riguarda chi scrive una campagna, chi assegna un obiettivo, chi presenta un report e chi decide se aumentare l’investimento. Le indicazioni aggiornate di Google Analytics sulla qualità dei dati rendono questo punto ancora più evidente: dati mancanti, valori “(not set)”, diagnostica, identificatori aggregati e modellazione non sono dettagli dell’interfaccia. Cambiano il modo in cui interpretiamo il percorso verso una conversione.
Un numero non è ancora un segnale
Quando leggo “100 conversioni”, la prima domanda non è se il risultato sia buono. Chiedo che cosa è stato definito come conversione, con quale evento, su quale finestra temporale e con quale criterio di attribuzione. Una richiesta di contatto, una visita a una pagina, l’apertura di un modulo e un contratto firmato possono stare nello stesso cruscotto, ma non hanno lo stesso valore commerciale.
Il secondo controllo riguarda la completezza. Google Analytics segnala che “(not set)” può dipendere da parametri mancanti, problemi di implementazione, impostazioni sulla privacy o ritardi di elaborazione. “Data not available”, invece, può indicare che l’informazione non è ancora arrivata o non è stata processata. La documentazione sui nuovi indicatori di stato dei dati aiuta a distinguere i due casi: confonderli porta a cercare una correzione tecnica quando serve soltanto attendere, oppure ad aspettare quando una campagna sta davvero perdendo il proprio contesto.
Per me il principio è semplice: un report deve rendere visibile anche la sua incertezza. Un dato parziale ma dichiarato è più utile di una percentuale precisa che nasconde il perimetro.
La qualità si vede anche nei dati mancanti
Nella pagina dedicata alla qualità dei dati, Google Analytics descrive un insieme di interventi che va nella stessa direzione: maggiore completezza, spiegazioni contestuali dentro i report e indicatori capaci di segnalare problemi di implementazione. Tra gli esempi cita gli identificatori aggregati, usati quando non è possibile recuperare automaticamente alcune informazioni della campagna da Google Ads, e i parametri UTM come fallback manuale.
Questo non significa che ogni lacuna possa essere riempita automaticamente, né che un modello ricostruisca la storia reale di ogni singola persona. Significa che la piattaforma cerca di mantenere leggibile il quadro complessivo quando la misurazione non è completamente osservabile. La responsabilità del team resta distinguere tra ciò che il sistema ha visto e ciò che ha stimato.
Osservato, modellato, non disponibile
La distinzione cambia le decisioni. Un evento osservato è stato raccolto secondo la configurazione attiva. Un evento modellato è una stima costruita a partire da relazioni aggregate e da dati osservati, per esempio quando il consenso o i limiti tecnici impediscono di vedere tutto il percorso. Un valore non disponibile segnala invece che l’informazione non è presente o non è ancora pronta.
Google chiarisce, nella documentazione sugli eventi chiave modellati, che questi possono essere aggiornati anche fino a dodici giorni dopo la registrazione della conversione e suggerisce di usare intervalli temporali non troppo recenti quando serve maggiore accuratezza. Se confronto ieri con oggi e tratto il risultato come definitivo, potrei attribuire a una campagna una variazione che il sistema sta ancora elaborando.
Il consenso è parte del disegno di misurazione
Il consenso non dovrebbe comparire nel progetto soltanto come un banner da far approvare al reparto tecnico. Influisce su quali segnali possono essere raccolti, collegati e usati per la pubblicità. Per le proprietà collegate a Google Ads, Google ha comunicato che dal 15 giugno 2026 il controllo della raccolta dei dati destinati ad Ads si concentra nel Consent Mode, mentre il controllo Google Signals resta riferito all’associazione dei dati Analytics con informazioni di utenti che hanno effettuato l’accesso, per i report comportamentali.
La comunicazione è soprattutto un aggiornamento di prodotto, non una valutazione legale valida per ogni sito. Per chi fa marketing contiene però una conseguenza pratica: il modo in cui raccogliamo il consenso deve essere coerente con il modo in cui interpretiamo i report. Se il team sa che la perdita di osservabilità modifica attribuzione e personalizzazione, non può presentare le conversioni come una fotografia completa senza spiegazioni.
In un briefing inserisco quindi almeno tre domande: quali dati servono davvero per la decisione? Quali funzioni dipendono dal consenso? Che cosa faremo se una parte del percorso non sarà osservabile? La privacy non è un’interruzione del marketing; è una condizione da incorporare nel modello di lettura.
Gli UTM sono un contratto tra campagna e report
Gli URL con parametri UTM vengono spesso compilati all’ultimo minuto, magari copiando una stringa da una campagna precedente. È un errore piccolo che può produrre settimane di dati difficili da usare. Google raccomanda, nella guida a tagging manuale e auto-tagging, di valorizzare tutti i parametri rilevanti, in particolare utm_source, utm_medium, utm_campaign, utm_id e utm_source_platform. Un solo parametro incompleto può lasciare valori “(not set)” o classificazioni che non descrivono l’origine reale.
Tratto quindi gli UTM come un contratto tra chi pubblica e chi misura. Prima della campagna definisco un vocabolario: nomi in minuscolo, separatori coerenti, distinzione tra canale, iniziativa, formato e variante creativa. Poi collego quei nomi a un documento condiviso e a una responsabilità. Se una newsletter usa “social” e un’altra “sociale”, il problema non è del grafico: è del sistema che non ha fissato la lingua dei dati.
Quando sono disponibili integrazioni e auto-tagging, verifico quale fonte abbia la precedenza. La documentazione di Analytics spiega che, in presenza contemporanea di auto-tagging e tagging manuale, le dimensioni di classificazione usano i valori auto-tagged; se gli identificatori automatici non sono utilizzabili e sono presenti parametri UTM, la derivazione può basarsi esclusivamente su questi ultimi. Questo è il genere di comportamento che va testato prima di usarlo per distribuire budget.
Prima della dashboard viene la diagnostica
Una dashboard elegante può nascondere un’implementazione fragile. Per questo, prima di discutere il tasso di conversione, controllo gli avvisi di qualità e la diagnostica di Google Analytics. Google indica tra gli esempi un volume elevato di eventi session_start mancanti, sessioni di spam che possono alterare l’attribuzione e problemi di User-ID. Dopo una correzione, gli avvisi possono restare visibili fino a 48 ore: anche il tempo di elaborazione fa parte della lettura. Se il report presenta una riga “(other)” o dati campionati, considero anche i limiti con cui Analytics conserva e visualizza i dati prima di confrontare i segmenti.
La mia sequenza di controllo è breve:
- definisco la decisione che il dato dovrebbe aiutare a prendere;
- verifico evento, parametri, fonte, finestra temporale e stato del consenso;
- separo valori osservati, modellati, mancanti o ancora in elaborazione;
- controllo tagging, duplicazioni, traffico interno e anomalie di qualità;
- solo dopo confronto canali, creatività e risultati commerciali.
Questa sequenza evita di usare il report come un tribunale. Se un canale appare peggiore perché perde identificatori, non significa automaticamente che la campagna sia inefficace. Se un canale cresce grazie alla modellazione, non significa automaticamente che abbia generato tutto il valore attribuito. La domanda utile è quale decisione resta sostenibile dopo aver esplicitato il margine di incertezza.
Il marketing deve misurare anche la propria affidabilità
La qualità dei dati marketing non si risolve scegliendo una piattaforma o installando un nuovo pannello. Richiede un accordo tra obiettivi, eventi, nomenclature, privacy, tempi di elaborazione e responsabilità. La checklist di configurazione di Analytics mette a disposizione indicazioni su key event, filtri, collegamenti e URL di campagna; il team deve decidere come usarli e quando fermarsi prima di trarre una conclusione.
Per questo, nei report affianco al risultato una nota sul suo perimetro: periodo di raccolta, definizione del key event, copertura del tagging, eventuali stime e problemi aperti. È una scelta che rende la presentazione meno spettacolare, ma la decisione più difendibile. Nel tempo aiuta anche a riconoscere il vero costo di una misurazione confusa: non solo un grafico impreciso, ma budget spostati, contenuti scartati e occasioni interpretate male.
Se vuoi rivedere il tuo sistema di misurazione, contattami: partirei da una decisione concreta e ricostruirei a ritroso il segnale necessario, distinguendo ciò che il sistema osserva da ciò che stima.
Nota di trasparenza: questo articolo è stato elaborato con l'aiuto dell'intelligenza artificiale e con supervisione e responsabilità editoriale umana.