Chi fa campagne da tanti anni ha spesso la sensazione che una volta si misurasse tutto, mentre oggi non si capisca più niente. In parte è vero, in parte è un ricordo addolcito. In questo articolo provo a raccontare cosa è cambiato davvero, come funzionano i modelli di attribuzione di ieri e di oggi sulle principali piattaforme, e come si lavora bene e meglio quando i dati sono meno di quanto vorremmo.
Il ricordo di quando tutto tornava
Prima di tutto, che cosa intendiamo quando parliamo di “misurare”? Per una campagna pubblicitaria non basta sapere quante persone hanno visto un annuncio o quante ci hanno cliccato: ci interessa capire anche che cosa hanno fatto dopo essere arrivate sul sito. Quali pagine hanno visitato? Hanno compilato un form? Hanno scaricato la brochure o le rette? E, soprattutto, possiamo attribuire quella conversione alla campagna che l’ha generata?
È qui che entra in gioco il tracciamento. Il sito raccoglie alcuni segnali sulle azioni degli utenti e li rende disponibili agli strumenti di analisi. Per il traffico paid è ancora più importante perchè se questi segnali sono incompleti, anche il modo in cui valutiamo le campagne lo sarà.
Ho iniziato a occuparmi di SEO e advertising nel 2007. Quando realizzavamo un sito, il codice di Urchin o di Universal Analytics lo incollavamo nel codice, e basta. Quel codice serviva a collegare il sito allo strumento che permetteva di raccogliere informazioni su come veniva utilizzato. Nessun banner, nessun consenso, nessuna configurazione particolare. Era un dettaglio tecnico che facevamo gratis, come mettere la favicon.
Il problema arrivava quando iniziavi a mettere questi dati in relazione con quelli delle campagne pubblicitarie. Se, per esempio, una persona cliccava su un annuncio di Google, arrivava sul sito e compilava un form, potevamo voler considerare quella compilazione come una conversione generata dalla campagna. Ma Google Ads e Google Analytics non osservavano necessariamente la stessa cosa nello stesso modo.
Teoricamente, avevamo due strumenti che cercavano di raccontare lo stesso percorso dell’utente. Nella pratica, restituivano conteggi diversi.
Infatti, anche allora i numeri non coincidevano. Google Ads e Analytics riportavano conversioni diverse, con una differenza che a memoria stava tra il 10 e il 20%. Però era più o meno sempre quella. Sapevi che Ads contava un po’ di più, lo mettevi in conto e andavi avanti. Un errore prevedibile che si poteva individuare e correggere a occhio.
Quella differenza, però, era relativamente semplice da gestire perché il percorso dei dati era ancora abbastanza lineare ed era valido più o meno per il 100% dei visitatori del sito. Il sito raccoglieva informazioni, gli strumenti di analisi le elaboravano e le piattaforme pubblicitarie potevano utilizzare i propri dati per misurare le campagne.
Intorno al 2020 le cose hanno cominciato a cambiare in fretta, e oggi il tracciamento di un sito è un lavoro a sé. Sono aumentate le regole sulla privacy, è diventato necessario chiedere all’utente il consenso a determinati tipi di tracciamento e i browser hanno iniziato a limitare sempre di più alcune forme di raccolta dei dati. Bisogna configurare la piattaforma di gestione del consenso (la CMP) e il banner, impostare Google Tag Manager con tutti i permessi previsti dal Consent Mode, tracciare i lead e i clic che contano (telefono, email, PDF, pulsanti), capire quale form ha generato quale compilazione, verificare che alla prima navigazione vengano caricati solo i cookie funzionali. È necessario sapere anche come si distribuisce il consenso tra i visitatori, perché da quello dipende quanto di ciò che vedi nei report è misurato e quanto è stimato.
Detto in modo semplice: oggi non basta più mettere un codice sul sito e aspettare che arrivino i dati. Bisogna costruire le condizioni perché quei dati possano essere raccolti correttamente, rispettando le scelte dell’utente, e capire anche che cosa succede quando una parte di quelle informazioni non è disponibile.
Per questo in EMI il tracciamento è diventato un servizio vero e proprio. Ci sono responsabilità legali se il banner non è conforme, e responsabilità sul ritorno dell’investimento, se le decisioni di budget si basano su dati sbagliati.
Il punto però è un altro: quei dati degli anni tra il 2010 e il 2020 che ricordo così ordinati erano davvero precisi?
Cosa è emerso quando si è potuto verificare
Per capirlo meglio, basta guardare a cosa succede quando abbiamo a disposizione un punto di confronto abbastanza affidabile: un’azione che possiamo contare direttamente e confrontare con ciò che dichiara la piattaforma pubblicitaria.
Qualche anno fa lavoravamo con landing page chiuse al traffico organico e con form dedicati alle campagne. Sapevamo esattamente quante persone compilavano arrivando da Google Ads, perché quel form lo vedeva solo chi cliccava un annuncio. Nonostante questo, anche allora Google Ads si sovrastimava riportando molte più conversioni di quelle che vedevamo effettivamente arrivare dal form.
Le campagne funzionavano, ma non così tanto. E siccome Analytics era configurato in modo approssimativo e non registrava bene i contatti arrivati da altre origini, il quadro complessivo regalava ad Ads un merito che in parte era di altre origini come SEO, mail o direct.
Può succedere anche il contrario, con conversioni che la piattaforma non riesce a vedere. Il suo numero dipende sempre dalle sue regole e da quello che osserva. Un buco nei dati non fa sparire il merito di una conversione. Lo sposta, e di solito verso lo strumento che misura in modo più autoreferenziale.
Non era un caso isolato. Un gruppo di ricercatori di Meta e della Northwestern University ha confrontato i metodi di attribuzione classici con esperimenti randomizzati, cioè test in cui una parte del pubblico vede l’annuncio e un’altra no. In uno studio pubblicato su Marketing Science nel 2019, su 15 esperimenti e 1,6 miliardi di impression, hanno visto che i metodi osservazionali spesso non riproducevano gli effetti misurati dagli esperimenti, anche tenendo conto di tantissime variabili sugli utenti. Stiamo parlando di dati raccolti quando il tracciamento era quasi libero.
Un lavoro successivo dello stesso gruppo, su oltre 2.200 esperimenti, ha misurato quanto il last click (il modello che assegna tutto il merito all’ultimo clic) riesca a spiegare l’effetto reale delle campagne: solo il 19%. In una campagna su cinque o sei, la decisione suggerita dal last click era diversa da quella suggerita dall’esperimento.
Anche Meta lo riconosce. Da aprile 2025 in Ads Manager esiste un’attribuzione incrementale che prova a stimare quali conversioni non ci sarebbero state senza l’annuncio, mentre l’attribuzione standard conta quelle avvenute dopo, entro una certa finestra. È ancora un modello, e nell’annuncio delle modifiche di marzo 2026 è la stessa Meta a scrivere che la risposta più affidabile arriva dagli esperimenti di incrementalità.
Quindi sì, una volta i dati erano più coerenti tra loro. Coerenti perché tutti gli strumenti ragionavano allo stesso modo, con gli stessi limiti. Quando c’era una differenza tra i numeri, era più facile capire da dove arrivava e tenerne conto. Ma la precisione era un’altra cosa.
Cos’è un modello di attribuzione? Perché è importante conoscerli?
Un modello di attribuzione è la regola con cui uno strumento decide a quale canale o annuncio assegnare il merito di una conversione, quando la persona ha avuto più contatti prima di convertire.
Facciamo un esempio che ci accompagnerà per tutto l’articolo. Giulia ha un figlio che inizierà la scuola primaria l’anno prossimo. A settembre vede un reel della scuola su Instagram. Due settimane dopo cerca il nome della scuola su Google e clicca su un annuncio. Qualche giorno più tardi, dal PC dell’ufficio, ci torna passando da una ricerca organica. Infine apre una newsletter e da lì si iscrive all’open day.
Quattro contatti, una conversione. A chi va il merito? Dipende dal modello.
C’è poi un secondo concetto da tenere presente, la finestra di attribuzione: il periodo di tempo entro cui uno strumento considera valido un contatto.
Se la finestra è di 7 giorni dal clic e Giulia converte dopo 10, per quello strumento il clic non conta più.
Quali modelli di attribuzione usavano Google Ads, Universal Analytics e Facebook?
Per anni le piattaforme hanno offerto una serie di modelli basati su regole fisse. Vale la pena conoscerli anche se oggi su Google non si possono più scegliere, perché aiutano a capire la logica e perché molti CRM e strumenti esterni li usano ancora.
Last click
Il last click assegna il 100% del merito all’ultimo contatto prima della conversione. Nel caso di Giulia, alla newsletter. È stato a lungo il modello predefinito di Google Ads, mentre Universal Analytics usava una variante che ignorava gli accessi diretti, chiamata last non-direct click.
First click
Il first click fa l’opposto e premia il primo contatto, il reel su Instagram. Era usato per capire quali canali portavano persone nuove.
Lineare
Il lineare divide il merito in parti uguali: 25% a ciascuno dei quattro contatti di Giulia.
Decadimento temporale
Il decadimento temporale dà più peso ai contatti vicini alla conversione e meno a quelli lontani. Il reel di settembre avrebbe preso pochissimo, la newsletter molto.
Proiezione
Il modello basato sulla posizione premiava primo e ultimo contatto (tipicamente 40% ciascuno) e divideva il restante 20% tra quelli in mezzo.
Data-driven
Accanto a questi c’era il data-driven, un modello statistico che calcola il peso di ogni contatto a partire dai dati dell’account. Su Google Ads per molto tempo era riservato a chi aveva volumi alti: servivano almeno 3.000 interazioni e 300 conversioni in 30 giorni, soglie irraggiungibili per quasi tutte le scuole. Nel 2021 Google lo ha reso predefinito per le nuove azioni di conversione.
Nel 2023 ha eliminato gli altri quattro modelli rule-based da Google Ads e da Analytics, lasciando solo last click e data-driven. Secondo alcune fonti la motivazione era il loro scarso utilizzo, sotto il 3% delle conversioni.
Universal Analytics aveva anche uno strumento di confronto tra modelli, che permetteva di vedere come cambiavano i risultati passando da uno all’altro. È sparito insieme a Universal Analytics, che ha smesso di elaborare dati nel 2023.
Finestre
Su Facebook la storia è diversa perché più che di modelli si parlava di finestre. Fino a gennaio 2021 la finestra predefinita era di 28 giorni dal clic e 1 giorno dalla visualizzazione, e si potevano confrontare finestre diverse sulle stesse campagne. Con l’arrivo di iOS 14.5 sono state eliminate le finestre a 28 giorni dal clic e a 7 e 28 giorni dalla visualizzazione, e da agosto 2021 è stato ritirato anche lo strumento Facebook Attribution.
Da notare: le piattaforme hanno ristretto modelli e finestre proprio negli anni in cui perdevano dati sugli utenti. Con meno segnali a disposizione, era più difficile ricostruire il percorso che portava da un’interazione con l’annuncio a una conversione. Alcune regole di attribuzione, pensate per funzionare quando la piattaforma riusciva a osservare una parte più ampia di quel percorso, diventavano quindi meno affidabili.
Quali modelli di attribuzione restano oggi su GA4, Google Ads, Meta e TikTok?
Buona parte delle guide che si trovano online spiega ancora sette modelli. La realtà è più semplice.
GA4 – Google Analytics 4
In GA4 si può scegliere tra tre modelli:
- data-driven (quello predefinito);
- last click su canali a pagamento e organici;
- last click sui soli canali Google a pagamento.
Attenzione però a questo dettaglio, che confonde anche chi lavora nel settore: il modello scelto in GA4 cambia solo i report basati sulle dimensioni di evento, come sorgente, mezzo e campagna nei report delle conversioni. Le dimensioni di sessione continuano a seguire l’ultimo clic non diretto (quindi data-driven), quelle del primo utente raccontano come la persona è arrivata la prima volta.
È per questo che due report di GA4 possono dare numeri diversi sulle stesse conversioni, e hanno ragione tutti e due.
Google Ads
- last click;
- data-driven.
Su come funzioni esattamente il data-driven circola parecchia disinformazione: Google spiega che distribuisce il merito in base ai dati storici della singola azione di conversione, ma l’algoritmo preciso non è pubblico. Oggi Google non chiede più volumi minimi per usarlo. Un account con qualche decina di lead al mese, però, dà al modello pochi dati su cui lavorare, e la stima ne risente.
C’è poi una differenza che spiega molte discrepanze tra Google Ads e GA4: Ads tende ad accreditare la conversione alla data del clic, GA4 la registra alla data in cui avviene. Se Giulia clicca a settembre e si iscrive all’open day a ottobre, i due strumenti possono metterla in mesi diversi.
Meta
Meta ragiona per finestre. Nel 2026 sono cambiate due cose importanti. A gennaio sono state eliminate definitivamente le finestre di visualizzazione a 7 e 28 giorni anche dalle API usate dai tool di reportistica.
A marzo Meta ha ridefinito cosa conta come clic: ora vale solo il clic sul link, mentre like, condivisioni, salvataggi e visualizzazioni video di almeno 5 secondi finiscono in una categoria separata, l’engage-through. Dopo queste modifiche i report possono includere le conversioni avvenute entro 7 giorni da un clic sul link, entro 1 giorno da un’altra interazione ed entro 1 giorno da una visualizzazione.
Prima di questo cambiamento, invece, anche un like poteva generare una conversione “da clic”, e questo spiega parte delle distanze storiche tra Meta e GA4.
Tradotto per chi sta preparando i report della campagna iscrizioni: i dati Meta del 2026 non sono direttamente confrontabili con quelli del 2025.
TikTok
TikTok è molto simile a Meta. Si può scegliere una finestra di clic di 1, 7, 14 o 28 giorni e una di visualizzazione disattivata, di 1 o di 7 giorni, e le impostazioni non si possono cambiare dopo aver pubblicato il gruppo di annunci. Esiste anche l’engaged view-through, che registra una conversione quando l’utente ha guardato l’annuncio per almeno 6 secondi senza cliccare.
Riassumendo: Google ragiona soprattutto sul clic e sul percorso, Meta e TikTok contano anche chi ha solo visto. Ogni piattaforma tende a prendersi il merito della conversione, e la stessa iscrizione all’open day di Giulia può comparire in tre report diversi.
La nostra prospettiva sul mondo delle scuole
Aggiungo una cosa che vediamo spesso con le scuole. Nella nostra esperienza, il ruolo dei social viene a volte sovrastimato, anche perché sono canali che chi lavora nel marketing frequenta ogni giorno e che producono una grande quantità di dati: visualizzazioni, interazioni, clic, visite al profilo. È facile quindi che la loro presenza nei report finisca per sembrare più vicina alla conversione di quanto non sia nel percorso reale di una famiglia.
Questo non significa che i social siano poco utili. Sono touchpoint importanti in momenti diversi del percorso. Il loro peso, inoltre, dipende molto dalla notorietà dell’istituto, dal territorio e dal bacino potenziale.
Quando però si smette di guardare solo le metriche delle piattaforme e si confrontano quei dati con il CRM e con le iscrizioni, il peso dei social tende a ridimensionarsi. Non perché smettano di essere importanti, ma perché finalmente li vediamo dentro il percorso complessivo, insieme agli altri canali e ai passaggi che portano davvero una famiglia a scegliere una scuola.
Dove sono finiti i dati: dal GDPR del 2018 ad oggi
Qui torna utile guardare la cronologia, perché la narrazione più diffusa (“i cookie sono morti”) è sbagliata.
Nel 2017 Apple ha introdotto su Safari l’Intelligent Tracking Prevention, attiva per tutti di default. Con le versioni successive, Safari ha limitato la durata dei cookie e degli altri dati salvati via JavaScript: dopo sette giorni di utilizzo del browser senza tornare sul sito, questi identificatori possono essere cancellati. Per una scuola, dove la decisione matura in settimane o mesi, un genitore che torna da iPhone dopo qualche settimana rischia di essere contato come un visitatore nuovo.
Nel 2021 è arrivato iOS 14.5 con l’App Tracking Transparency, la richiesta esplicita alle persone se vogliono essere tracciate tra le app. Meta ha stimato l’impatto sul proprio business del 2022 nell’ordine di 10 miliardi di dollari. È una stima fatta dalla stessa Meta, da prendere come ordine di grandezza, ma rende l’idea.
In Europa, nel frattempo, il consenso è diventato una scelta reale. Il GDPR del 2018 ha fissato le regole sul trattamento dei dati personali, mentre l’obbligo di chiedere il consenso per i cookie di analisi e marketing arriva dalla normativa ePrivacy, che in Italia passa dal Codice Privacy e dalle linee guida del Garante sui cookie del 2021.
Nel giugno 2022 il Garante ha ammonito un editore per l’uso di Universal Analytics come era configurato allora, ritenendo illecito il trasferimento dei dati negli Stati Uniti senza garanzie adeguate. Dal luglio 2023 il Data Privacy Framework consente di nuovo i trasferimenti verso le aziende americane certificate, ma non cambia nulla sugli obblighi di consenso. Per un paio d’anni, comunque, molte scuole non sapevano se potevano usare Analytics o no.
Dal marzo 2024, per effetto del Digital Markets Act, chi usa le funzioni pubblicitarie di Google per utenti europei, come misurazione delle conversioni, remarketing e pubblico personalizzato, deve trasmettere i segnali del Consent Mode v2. Il Consent Mode è il meccanismo con cui il sito comunica agli strumenti Google cosa ha accettato l’utente. Esiste in due versioni: nella Basic i tag Google si attivano solo dopo il consenso, nella Advanced partono segnali anonimi che Google usa per stimare le conversioni di chi ha rifiutato. Questo significa che una parte delle conversioni che vedi in Google Ads e GA4 può essere modellata, non misurata.
Chrome invece ha smentito le previsioni. Dopo anni di rinvii, ad aprile 2025 Google ha rinunciato a eliminare i cookie di terze parti e a ottobre ha ritirato gran parte delle tecnologie della Privacy Sandbox, il progetto che avrebbe dovuto sostituirli. I cookie restano, ma gli obblighi di consenso sono gli stessi di prima. In Europa il vero collo di bottiglia oggi è il banner: quanti utenti accettano il tracciamento attraverso la famosa domanda.
Tra consenso e dati: quanto resta davvero misurabile sui siti delle scuole?
Quanto pesa tutto ciò?
Abbiamo analizzato i dati di consenso di alcuni siti di scuole che seguiamo. Considerando solo chi ha fatto una scelta esplicita, la quota di chi accetta il tracciamento per statistiche e marketing va dal 30% circa a poco più del 60%, a seconda del sito. E questi numeri non includono chi ignora il banner.
In pratica, su alcuni siti una famiglia su due o più naviga senza essere vista da GA4, Google Ads e Meta.
C’è anche un dettaglio curioso: su tutti i siti i consensi per preferenze, statistiche e marketing sono quasi identici. Le persone accettano tutto o rifiutano tutto, quasi nessuno entra nella personalizzazione.
Cosa sono le Enhanced Conversions di Google Ads?
Le Enhanced Conversions (conversioni avanzate) sono una funzione di Google Ads che nasce per affrontare uno dei problemi di cui abbiamo parlato fin qui: quando il percorso dell’utente non è più completamente osservabile, una parte delle conversioni rischia di non essere collegata alla campagna che le ha generate. Google prova a recuperare parte di quel segnale utilizzando, con il consenso necessario, alcuni dati che l’utente ha fornito direttamente: usa ad esempio indirizzo email o telefono per riconoscere che una conversione appartiene alla stessa persona che aveva interagito con un annuncio. I dati vengono trasformati con un algoritmo di hashing prima dell’invio: l’indirizzo email, per esempio, viene convertito in una stringa di caratteri che non mostra il dato originale, ma che può essere confrontata con un valore corrispondente nei sistemi Google.
Per una scuola la parte più interessante è quella pensata per i lead. Le Enhanced Conversions per i lead permettono di importare in Google Ads le conversioni che avvengono dopo, fuori dal sito, collegandole al contatto originale. Giulia compila il form a ottobre, a febbraio iscrive il figlio: se il CRM è tenuto bene, quell’iscrizione può tornare in Google Ads e le campagne possono imparare quali contatti diventano iscrizioni, oltre a quali compilano un form.
Nel 2026 arrivano due novità da conoscere. Da giugno le versioni per il web e per i lead sono state unificate in un’unica impostazione on/off, e chi le aveva già attive è stato migrato in automatico. Dal 15 giugno inoltre il caricamento delle conversioni offline passa alla Data Manager API: chi ha un’integrazione automatica tra CRM e Google Ads deve verificare che funzioni ancora.
Un limite da tenere presente: anche le Enhanced Conversions dipendono dal consenso. Nelle configurazioni con Google tag e Consent Mode, è il segnale ad_user_data a dire a Google se i dati dell’utente possono essere usati per la pubblicità. E un’email trasformata in hash resta un dato personale: l’hashing la protegge durante l’invio, non toglie gli obblighi privacy. Le Enhanced Conversions recuperano parte del segnale dentro Google e aiutano l’algoritmo a lavorare meglio, ma non risolvono il confronto tra piattaforme.
Cosa fa la Conversions API di Meta?
La Conversions API è l’equivalente lato Meta. Invece di affidarsi solo al pixel, che gira nel browser dell’utente, invia le conversioni direttamente dal server del sito o dal CRM.
Meta consiglia di usarla insieme al pixel, inviando gli stessi eventi da entrambe le parti. Serve a recuperare conversioni che il pixel perde per problemi di caricamento o di rete, e a comunicare eventi che avvengono più tardi o fuori dal sito, come un’iscrizione confermata in segreteria. Perché lo stesso evento non venga contato due volte, pixel e server devono inviarlo con lo stesso identificativo, e Meta si occupa di eliminare i doppioni.
Vale lo stesso discorso fatto per Google. Inviare i dati dal server non cambia gli obblighi privacy. Se gli eventi servono a Meta per misurare e ottimizzare la pubblicità, vanno gestiti rispettando le scelte fatte sul banner e la base giuridica adottata dalla scuola. Spostare l’evento dal browser al server non aggira il consenso. E le conversioni recuperate restano lette dal punto di vista di Meta, con le sue finestre e le sue regole.
Come lavorare bene con dati incompleti: su cosa mi baso per decidere?
Se i dati di una volta erano coerenti ma poco precisi e quelli di oggi sono meno numerosi e in parte stimati, la domanda utile diventa: su cosa mi baso per decidere?
Per ottimizzare le campagne dentro Google Ads o Meta si usano i loro dati, con le loro regole.
Per decidere il budget e confrontare i canali consigliamo invece alle scuole un solo modello di attribuzione come riferimento, sempre lo stesso, senza passare da un report all’altro cercando il numero più rassicurante. Se la scuola ha un CRM in grado di attribuire i contatti alle fonti, consigliamo di basarsi su quello, anche sapendo che ha i suoi limiti: tende a sovrastimare il traffico diretto e riporta numeri diversi rispetto a GA4 e alle piattaforme.
Il CRM ha però un vantaggio che nessuno strumento pubblicitario ha: arriva fino all’iscrizione. Un campo “Come ci hai conosciuto?” nel modulo di contatto, compilato e registrato con costanza, dice cose che nessun pixel vede, a partire dal passaparola tra genitori. E il confronto finale resta quello con le iscrizioni reali di settembre.
Il resto è manutenzione: un tracciamento configurato bene, un banner conforme, Enhanced Conversions e Conversions API attive dove ha senso, e la consapevolezza che una parte dei numeri è una stima.
Si lavora con meno certezze di quanto ricordassimo. Forse con un’idea più onesta di quelle che avevamo davvero.
Se vuoi capire quanto dei dati della tua scuola è misurato e quanto stimato, o se il tuo tracciamento regge ai cambiamenti di quest’anno, scrivici: ne parliamo volentieri.
