Social Rocket
Sempre più budget pubblicitari vengono gestiti tramite piattaforme self-service, in cui l'IA influenza prezzi, distribuzione e ottimizzazione. Per i marketer nasce così un nuovo problema: i sistemi aiutano ad acquistare copertura, ma allo stesso tempo perseguono gli obiettivi commerciali della piattaforma che li gestisce.
Marketing Dive rimanda alle previsioni di Gartner, secondo cui entro 2028 più del 70 percento della spesa pubblicitaria globale e circa il 80 percento della spesa pubblicitaria statunitense passerà attraverso sistemi self-service in cui l'IA influenza in modo sostanziale l'acquisto di media. Il consiglio centrale: sfruttare l'automazione, ma non delegare alla piattaforma le decisioni di budget senza verificarle.
Perché l'IA delle piattaforme non è neutrale
Un sistema pubblicitario non ottimizza nel vuoto. Google, Meta, Amazon e altre piattaforme vendono allo stesso tempo l'inventario che i loro algoritmi raccomandano. Gli interessi di acquirente e piattaforma possono quindi divergere: gli inserzionisti vogliono risultati il più efficienti possibile, la piattaforma vuole aumentare fatturato e saturazione.
Questo non significa che le raccomandazioni automatiche siano in sé negative. Significa però che proposte come aumenti di budget, posizionamenti aggiuntivi o pubblici più ampi non andrebbero trattate automaticamente come consulenza oggettiva.
L'alternativa pratica è semplice: definire in anticipo gli obiettivi della campagna, verificare le raccomandazioni rispetto ai propri KPI e testare le modifiche in modo controllato. Quanto le piattaforme automatizzino ormai il lavoro operativo lo mostra anche il nostro articolo su TikTok Ads con Agentic Hub e Symphony.
Meno variabili, più controllo
Un altro problema è la misurazione su più piattaforme. Ogni fornitore lavora con propri modelli di attribuzione, finestre dei dati e logiche di ottimizzazione. Di conseguenza due dashboard possono valutare in modo diverso la stessa campagna.
Invece di automatizzare contemporaneamente il maggior numero possibile di canali, può essere più sensato limitare il numero di variabili e investire inizialmente dove costi e risultati aziendali sono collegabili in modo verificabile. Soprattutto con budget più elevati, finance, analytics o partner di misurazione indipendenti dovrebbero partecipare alla valutazione.
La disputa attuale sulla tecnologia pubblicitaria di Google mostra quanto alcune parti di questo mercato siano già concentrate. Approfondimenti in merito si trovano nel nostro articolo sulla sentenza statunitense contro lo smembramento del business adtech di Google. Anche il nuovo modello media globale di PepsiCo e Publicis mostra quanto fortemente dati, tecnologia e acquisto siano oggi integrati.
Cosa dovrebbero verificare concretamente i marketer
Prima di una decisione automatica sul budget dovrebbero essere chiarite almeno quattro domande: quale obiettivo aziendale deve raggiungere la campagna? Quale metrica rappresenta davvero questo obiettivo? La piattaforma può mostrare in modo plausibile la relazione tra spesa e risultato? E il risultato può essere verificato al di fuori della dashboard della piattaforma?
Particolare cautela è necessaria con campagne nuove con pochi dati. Lì i sistemi automatizzati possono ricavare in fretta raccomandazioni di vasta portata da pochi segnali. Lo stesso vale per configurazioni cross-channel completamente automatiche, in cui pianificazione media, distribuzione del budget e ottimizzazione vengono affidate contemporaneamente a un unico sistema.
L'IA non sostituisce il giudizio sui media
L'uso produttivo si colloca quindi tra due estremi. Chi rifiuta ogni automazione rinuncia a reali guadagni di efficienza. Chi invece delega completamente pianificazione, acquisto e controllo dei risultati alla stessa piattaforma perde il controllo indipendente.
Per agenzie e team interni il lavoro si sposta così dall'uso alla valutazione: meno clic manuali, ma più responsabilità nella definizione degli obiettivi, nella progettazione degli esperimenti e nella misurazione. In modo simile funziona la moderna misurazione del retail media, ad esempio con l'approccio programmatico attivato dal meteo di Ace Hardware.