Come calcolare il ROI delle campagne web considerando i modelli di attribuzione multi-touch?

“Quanti lead ha generato la campagna X? Che ROI ha avuto l’investimento Y?”. Se sei un Digital Marketing Manager, queste domande fanno parte della tua quotidianità. La pressione per giustificare ogni euro di budget è costante e la risposta, spesso, si affida a metriche apparentemente solide come il ROAS (Return On Ad Spend) o il CPA (Cost Per Acquisition). Si mostrano dashboard scintillanti, si evidenziano i canali “last-click” che hanno chiuso la vendita e si respira un sospiro di sollievo. Ma se queste risposte fossero solo delle comode illusioni?

Il problema è che l’ecosistema digitale è diventato un labirinto di punti di contatto. Un utente vede un post su Instagram, cerca il brand su Google, legge una recensione, clicca su un annuncio a pagamento e forse, giorni dopo, chiama un numero verde per finalizzare l’acquisto. Attribuire tutto il merito all’ultimo clic è come dare l’Oscar per il miglior film solo all’attore protagonista, ignorando regista, sceneggiatore e troupe. È una verità parziale che porta a decisioni strategiche errate.

Questo articolo rompe con l’approccio tradizionale. Non ci limiteremo a elencare i modelli di attribuzione. Il nostro angolo d’attacco è radicale: l’ossessione per il ROI basato sul fatturato sta mascherando perdite reali. Ti mostreremo come passare da una misurazione superficiale a una mappatura del profitto. Perché se un dato non può essere tracciato e misurato nella sua interezza, semplicemente, non esiste. E il tuo budget di marketing merita di essere basato sulla realtà contabile, non su una favola di marketing.

In questa guida approfondita, analizzeremo punto per punto come costruire un sistema di misurazione del ROI a prova di CEO, smontando le metriche vanitose e concentrandoci su ciò che impatta realmente il margine aziendale.

Perché affidarsi solo ai cookie di terze parti falserà i tuoi dati di ROI nel prossimo futuro?

Per anni, il calcolo del ROI si è basato su un’architettura fragile: i cookie di terze parti. Questi frammenti di codice hanno permesso di seguire gli utenti attraverso il web, costruendo modelli di attribuzione e alimentando il retargeting. Questo mondo, però, sta per finire. La crescente sensibilità sulla privacy, spinta da normative come il GDPR, ha portato a una stretta decisiva. In Italia, le cose si sono fatte serie: i professionisti del settore hanno avuto solo 6 mesi di tempo per adeguarsi secondo le linee guida del Garante Privacy del giugno 2021, rendendo di fatto il consenso esplicito e granulare la nuova norma.

Cosa significa per il tuo ROI? Significa che affidarsi ancora a sistemi di tracciamento basati su cookie di terze parti equivale a navigare a vista nella nebbia. I dati saranno incompleti, le audience di retargeting si ridurranno drasticamente e i modelli di attribuzione multi-touch diventeranno inaffidabili. Se il tuo modello attribuisce una conversione a un’impression display vista dall’utente una settimana prima, ma quel tracciamento non è più consentito, quel touchpoint scompare. Il risultato è un’analisi del ROI distorta, che sopravvaluta i canali “last-click” e sottovaluta tutto il lavoro di awareness e consideration.

La soluzione non è abbandonare la misurazione, ma cambiarne il paradigma. È imperativo passare a una strategia basata sui dati di prima parte (first-party data). Questo significa costruire un rapporto diretto con l’utente, raccogliendo dati in modo consensuale e trasparente attraverso asset proprietari: newsletter, aree riservate, programmi fedeltà. Tecnologie come il Server-Side Tagging e le Customer Data Platform (CDP) non sono più lussi per grandi aziende, ma strumenti essenziali per la sopravvivenza analitica. Chi non si adegua non solo rischia sanzioni, ma si condanna a prendere decisioni di budget basate su dati fantasma.

Come importare le vendite telefoniche in Google Analytics per avere un quadro reale del ROI?

Nell’ecosistema digitale, esiste un “buco nero” che inghiotte una quantità enorme di dati preziosi: il telefono. Per moltissime aziende italiane, specialmente nei settori B2B, servizi, o e-commerce con prodotti complessi, la telefonata è un touchpoint cruciale, spesso quello finale che porta alla conversione. Eppure, la maggior parte delle analisi di marketing si ferma al clic. Se la vendita si chiude al telefono, il modello di attribuzione online la ignora, attribuendo zero valore a tutte le campagne che hanno portato a quella chiamata. Questo è un errore che può costare caro.

L’integrazione del tracciamento delle chiamate (call tracking) con Google Analytics 4 non è più un’opzione, ma una necessità per chiunque voglia un quadro veritiero del ROI. Il processo, come evidenziato anche durante eventi di settore come il GA4 Summit 2024 a cui hanno partecipato oltre 500 professionisti, è diventato più accessibile.

Come mostra lo schema, l’obiettivo è connettere i diversi canali di comunicazione a un sistema di dati unificato. Soluzioni di call tracking dinamico permettono di assegnare un numero di telefono unico a ogni sessione utente o a ogni campagna. Quando un cliente chiama, il sistema registra la chiamata e, tramite un’integrazione, invia un evento a Google Analytics 4. Questo evento può contenere informazioni preziose: la campagna di origine, la parola chiave che ha generato la visita, e persino il valore della transazione se questo viene inserito in un CRM. In questo modo, una vendita da 5.000€ chiusa al telefono non è più persa nell’etere, ma viene correttamente attribuita alla campagna Facebook o Google Ads che l’ha originata, cambiando radicalmente il calcolo del ROAS.

Like o Lead: quale metrica deve guidare l’ottimizzazione delle campagne per un e-commerce?

Nel mondo dei social media, la tentazione delle “vanity metrics” è forte. Un alto numero di like, condivisioni o commenti può dare l’impressione di una campagna di successo. Ma per un e-commerce, i like non pagano le fatture. La domanda fondamentale è: stiamo ottimizzando per l’applauso o per il registratore di cassa? La risposta, come sempre in analytics, è: dipende. Dipende dalla fase del funnel in cui si trova la campagna e l’utente. Confondere gli obiettivi significa sprecare budget.

Come sottolinea Jaysen Gillespie, Vice Presidente Analytics e Data Science di Criteo, la realtà dei percorsi d’acquisto è estremamente complessa:

Nel mondo di oggi, una transazione media può avere più di 30 touch point. Il modello di attribuzione lineare dà a ciascun canale del percorso d’acquisto del consumatore lo stesso valore

– Jaysen Gillespie, Vice Presidente Analytics e Data Science di Criteo

Questa complessità ci obbliga a scegliere la metrica giusta per il lavoro giusto. Ottimizzare una campagna di brand awareness (fase alta del funnel) per il numero di lead generati è un errore strategico, così come lo è valutare una campagna di retargeting sul carrello abbandonato basandosi sull’engagement rate. Il focus deve cambiare dinamicamente. Un semplice esempio è quello del ROAS, dove un ROAS del 200% significa semplicemente che si generano 2€ di ricavo per ogni euro speso; ma quel ricavo da dove arriva? Dal branding o dalla conversione diretta?

La seguente matrice aiuta a chiarire quando privilegiare l’ottimizzazione per i “Like” (intesi come engagement e awareness) rispetto ai “Lead” (intesi come conversioni dirette o quasi).

Il rischio di confondere fatturato e margine che porta a campagne in perdita reale

Questa è la sezione più importante di tutto l’articolo. Qui si nasconde l’errore più comune e costoso che i Digital Marketing Manager commettono: l’ossessione per il ROAS basato sul fatturato. La formula del ROAS è semplice: (Ricavo / Costo pubblicitario). Se spendo 1.000€ e genero 4.000€ di fatturato, ho un ROAS del 400% (o 4:1). Fantastico, vero? Non necessariamente. Questo calcolo ignora un dettaglio fondamentale: il margine di profitto del prodotto venduto.

Immaginiamo un esempio concreto. Un’azienda sta gestendo una campagna che costa 1.000 €. L’azienda identifica 2.000 € di ricavo attribuibile a quegli annunci. Il ROAS è del 200%. Apparentemente un successo. Ma cosa succede se il costo del venduto (COGS), che include produzione, logistica, e altre spese dirette, per quei 2.000€ di prodotti è di 1.200€? Il profitto lordo è di soli 800€ (2000€ – 1200€). Se a questo sottraiamo i 1.000€ di spesa pubblicitaria, il risultato finale è una perdita netta di 200€. La campagna, pur avendo un ROAS positivo, sta bruciando cassa.

È fondamentale spostare il focus dal ROAS al POAS (Profit on Ad Spend). Per farlo, è necessario integrare i dati di costo e profitto direttamente negli strumenti di analytics, come Google Analytics 4. Non è un’operazione banale, ma è l’unico modo per avere una visione veritiera della performance. Senza questa visione, si rischia di ottimizzare le campagne per spingere prodotti ad alto fatturato ma basso margine, cannibalizzando le vendite di prodotti più profittevoli e portando l’intero business in perdita.

Quando spostare il budget da Facebook a Google Ads basandosi sui dati di attribuzione settimanali?

La domanda “meglio Facebook o Google?” è mal posta. La domanda corretta è: “in questo momento, per questo obiettivo, quale canale sta contribuendo di più al mio ROI reale?”. La risposta non è statica, ma cambia settimanalmente in base a stagionalità, promozioni e comportamento degli utenti. Prendere decisioni di allocazione del budget basandosi su un modello “last-click” è la ricetta per il disastro. Un’analisi di Tag Manager Italia ha mostrato come, per un cliente, il canale “Organic search” abbia contribuito a generare 494 conversioni con un modello Data-Driven, contro le sole 42.40 attribuitegli dal modello Last Click. Questo dimostra come il modello last-click nasconda il valore reale dei canali di assistenza.

Un approccio data-driven richiede un monitoraggio costante dei modelli di attribuzione per capire i ruoli che i diversi canali stanno giocando. Facebook (Meta Ads) è spesso un potente canale di “discovery” e “assist”: non genera la vendita diretta, ma la innesca. Google Ads, specialmente sulla rete di ricerca, tende a essere un canale di “last-click”, catturando una domanda già esistente. Tagliare il budget a Facebook perché ha un ROI last-click basso potrebbe significare prosciugare la fonte che alimenta le ricerche su Google.

Per agire in modo strategico, è utile utilizzare un framework decisionale basato sui segnali di attribuzione settimanali, contestualizzato sulla realtà italiana.

Questo approccio dinamico, basato sui dati reali di attribuzione, permette di superare le guerre di religione tra piattaforme e di allocare il budget in modo scientifico, massimizzando il ROI globale. L’obiettivo non è scegliere un vincitore, ma farli suonare insieme come un’orchestra.

CPA o ROAS: quale metrica privilegiare nelle campagne di acquisizione rispetto a quelle di branding?

La scelta del KPI principale non è una questione di preferenza, ma di allineamento con l’obiettivo della campagna. Usare la metrica sbagliata è come usare un termometro per misurare la distanza. CPA (Cost Per Acquisition) e ROAS (Return On Ad Spend) sono due indicatori potenti, ma rispondono a domande diverse e servono scopi diversi. Scegliere quale privilegiare è una decisione strategica cruciale.

Il CPA misura l’efficienza nel generare un’azione specifica (un lead, un’iscrizione, una vendita). È la metrica ideale per le campagne di acquisizione pure, dove il valore di ogni conversione è relativamente omogeneo e l’obiettivo è massimizzare il numero di conversioni entro un costo massimo accettabile. Se, per esempio, il lifetime value di un cliente è 500€ e il margine è del 50%, potrei essere disposto a pagare fino a, diciamo, 100€ per acquisirlo (CPA target). Qui, il focus è sul volume di acquisizioni a un costo sostenibile.

Il ROAS, d’altra parte, misura il ritorno economico diretto della spesa pubblicitaria. È perfetto per le campagne orientate alla vendita diretta e al performance marketing, specialmente nell’e-commerce dove i carrelli possono avere valori molto diversi. L’obiettivo è massimizzare il fatturato generato per ogni euro speso. Un benchmark comunemente accettato, secondo i dati di Shopify, è un rapporto di almeno 4:1 (4€ di ricavo per ogni euro speso) per una campagna considerata sana. Tuttavia, come abbiamo visto, questo dato va sempre letto alla luce del margine.

E le campagne di branding? Qui, sia CPA che ROAS possono essere fuorvianti. L’obiettivo non è la conversione immediata, ma la costruzione di notorietà e preferenza. Le metriche da privilegiare sono altre: reach, frequency, video view-through rate, share of voice, o l’aumento delle ricerche organiche per il nome del brand. Tentare di forzare un KPI di performance su una campagna di branding è il modo migliore per giudicarla un fallimento e tagliare investimenti cruciali per la crescita a lungo termine.

Power BI o Tableau: quale strumento permette di visualizzare i Big Data senza una laurea in informatica?

Avere dati completi è solo metà del lavoro. L’altra metà, forse la più importante, è renderli comprensibili e utilizzabili per prendere decisioni. Strumenti di Business Intelligence come Power BI e Tableau sono leader di mercato, capaci di creare visualizzazioni complesse e interattive. Tuttavia, per molte PMI italiane, possono rappresentare un investimento significativo in termini di costi di licenza e, soprattutto, di tempo per la formazione. La curva di apprendimento non è banale e richiedono una certa mentalità analitica.

Esiste un’alternativa che sta guadagnando sempre più terreno per la sua accessibilità e potenza, specialmente per chi vive nell’ecosistema Google: Looker Studio (precedentemente Google Data Studio). Questo strumento ha un vantaggio schiacciante: è gratuito e si integra nativamente con Google Analytics, Google Ads, e Google Sheets. Per un Digital Marketing Manager che ha bisogno di costruire dashboard di performance senza dover chiedere un nuovo budget al reparto IT, questa è una soluzione rivoluzionaria. Permette di combinare dati da più fonti e di visualizzare l’impatto dei modelli di attribuzione in modo chiaro.

Mentre Power BI eccelle nell’integrazione con l’ecosistema Microsoft (Excel, Azure) e Tableau è rinomato per la bellezza e la flessibilità delle sue visualizzazioni, Looker Studio vince sul campo della velocità di implementazione per il marketing digitale. Un manager può, in poche ore, costruire una dashboard che mostri il ROAS e il CPA per canale, filtrando per data e confrontando diversi modelli di attribuzione. Per iniziare, basta seguire alcuni passaggi fondamentali:

• Collegare GA4 come fonte dati principale.
• Aggiungere le fonti dati di Google Ads, Facebook Ads (tramite connettori di terze parti) e fogli di calcolo Google Sheets per i costi offline.
• Creare campi calcolati per metriche personalizzate come il POAS (Profit on Ad Spend).
• Implementare filtri interattivi per periodo, campagna e canale.
• Utilizzare grafici a barre o tabelle per confrontare visivamente la performance dei modelli “Last Click” vs “Data-Driven”.

La vera democratizzazione dei dati non sta nell’avere lo strumento più costoso, ma quello più adatto a trasformare i dati in insight azionabili nel minor tempo possibile. Per molte realtà, questo strumento oggi è Looker Studio.

Come calcolare il ROI globale delle attività di marketing considerando l’impatto sul valore del brand?

Siamo giunti alla vetta della montagna. Abbiamo smontato le metriche superficiali, integrato dati offline, distinto tra fatturato e profitto e scelto gli strumenti giusti. Ora affrontiamo la domanda finale: come si misura il ROI di tutto questo? Come si calcola il valore di un’attività che, per sua natura, ha effetti sia a breve che a lungo termine? La risposta sta nell’adottare una visione olistica, che combini l’attribuzione multi-touch con modelli più ampi come il Marketing Mix Modeling (MMM).

L’attribuzione multi-touch è fantastica per ottimizzare le performance digitali nel breve-medio termine, ma ha dei limiti. Fatica a misurare l’impatto di canali non digitali (TV, radio, stampa), gli effetti a lungo termine del branding e i fattori esterni (stagionalità, azioni dei competitor). Qui entra in gioco il MMM, un approccio statistico che analizza serie storiche di dati (vendite, investimenti pubblicitari, dati macroeconomici) per determinare l’impatto di ogni singola leva di marketing sul risultato finale.

Il ROI globale non è un singolo numero, ma un framework di misurazione a più livelli. Al livello più basso (tattico), abbiamo le metriche di performance giornaliere (CPA, POAS) che guidano l’ottimizzazione delle campagne. Al livello intermedio (strategico), abbiamo i modelli di attribuzione che ci aiutano a decidere come allocare il budget tra i canali digitali. Al livello più alto (aziendale), abbiamo il Marketing Mix Modeling che informa le grandi decisioni di investimento e ci aiuta a capire l’impatto del marketing sul valore del brand e sulle vendite totali, non solo quelle online.

Nel contesto attuale, dove nel B2B i brand espongono il cliente medio a ben 36 touch point prima di una conversione, pensare di poter misurare tutto con un unico modello è un’utopia. La vera maestria sta nel saper combinare questi approcci per raccontare una storia completa e credibile. Una storia che non solo giustifichi il budget, ma che posizioni il marketing come un motore di crescita strategico per l’intera azienda.

Ora hai gli strumenti e il metodo per passare da un’analisi di marketing basata su comode illusioni a una basata sulla solida realtà del profitto. Il passo successivo è applicare questo framework alla tua specifica realtà aziendale, iniziando con un audit dei tuoi attuali sistemi di tracciamento e reporting. Valuta oggi stesso la soluzione di analytics più adatta per trasformare i tuoi dati in decisioni strategiche profittevoli.