- Il mio CAC basso è davvero un buon segno?
- Cosa significa davvero "incrementalità" e perché cambia tutto?
- La branded search è davvero il canale più pericoloso da sovrastimare?
- Cosa succede quando si sposta il budget dalla brand search verso campagne non-brand?
- Come si progetta un test di incrementalità senza un team di data scientist?
- Tre scenari concreti: cosa cambia per un e-commerce, uno studio professionale e un produttore?
- Quali strumenti esistono per fare incrementality testing?
- Perché se ne parla adesso: il mercato italiano è davvero pronto per questo approccio?
- Quali errori si fanno più spesso quando si affronta la misurazione incrementale?
- Come capisco se la misurazione incrementale sta migliorando le mie decisioni di budget?
- Allora, ne vale la pena per la tua azienda misurare l'incrementalità?
- Come la vediamo in SHM
- Domande frequenti
- Un CAC basso spesso indica che la campagna cattura domanda già esistente, non che la crea: la differenza vale migliaia di euro di budget.
- L’incrementality testing misura quanti clienti in più genera una campagna rispetto a cosa succederebbe senza di essa — ed è ora accessibile anche alle PMI.
- La branded search ha un iROAS mediano di 0,70x (sotto il pareggio): spesso cannibalizza il traffico organico invece di aggiungere clienti.
- Con soglie decisionali definite in anticipo e AI per l’analisi, anche team piccoli possono riallocare il budget su basi solide.
La tua campagna di brand search riporta un CAC di 15 euro. Quella social ne costa 60. Sembra ovvio dove tagliare — ma potresti star pagando per clienti che sarebbero arrivati lo stesso, e ignorare l’unico canale che ne porta di nuovi.
Il mio CAC basso è davvero un buon segno?
Non sempre. Un costo di acquisizione basso può significare che stai pagando per clienti che avrebbero comprato comunque, non che le tue campagne stiano generando crescita reale.
Il CAC (costo di acquisizione cliente, cioè quanto spendi in media per portare un nuovo cliente) e il ROAS (ritorno sulla spesa pubblicitaria, ovvero quanti euro incassi per ogni euro investito) sono i due numeri che dominano quasi ogni dashboard di marketing. Sembrano oggettivi. In realtà, raccontano solo metà della storia.
Il problema è che entrambi attribuiscono il merito di una conversione al canale che l’ha vista per ultimo — o che era semplicemente presente al momento dell’acquisto. Non misurano se quell’acquisto sarebbe avvenuto comunque, anche senza quella campagna.
Questo errore di misurazione ha conseguenze dirette sul budget: si taglia dove si spende di più, si investe dove il numero sembra migliore, e si finisce per premiare le campagne che intercettano chi stava già per comprare, penalizzando quelle che raggiungono persone nuove.
| La tua situazione | Rischio reale | Cosa fare |
|---|---|---|
| Brand search con CAC molto basso | Alta probabilità di cannibalizzare traffico organico | Testa l’incrementalità prima di aumentare il budget |
| Retargeting con alto tasso di conversione | Stai raggiungendo chi aveva già deciso di comprare | Misura quanti clienti aggiuntivi genera davvero |
| Paid social con CAC alto ma audience nuova | Potrebbe essere il canale che genera più crescita reale | Non tagliare senza un test di incrementalità |
| Affiliate con commissioni su vendite già avviate | Il programma potrebbe arrivare troppo tardi nel processo d’acquisto | Verifica se genera domanda o la cattura solo |
Cosa significa davvero "incrementalità" e perché cambia tutto?
L’incrementalità misura quanti clienti in più genera una campagna rispetto a quanti ne arriveresti senza di essa. È la differenza tra catturare domanda esistente e crearla.
Immagina di spegnere per una settimana la tua campagna di brand search. Quante vendite perderesti davvero? Se la risposta è “pochissime, perché chi cercava il tuo nome ti avrebbe trovato comunque su Google organico”, allora quella campagna ha un’incrementalità bassa: stai pagando per qualcosa che sarebbe successo lo stesso.
L’incrementality testing (test di incrementalità) è il metodo che risponde a questa domanda in modo controllato. Si divide il pubblico o il territorio in due gruppi: uno vede la campagna, l’altro no. La differenza nei risultati è l’effetto reale della campagna.
La fonte originale di questo articolo, MarTech, descrive un caso concreto: un test su Google brand search ha portato a ridurre la spesa del 90% senza impatti significativi sull’acquisizione clienti. Il traffico organico ha semplicemente ripreso il suo posto. Per approfondire come funziona questo tipo di misurazione, il nostro articolo sul conversion lift e il vero impatto delle campagne paid offre una guida pratica al metodo.
I dati di Stella su 225 test reali mostrano che la branded search ha un iROAS mediano di 0,70x — sotto il breakeven di 1,0x. Significa che in media spendi più di quanto guadagni in clienti aggiuntivi. Gli altri canali, invece, generano tra 2 e 3 volte il valore investito in clienti che non sarebbero arrivati altrimenti.
La branded search è davvero il canale più pericoloso da sovrastimare?
Spesso sì, soprattutto se il tuo brand ha già un buon posizionamento organico. In quel caso, gli annunci sul tuo nome sottraggono traffico alla ricerca naturale invece di aggiungerne.
La logica sembra solida: chi cerca il tuo nome su Google è già interessato, il costo per clic è basso, il tasso di conversione è alto. Ma c’è un problema nascosto: quella persona ti avrebbe trovato comunque, cliccando sul risultato organico gratuito.
Uno studio di Haus citato da Genius Monkey ha misurato il fattore di incrementalità degli annunci brand per due tipi di aziende. Per i brand con alta competizione sul proprio nome (cioè dove i concorrenti fanno offerte sulla tua keyword), il fattore è 0,37 — ogni 100 conversioni attribuite alla campagna, solo 37 sono realmente aggiuntive. Per i brand con bassa competizione, scende a 0,09: quasi tutte le conversioni sarebbero arrivate lo stesso.
| Tipo di brand | Incrementality factor | Cosa significa in pratica |
|---|---|---|
| Brand con alta competizione sul nome (concorrenti fanno offerte sulla tua keyword) | 0,37 | Solo il 37% delle conversioni attribuite è realmente aggiuntivo |
| Brand con bassa competizione sul nome | 0,09 | Il 91% delle conversioni sarebbe arrivato comunque, senza pagare |
Un caso reale documentato da Polar Analytics riguarda un brand con 25.000 dollari al mese di spesa in brand search: il test ha rivelato solo un +2% di traffico totale incrementale, con un calo del 14% nel traffico organico quando gli annunci erano attivi. La campagna non aggiungeva clienti: li spostava da un canale gratuito a uno a pagamento.
Questo non significa che la branded search sia sempre inutile. Se i tuoi concorrenti fanno offerte sul tuo nome, proteggere il brand ha senso. Ma va misurato, non dato per scontato.
Cosa succede quando si sposta il budget dalla brand search verso campagne non-brand?
I dati reali mostrano miglioramenti significativi: più clienti nuovi, ritorno incrementale più alto, crescita delle vendite nette.
Un caso documentato da Ecommerce Fastlane riguarda un’azienda DTC (vendita diretta al consumatore) con un fatturato a otto cifre. Dopo aver spostato il budget dalla branded search verso campagne non-brand, il ritorno incrementale modellato è passato da 8,5x a 14,7x nel trimestre successivo — un aumento del 54%. Le vendite nette sono cresciute del 16%.
Il punto non è che la brand search sia sempre sbagliata. È che senza misurarla, non puoi sapere se stai investendo bene. Come spieghiamo anche nella nostra guida su priorità e allocazione budget su Google Ads, la struttura delle campagne conta quanto il budget totale.
Come si progetta un test di incrementalità senza un team di data scientist?
Con metodi strutturati e AI per l’analisi, anche un team piccolo può condurre test validi. Il punto di partenza è definire la domanda giusta e le soglie decisionali prima di raccogliere i dati.
- 1 · Marketing managerDefinisci la domanda specificaNon ‘questa campagna funziona?’ ma ‘quanti clienti aggiuntivi genera questa campagna rispetto a non averla?’. La domanda determina il metodo.
- 2 · Marketing managerScegli il metodo di testConversion lift study (offerto dalle piattaforme come Google e Meta), geo holdout test (confronto tra aree geografiche simili) o esperimento controllato. Ogni metodo ha limiti diversi su durata, dimensione del campione e sovrapposizione tra gruppi.
- 3 · Team o AIDefinisci le soglie decisionali in anticipoStabilisci prima del test cosa farai con i risultati. Esempio illustrativo: se il CAC incrementale è sotto 120 euro, scala; tra 120 e 180 mantieni; sopra 180 riduci. Senza regole predefinite, si tende a interpretare i dati per confermare decisioni già prese.
- 4 · AI (ChatGPT, Claude o strumenti dedicati)Usa l’AI per il lavoro ripetitivoL’AI può analizzare i dati storici per trovare mercati comparabili, stimare la durata del test, scrivere il codice di analisi e monitorare anomalie durante il test (es. un picco improvviso in un’area di controllo per una promozione locale).
- 5 · Marketing managerValida i risultati e decidiL’AI produce la prima bozza di analisi: lift, intervallo di confidenza, CAC incrementale. Verifica i calcoli prima di usarli per decisioni di budget. L’AI non distingue stagionalità da effetto campagna: il giudizio finale è tuo.
Google ha abbassato la soglia minima di spesa per i propri esperimenti di incrementalità da oltre 100.000 dollari a 5.000 dollari (novembre 2025), secondo quanto riportato da Google Ads Help. Lo strumento restituisce ora risultati conclusivi fino al 50% più frequentemente. Questo lo rende accessibile anche a PMI con budget contenuti.
Per chi vuole strumenti dedicati, esistono piattaforme come Meta GeoLift (open source, gratuito) e Haus (piattaforma commerciale). Per chi parte da zero, anche un modello su foglio di calcolo con dati geografici può essere sufficiente per un primo test.
Tre scenari concreti: cosa cambia per un e-commerce, uno studio professionale e un produttore?
Il principio è lo stesso in tutti i settori: misurare l’effetto reale di ogni canale prima di decidere dove investire o tagliare.
| Tipo di azienda | Situazione tipica | Test consigliato | Possibile risultato |
|---|---|---|---|
| E-commerce moda (fatturato 2M€) | Brand search con CAC 8€, paid social con CAC 45€. Si tende a tagliare il social. | Geo holdout test su paid social per 4 settimane | Il social porta clienti nuovi che non tornerebbero organicamente. Il brand search cannibalizza il 70% del traffico organico. |
| Studio professionale B2B (consulenza) | Retargeting con alto tasso di conversione, ma i lead erano già in trattativa commerciale. | Conversion lift study su retargeting LinkedIn | Il retargeting accelera la chiusura di 2-3 giorni ma non aggiunge lead: si può ridurre la frequenza e risparmiare. |
| Azienda manifatturiera (export) | Google Shopping con ROAS 4x, Performance Max con ROAS 2,5x. Si vuole tagliare Performance Max. | Test di incrementalità su Performance Max vs Shopping | Performance Max raggiunge segmenti nuovi non coperti da Shopping: il ROAS più basso è giustificato dalla qualità dei clienti acquisiti. |
Il tema della misurazione corretta del ritorno pubblicitario è strettamente legato a quello del TACoS come metrica di ROI reale per e-commerce e marketplace: entrambi i metodi puntano a superare le metriche di superficie per capire cosa genera davvero crescita.
Quali strumenti esistono per fare incrementality testing?
Esistono opzioni per ogni livello di budget e competenza tecnica, dai tool nativi delle piattaforme agli strumenti open source fino alle piattaforme dedicate.
| Strumento | Tipo | Costo | Adatto a | Limite principale |
|---|---|---|---|---|
| Google Conversion Lift | Nativo Google Ads | Incluso (min. ~5.000$ di spesa) | PMI con campagne Google attive | Misura solo canali Google |
| Meta Conversion Lift | Nativo Meta Ads | Incluso nelle campagne Meta | E-commerce e B2C con audience Facebook/Instagram | Misura solo canali Meta |
| Meta GeoLift | Open source (gratuito) | Gratuito, richiede competenze R/Python | Team con risorse tecniche interne | Curva di apprendimento elevata |
| Haus | Piattaforma dedicata | A pagamento (enterprise) | Aziende con budget ADV significativo | Costo accessibile solo a mid-market+ |
| ChatGPT / Claude + dati interni | AI generativa + analisi manuale | Costo abbonamento AI (~20-100€/mese) | PMI senza team analytics dedicato | Richiede validazione umana dei risultati |
Perché se ne parla adesso: il mercato italiano è davvero pronto per questo approccio?
La crescita dell’Internet advertising in Italia e la diffusione dell’incrementality testing tra i brand internazionali rendono questo il momento giusto per adottare un approccio più rigoroso alla misurazione.
Con l’Internet advertising italiano verso i 7 miliardi di euro nel 2026 secondo l’Osservatorio Internet Media del Politecnico di Milano, ogni punto percentuale di budget mal allocato pesa di più. E secondo Ad Measurement Weekly, il 52% dei brand internazionali usa già l’incrementality testing: chi non lo fa rischia di competere con un metro di misura sbagliato.
Il tema si intreccia con quello dei walled garden — i sistemi chiusi di Google e Amazon che controllano il tuo budget ADV: le piattaforme tendono a mostrare i propri canali sotto la luce migliore. Un test di incrementalità indipendente è l’unico modo per verificare se i loro numeri reggono.
Quali errori si fanno più spesso quando si affronta la misurazione incrementale?
Gli errori più comuni non sono tecnici: sono di processo. Si raccolgono dati senza aver deciso in anticipo cosa farne, oppure si interpretano i risultati per confermare decisioni già prese.
- Definire le soglie dopo aver visto i risultati. Se decidi cosa è un buon risultato solo dopo aver letto i dati, tenderai a spostare l’asticella per giustificare la campagna che preferisci. Le soglie vanno fissate prima del test.
- Confondere correlazione con causalità. Se le vendite crescono la settimana in cui lanci una campagna, non significa che sia stata la campagna. Potrebbe essere stagionalità, una promozione, un articolo di stampa. Un test controllato serve proprio a isolare la causa.
- Testare una volta sola. Un canale che funziona oggi potrebbe smettere di farlo quando aumenti la spesa o cambiano le condizioni di mercato. Il testing va ripetuto nel tempo.
- Ignorare i canali che sembrano ovvi. La branded search sembra sempre giustificata. Il retargeting sembra sempre efficace. Sono esattamente i canali che vanno testati per primi, perché sono quelli dove la cannibalizzazione è più probabile.
- Affidarsi solo all’AI senza validare. L’AI può analizzare i dati e produrre una prima bozza di report, ma non distingue un effetto campagna da un’anomalia stagionale. Il giudizio finale richiede una persona che conosce il business.
Come capisco se la misurazione incrementale sta migliorando le mie decisioni di budget?
Gli indicatori da monitorare non sono solo i numeri delle campagne, ma la qualità delle decisioni che prendi nel tempo.
| Indicatore | Come misurarlo | Segnale positivo |
|---|---|---|
| CAC incrementale per canale | Spesa campagna ÷ clienti aggiuntivi generati dal test | Scende nel tempo o rimane sotto la soglia definita |
| Rapporto CAC incrementale / LTV | LTV (valore del cliente nel tempo) ÷ CAC incrementale | Rapporto superiore a 3:1 indica sostenibilità |
| Traffico organico dopo riduzione brand search | Sessioni organiche sul brand nelle settimane successive al test | Cresce o rimane stabile: conferma la cannibalizzazione |
| Quota di nuovi clienti sul totale acquisiti | % di first-time buyer sul totale ordini mensili | Aumenta dopo la riallocazione del budget verso canali non-brand |
| Numero di test completati per trimestre | Conteggio interno | Almeno 1-2 test per trimestre per i canali principali |
Per chi gestisce campagne su più canali, questo approccio si integra bene con la logica descritta nel nostro articolo su Microsoft che unifica Bing e LinkedIn Ads: quando le piattaforme cambiano, avere una metodologia di misurazione indipendente diventa ancora più importante.
Allora, ne vale la pena per la tua azienda misurare l’incrementalità?
Vale la pena sehai campagne brand search o retargeting con CAC molto basso e non hai mai verificato se generano clienti davvero nuovi. Oppure stai valutando di tagliare un canale costoso senza dati sull’effetto reale.
Una via di mezzohai già qualche dato di attribuzione ma non hai mai fatto un test controllato. Puoi iniziare con un conversion lift study nativo su Google o Meta, a costo zero, per validare i canali principali.
Non ancora seil tuo budget mensile è sotto i 3.000 euro su un singolo canale: i volumi potrebbero non essere sufficienti per ottenere risultati statisticamente validi. In quel caso, concentrati prima sulla struttura delle campagne.
Come la vediamo in SHM
Per noi, l’AI è utile quando solleva le persone dal lavoro ripetitivo e restituisce tempo per le decisioni che contano. L’incrementality testing è un caso perfetto: la parte meccanica — trovare mercati comparabili, stimare la durata del test, monitorare anomalie, produrre la prima bozza di analisi — è esattamente il tipo di lavoro che l’AI fa bene. La parte che richiede giudizio — capire se un picco di vendite è stagionalità o effetto campagna, decidere dove riallocare il budget — rimane in mano a chi conosce il business.
Nei progetti di elaborazione dati e business intelligence che seguiamo, vediamo spesso aziende che hanno dashboard elaborate ma non hanno mai messo in discussione i numeri che le piattaforme restituiscono. Un audit delle campagne paid con AI per identificare dove il budget cattura domanda altrui invece di crearne di nuova è uno dei lavori con il ritorno più rapido. Se vuoi capire come strutturarlo per la tua situazione, il punto di partenza è un’integrazione strategica AI pensata per il tuo stack di marketing attuale.
Puoi esplorare tutti gli articoli del cluster Marketing e performance ADV per altri approfondimenti pratici sulla misurazione e l’ottimizzazione delle campagne.
Domande frequenti
Il tracciamento delle conversioni attribuisce il merito di un acquisto al canale che era presente al momento della transazione. L’incrementality testing misura invece quanti acquisti in più genera una campagna rispetto a quanti ne arriverebbero senza di essa. La differenza è sostanziale: una campagna può avere un ottimo tasso di conversione pur non generando nessun cliente aggiuntivo, perché intercetta persone che avrebbero comprato comunque.
Un CAC basso sulla brand search è spesso il segnale di un problema, non di un successo. Se il tuo brand ha già un buon posizionamento organico, chi cerca il tuo nome ti troverebbe comunque senza pagare. Il test da fare è semplice: riduci la spesa brand search del 50% per 2-3 settimane e osserva se le vendite totali calano. Se il traffico organico recupera la maggior parte delle sessioni, stavi pagando per qualcosa che avresti avuto gratis.
Google ha abbassato la soglia per i propri esperimenti a circa 5.000 dollari di spesa. Per un geo holdout test manuale, il limite dipende più dal volume di conversioni che dal budget: servono abbastanza transazioni in ogni gruppo per ottenere risultati statisticamente affidabili. In generale, con meno di 50-100 conversioni a settimana per gruppo, i risultati sono difficili da interpretare.
L’AI può gestire la parte più meccanica: analizzare i dati storici per trovare mercati comparabili, stimare la durata del test, scrivere il codice di analisi e monitorare anomalie durante il test. La parte che richiede giudizio — interpretare i risultati, distinguere effetti campagna da stagionalità, decidere dove riallocare il budget — rimane in mano a chi conosce il business. Verifica sempre i calcoli prima di usarli per decisioni di spesa.
Il retargeting è uno dei canali più a rischio di sovrastima, perché raggiunge persone già in fase avanzata del processo d’acquisto. In molti casi, chi vede un annuncio di retargeting avrebbe completato l’acquisto comunque. Un conversion lift study su Meta o Google per il retargeting richiede pochi giorni e può rivelare se stai accelerando conversioni già avviate o se stai davvero recuperando clienti che altrimenti si sarebbero persi.
Almeno una volta per trimestre sui canali principali, e ogni volta che cambia qualcosa di significativo: un aumento di budget, l’ingresso di un nuovo concorrente, una variazione stagionale. Un canale che funziona bene oggi può smettere di farlo quando la spesa cresce, perché si esaurisce il pubblico incrementale raggiungibile. Il testing non è un’attività una tantum ma un processo continuativo.
Il problema non è quanto spendi: è quanti clienti nuovi stai davvero comprando con quei soldi.
Articoli correlati
Scopri altri articoli che approfondiscono temi simili, selezionati per offrirti una visione più completa e stimolante. Ogni contenuto è scelto con cura per arricchire la tua esperienza.