Nella sezione Opinioni, Engage ospita contributi firmati da professionisti ed esperti del marketing e della comunicazione. In questo articolo, Camilla Varrella, Marketing & Communication Specialist di Bytek, spiega perchè le tradizionali metriche di marketing come CPA e ROAS non bastano più a valutare l'efficacia delle campagne
Per anni l’efficienza delle campagne digitali è stata valutata attraverso una domanda apparentemente semplice: quanto costa ottenere una conversione? Il Cost per Acquisition ha permesso ai team marketing di confrontare campagne, canali e periodi differenti attraverso una metrica immediata e facilmente comprensibile. Successivamente, il ROAS ha introdotto una dimensione economica più esplicita, mettendo in relazione i ricavi generati con l’investimento pubblicitario.
Queste metriche continuano a essere utili, ma non sono più sufficienti per descrivere la reale qualità della crescita prodotta dal marketing. Due campagne possono infatti registrare lo stesso CPA e generare risultati profondamente diversi. Una può acquisire clienti che effettuano un solo acquisto, scelgono esclusivamente prodotti in promozione e non tornano più. L’altra può intercettare persone che iniziano con una transazione contenuta, ma sviluppano nel tempo una relazione più duratura con il brand.
Considerare queste conversioni equivalenti significa ottimizzare la quantità senza riuscire a distinguere il valore.
Non tutte le conversioni hanno lo stesso peso
Quando una piattaforma pubblicitaria riceve un evento di acquisto, una registrazione o la compilazione di un form, tende a utilizzare quell’informazione per cercare altri utenti con caratteristiche simili. Il problema è che l’evento, preso singolarmente, racconta solo una parte della storia.
In un eCommerce due clienti possono effettuare un primo ordine dello stesso importo, ma avere probabilità di riacquisto molto differenti. In un’attività di lead generation, due persone possono compilare lo stesso modulo, anche se soltanto una delle due possiede le caratteristiche e l’intenzione necessarie per arrivare alla vendita. In un modello SaaS due utenti possono iniziare la stessa prova gratuita e mostrare livelli di coinvolgimento molto diversi, tanto che uno potrebbe interrompere rapidamente l’utilizzo dello strumento, mentre l’altro potrebbe continuare a esplorarne le funzionalità fino a passare alla versione a pagamento.
Se alla piattaforma pubblicitaria viene trasmesso soltanto l’evento grezzo, tutte queste differenze rimangono invisibili. Gli algoritmi finiscono così per ottimizzare ciò che possono osservare più facilmente: il volume delle azioni e il loro costo immediato. Questo può produrre campagne apparentemente efficienti, capaci di generare molte conversioni a un prezzo contenuto, ma poco allineate agli obiettivi economici dell’azienda.
La domanda da porre non dovrebbe quindi essere soltanto “quante conversioni abbiamo ottenuto?”, ma “quali conversioni stiamo ottenendo e quale valore produrranno nel tempo?”.
Per scoprire come tradurre questo approccio in un percorso operativo, dalla definizione dei KPI alla costruzione dei segnali predittivi fino alla loro attivazione su Google e Meta, Bytek ha realizzato il manuale dedicato alla Value-Oriented Media Activation Predittiva, scaricabile qui.
Dal valore immediato al valore prospettico
Le piattaforme di advertising hanno già iniziato a recepire questo cambiamento. Strategie come Maximize Conversion Value e Target ROAS su Google Ads, o la Value Optimization su Meta, permettono di modulare l’investimento sulla base del valore associato alle conversioni. L’obiettivo si sposta quindi dalla generazione del maggior numero possibile di conversioni alla valorizzazione di quelle con il maggiore impatto economico.
Tuttavia, la qualità dell’ottimizzazione dipende inevitabilmente dalla qualità delle informazioni ricevute. Nel commercio elettronico è possibile trasmettere il valore dell’ordine, ma il fatturato della prima transazione non coincide necessariamente con il valore del cliente. Non considera, per esempio, la marginalità dei prodotti acquistati, la probabilità di riacquisto, la frequenza futura o il rischio che il cliente venga acquisito soltanto grazie a uno sconto.
Nei funnel di lead generation il limite è ancora più evidente. Al momento della compilazione di un modulo, il valore economico del contatto non è ancora noto. La vendita può avvenire settimane o mesi dopo, quando la finestra temporale utile all’ottimizzazione delle campagne potrebbe essere già terminata. Attribuire a tutti i lead un valore medio risolve solo parzialmente il problema. Significa continuare a trattare come equivalenti contatti che, nella realtà, hanno probabilità di chiusura e valori potenziali molto diversi. Per orientare davvero le campagne al valore è quindi necessario passare dal dato immediatamente osservabile a una stima del valore prospettico.
Il ruolo dei segnali predittivi
I modelli predittivi possono aiutare le aziende a colmare la distanza temporale tra la prima interazione e il risultato economico finale. Analizzando i comportamenti iniziali di un utente, è possibile stimare la probabilità che compia una determinata azione oppure il valore che potrebbe generare nel medio-lungo periodo. Le variabili utili cambiano naturalmente in base al settore e al modello di business.
In un eCommerce possono risultare significativi la frequenza delle sessioni, le categorie visitate, il tempo trascorso tra il carrello e l’acquisto, l’interesse verso prodotti premium o il ritorno sul sito nei giorni successivi alla prima transazione. Nel settore automotive possono essere rilevanti la completezza delle informazioni inserite nel form, l’utilizzo di un configuratore, la rapidità con cui il lead risponde al concessionario o il numero di modelli consultati. Per un servizio in abbonamento, invece, possono contare il tempo che intercorre tra la registrazione e il primo accesso, le funzionalità esplorate durante il trial, la frequenza di utilizzo e l’interazione con le comunicazioni di onboarding. Questi elementi permettono di distinguere utenti che, pur avendo compiuto la stessa azione iniziale, mostrano traiettorie potenziali differenti.
Il valore della previsione non consiste soltanto nella precisione, ma anche nella tempestività. Un segnale può essere utilizzato per l’ottimizzazione media solo quando viene prodotto e trasmesso mentre la piattaforma è ancora in grado di apprendere da quella conversione.
Evitare il bias verso chi converte subito
Ottimizzare esclusivamente sulla base delle conversioni immediate può generare un ulteriore effetto indesiderato: privilegiare gli utenti che prendono decisioni molto rapidamente. Chi acquista subito viene facilmente interpretato come un utente di qualità. Eppure, una conversione veloce può essere determinata da una promozione, da un’urgenza momentanea o da una forte sensibilità al prezzo. Non è detto che quella persona sviluppi una relazione duratura con il brand. Al contrario, alcuni utenti richiedono più tempo per informarsi, confrontare alternative e maturare una decisione. Nelle prime fasi possono apparire meno promettenti, ma una volta acquisiti potrebbero diventare clienti più fedeli e redditizi.
Un modello orientato al valore dovrebbe quindi trovare un equilibrio tra ritorno immediato e potenziale futuro, evitando di concentrare automaticamente tutto il budget su chi converte più velocemente.
Questo non significa ignorare la performance nel breve periodo, ma arricchirla con una lettura più completa del comportamento degli utenti.
Dati, identità e qualità del segnale
La capacità di costruire segnali predittivi dipende dalla solidità dell’infrastruttura dati. Per stimare il valore o la propensione di un utente, è necessario collegare le sue interazioni lungo il customer journey: campagne, sito, app, CRM, transazioni, attività commerciali e, quando disponibili, dati di customer care o utilizzo del servizio.
La crescente frammentazione del customer journey rende sempre più difficile ricondurre le diverse interazioni allo stesso utente. Le limitazioni dei cookie e la navigazione su dispositivi, browser e canali differenti riducono infatti la continuità dei dati disponibili. Diventa quindi essenziale integrare sistemi di tracciamento client e server-side, valorizzare in modo privacy-compliant le informazioni fornite direttamente dagli utenti e collegare i diversi touchpoint all’interno di una vista unificata del cliente.
La qualità dei risultati dipende dalla solidità di questa base informativa. Dati incompleti, conversioni duplicate o interazioni attribuite a profili differenti possono compromettere sia l’accuratezza delle previsioni sia l’efficacia dei segnali inviati alle piattaforme pubblicitarie. La Value-Oriented Media Activation richiede quindi un processo integrato che parte dalla raccolta e riconciliazione dei dati, prosegue con la definizione dei KPI e la costruzione dei modelli predittivi e si conclude con l’attivazione dei segnali nelle piattaforme media.
Una nuova relazione tra marketing e business
Orientare le campagne al valore cambia anche il modo in cui viene misurato il contributo del marketing ai risultati aziendali. Metriche come CPA e CPL indicano quanto costa generare una conversione o acquisire un lead, ma non permettono di capire se quella conversione produrrà effettivamente ricavi, marginalità o valore nel tempo. La valutazione delle campagne rischia così di fermarsi alla parte iniziale del funnel, senza considerare ciò che accade dopo l’acquisizione.
Utilizzando segnali come la probabilità di vendita, il valore futuro del cliente o la marginalità attesa, è invece possibile collegare più direttamente le decisioni media agli esiti economici successivi. Il media buying incorpora così informazioni provenienti dal CRM, dai comportamenti successivi all’acquisizione e dai risultati commerciali, mentre il marketing viene valutato non soltanto per il numero di conversioni generate, ma anche per la loro capacità di contribuire concretamente alla crescita sostenibile dell’azienda.
Questo approccio non elimina la necessità di monitorare costi, volumi e ROAS, ma li inserisce in una prospettiva più ampia, nella quale l’efficienza non coincide automaticamente con il costo più basso. Una conversione più costosa può infatti risultare preferibile quando è associata a una maggiore marginalità, a una probabilità di retention superiore o a un valore complessivo più elevato.
Da dove iniziare
Orientare le campagne al valore non richiede necessariamente una trasformazione immediata di tutta l’infrastruttura media. Il primo passo consiste nell’individuare il risultato economico che si vuole realmente massimizzare. Per alcune aziende sarà il fatturato futuro del cliente; per altre la probabilità che un lead diventi una vendita, che un trial si trasformi in abbonamento o che un nuovo cliente effettui un secondo acquisto.
Successivamente occorre verificare quali dati consentono di osservare quel risultato e quali segnali iniziali possono anticiparlo. Solo a quel punto è possibile sviluppare il modello predittivo più adatto, validarne l’affidabilità e testarne progressivamente l’utilizzo nelle campagne.
La sfida non è aggiungere indiscriminatamente più dati, ma individuare quelli capaci di spiegare la differenza tra una conversione qualsiasi e una conversione di valore. Il futuro del media buying dipenderà sempre meno dalla capacità di acquistare il maggior numero possibile di azioni al prezzo più basso. Dipenderà dalla capacità di riconoscere, con sufficiente anticipo, quali utenti possono generare risultati migliori per il business e di tradurre questa conoscenza in segnali comprensibili dagli algoritmi pubblicitari.