La pubblicità online sta diventando sempre più automatizzata. Le piattaforme utilizzano l’intelligenza artificiale per decidere a chi mostrare un annuncio, quanto investire su una determinata asta, quali combinazioni di contenuti utilizzare e quali opportunità considerare più interessanti.
È un’evoluzione importante e, per molti aspetti, positiva. Significa poter gestire una quantità di variabili che sarebbe impossibile controllare manualmente.
Ma c’è una domanda che rimane decisamente umana: che cosa vogliamo ottenere da quella campagna?
Perché una piattaforma può essere bravissima a ottimizzare un obiettivo senza sapere se quell’obiettivo coincide davvero con ciò che serve all’azienda.
Immaginiamo una campagna che porta 10.000 clic.
Il dato, preso da solo, può sembrare ottimo. Ma se l’obiettivo era generare richieste commerciali, portare persone in un punto vendita o trovare potenziali clienti realmente interessati, quei 10.000 clic raccontano soltanto una parte della storia.
E non necessariamente quella più importante.
Il punto non è che il dato sia sbagliato. Il dato è corretto. Il problema nasce quando confondiamo ciò che la piattaforma è riuscita a ottimizzare con ciò che l’azienda aveva realmente bisogno di ottenere.
Se abbiamo impostato come conversione l’invio di un modulo, l’algoritmo cercherà persone con una maggiore probabilità di compilare quel modulo. Se per l’azienda, però, il vero valore sta nella qualità delle richieste ricevute, il semplice numero di moduli compilati potrebbe non essere sufficiente.
La piattaforma ha fatto il suo lavoro.
Forse siamo noi che non le abbiamo dato abbastanza informazioni per fare quello giusto per il nostro business.
Ed è qui che diventa interessante la componente umana della costruzione di una campagna.
Non significa necessariamente tornare a decidere manualmente ogni singolo dettaglio. Anzi, in un ambiente sempre più automatizzato sarebbe probabilmente poco efficiente farlo.
Significa capire quali risultati contano davvero, quali segnali possono rappresentarli e come collegare ciò che accade dentro una piattaforma pubblicitaria a ciò che succede fuori da quella piattaforma.
Per un e-commerce potrebbe essere una vendita. Per un’azienda B2B potrebbe essere un’opportunità commerciale qualificata, che magari arriverà a chiudersi settimane o mesi dopo il primo contatto. Per un’attività locale potrebbe essere una visita in negozio. Per un professionista potrebbe essere una richiesta realmente pertinente, non semplicemente una persona che ha compilato un modulo.
Sono risultati molto diversi e non sempre possono essere letti attraverso lo stesso KPI.
Anche per questo la parte più interessante del lavoro non finisce quando la campagna viene attivata.
Comincia anche dopo.
Guardare i dati significa cercare di capire cosa sta realmente accadendo: quali persone stanno rispondendo, da quali canali arrivano, quali azioni compiono, quali richieste generano e soprattutto se quello che la piattaforma considera una buona conversione coincide con ciò che l’azienda considera un buon risultato.
È una distinzione che può sembrare sottile, ma cambia completamente il modo in cui si interpreta una campagna.
Un aumento delle conversioni può essere un ottimo segnale. Oppure può semplicemente significare che abbiamo trovato un modo più efficace per ottenere conversioni che, dal punto di vista commerciale, valgono poco.
Per questo i numeri non vanno soltanto guardati. Vanno messi in relazione.
La tecnologia oggi permette alle piattaforme di elaborare una quantità enorme di informazioni e di prendere decisioni in tempi che nessuna gestione manuale potrebbe replicare. Sarebbe poco sensato rinunciare a questa capacità.
Ma proprio perché le piattaforme possono prendere sempre più decisioni autonomamente, diventa ancora più importante sapere quali decisioni stiamo affidando loro e sulla base di quali obiettivi.
E forse è questo uno dei cambiamenti più interessanti nell’advertising contemporaneo.
Più le piattaforme diventano autonome, più diventa importante sapere cosa stiamo chiedendo loro di fare.
Perché quando una macchina è in grado di ottimizzare milioni di variabili, il vero valore non sta necessariamente nel decidere ogni singola variabile.
Sta nel sapere quali risultati contano davvero e nel costruire le condizioni perché possa cercarli.