L'attribuzione dopo iOS: di cosa ci fidiamo davvero nel reporting

Ogni stack di reporting che ereditiamo contiene tre numeri per lo stesso canale, e tutti e tre sono sbagliati in direzioni diverse. Meta dichiara 220 acquisti nel mese. Il last-click di GA4 ne accredita a Meta 90. L'export della contabilità mostra un fatturato che nessuno dei due numeri spiega. L'attribuzione marketing dopo iOS non è un problema di dati che si risolve; è un'incertezza che si gestisce. Gestiamo gli account partendo dall'assunto che nessun singolo modello sia vero, e costruiamo un reporting che permette comunque di prendere buone decisioni di budget.

Questo articolo descrive lo stack di triangolazione che usiamo su account che spendono $10K–$80K al mese — molti dei quali vendono sui mercati US e UK, dove i volumi rendono l'errore di misurazione ancora più costoso — perché esiste ciascun layer, ed esattamente cosa mettiamo davanti ai founder ogni settimana.

Nessun modello dice la verità, e ognuno mente in modo prevedibile

L'insight utile non è "l'attribuzione è rotta". È che ogni fonte di misurazione ha una direzione di bias nota, e una volta che conoscete la direzione, il numero diventa utilizzabile.

• Le conversioni riportate dalla piattaforma sovra-contano la piattaforma. Meta, Google e TikTok rivendicano ciascuna le proprie conversioni in modo indipendente, con finestre click e view che catturano domanda creata altrove. Sommate il fatturato dichiarato dalle piattaforme su tre canali e arriverete regolarmente al 130–180% del fatturato reale dello store. Il bias è peggiore su retargeting e brand search, dove la piattaforma si mette tra un compratore già deciso e il checkout.
• Il last-click sotto-conta la discovery. Il last-click di GA4 affama i canali che creano domanda — paid social, video, influencer — e sovra-accredita quelli che la raccolgono: brand search, direct, email. Un team che rialloca budget sul last-click definanzierà sistematicamente la parte alta del proprio funnel, e due mesi dopo guarderà calare il volume delle ricerche branded.
• Il "come ci hai conosciuto" auto-dichiarato sovra-rappresenta i touchpoint memorabili. I survey post-acquisto costano poco e sono utili come direzione, ma i rispondenti citano il podcast, non l'annuncio di retargeting, e tassi di risposta del 15–40% selezionano i clienti più coinvolti.
• I modelli di attribuzione data-driven sono opachi. La DDA di GA4 e i vari strumenti MMM-lite producono curve plausibili, ma non potete verificarne le assunzioni, e vedono comunque solo i touchpoint che sono stati tracciati.

Nessuna di queste fonti viene bocciata. Ognuna si guadagna un ruolo specifico, con il suo bias già prezzato.

Lo stack di triangolazione

Facciamo girare quattro layer, in una gerarchia rigida. I layer bassi alimentano l'ottimizzazione; quelli alti prendono le decisioni di budget.

1. Attribuzione di piattaforma — per l'ottimizzazione dentro la piattaforma. I numeri di Meta sono il segnale da cui il sistema di delivery di Meta impara, quindi li teniamo puliti e li usiamo per confrontare campagna contro campagna, annuncio contro annuncio, dentro la stessa piattaforma. I confronti relativi dentro un unico sistema di attribuzione sono validi anche quando il livello assoluto è gonfiato.
2. Eventi server-side — per la qualità del segnale e un registro eventi coerente. CAPI su Meta, enhanced conversions su Google, GTM server-side dove lo stack lo supporta. Questo layer non aggiusta l'attribuzione; aggiusta la copertura della misurazione, che è un problema diverso che la maggior parte dei team confonde con l'attribuzione.
3. Riconciliazione dei ricavi — per la calibrazione. Ogni settimana allineiamo il fatturato rivendicato dalle piattaforme con il sistema degli ordini (Shopify, il database di billing, il CRM). Il rapporto tra dichiarato e reale diventa il deflatore di ciascuna piattaforma. Se Meta dichiara $84K e la riconciliazione ne conferma circa $55K, i numeri di Meta si leggono a ~0,65 ai fini di pianificazione — e uno spostamento di quel rapporto è di per sé un evento diagnostico che merita indagine.
4. CAC blended e MER — il layer delle decisioni. Spesa totale divisa per nuovi clienti totali; fatturato totale diviso per spesa totale. Questi numeri non possono mentire sull'insieme, perché non dipendono affatto dall'attribuzione. Ogni decisione di scaling, taglio e riallocazione si prende qui.

La gerarchia risolve le discussioni che paralizzano i team marketing. Quando il ROAS di piattaforma e il MER blended sono in disaccordo, vince il blended. Quando last-click e numeri di piattaforma litigano sul contributo di un canale, non facciamo da arbitri — testiamo.

Eventi server-side: sistemate la copertura prima di discutere di modelli

Discutere di modelli di attribuzione sopra un layer di eventi rotto è fatica sprecata, ed è lo stato più comune che troviamo negli audit. Prima di qualsiasi triangolazione, le fondamenta:

• Conversions API (o l'equivalente della piattaforma) che spara server-side, con deduplica rispetto al pixel browser verificata via event_id, non presunta
• Event Match Quality di 8+ sull'evento di acquisto — email, telefono e indirizzo hashati passati dall'oggetto ordine
• Un solo evento di acquisto canonico, con valore e valuta, allineato al sistema degli ordini entro il 2–3% su un controllo settimanale
• Enhanced conversions e consent mode configurati su Google, così che le campagne Search e PMax ottimizzino sugli stessi clienti che il CRM riconosce

In un account SaaS B2B, ricostruire il layer di eventi in modo che le piattaforme ricevessero eventi di lead qualificato (dal CRM, server-side) invece dei form compilati grezzi ha cambiato tutto a valle: in sei settimane le piattaforme hanno spostato la delivery verso audience che producevano pipeline commerciale, il costo per opportunità qualificata è sceso del 38%, e il dibattito sull'attribuzione si è in gran parte dissolto perché ogni fonte finalmente contava la stessa cosa.

CAC blended e MER come layer decisionale

La meccanica che facciamo girare ogni settimana, per account:

• MER = fatturato totale / spesa pubblicitaria totale, tracciato come rolling a 7 e 28 giorni contro un target derivato dal margine, non dall'ambizione
• CAC blended sui nuovi clienti = spesa totale / nuovi clienti (clienti di ritorno esclusi — mescolarli è il modo più comune con cui i numeri blended vengono silenziosamente abbelliti)
• Quota di spesa vs trend di fatturato per canale, così che un canale possa essere ampliato o tagliato in base al suo effetto marginale sulla linea blended anziché sul ROAS auto-dichiarato

La regola operativa è semplice: i numeri di piattaforma propongono, i numeri blended decidono. Se la spesa Meta sale del 30% e il MER blended tiene o migliora nelle due settimane successive, la spesa incrementale sta lavorando, qualunque cosa dica GA4. Se il ROAS di piattaforma sembra stabile mentre il MER blended si erode, qualche canale si sta prendendo il merito di domanda che non ha creato — e i soliti sospetti sono retargeting e brand search.

Le metriche blended hanno una debolezza reale: sono lente e non specifiche. Vi dicono se l'insieme è sano o malato, non quale organo. Per questo stanno in cima allo stack invece di sostituirlo — e per questo esiste il layer sottostante.

Holdout e geo test dove i volumi lo permettono

Quando l'incrementalità di un canale è genuinamente contestata, smettiamo di modellare e facciamo un esperimento. I due design che usiamo davvero:

• Geo holdout. Spegnere (o ridurre) la spesa contestata in un set di regioni abbinate per 2–4 settimane e confrontare il fatturato con le regioni di controllo. È la lettura più pulita disponibile per un advertiser di medie dimensioni, e non richiede alcuna collaborazione della piattaforma — sui mercati US e UK la granularità geografica la rende particolarmente praticabile. Dimensioniamo il test in modo che l'effetto atteso sia almeno 2–3 volte il rumore del fatturato a livello di regione; sotto circa $20K al mese sul canale contestato, i conti raramente tornano e lo diciamo, invece di mettere in scena il teatro.
• Audience holdout sul retargeting. Escludere una fetta randomizzata del pool di retargeting e confrontare i tassi d'acquisto. Il retargeting è dove lo facciamo per primo, perché è dove si concentra la sovra-attribuzione di piattaforma. Il lift misurato è spesso il 10–30% di quanto la piattaforma dichiara. Abbiamo spento layer di retargeting che dichiaravano un ROAS di 4x perché l'holdout mostrava un ritorno incrementale sotto 1x — e il MER blended non si è mosso quando la spesa è sparita, il che era il verdetto.

Un caveat a cui ci atteniamo: il risultato di un holdout è una stima con un intervallo di confidenza, non una rivelazione. Trattiamo un test come decisivo solo quando l'effetto misurato è grande rispetto al suo rumore. Altrimenti aggiorna i nostri deflatori e andiamo avanti.

Cosa mostriamo ai founder ogni settimana

Il reporting settimanale sta in una pagina. In ordine:

1. MER blended e CAC sui nuovi clienti vs target, con trend a 7 e 28 giorni
2. Spesa e fatturato per canale, con il fatturato dichiarato da ogni piattaforma mostrato accanto al suo deflatore riconciliato, così che il gap sia visibile e non nascosto
3. Check di riconciliazione — fatturato dichiarato dalle piattaforme sommato vs fatturato reale, segnalato quando il rapporto si sposta di più di ~10 punti settimana su settimana
4. Le 3–5 decisioni prese o proposte — spostamenti di budget, test lanciati, test letti — ognuna legata al numero che l'ha giustificata
5. Diagnostica creativa e di funnel sotto la piega: quali concept stanno reggendo la spesa, secondo il nostro workflow di creative analytics

Cosa lasciamo fuori di proposito: i grafici dei percorsi di attribuzione multi-touch, le "conversioni assistite" per canale, e qualsiasi ROAS di piattaforma presentato senza il suo deflatore. Questi artefatti generano discussioni e nessuna decisione.

La sintesi onesta dell'attribuzione marketing dopo iOS: la precisione a livello di singolo utente è finita e non tornerà. Ciò che resta è sufficiente — eventi puliti alla base, numeri di piattaforma calibrati nel mezzo, economics blended in cima, ed esperimenti dove la posta in gioco li giustifica. Gli account gestiti così prendono decisioni che sembrano più lente, e sono migliori. Se volete vedere dove si colloca il vostro stack di reporting attuale rispetto a questo standard, il layer di misurazione è la prima cosa che valutiamo in un audit.