Google ha cambiato il motore delle aste pubblicitarie

L’aggiornamento ridefinisce l’ottimizzazione delle aste, spostando il focus dalla singola conversione ai percorsi di acquisto complessi

Google ha appena aggiunto un nuovo strato di intelligenza al suo Smart Bidding: non più solo ottimizzazione della singola conversione, ma comprensione dei percorsi lead-to-sales e una spesa pubblicitaria che si adatta alla domanda reale in tempo reale. Nei giorni scorsi, in occasione del Google Marketing Live 2026, il colosso di Mountain View ha ufficializzato tre innovazioni che cambiano la logica profonda con cui le campagne Search e Shopping gestiscono offerte e budget. Stando a annuncio ufficiale di Google, l’obiettivo dichiarato è portare “ancora più flessibilità e potenza per alimentare l’AI” — una formulazione che, tradotta in pratica, significa spostare il baricentro dell’ottimizzazione dalla singola asta al comportamento aggregato del cliente nel tempo.

I nuovi ingranaggi del bidding AI

Per capire cosa cambia, vale la pena ricordare il punto di partenza. Smart Bidding, lanciato già nel 2016, funziona calcolando in tempo reale — a ogni asta — la probabilità che un clic generi una conversione, e aggiustando l’offerta di conseguenza. Un sistema elegante, ma intrinsecamente miope: ottimizza il momento, non il percorso. Le tre novità annunciate la scorsa settimana rompono proprio questo limite.

La prima è journey-aware bidding, attualmente in beta, che aiuta Google AI a comprendere meglio i percorsi complessi dei clienti nella lead generation — quei casi in cui tra il primo contatto e la vendita effettiva passano giorni, settimane, a volte mesi. La seconda è Smart Bidding Exploration per Performance Max, già in beta per alcuni inserzionisti e in arrivo nelle prossime settimane per le campagne con product feed e Shopping: è stata descritta dalla stessa Google come Smart Bidding Exploration annuncio — il più grande aggiornamento alle offerte in oltre un decennio. La terza è demand-led pacing, un nuovo meccanismo di distribuzione del budget che regola la spesa giornaliera seguendo la domanda reale dei consumatori, senza mai sforare il budget mensile e i limiti giornalieri impostati dall’inserzionista.

Sotto il cofano: journey-aware bidding e demand-led pacing

Vediamo nel dettaglio come queste tecnologie cambiano l’ottimizzazione. Il bidding tradizionale di Google Ads tratta ogni clic come un evento isolato: il modello stima la conversion probability basandosi su segnali contestuali (device, orario, query, audience) e imposta l’offerta. Funziona bene quando il percorso d’acquisto è breve e lineare. Ma nella lead generation B2B — o in qualsiasi vertical dove il ciclo di vendita è lungo — questo approccio perde informazione: non sa se quel clic appartiene a un utente che ha già interagito tre volte con il brand, né se il lead generato si è poi trasformato in cliente pagante. Journey-aware bidding interviene proprio qui: alimenta il modello con segnali che attraversano il funnel, collegando i touchpoint upstream (la ricerca iniziale, la visita al sito, il form compilato) con l’esito downstream (la vendita, il contratto chiuso). In sostanza, il modello non ottimizza più per “questo clic genera un lead?” ma per “questo clic appartiene a un percorso che storicamente genera vendite?”.

Smart Bidding Exploration lavora su un asse diverso: espande lo spazio di esplorazione delle query, cercando attivamente domanda non ancora catturata. I dati già disponibili parlano chiaro — le campagne che lo utilizzano registrano in media un aumento del 18% nelle categorie di query uniche con conversioni e un aumento del 19% nelle conversioni totali. È un approccio che accetta deliberatamente una certa varianza nell’offerta per scoprire nuovi segmenti di domanda, un po’ come un algoritmo di reinforcement learning che bilancia exploitation ed exploration.

Demand-led pacing è forse il meccanismo più intuitivo da capire con un’analogia: immaginate un termostato intelligente applicato alla spesa pubblicitaria. Il pacing tradizionale distribuisce il budget in modo uniforme lungo i giorni del mese — o al massimo con semplici aggiustamenti manuali. Demand-led pacing fa l’opposto: monitora i segnali di domanda dei consumatori in tempo reale e concentra la spesa nei giorni di picco, riducendola nei giorni di bassa, mantenendo però il totale mensile esattamente entro i limiti impostati. Non è solo smoothing della curva di spesa: è un sistema che cerca attivamente le finestre temporali con il rapporto domanda/costo più favorevole.

Cosa cambia per chi costruisce campagne

Ora che abbiamo visto come funzionano questi meccanismi, cosa significa per chi progetta campagne? La risposta più diretta è che il lavoro dell’advertiser si sposta ulteriormente a monte: meno tempo a ottimizzare offerte e budget manualmente, più tempo a costruire la corretta architettura di segnali — dati CRM puliti, import delle conversioni offline, modelli di attribuzione coerenti con il ciclo di vendita reale. Journey-aware bidding è potente tanto quanto i dati che gli vengono forniti: se il feed di conversioni offline è sporco o incompleto, il modello ottimizza rumore.

Il contesto competitivo rende questo passaggio ancora più urgente. Secondo quanto riportato dal WSJ su automazione annunci Meta, il social di Zuckerberg punta ad abilitare la creazione e il targeting degli annunci completamente via AI entro la fine del 2026. Amazon Ads, stando al report Amazon Ads 2026, sta investendo pesantemente nel machine learning per anticipare l’intenzione d’acquisto e raggiungere i clienti prima che esprimano esplicitamente la domanda. Tre piattaforme, tre architetture AI diverse, ma una direzione convergente: l’ottimizzazione si automatizza, e il valore del professionista si concentra sulla qualità dei segnali e sulla strategia di alto livello.

Chi continua a gestire campagne come se il bid manuale o il budget allocation settimanale fossero le leve principali di performance rischia di trovarsi in una posizione strutturalmente svantaggiata rispetto a chi ha già imparato a lavorare con — e non contro — questi modelli. Per chi costruisce campagne, il messaggio è netto: l’AI non è più uno strumento di ottimizzazione marginale che si aggiunge alla strategia. È il motore centrale. La strategia, ora, è decidere come alimentarlo.