Se cambi modello di attribuzione, non cambiano le vendite: cambia il modo in cui Google Ads distribuisce il merito. E questo basta per far sembrare una campagna in utile, in perdita, oppure “inutile” nei report.
In pratica, io leggerei l’articolo così:
- ROAS = fatturato attribuito / spesa adv
- ROI = guadagno netto / costi totali
- con Last Click, il 100% del credito va all’ultimo clic
- con Data-Driven, il credito si divide tra più touchpoint
- se il tracking è sporco, ROI e ROAS mentono
- errori comuni: last-click bias, finestre troppo corte, conversioni duplicate, micro-conversioni messe come primarie
- prima sistemo tracking, poi azioni di conversione, poi modello, poi finestre
- dopo un cambio di modello, aspetto 14–30 giorni prima di giudicare i numeri
Il punto è semplice: non devo inseguire un ROAS alto nei report. Devo capire se quel numero nasce da una misurazione fatta bene. Se no, rischio di togliere budget a campagne che aiutano le vendite e di spingere campagne che sembrano forti solo sulla carta.
| Punto | Cosa devo guardare |
|---|---|
| Credito conversioni | A chi Google Ads assegna il valore della vendita |
| Modello | Last Click vs Data-Driven |
| Tracking | GTM, GA4, e-commerce, CRM, chiamate, offline |
| Finestra | 30 giorni per cicli brevi, 60–90 giorni per cicli più lunghi |
| Decisione budget | Basata sul ciclo completo, non solo sull’ultimo clic |
Se io voglio leggere ROI e ROAS in modo utile, la regola è questa: meno errori di attribuzione, meno errori di budget.
Come i modelli di attribuzione influenzano ROI e ROAS riportati
Il punto non è quante conversioni arrivano, ma come viene distribuito il merito tra i vari touchpoint.
Last-click vs. data-driven: cosa cambia nella pratica
Con il Last Click, il 100% del valore della conversione finisce all’ultimo annuncio cliccato prima dell’acquisto. Il risultato? Le campagne upper funnel restano fuori dalla foto. Nei report sembrano costose e poco utili, anche quando hanno avuto un ruolo nel portare l’utente fino alla conversione.
Con il modello Data-Driven (DDA), invece, Google Ads ripartisce il credito tra più interazioni lungo il percorso. Quindi una campagna che ha fatto conoscere il brand all’utente può ricevere parte del valore, anche se non è stata l’ultima interazione. Nei numeri questo si vede subito: sale il ROAS attribuito alle campagne assist e si riduce il vantaggio apparente delle campagne di fondo funnel.
| Aspetto | Last-Click | Data-Driven (DDA) |
|---|---|---|
| Credito assegnato | 100% all’ultimo clic | Credito ripartito tra più interazioni |
| Effetto sul ROAS | Favorisce le campagne finali | Rende visibile il valore delle campagne assist |
| Logica | Regola fissa | Algoritmo basato su dati storici |
| Effetto su Smart Bidding | Ottimizza sull’ultimo clic | Fornisce un segnale più completo; può rendere più stabili tROAS e tCPA |
Questo non cambia solo il report. Cambia anche i segnali che Google Ads usa per ottimizzare.
Come l’attribuzione influenza Smart Bidding e allocazione del budget
Se il modello è Last Click, Smart Bidding vede solo le conversioni assegnate all’ultimo clic. Di fatto tende a spingere di più le campagne di fondo funnel e a penalizzare quelle upper funnel, perché nei dati sembrano non convertire. È un po’ come giudicare una staffetta guardando solo l’ultimo corridore.
Passare al Data-Driven dà all’algoritmo una vista più ampia del percorso utente. Questo può portare a una distribuzione del budget più equilibrata tra campagne che intercettano fasi diverse del funnel.
C’è però un punto pratico da non saltare: ogni cambio di modello avvia una nuova fase di apprendimento. In quel periodo le performance possono muoversi parecchio e i dati risultare meno stabili del solito.
Se il tracking non è pulito, anche il modello migliore finisce per produrre un ROI e un ROAS poco affidabili.
sbb-itb-bc3fb49
Problemi di attribuzione comuni che distorcono ROI e ROAS
Quando l’attribuzione è impostata male, ROI e ROAS smettono di misurare il rendimento reale. Misurano una sua versione falsata.
Ed è proprio qui che molti si confondono: i segnali sembrano positivi. ROAS alto, molte conversioni, campagne che “vanno bene”. Sulla carta tutto fila. Nei fatti, quei numeri possono raccontare una storia sbagliata.
Gli errori più comuni sono tre: last-click bias, finestre di attribuzione troppo corte e conversioni duplicate.
Last-click bias, finestre corte e percorsi incompleti
Se il modello last-click assegna tutto il merito all’ultimo clic, le campagne di awareness spariscono dai report. A quel punto il budget tende a spostarsi verso chi intercetta una domanda già presente, non verso chi la genera.
Le finestre di attribuzione troppo corte peggiorano ancora la lettura dei dati. Se la finestra non segue il ciclo di acquisto reale, molte conversioni restano fuori dai report di Google Ads. La campagna sembra debole, ma il dato è sottostimato.
Per molte PMI italiane con negozi fisici, poi, c’è un altro nodo: i percorsi online/offline. Una persona cerca su Google, clicca l’annuncio, poi telefona o passa in punto vendita. Se non tracci chiamate, richieste di indicazioni stradali o acquisti in negozio, il contributo dell’annuncio sparisce dai report di Google Ads. Così Google Ads sembra non portare risultati, quando invece ha acceso il percorso d’acquisto.
Conversioni duplicate e micro-conversioni che gonfiano le performance
Un errore molto comune è trattare micro-conversioni non redditizie come conversioni primarie. Se queste azioni finiscono tra gli obiettivi principali di Smart Bidding, l’algoritmo ottimizza per eventi che non portano fatturato. Il ROAS sale, ma il conto non cambia.
Anche la duplicazione delle conversioni può fare parecchi danni. Succede quando lo stesso acquisto o lo stesso lead viene registrato due volte. E qui c’è un punto da tenere fermo: se i dati sono sporchi, cambiare modello non sistema la misurazione. Ottieni solo una lettura distorta con un algoritmo più evoluto.
Tabella diagnostica: sintomo, causa e rischio decisionale
| Sintomo nel report | Causa legata all’attribuzione | Rischio per le decisioni di budget |
|---|---|---|
| ROAS alto, ma i ricavi non crescono | Conversioni duplicate o micro-conversioni trattate come obiettivi primari | Alto: si scala il budget su performance che non esistono |
| Le campagne awareness mostrano ROI quasi zero | Last-click bias: il modello ignora il ruolo delle campagne di discovery | Alto: tagliare il budget upper funnel svuota il funnel futuro |
| Le conversioni "spariscono" per prodotti con ciclo di acquisto lungo | Finestre di attribuzione troppo corte rispetto al ciclo reale | Medio: si sottoinveste in campagne che generano lead ad alto valore |
| Discrepanza tra Google Ads, CRM e backend e-commerce | Finestre corte o conversioni offline non importate | Medio: si penalizzano campagne con cicli di vendita lunghi |
| ROAS stabile, ma il costo per acquisizione sale | Mancato filtro degli utenti già convertiti | Medio-alto: si spreca budget su chi avrebbe acquistato comunque |
Correggi questi errori prima di cambiare modello di attribuzione o di riallocare il budget.
Come correggere l’attribuzione e stabilizzare ROI e ROAS
Come correggere l’attribuzione in Google Ads: tracking, modello e finestre
Dopo la diagnosi, sistema prima il tracking e solo dopo il modello. L’ordine conta: tracking, conversioni, modello, finestre. Qui il lavoro si concentra sui tre errori visti sopra: tracking, conversioni e finestra.
Controlla il tracciamento, le azioni di conversione e le impostazioni di attribuzione
Prima di cambiare qualsiasi modello di attribuzione, assicurati che i dati in ingresso siano puliti.
Il primo passo è un audit tecnico del tracciamento. Controlla che GTM, GA4 e l’integrazione e-commerce registrino eventi e valori corretti. Usa GA4 DebugView per verificare in tempo reale che le conversioni scattino nel momento giusto e con i valori giusti, prima che finiscano nei report live.
Poi passa alle azioni di conversione in Google Ads. Separa bene le azioni primarie, come acquisti e lead qualificati, da quelle secondarie, come iscrizioni alla newsletter o visualizzazioni di pagina. Se le azioni secondarie entrano tra gli obiettivi principali di Smart Bidding, l’algoritmo finisce per ottimizzare eventi che non portano fatturato. Controlla anche il metodo di conteggio:
- Per i lead imposta "Una"
- Per gli acquisti imposta "Ogni"
Infine, quando ha senso, attiva le Conversioni Avanzate (Enhanced Conversions) per recuperare dati di prima parte persi a causa delle restrizioni sui cookie.
C’è anche un altro punto che spesso viene sottovalutato: la conformità al GDPR. Consensi mancanti o impostati male lasciano buchi nei dati. E quando i dati sono incompleti, anche il modello migliore parte zoppo.
Solo dopo questa pulizia ha senso confrontare i modelli di attribuzione.
Scegli un modello coerente e allinea le finestre al ciclo d’acquisto reale
Cambiare modello di attribuzione ogni poche settimane non rende la misurazione più stabile. Fa l’opposto. La coerenza nel tempo conta più della perfezione teorica del modello scelto.
Se hai volumi adeguati, usa il Data-Driven Attribution come base. Distribuisce il credito in modo più realistico lungo il percorso. Il punto, però, non è inseguire il modello perfetto. Il punto è evitare cambi continui. Definisci una checklist stabile per tracciamento, valori di conversione e metodo di conteggio, così i confronti nel tempo restano affidabili.
Anche le finestre di attribuzione devono seguire il ciclo d’acquisto reale del tuo settore. Per retail ed e-commerce con acquisti a bassa considerazione, 30 giorni sono spesso sufficienti. Per servizi locali e B2B, dove la decisione può richiedere settimane, finestre di 60–90 giorni descrivono meglio tutto il percorso.
Framework prima/dopo per decisioni di budget più sicure
A questo punto, confronta i numeri sullo stesso intervallo temporale. Dopo aver corretto il tracciamento e scelto un modello stabile, è normale vedere numeri diversi. Un ROAS che scende da 10,0 a 6,5 non vuol dire che le campagne siano peggiorate. Vuol dire che stai leggendo la situazione in modo più preciso.
La tabella seguente mostra cosa cambia di solito dopo una correzione dell’attribuzione:
| Metrica | Prima (last-click / non verificato) | Dopo (data-driven / audit completato) | Impatto sulle decisioni |
|---|---|---|---|
| ROAS riportato | Spesso gonfiato o volatile | Più stabile e allineato ai margini reali | Evita tagli di budget affrettati durante fluttuazioni minori |
| Distribuzione delle conversioni | Concentrata sul fondo del funnel | Distribuita lungo l’intero percorso | Giustifica l’investimento in awareness e mid-funnel |
| Allocazione del budget | Reattiva, basata su vittorie immediate | Bilanciata sul ciclo d’acquisto completo | Permette una crescita più stabile nel tempo |
| Qualità del tracciamento | Alto rischio di duplicati o eventi mancanti | Verificata tramite audit e Conversioni Avanzate | Maggiore affidabilità per Smart Bidding |
Dopo il cambio, aspetta 14–30 giorni prima di leggere i risultati. Poi valuta il CPA sull’intero ciclo d’acquisto, non solo sui primi segnali.
Conclusione: una migliore attribuzione porta a decisioni di investimento più solide
Dopo la diagnosi, il punto non è cambiare modello di continuo. Il punto è leggere i dati nel modo giusto.
ROI e ROAS dipendono da tre elementi: tracking, modello di attribuzione e finestre di conversione. Se questi pezzi non sono allineati, un numero sovrastimato non racconta campagne migliori. Racconta, più semplicemente, una misurazione imprecisa.
Il last-click resta la fonte principale di distorsione. Assegna tutto il merito all’ultimo tocco e finisce per coprire il ruolo delle fasi iniziali del funnel. È un po’ come giudicare una partita guardando solo l’ultimo minuto: vedi il risultato finale, ma ti perdi tutto quello che l’ha reso possibile.
Da qui nasce una regola pratica molto semplice: meno rumore nei dati, più qualità nelle decisioni. Non serve cambiare modello ogni mese inseguendo ogni oscillazione. Prima viene una base stabile:
- tracking pulito
- conversioni separate
- finestre coerenti
Quando l’attribuzione è pulita, ROI e ROAS tornano a misurare il rendimento reale. Quando non lo è, misurano solo rumore. Un sistema di misurazione coerente riduce l’incertezza e rende più solide le decisioni di budget.
FAQs
Quando conviene usare il Data-Driven?
Conviene quando hai abbastanza dati per arrivare a risultati statisticamente solidi e andare oltre i limiti dei modelli basati su regole fisse.
Il modello Data-Driven analizza l’intero percorso dell’utente e assegna il peso giusto a ogni punto di contatto. In questo modo, aiuta a misurare ROI e ROAS in modo più oggettivo e dinamico.
Come capire se il tracking è affidabile?
Per capirlo, controlla che i dati raccolti siano in linea con gli obiettivi aziendali e verificati con test periodici. Strumenti come la DebugView di Google Analytics 4 aiutano a convalidare il tracciamento di eventi e conversioni.
Conviene seguire un metodo costante, con controlli automatici e manuali, e tenere aggiornato il registro delle modifiche per non perdere la qualità dei dati.
Perché ROI e ROAS non coincidono?
ROI e ROAS non sono la stessa cosa, perché guardano due lati diversi della performance.
Il ROI misura la redditività complessiva e tiene dentro tutti i costi operativi. Quindi non si ferma alla pubblicità: considera il quadro intero.
Il ROAS, invece, è più stretto nel suo focus. Misura le entrate generate rispetto solo alla spesa pubblicitaria. In pratica: ti dice quanto rende l’investimento in ads, non quanto guadagna il business nel suo insieme.
Le differenze tra questi due indicatori dipendono spesso anche da come viene assegnato il merito delle conversioni. I modelli di attribuzione possono dare più peso al primo clic, all’ultimo clic o ad altri punti del percorso. E questo cambia i numeri, a volte parecchio.
C’è poi un altro punto che conta molto: la tracciabilità corretta degli eventi. Se il monitoraggio è incompleto o impostato male, sia il ROI sia il ROAS rischiano di raccontare una storia distorta.
