Modelli di Attribuzione: Come Capire Davvero Quale Canale ti Porta Clienti
Lettura 8 min · AstraLoop Studio
Apri i tuoi report e trovi tre numeri diversi per la stessa cosa. Meta ti dice che ha generato 60 conversioni, Google Ads ne rivendica 45, GA4 ne conta 38 e il totale non torna con gli ordini reali che vedi in gestionale. Intanto stai per mettere in pausa la campagna "che non converte", e magari e proprio quella che accende ogni vendita.
Il problema non sono i numeri. E il modello di attribuzione che li produce. E la regola invisibile che decide a quale canale assegnare il merito di un cliente, e quindi, indirettamente, dove finira il tuo budget il mese prossimo. Cambiare modello puo spostare anche un terzo del merito da un canale all'altro senza che tu abbia toccato una singola campagna.
In questa guida vediamo i modelli principali senza tecnicismi inutili, perche il last-click e il default piu pericoloso che esista, e come scegliere il criterio giusto per capire davvero quale canale ti porta clienti, non solo lead.
Cos'e un modello di attribuzione (e perche non e un dettaglio tecnico)
Un modello di attribuzione e la regola con cui distribuisci il merito di una conversione tra i diversi punti di contatto che un cliente ha attraversato prima di comprare. Quasi nessuno compra al primo contatto: vede un reel, cerca il brand su Google qualche giorno dopo, clicca su una mail, torna dal retargeting e infine converte. Cinque touchpoint, un solo cliente. A chi dai il merito?
Sembra una domanda da analisti. In realta e una decisione di business. Perche il canale a cui assegni il merito e il canale che sembrera profittevole, e quindi quello su cui investirai di piu. L'attribuzione non misura la realta: la interpreta. E se l'interpretazione e sbagliata, sposti soldi verso i canali sbagliati con la convinzione di essere data-driven.
I modelli di attribuzione, spiegati senza giri di parole
Storicamente i modelli si dividono in due famiglie: quelli basati su regole fisse (single-touch e multi-touch) e quelli algoritmici (data-driven). Ecco i principali.
Modelli single-touch (tutto il merito a un solo contatto)
- Last-click: il 100% del merito va all'ultimo punto di contatto prima della conversione. E il default di quasi tutti gli strumenti. Semplice, ma cieco su tutto cio che e successo prima.
- First-click: il 100% va al primo contatto. Premia chi ha fatto scoprire il brand e ignora tutto il lavoro di chiusura. Utile per capire cosa genera domanda, inutile per capire cosa la converte.
Modelli multi-touch (il merito distribuito)
- Lineare: merito uguale a ogni touchpoint. Democratico ma ingenuo: tratta un'impression passiva come un clic decisivo.
- Time-decay (decadimento temporale): piu un contatto e vicino alla conversione, piu merito riceve. Ragionevole per cicli di vendita brevi, penalizza sistematicamente la parte alta del funnel.
- Position-based (a U): tipicamente 40% al primo contatto, 40% all'ultimo, 20% distribuito in mezzo. Un compromesso che valorizza scoperta e chiusura.
Modello data-driven
Niente percentuali fisse. Un algoritmo analizza i percorsi reali di chi ha convertito e di chi no, e assegna a ogni touchpoint un merito proporzionale al suo contributo effettivo. E diventato lo standard: Google ha rimosso da GA4 e da Google Ads i modelli a regole fisse (lineare, time-decay, position-based, first-click), lasciando data-driven come default e last-click come alternativa. Il modo in cui Google gestisce l'attribuzione dentro Google Ads segue oggi questa logica.
| Modello | A chi da il merito | Quando ha senso | Rischio principale |
|---|---|---|---|
| Last-click | Solo all'ultimo contatto | Acquisti d'impulso, canale singolo | Ignora tutto cio che genera domanda |
| First-click | Solo al primo contatto | Capire cosa fa scoprire il brand | Ignora la fase di chiusura |
| Lineare | Uguale a tutti i touchpoint | Percorsi con peso simile | Tratta contatti deboli e forti allo stesso modo |
| Time-decay | Piu merito ai contatti recenti | Cicli di vendita brevi | Penalizza sempre la cima del funnel |
| Position-based (a U) | 40% primo, 40% ultimo, 20% mezzo | Valorizzare scoperta e chiusura | Percentuali comunque arbitrarie |
| Data-driven | Proporzionale al contributo reale | Alto volume di conversioni | Scatola nera, richiede molti dati |
Perche il last-click uccide le tue campagne migliori
Il last-click ha un difetto strutturale: premia sempre l'ultimo canale, che quasi sempre e quello che raccoglie domanda gia esistente. Ricerca sul brand, retargeting, email a chi e gia in lista sono i canali che chiudono la vendita, e col last-click sembrano fenomenali.
Il problema e cosa succede sopra. Le campagne di prospecting, i video di awareness, i contenuti che fanno scoprire il tuo brand a chi non ti conosce non ricevono quasi mai il clic finale. Col last-click risultano in perdita. Cosi le tagli.
Poi, tre o quattro settimane dopo, la ricerca sul brand cala. Il retargeting ha meno pubblico da inseguire. Le liste smettono di crescere. Le tue campagne profittevoli iniziano a spegnersi, perche nessuno alimenta piu la parte alta del funnel. Hai ucciso il motore della domanda per proteggere chi la raccoglieva. E questo il modo piu comune con cui un'attribuzione sbagliata fa fuori proprio le campagne che funzionavano davvero.
Data-driven attribution: cosa cambia (e dove sbaglia)
La data-driven risolve gran parte dell'arbitrarieta: invece di regalare percentuali fisse, misura il contributo reale di ogni canale sui percorsi che portano a conversione. Sulla carta e il modello piu onesto. Nella pratica ha tre limiti da conoscere.
- E una scatola nera: vedi il risultato, non la logica. Difficile da spiegare a chi decide il budget.
- Ha bisogno di volume: con poche conversioni al mese l'algoritmo non ha dati sufficienti e il modello diventa instabile.
- Ogni piattaforma corregge il proprio compito in classe: la data-driven di Meta e quella di Google valutano solo i touchpoint che vedono, e tendono a prendersi il merito. Per questo la somma delle conversioni rivendicate supera sempre gli ordini reali. E lo stesso motivo per cui conviene guardare metriche di sistema come la differenza tra ROAS e MER invece di fidarsi del dato di singola piattaforma.
Aggiungi che con la fine dei cookie di terza parte e le restrizioni sul tracciamento, i modelli si basano sempre piu su dati modellati e stime. Avere una base solida di dati di prima parte, raccolti in modo pulito e consenziente, e ormai la condizione per far funzionare qualsiasi attribuzione.
Non sai quale canale ti porta davvero clienti e non solo lead? Richiedi un'analisi del tuo tracking: vediamo insieme dove il budget sta lavorando e dove lo stai sprecando.
Come scegliere il modello giusto per la tua attivita
Non esiste il modello corretto in assoluto. Esiste quello adatto al tuo ciclo di vendita e al tuo volume di dati. Ecco un criterio pratico.
- Ciclo breve, acquisto d'impulso, un canale dominante: il last-click e un'approssimazione accettabile. Se vendi un prodotto low-ticket con percorsi corti, l'ultimo clic dice quasi tutta la storia.
- Ciclo lungo, molti touchpoint, B2B: ti serve un modello multi-touch o data-driven. Con vendite che maturano in settimane o mesi, guardare solo l'ultimo clic e fuorviante. Vale soprattutto nella lead generation B2B, dove tra primo contatto e firma passano decine di interazioni.
- Volume alto e stabile: la data-driven da il meglio. Sotto una certa soglia di conversioni mensili, resta su un multi-touch a regole (position-based) piu prevedibile.
Regola pratica: non cambiare modello ogni mese. Scegline uno, usalo in modo coerente e confronta i trend nel tempo. Il valore dell'attribuzione sta nella costanza, non nella precisione al decimale.
Il vero problema: stai attribuendo lead o clienti?
Qui casca gran parte delle aziende. Le piattaforme pubblicitarie attribuiscono conversioni: un form compilato, un lead, un contatto. Non attribuiscono clienti che pagano. E un canale puo generare lead a basso costo che poi non chiudono mai, mentre un altro porta pochi lead ma di qualita altissima. Sul dato di piattaforma vince il primo. Nella cassa vince il secondo.
Il salto di qualita e chiudere il cerchio: collegare le piattaforme pubblicitarie al tuo CRM e rimandare indietro le vendite reali. Quando riesci a importare le conversioni offline dal CRM, smetti di ottimizzare per i lead e inizi a ottimizzare per il fatturato. E il senso del tracking come lo intendiamo: non un esercizio di analytics, ma la spina dorsale di un sistema di acquisizione clienti che sa dove sta guadagnando.
Errori comuni nell'attribuzione
- Confrontare i numeri di Meta e Google come se fossero la stessa metrica: usano finestre e modelli diversi, non sono sommabili.
- Sommare le conversioni delle singole piattaforme: ottieni un totale gonfiato, perche ognuna si prende lo stesso cliente.
- Cambiare modello di attribuzione e leggere lo spostamento dei numeri come un miglioramento reale delle campagne.
- Fidarsi del report di piattaforma senza una fonte di verita indipendente (GA4, CRM o gestionale).
- Ignorare le finestre di conversione: una finestra di 7 giorni e una di 28 raccontano storie diverse.
Oltre l'attribuzione: i suoi limiti strutturali
Anche il modello perfetto misura solo cio che puo vedere. Il passaparola, il dark social, la brand awareness costruita nel tempo, l'effetto di una menzione offline: tutto questo sfugge a qualsiasi modello basato sui clic. Per questo le aziende piu mature affiancano all'attribuzione strumenti come i test di incrementalita e i media mix model. Se vuoi capire dove i modelli smettono di funzionare e cosa usare al loro posto, abbiamo approfondito i limiti e le alternative dell'attribuzione in un articolo dedicato.
Il punto di partenza, pero, resta la misurazione pulita del percorso di conversione. Se le fondamenta del tracking delle conversioni sono solide, qualsiasi modello di attribuzione ti dara indicazioni utili. Se sono marce, nessun modello ti salvera.
Domande frequenti
Qual e il miglior modello di attribuzione?
Non esiste un modello migliore in assoluto: dipende dal ciclo di vendita e dal volume di dati. Last-click per acquisti d'impulso a canale singolo, multi-touch o data-driven per cicli lunghi con molti punti di contatto. La regola vera e sceglierne uno e usarlo in modo coerente nel tempo.
Perche il last-click e considerato pericoloso?
Perche assegna tutto il merito all'ultimo clic, che di solito e un canale che raccoglie domanda gia esistente come brand e retargeting. Cosi le campagne che generano domanda in cima al funnel sembrano in perdita e rischi di tagliarle, prosciugando le stesse campagne che sembravano profittevoli.
Cos'e l'attribuzione data-driven?
E un modello che usa un algoritmo per assegnare a ogni touchpoint un merito proporzionale al suo contributo reale, basandosi sui percorsi di chi ha convertito. E il default di GA4 e Google Ads, ma richiede volume di dati sufficiente e resta una scatola nera difficile da spiegare.
Perche Meta e Google mi danno numeri diversi?
Perche usano modelli di attribuzione, finestre di conversione e metodi di tracciamento diversi, e ogni piattaforma tende ad attribuirsi il cliente. Non sono metriche sommabili: serve una fonte di verita indipendente come GA4 o il CRM per riconciliarle.
L'attribuzione serve anche alle piccole aziende?
Si, ma proporzionata al volume. Con pochi contatti non serve un modello sofisticato: bastano parametri UTM puliti e un CRM che colleghi il canale al cliente reale. Il valore non e la precisione al decimale, ma capire dove mettere il budget.
Qual e la differenza tra attribuire lead e attribuire clienti?
Le piattaforme attribuiscono conversioni come form o contatti, non vendite chiuse. Un canale puo portare lead economici che non comprano mai. Collegando le campagne al CRM attribuisci il fatturato reale e ottimizzi per i clienti, non per i moduli compilati.
Se vuoi trasformare l'attribuzione da fonte di confusione a leva per decidere il budget, parlane con noi: mappiamo il percorso dei tuoi clienti e colleghiamo le campagne ai ricavi reali.