Mi è capitato alcune volte di guardare un report di attribuzione che, proprio perché è pulito, trasmette una sensazione di sicurezza. Le conversioni sembrano distribuirsi in modo ordinato, alcuni canali si leggono subito, altri molto meno, e da lì la lettura rischia di diventare più semplice di quanto dovrebbe: se email, branded search o traffico diretto raccolgono più conversioni, viene naturale concludere che i canali che lavorano prima contino meno.
È una conclusione che sento tornare spesso. E non sempre regge.
Vedere bene dove una conversione si chiude non basta per capire come si è costruita. Quando questa differenza non è chiara, quei numeri finiscono per guidare decisioni di budget sbagliate, soprattutto quando vengono usati per aumentare o ridurre gli investimenti sui canali.
Quando un report pulito porta a una decisione sbagliata
Quando leggo un report di attribuzione, la lettura sembra spesso abbastanza lineare. I canali con più conversioni emergono con chiarezza, quelli che lavorano prima restano molto più indietro, e la conclusione arriva quasi da sola: se certe conversioni si chiudono soprattutto da email, branded search o traffico di ritorno, forse sono quelli i canali su cui vale la pena spingere di più.
È una lettura comprensibile, ma si ferma troppo presto.
Un report ordinato non sta necessariamente raccontando tutto il percorso. Può mostrare bene dove la conversione si chiude, ma lasciare in ombra tutto quello che è successo prima. Quando quella parte resta sullo sfondo, il risultato rischia di essere letto come se si fosse formato da solo negli ultimi passaggi.
Da lì il passaggio verso una decisione sbagliata è più breve di quanto sembri. Si inizia a dare più peso ai canali che si vedono meglio nel momento della conversione, mentre quelli che hanno lavorato prima iniziano a sembrare più deboli, più facili da ridurre. All’inizio questa lettura sembra anche sensata, perché i numeri le danno una certa coerenza. Quella coerenza però può essere solo parziale, e se la si prende alla lettera arriva direttamente nel modo in cui si distribuisce il budget.
Chi chiude la conversione non è sempre chi ha generato la domanda
C’è una differenza che nei report si perde facilmente, ma che pesa molto quando si ragiona sugli investimenti.
I canali non intervengono tutti nello stesso momento nel percorso dell’utente. Quelli che lavorano nella parte alta del funnel aprono il percorso, intercettano persone che non conoscono ancora il brand, costruiscono le condizioni perché una conversione diventi possibile. Quelli che lavorano nella parte finale intercettano una domanda già matura, riportano sul sito chi aveva già avuto un primo contatto, raccolgono il risultato di un lavoro già fatto.
Quando questa distinzione sparisce, tutto viene letto con lo stesso metro. E a quel punto anche le attribuzioni iniziano a sembrare più semplici di quanto siano.
Una campagna non branded, un’attività di prospecting su social o una campagna video lavorano soprattutto nella fase di scoperta. Newsletter, ricerche branded, remarketing e ritorni diretti diventano più visibili vicino alla conversione, perché intervengono quando l’utente è già orientato. Non c’è nulla di strano in questo. Il problema arriva quando la maggiore visibilità degli ultimi passaggi viene letta come prova che siano anche quelli che hanno inciso di più sull’intero risultato.
Se una persona scopre il brand grazie a una campagna paid, torna dopo qualche giorno da email e poi converte con una ricerca branded, il touchpoint finale è quello che si vede meglio nel report. Ma la conversione non ha iniziato a costruirsi lì. Chi raccoglie il risultato non coincide sempre con chi ha costruito le condizioni perché arrivasse.
Un esempio concreto: come si legge male un funnel
Prendo un caso che incontro abbastanza spesso, in contesti e-commerce o in servizi con un ciclo di acquisto di qualche giorno.
Un utente vede una campagna display su un prodotto che non conosce. Non clicca subito. Qualche giorno dopo cerca il brand su Google, visita il sito, ma non acquista. Una settimana dopo riceve una newsletter, clicca, torna sul sito e compra.
Nel report con modello last click, la conversione va interamente alla newsletter. Nel modello data-driven la distribuzione cambia, ma quando l’email chiude il percorso tende comunque a raccogliere un peso significativo.
Cosa succede quando si usa questo dato per decidere il budget? Si investe di più sulla newsletter, che sembra performare bene, e si taglia il display, che non converte direttamente. Il risultato nelle settimane successive è che arrivano meno utenti nuovi nel funnel. La newsletter continua a lavorare bene per un po’, perché sta ancora lavorando su un pubblico costruito in precedenza. Poi anche quel pubblico si esaurisce, le conversioni calano, e a quel punto si è già in ritardo per correggere.
Questo è il motivo per cui certi errori di attribuzione sono difficili da intercettare: i loro effetti non arrivano subito, e nel breve periodo il taglio sembra addirittura confermato dai numeri. Nel frattempo si sta indebolendo la parte del funnel che lo alimenta, e quando il calo diventa visibile anche sui canali che sembravano solidi, il budget è già stato spostato nella direzione sbagliata.
In GA4 non sempre si sta guardando la stessa cosa
C’è un altro livello di complessità che genera spesso discussioni interne senza che il problema venga identificato correttamente.
In GA4 coesistono logiche di lettura diverse che non rispondono alla stessa domanda. La dimensione che tiene memoria del canale di primo contatto dell’utente non sta raccontando la stessa cosa del report che descrive da dove arriva la sessione corrente. I report di attribuzione aggiungono un ulteriore livello, perché distribuiscono il merito della conversione secondo un modello specifico tra quelli configurabili in GA4.
Il risultato è che due report possono mostrare dati apparentemente incoerenti sullo stesso canale senza che nessuno dei due stia sbagliando. Ho visto molte volte la stessa dinamica: ci si trova davanti a numeri che non tornano, si cerca di capire quale sia quello giusto, e si finisce per discutere del report invece che del percorso dell’utente. Ogni report risponde a una domanda specifica, e confrontarli ha senso solo dopo aver capito quale sia quella domanda.
C’è poi un aspetto che spesso aggrava la situazione. Se la classificazione delle sorgenti non è pulita, o se il channel grouping non riflette il modo in cui si sta realmente lavorando, la lettura si sporca ulteriormente. A quel punto il problema va a monte: si sta leggendo male già il livello base del dato.
Come capire se si sta leggendo male il funnel
Prima di spostare budget, ci sono alcuni segnali concreti che verifico direttamente in GA4:
Il branded search cresce ma il non-branded non tiene
Se le ricerche branded aumentano o si mantengono stabili mentre quelle non-branded calano nel tempo, di solito significa che si sta raccogliendo domanda già esistente senza generarne di nuova. I canali che portano utenti nuovi nel funnel potrebbero essere stati ridotti in modo prematuro.
La quota di nuovi utenti scende nel tempo
In Acquisizione > Panoramica vale la pena guardare l’andamento del rapporto tra nuovi utenti e utenti di ritorno nel tempo. Se la quota di nuovi utenti cala progressivamente, il funnel si sta restringendo all’ingresso, indipendentemente da come tengono le conversioni nel breve.
La maggior parte delle conversioni arriva da sessioni di ritorno
Nel report Percorsi di attribuzione si può verificare quante conversioni avvengono alla prima sessione e quante richiedono più sessioni. Se quasi tutte vengono da utenti che hanno già visitato il sito più volte, il canale di primo contatto ha un peso reale che non emerge nel dato di attribuzione finale.
Il confronto tra modelli mostra distribuzioni molto diverse
In Advertising > Confronto modelli di attribuzione si possono mettere a confronto direttamente last click e data-driven. Se il modello data-driven assegna un peso significativamente diverso a certi canali rispetto al last click, quei canali lavorano in punti del funnel che il last click non vede. Vale la pena fermarsi su questo prima di prendere decisioni.
Il ROAS sembra buono ma i volumi calano
Se una campagna mostra un ritorno apparentemente positivo ma il numero di conversioni scende mese su mese, vale la pena verificare se si sta raggiungendo sempre le stesse persone o se il pubblico si sta allargando. Un ROAS alto su un pubblico che si esaurisce non è un segnale positivo: il sistema si sta chiudendo su se stesso.
Quando ha senso uscire da GA4 e usare BigQuery
I report standard di GA4 bastano per la gestione ordinaria. Mi aiutano a capire se i canali stanno tenendo, se ci sono anomalie, se qualcosa si è mosso rispetto al periodo precedente.
Ci sono però situazioni in cui fermarmi lì introduce un margine di errore che non mi sento di accettare. Succede quando il ciclo di acquisto è lungo (più di 7-10 giorni tra primo contatto e conversione), quando i canali sono molti e fanno lavori molto diversi tra loro, quando il budget da spostare è rilevante, o quando il team ha letture discordanti sugli stessi numeri.
In questi casi, esportare i dati grezzi della property in BigQuery permette di fare un lavoro che i report GA4 non consentono: ricostruire il percorso completo di ogni utente, sessione per sessione, prima della conversione.
La sequenza dei canali toccati prima della conversione può essere aggregata per capire quali combinazioni di touchpoint producono effettivamente risultati. Il tempo medio tra primo contatto e conversione per canale diventa calcolabile, e quel dato cambia completamente la lettura del contributo di una campagna di awareness. Si può misurare quanti utenti hanno toccato più canali prima di convertire: se la risposta è la maggioranza, l’attribuzione su singolo touchpoint è strutturalmente parziale.
Un’altra analisi che trovo utile è raggruppare gli utenti per canale di primo contatto e seguirli nel tempo, con l’obiettivo di capire che tipo di utenti porta quel canale: con quale frequenza tornano, quanto spendono, quanto durano come clienti. Questo dato spesso ribalta la lettura del ROAS di breve periodo.
Non è un’analisi da fare ogni settimana. Ha senso prima di decisioni di budget rilevanti, o quando i report standard iniziano a generare più dubbi che risposte.
Usare GA4 per orientarsi va bene. Usarlo da solo per decidere, meno
GA4 resta uno strumento utile. Mi aiuta a capire come si stanno muovendo i canali, dove si concentrano le conversioni, quali segnali stanno emergendo e quali invece si stanno indebolendo.
Il problema arriva quando da quella lettura si passa direttamente alla decisione. Finché il report serve a orientarsi va bene. Quando diventa l’unica base per aumentare o tagliare budget, il margine di errore pesa molto di più.
I report di attribuzione mostrano una rappresentazione del risultato finale, non sempre tutto quello che è successo prima. Se quella rappresentazione viene letta fuori contesto, si rischia di premiare i canali che raccolgono meglio la conversione e ridurre quelli che hanno contribuito a renderla possibile.
GA4 va usato per quello che può dire bene, sapendo che in certi casi serve un livello di verifica in più prima di prendere decisioni con un impatto economico reale. Questa attenzione diventa ancora più necessaria quando i canali hanno ruoli diversi nel funnel, quando il percorso si distribuisce su più sessioni o quando il team inizia ad avere letture diverse degli stessi numeri. In quel momento guardare solo il report, come se bastasse da solo, dà una sicurezza che non c’è.
Conclusioni
Quando la lettura dell’attribuzione viene presa alla lettera, l’errore si trasferisce nelle decisioni. Si finisce per concentrare il budget sui canali che intercettano la conversione nella parte finale del percorso, riducendo proprio quelli che hanno contribuito a generarla.
L’insidia è che all’inizio questo errore si vede poco. I numeri tengono, le conversioni continuano ad arrivare, e sembra quasi che la lettura fosse corretta. Poi il sistema inizia a perdere forza dove conta davvero: entrano meno utenti nuovi, il funnel si restringe e anche i canali che sembravano più solidi iniziano a risentirne.
Leggo le attribuzioni di GA4 con più cautela di quanto il report stesso potrebbe far pensare. GA4 funziona, ma da solo non sempre basta a spiegare come si è formato il risultato che si sta osservando. Quando il percorso è articolato e il budget da spostare pesa davvero, vale la pena ricostruire il percorso prima di decidere dove spostare gli investimenti.
Stai usando i report di attribuzione di GA4 per guidare le decisioni di budget?
Prima di spostare investimenti, vale la pena verificare se quello che vedi racconta tutto il percorso o solo la parte finale. Se vuoi analizzare il contributo reale dei tuoi canali prima della prossima pianificazione
FAQ rapide
Il modello data-driven distribuisce il merito su più touchpoint ed è strutturalmente migliore del last click. Ha però due limiti da tenere presenti. Il primo è tecnico: funziona bene solo quando la property ha un volume di conversioni sufficiente a far girare il modello in modo affidabile. Su property con pochi dati, il modello lavora su basi troppo fragili e i risultati vanno presi con cautela. Il secondo limite è strutturale: data-driven ragiona solo sui dati che GA4 riesce a tracciare. Se parte del percorso avviene su sessioni scadute, su dispositivi diversi non riconciliati, o su canali con UTM mancanti o errati, quella parte del percorso non entra nel modello. È uno strumento più sofisticato, ma non elimina i limiti dell’attribuzione basata su sessioni.
Moltissimo. Se le campagne non hanno UTM coerenti, o se la struttura degli UTM è inconsistente tra canali diversi, GA4 classifica il traffico in modo errato, spesso assegnandolo a “Direct / none” o a raggruppamenti sbagliati. Prima di leggere qualsiasi dato di attribuzione, vale la pena verificare che il channel grouping stia classificando correttamente i canali e che non ci siano quote anomale di traffico non classificato. Un’attribuzione letta su dati mal classificati porta a conclusioni sbagliate indipendentemente dal modello usato.
Non con il ROAS basato sull’attribuzione last click. I canali che lavorano all’inizio del funnel vanno valutati su metriche diverse: quanti utenti nuovi portano nel percorso, come si comportano quegli utenti nel tempo rispetto a quelli acquisiti da altri canali, se nel periodo successivo a una campagna display si registra un incremento nelle ricerche branded. Non è una misurazione immediata, ma è quella corretta per quel tipo di canale. Misurare un canale di awareness sul ROAS di conversione diretta significa valutare il suo contributo nel momento sbagliato.
Non è un’attività da routine settimanale. Ha senso prima di decisioni di budget rilevanti (in fase di pianificazione trimestrale o annuale), quando i report standard mostrano anomalie difficili da spiegare, o quando il team ha letture discordanti sullo stesso dato. Per la gestione ordinaria, il confronto tra modelli di attribuzione in GA4 è sufficiente, a patto che la configurazione della property sia pulita e il channel grouping rifletta realmente come si sta lavorando.