La Marketing Attribution è in crisi: come ottimizzare il proprio Media Mix

#Quando attribuzione e report non bastano più per decidere il budget

Chi gestisce budget media in un e-commerce o in un retailer si trova davanti a una contraddizione crescente. I report di GA4 e delle piattaforme advertising sembrano dire cose precise. Le decisioni di allocazione basate su quei report, però, producono risultati sempre meno prevedibili.

La causa non è la qualità del lavoro dei team. È la natura stessa degli strumenti. L'attribuzione multicanale, anche nella sua versione data-driven, misura correlazioni tra touchpoint tracciati e conversioni tracciate. Non misura cosa sarebbe successo senza quel touchpoint. Per un CMO o un Head of E-commerce, questa differenza vale porzioni importanti di budget allocate male.

La domanda diventa concreta: su quali dati si possono prendere decisioni di media mix che impattano marginalità e crescita?

#Cosa misura davvero l'attribuzione (e cosa non misura)

L'attribuzione assegna credito alle interazioni che precedono una conversione. Funziona bene quando tre condizioni sono soddisfatte: il tracciamento è completo, la finestra di osservazione copre il percorso reale del cliente e i canali considerati sono effettivamente tutti quelli che hanno contribuito.

Oggi nessuna delle tre condizioni regge.

Il modello data-driven di GA4 opera dentro l'ecosistema Google. Distribuisce credito solo tra le sessioni che Google riesce a tracciare. Tutto ciò che accade fuori da quel perimetro, dalla TV connessa al passaparola, dalle newsletter aperte su client di posta non tracciabili al traffico dark social, resta invisibile.

Il cross-device tracking dipende da Google Signals, attivo solo per utenti loggati su un account Google. Questo introduce errori significativi sulle conversioni che attraversano più dispositivi, una quota che supera la metà del totale in molti settori. Il viaggio mobile-to-desktop tipico dell'acquisto considerato resta sotto-tracciato.

A questo si sommano la fine dei cookie di terze parti, le richieste di consenso che riducono il pool tracciato e le normative privacy che limitano la raccolta. Il risultato: un modello di attribuzione costruito su una base dati sempre meno rappresentativa.

#Attribuzione e incrementalità: risposte a domande diverse

C'è una distinzione importante da chiarire, perché viene spesso confusa nei team marketing.

L'attribuzione risponde alla domanda: "quali touchpoint hanno preceduto la conversione e che peso dare a ciascuno?". È una domanda di ricostruzione del percorso.

L'incrementalità risponde a una domanda diversa: "questa spesa ha generato vendite che senza di essa non sarebbero arrivate?". È una questione di causalità.

Le due domande hanno scope diversi. L'attribuzione serve per l'ottimizzazione operativa quotidiana: quale creatività funziona, su quale segmento biddare di più, quale keyword mettere in pausa. L'incrementalità serve per le decisioni di allocazione: quanto budget spostare da un canale all'altro, quale canale tagliare, dove investire per la crescita.

Confondere i due livelli porta a errori sistematici. Un canale può avere un ROAS altissimo in attribuzione e una bassa incrementalità: sta intercettando domanda che si sarebbe convertita comunque in acquisto. Un altro può avere un ROAS modesto in attribuzione e una incrementalità alta perché sta effettivamente generando nuova domanda.

#Attribuzione custom: quando il modello standard non basta

Tra MMM e incrementalità c'è uno spazio importante: l'attribuzione custom. I modelli pre-confezionati delle piattaforme rispondono a esigenze generiche. Un brand DTC con ciclo di acquisto breve e un retailer di durables con cicli lunghi hanno bisogno di logiche diverse.

L'attribuzione custom permette di definire finestre di conversione coerenti con il prodotto, includere touchpoint esterni a Google e Meta, valorizzare interazioni offline o di customer service, integrare dati di CRM per pesare clienti nuovi e clienti già acquisiti in modo diverso.

Il punto pratico: un modello custom basato su dati first-party, costruito sul percorso reale dei clienti, è spesso più affidabile del modello data-driven di GA4 per le decisioni di ottimizzazione. Non perché sia tecnicamente più sofisticato, ma perché è coerente con il business specifico.

#Il Marketing Mix Modeling come vista cross-canale

Il Marketing Mix Modeling è una tecnica statistica che stima il contributo di ciascun canale di marketing alle vendite, usando dati aggregati nel tempo. Non dipende da cookie, login o tracciamento individuale. Lavora su serie storiche di spesa media, vendite, prezzi, promozioni, stagionalità e variabili esterne.

Per chi guida un'azienda, l'MMM ha tre vantaggi pratici.

Primo, include tutti i canali, anche quelli non tracciabili digitalmente: TV, radio, affissione, sponsorizzazioni, attività offline. Per un retailer con presenza fisica, questa è la sola via per capire come si parlano online e offline.

Secondo, regge ai cambiamenti normativi sulla privacy. Lavorando su dati aggregati, non risente della perdita di tracciamento individuale.

Terzo, abilita simulazioni di scenario. Con un MMM ben costruito è possibile stimare cosa accadrebbe spostando il 20% del budget da un canale a un altro, prima di farlo davvero.

L'MMM non è una sostituzione dell'attribuzione, agisce a livello superiore. Lavora su orizzonti mensili o settimanali, fornisce indicazioni di mix, lascia all'attribuzione il dettaglio operativo quotidiano. Costruirlo richiede dati puliti, una vista riconciliata di spesa e vendite e competenze statistiche. Per molti contesti italiani questo significa avviare prima un percorso strutturato di Data Strategy, capace di portare CRM, e-commerce, advertising e vendite offline su una vista unica.

#L'incrementality testing per validare la crescita

I test di incrementalità isolano l'effetto causale di una campagna. Funzionano per confronto: si espone una popolazione al messaggio, se ne tiene un'altra come controllo, si misura la differenza.

Esistono diverse forme: geo-test, dove regioni comparabili vengono trattate diversamente; test su utenti, dove la piattaforma esclude in modo casuale una quota di utenti dall'esposizione; ghost bids e holdout di varia natura.

Secondo un'indagine EMARKETER e TransUnion del luglio 2025, il 52% dei marketer brand e agency negli USA usa già test di incrementalità per misurare le campagne, e il 36,2% pianifica di aumentare gli investimenti in questo ambito nei prossimi dodici mesi.

Per un Marketing Manager, il valore non sta nel test in sé, ma nel cambio di logica decisionale. Si smette di chiedersi "quale canale ha più ROAS in attribuzione?" e si inizia a chiedersi "quale canale, se lo tagliassi, mi farebbe perdere davvero fatturato?".

#Un'architettura di misurazione a tre livelli

Oggi l'approccio che regge le decisioni di media mix è strutturato su tre livelli che lavorano insieme.

Il primo livello è l'MMM, che fornisce la visione cross-canale, include online e offline, lavora su orizzonti tattici e strategici guidando le decisioni di allocazione del budget.

Il secondo livello è l'attribuzione, possibilmente custom e basata su first-party data, che guida l'ottimizzazione quotidiana all'interno dei canali: quale creatività, quale audience, quale keyword.

Il terzo livello è l'incrementality testing, che valida sperimentalmente le ipotesi emerse dagli altri due livelli e corregge le distorsioni.

Nessuno dei tre livelli, da solo, basta. L'MMM senza test di incrementalità rischia di consolidare ipotesi sbagliate. L'attribuzione senza MMM è cieca al fuori-perimetro. I test di incrementalità senza una vista d'insieme rischiano di ottimizzare sul dettaglio e far perdere il quadro.

#Errori comuni nei team marketing

Alcuni errori ricorrenti emergono in molte conversazioni con team marketing italiani.

Trattare GA4 come fonte unica di verità per il media mix. GA4 è uno strumento di analytics, non un sistema di misurazione causale del marketing. Usarlo per decidere quanto spendere su TV o radio significa decidere senza dati.

Confondere il ROAS di piattaforma con il contributo reale del canale. Le piattaforme advertising hanno un incentivo strutturale ad attribuirsi conversioni. Il ROAS che riportano è una stima, non una misura.

Ottimizzare ogni canale separatamente, in silos. Il media mix è un sistema. Tagliare un canale "poco performante" in attribuzione può ridurre l'efficacia di altri canali che lavoravano in sinergia.

Costruire l'MMM una volta e dimenticarlo. Il modello va aggiornato, validato e ricalibrato. Senza manutenzione, perde rapidamente affidabilità.

Sottovalutare la qualità del dato a monte. MMM e attribuzione custom richiedono dati riconciliati, completi, con definizioni stabili nel tempo. Senza una base dati solida, il modello più sofisticato produce numeri inaffidabili.

#Chi deve essere coinvolto

Costruire un'architettura di misurazione di questo tipo non è un progetto solo del team marketing. Coinvolge ruoli diversi.

Il Marketing Manager e l'E-commerce Manager definiscono le domande di business e gli scenari da supportare. Il CRM Manager porta la vista cliente e i dati first-party. L'Advertising Specialist garantisce la qualità del tracciamento operativo. Il team Data o un partner esterno costruisce e mantiene i modelli. Il Controllo di gestione riconcilia spesa media, vendite, resi e marginalità. Il CMO o il C-Level usa l'output per decisioni di allocazione.

Senza un operating model chiaro, i modelli restano esercizi tecnici che nessuno usa per decidere davvero.

#Da dove iniziare in modo pragmatico

Un percorso realistico è solitamente composto da quattro tappe basilari.

Prima tappa: riconciliare i dati di spesa media, vendite e marginalità su una vista unica, settimanale o mensile, con uno storico di almeno due anni. Senza questa base, qualunque modello produce numeri fragili.

Seconda tappa: costruire una prima versione di MMM, anche semplice, sui canali principali. L'obiettivo non è la perfezione statistica, ma avere una vista cross-canale che entra nelle discussioni di budget.

Terza tappa: rivedere il modello di attribuzione operativa, valutando se un approccio custom basato su dati first-party può dare letture più affidabili rispetto al modello standard di GA4.

Quarta tappa: introdurre almeno un test di incrementalità all'anno sui canali strategici, per validare le ipotesi del modello e correggere le derive.

Il valore non arriva dal modello più sofisticato. Arriva dal collegamento stabile tra dato, decisione di budget, azione media e misurazione del risultato.

#La posta in gioco

Allocare budget media basandosi solo sul reporting di GA4 significa decidere su uno strumento progettato per la reportistica, non per le decisioni finanziarie. Funziona finché i margini sono ampi e i canali pochi. Smette di funzionare quando il mix si complica, la concorrenza sul cliente aumenta e ogni euro di marketing deve dimostrare il proprio contributo.

La misurazione del marketing oggi richiede un cambio di postura: dall'inseguire il singolo touchpoint al governare il sistema. MMM, attribuzione custom e incrementality test non sono tre opzioni alternative, sono tre componenti dello stesso sistema decisionale.

Vuoi capire come costruire un'architettura di misurazione del media mix coerente con il tuo contesto? Contattaci per parlarne con il team WMR Intelligence.