Modelli di attribuzione: cosa sono, come funzionano e cosa è cambiato con GA4

Sarebbe bello se ogni cliente arrivasse sul tuo ecommerce, cliccasse una sola volta e comprasse subito. Capita di rado. Nella realtà le persone ti incontrano più volte prima di decidere: scoprono il brand su un social, leggono un articolo, tornano una settimana dopo da una ricerca su Google, ci ripensano, cliccano una mail e solo allora comprano. A quel punto sorge la domanda da un milione di euro: a quale di questi passaggi va attribuito il merito della vendita?

Rispondere bene a questa domanda significa sapere dove stai spendendo bene i soldi del marketing e dove li stai buttando. Rispondere male significa tagliare i canali sbagliati e continuare a finanziare quelli inutili. I modelli di attribuzione servono esattamente a questo: distribuire il merito di una conversione tra i diversi punti di contatto del percorso d'acquisto. Questo articolo spiega cosa sono, come sono cambiati negli ultimi anni, e perché per un ecommerce contano più di quanto si creda.

Cos'è un modello di attribuzione

Un modello di attribuzione è la regola con cui assegni il valore di una conversione ai vari touchpoint che l'hanno preceduta. In parole povere, è il criterio che decide chi si prende il merito quando un cliente compra dopo aver toccato più canali. Cambiando il modello, cambia la fotografia di quali canali sembrano funzionare, e quindi cambiano le decisioni di budget che prendi di conseguenza. Sono decisioni che si intrecciano con il lavoro di ottimizzazione delle conversioni, perché attribuire male il merito porta a ottimizzare la cosa sbagliata.

Per anni l'attribuzione è stata un gioco di regole fisse decise a tavolino. Oggi non è più così, e capire perché è il cuore della questione. Ma prima conviene avere chiari i modelli storici, perché sono ancora il vocabolario con cui si ragiona, anche quando la macchina lavora in modo diverso.

I modelli storici, in breve

Per un decennio gli strumenti di analisi hanno offerto una manciata di modelli basati su regole. Vale la pena conoscerli, perché definiscono ancora il modo in cui si parla di attribuzione, anche se il loro ruolo operativo è cambiato.

L'attribuzione all'ultima interazione, o last click, dà tutto il merito all'ultimo passaggio prima dell'acquisto. È la più semplice e per anni è stata l'impostazione predefinita ovunque, ma ignora tutto ciò che è successo prima, e quindi sottovaluta i canali che avviano il percorso. All'opposto, l'attribuzione alla prima interazione assegna tutto il merito al primo contatto, utile per capire cosa porta gente nuova, ma cieca su ciò che chiude la vendita.

In mezzo stanno i modelli multi touch. Il lineare distribuisce il merito in parti uguali su tutti i passaggi, equo ma incapace di distinguere ciò che conta da ciò che non conta. Il decadimento temporale dà più peso ai contatti vicini all'acquisto, ragionevole sui cicli di vendita lunghi. Quello basato sulla posizione, detto a forma di U, premia soprattutto il primo e l'ultimo contatto, dando un valore minore a quelli in mezzo. Ognuno racconta una storia diversa con gli stessi dati, ed è proprio questo il loro limite: scegli la storia prima di guardare i fatti.

Cosa è cambiato: la fine dei modelli a regole

Qui sta la novità che molti articoli sul tema, ormai vecchi, non hanno colto. Negli ultimi anni Google ha progressivamente dismesso i modelli basati su regole. In Google Analytics 4, il modello predefinito non è più il last click né uno dei classici multi touch: è l'attribuzione data-driven, guidata dai dati. I vecchi modelli a regole come lineare, decadimento temporale, prima interazione e basato sulla posizione sono stati ritirati, e oggi resta disponibile, accanto al data-driven, sostanzialmente il last click come alternativa.

La differenza è sostanziale. Invece di applicare una regola decisa a priori, l'attribuzione data-driven usa i dati reali del tuo account per stimare quanto ciascun punto di contatto ha effettivamente contribuito alla conversione, confrontando i percorsi che convertono con quelli che non convertono. Non è più tu a decidere la storia, è il modello a ricostruirla dai fatti. È un passo avanti, ma ha un prezzo: funziona bene solo se i dati sottostanti sono puliti e abbondanti. E qui arriva il problema vero.

Il vero nodo oggi: il tracciamento

Qualsiasi modello di attribuzione, vecchio o nuovo, vale quanto i dati che lo alimentano. E i dati, negli ultimi anni, sono diventati molto più difficili da raccogliere. La fine progressiva dei cookie di terze parti, le richieste di consenso imposte dalle normative sulla privacy, i sistemi operativi che limitano il tracciamento: tutto questo ha aperto buchi enormi nel percorso del cliente. Una parte crescente di interazioni semplicemente non viene più vista.

Il risultato è che l'attribuzione perfetta non esiste, e chi te la promette mente. La sfida, oggi, non è scegliere il modello giusto su un foglio, è rimettere insieme un quadro affidabile nonostante i buchi. Significa lavorare sul tracciamento lato server, gestire correttamente il consenso, consolidare i dati di più fonti in un unico posto invece di fidarsi del rapporto di una singola piattaforma, che per natura tira l'acqua al proprio mulino. È un lavoro tecnico e di integrazione dei dati, molto più che una scelta di impostazione.

È esattamente il terreno su cui un ecommerce strutturato ha bisogno di competenze serie, perché unificare i dati di vendita, di traffico e di marketing in una vista coerente è ciò che rende le decisioni affidabili. Lo abbiamo raccontato parlando di business intelligence per l'ecommerce, che è il passo successivo all'attribuzione: non solo a chi dare il merito, ma cosa farne.

Attribuzione ed ecommerce: perché conta per i conti

Per un ecommerce l'attribuzione non è un esercizio teorico, è la base su cui si decide quanto spendere e dove. Senza una stima ragionevole di quale canale genera vendite, ogni euro di pubblicità è una scommessa. Con una stima ragionevole, diventa un investimento misurabile. Il punto non è la precisione assoluta, irraggiungibile, ma avere una bussola coerente che ti dica se stai migliorando o peggiorando.

L'attribuzione si lega a doppio filo alle metriche che contano davvero per un negozio online. Dice quanto realmente ti costa acquisire un cliente su ogni canale, il CAC, e quanto rende quel cliente nel tempo, l'LTV. Sapere da dove arrivano i clienti che restano, e non solo quelli che comprano una volta, cambia completamente le priorità di spesa.

Allo stesso modo, l'attribuzione è ciò che rende leggibile il ritorno sulla spesa pubblicitaria, il ROAS: un ROAS calcolato sul modello sbagliato racconta una bugia rassicurante, e ti fa continuare a investire dove non dovresti. Per questo modello di attribuzione e metriche di redditività vanno letti insieme, mai separati.

Come impostarla senza impazzire

La buona notizia è che non serve la perfezione, serve coerenza. Alcune regole pratiche aiutano a non perdersi. La prima è scegliere un modello di riferimento e tenerlo nel tempo: cambiare modello a ogni report rende impossibile capire se stai migliorando. Per la maggior parte degli ecommerce, il data-driven di Analytics 4 è oggi il punto di partenza più sensato, con il last click come secondo sguardo di controllo.

La seconda è curare il tracciamento prima del modello: un'attribuzione data-driven su dati pieni di buchi vale meno di un last click su dati puliti. La terza è non fidarsi mai del rapporto di una singola piattaforma pubblicitaria, che conta come proprie anche conversioni che si sarebbero verificate comunque: confronta sempre con una fonte neutrale e con i dati di vendita reali del tuo store. La quarta è guardare l'attribuzione come una stima orientativa, non come una verità contabile, e usarla per decidere dove spostare budget al margine, non per emettere sentenze definitive su un canale.

Infine, l'attribuzione non vive da sola: si incrocia con il lavoro sul sito, perché portare traffico qualificato serve a poco se poi il negozio non converte. È il motivo per cui misurazione e ottimizzazione del tasso di conversione vanno avanti in parallelo, alimentandosi a vicenda.

Un esempio concreto

Per capire quanto cambia la fotografia a seconda del modello, prendiamo un percorso tipico. Una persona scopre il tuo brand da un post su Instagram, qualche giorno dopo legge un tuo articolo arrivando da una ricerca su Google, una settimana più tardi clicca su una mail della tua newsletter e infine entra direttamente sul sito e compra un paio di scarpe da 120 euro. Quattro punti di contatto, una vendita.

Col last click, tutto il merito va al traffico diretto dell'ultimo accesso: Instagram, Google e la mail spariscono dal conto, come se non avessero fatto nulla. Con la prima interazione, è Instagram a prendersi tutto, e la mail che ha davvero richiamato il cliente non vale niente. Con il lineare, ciascuno dei quattro canali si prende un quarto, 30 euro a testa, equo ma poco informativo. Con il decadimento temporale, la mail e il diretto, più vicini all'acquisto, pesano più di Instagram. Il data-driven, infine, prova a stimare il contributo reale di ciascuno guardando migliaia di percorsi simili, e potrebbe scoprire che la mail è stata decisiva mentre l'articolo ha contato poco.

Lo stesso identico acquisto, cinque verità diverse. Ecco perché la scelta del modello non è un tecnicismo: decide quali canali sembrano meritare più budget. E se la scegli senza saperlo, la stai scegliendo lo stesso, di solito nel modo peggiore, lasciando l'impostazione predefinita senza capirla.

Single touch contro multi touch

La distinzione più utile, alla fine, non è tra i sei modelli classici, è tra due famiglie. I modelli a tocco singolo, come last click e prima interazione, assegnano tutto il merito a un solo punto di contatto: sono semplici, leggibili, ma per natura cancellano l'idea che una vendita nasce da un percorso. Vanno bene quando il ciclo d'acquisto è cortissimo, quando cioè il primo o l'ultimo contatto coincide quasi con tutto il percorso.

I modelli multi touch, compreso il data-driven, distribuiscono invece il merito su più passaggi, e raccontano una storia più vicina alla realtà di un ecommerce, dove quasi nessuno compra al primo incontro. Il prezzo da pagare è la complessità e, soprattutto, la fame di dati: per distribuire bene il merito servono molte conversioni e un tracciamento completo. Su un negozio con pochi ordini al mese, un modello multi touch sofisticato dà risultati instabili, e a volte un onesto last click su dati puliti è più affidabile di un data-driven affamato. La scelta, anche qui, dipende dal contesto, non dalla moda.

Attribuzione, consenso e privacy

C'è una dimensione che dieci anni fa quasi non esisteva e oggi condiziona tutto: il consenso. Senza il permesso dell'utente, una quota crescente di interazioni non può essere tracciata, e quindi non entra in nessun modello. Gestire bene il banner di consenso, e le modalità che permettono di recuperare in forma aggregata e anonima una parte dei dati mancanti, non è un adempimento burocratico, è ciò che determina quanta della realtà il tuo modello riesce a vedere.

La direzione è chiara: meno dati individuali, più stime e modellazione. Questo rende ancora più importante non dipendere da un'unica fonte e costruire una raccolta dati di proprietà, basata sul rapporto diretto con il cliente, dall'iscrizione alla newsletter all'account, che resta tua e non svanisce al prossimo aggiornamento delle regole sulla privacy. L'attribuzione del futuro premierà chi ha dati propri e puliti, non chi insegue l'ultimo modello alla moda.

Costruire quella base di iscritti, prima ancora che comprino, è il compito della lead generation per ecommerce, il canale che alimenta a monte tutti gli altri touchpoint del funnel.

Quello che nessun modello vede

Vale la pena chiudere con un atto di onestà che pochi fanno: nessun modello di attribuzione cattura tutto. C'è una parte del percorso d'acquisto che resta invisibile per costruzione. Il passaparola tra amici, la pubblicità vista e non cliccata che però lascia un ricordo, il manifesto in città, la conversazione che ha fatto nascere il desiderio: tutto questo influenza le vendite e non comparirà mai in un grafico di attribuzione. È l'effetto del brand, ed è reale anche se non è misurabile clic per clic.

Il rischio di affidarsi solo all'attribuzione è proprio questo: tagliare ciò che non si misura facilmente, come le attività che costruiscono notorietà, per dirottare tutto sui canali che si attribuiscono bene il merito dell'ultimo clic. È il modo più sottile per smontare pezzo per pezzo la macchina che genera la domanda, ottimizzando solo la parte che la raccoglie. I progetti più maturi tengono insieme le due cose: usano l'attribuzione per gestire la spesa che raccoglie la domanda, e proteggono gli investimenti di marca anche quando il grafico non li premia. Misurare è indispensabile, ma scambiare ciò che è misurabile per tutto ciò che conta è l'errore che fa più danni.

Domande frequenti sui modelli di attribuzione

Qual è il modello di attribuzione predefinito di Google Analytics 4?

Oggi è l'attribuzione data-driven, guidata dai dati, che stima il contributo reale di ogni punto di contatto invece di applicare una regola fissa. I vecchi modelli basati su regole come lineare, decadimento temporale e basato sulla posizione sono stati dismessi; resta disponibile il last click come alternativa al data-driven.

Qual è il modello di attribuzione migliore per un ecommerce?

Non ne esiste uno perfetto. Per la maggior parte dei negozi il data-driven è il riferimento più sensato, perché si adatta ai dati reali, affiancato dal last click come controllo. Ma più del modello conta la qualità del tracciamento: dati puliti su un modello semplice battono dati pieni di buchi su un modello sofisticato.

Perché modelli diversi danno risultati diversi?

Perché ognuno distribuisce il merito della conversione con un criterio diverso. Il last click premia chi chiude, la prima interazione premia chi avvia, il data-driven cerca di stimare il contributo reale di ciascuno. Con gli stessi dati ottieni fotografie diverse, ed è per questo che è importante scegliere un riferimento e mantenerlo nel tempo.

In conclusione

I modelli di attribuzione sono passati dall'essere regole fisse scelte a mano a sistemi guidati dai dati, e questo li ha resi più potenti ma anche più dipendenti dalla qualità delle informazioni che ricevono. Per un ecommerce la lezione è doppia: da un lato l'attribuzione è indispensabile per sapere dove investire e dove no, dall'altro non vale nulla senza un tracciamento solido e una vista unificata dei dati. La vera competenza, oggi, non è scegliere il modello perfetto, è costruire le fondamenta di dati su cui qualsiasi modello possa dire la verità. Il resto sono solo percentuali su un grafico.