Il targeting di LinkedIn brucia un terzo del budget B2B
Il targeting dichiarativo di LinkedIn spreca il 32% del budget B2B a causa di profili statici non aggiornati, secondo un report di GrowthSpree.
Tre parametri statici causano il 67% dello spreco su LinkedIn
Dietro ogni campagna LinkedIn attiva in questo momento c’è un motore di targeting che, sotto il cofano, funziona ancora come un database relazionale interrogato su chiavi che nessuno aggiorna da anni: job title, seniority, dimensione aziendale. Sono campi compilati una volta dall’utente al momento dell’iscrizione o dell’ultimo cambio lavoro, e poi lasciati lì, statici, mentre l’azienda cresce, la persona cambia ruolo, il team si riorganizza. Secondo un report pubblicato da GrowthSpree lo scorso 30 giugno, questa architettura ha un costo preciso e misurabile: il tasso medio di spreco negli account B2B SaaS analizzati è del 32,0%, per un totale di 3 milioni di dollari sprecati su 9,4 milioni analizzati in 56 account, circa 53.600 dollari persi per singolo account.
L’anatomia dello spreco: funzione, anzianità, dimensione
Il dato che isola il problema architetturale è la scomposizione per causa. Il targeting non-ICP per funzione lavorativa — cioè annunci mostrati a persone il cui job title non corrisponde al profilo di cliente ideale — è da solo la voce più pesante: 30% dello spreco totale, pari a 903.000 dollari nel campione analizzato. Ma il dato che spiega davvero come si rompe il sistema è un altro: funzione lavorativa, anzianità e dimensione aziendale, messi insieme, spiegano il 67% di tutto lo spreco registrato. Tre parametri, due terzi del danno. È la firma tipica di un sistema di targeting dichiarativo che non ha meccanismi di verifica o di refresh: LinkedIn chiede all’utente di autocertificare chi è, e poi tratta quella autocertificazione come verità immutabile per anni. Se tre soli parametri causano una fetta così sproporzionata dello spreco, la domanda naturale è perché l’industria continui comunque a investire pesantemente sulla piattaforma invece di redistribuire il budget altrove.
Il paradosso: LinkedIn contro Google, dove si nasconde il vero spreco
La risposta sta in un confronto illuminante con l’altro grande sistema di ad tech, Google Ads. Il report di GrowthSpree traccia una distinzione netta: lo spreco su Google Ads si nasconde nella misurazione — attribuzione imprecisa, click fraudolenti, mismatch tra evento tracciato e conversione reale. Su LinkedIn, invece, lo spreco si nasconde nel targeting stesso: il sistema sa esattamente chi ha cliccato e quando, ma sta mostrando l’annuncio alla persona sbagliata fin dall’inizio. Sono due classi di bug completamente diverse, e richiedono soluzioni diverse: un problema di misurazione si corregge con un migliore stack di attribuzione a valle; un problema di targeting si corregge solo a monte, prima ancora che l’impression venga servita.
Eppure, nonostante questo difetto strutturale, LinkedIn resta l’unica piattaforma a generare un ritorno positivo sulla spesa pubblicitaria. Secondo dati di Dreamdata, il ROAS di LinkedIn si attesta al 121%, mentre nessun’altra piattaforma pubblicitaria raggiunge la parità. Non stupisce che LinkedIn abbia catturato, sempre secondo Dreamdata, il 41% dei budget B2B destinati al social a pagamento. La spiegazione tecnica di questo apparente controsenso è il contesto professionale in cui gira il grafo sociale di LinkedIn: anche un targeting imperfetto, applicato su una rete dove le persone dichiarano (per quanto raramente aggiornandolo) il proprio ruolo lavorativo, resta più preciso di un targeting comportamentale generico su piattaforme consumer. Il vero smontaggio del paradosso però arriva guardando i tempi di conversione. Il ciclo medio dal primo contatto alla chiusura della vendita, secondo Dreamdata, è di 281 giorni. È un numero che cambia completamente il modo di leggere qualsiasi metrica a breve termine: uno spreco del 32% misurato su una finestra di 30 giorni sembra un disastro, ma se il ciclo di conversione reale dura quasi dieci mesi, quella stessa impression “sprecata” oggi potrebbe generare revenue tra otto mesi, semplicemente perché il modello di attribuzione standard non ha la pazienza di aspettare.
Oltre il targeting statico: pazienza e attribuzione come stack
L’analisi dello spreco indica una strada precisa: non si può più fare affidamento solo sui profili dichiarati. Secondo i benchmark pubblicati da Dreamdata, il primo annuncio impiega in media 281 giorni per generare revenue effettiva, e 214 giorni dalla prima conversione tracciata al closed-won. Sono numeri che rendono qualsiasi dashboard impostata su finestre di attribuzione a 7 o 30 giorni strutturalmente cieca rispetto a ciò che sta realmente accadendo nella pipeline. È lo stesso motivo per cui, come nota un’analisi di Directive Consulting pubblicata lo scorso maggio, il targeting nativo di LinkedIn, per quanto sofisticato, si appoggia su dati di profilo generati dagli utenti che vengono aggiornati raramente: è come costruire un sistema di raccomandazione su una cache che non scade mai.
La conseguenza pratica è che il targeting dichiarato va trattato come un filtro di primo livello, non come verità di sistema, e va integrato con segnali di intent reali — comportamento sul sito, stack tecnologico rilevato, engagement con contenuti tecnici — capaci di correggere in tempo reale ciò che il profilo statico non può più garantire. Come sintetizza Ishan Manchanda, co-fondatore di GrowthSpree, tre soli fallimenti di targeting — funzione lavorativa, anzianità e dimensione aziendale — spiegano il 67% dello spreco complessivo, e gli inserzionisti B2B SaaS finiscono per perdere circa un terzo del budget su audience che semplicemente non potranno mai diventare clienti, indipendentemente da quanto sia ben scritto l’annuncio.
La lezione tecnica, alla fine, è che il targeting dichiarato è solo un punto di partenza, non un punto di arrivo. Un ciclo di vendita di 281 giorni impone un’architettura di attribuzione capace di resistere al tempo — che sappia collegare un’impression di oggi a una revenue di fine anno senza perdere il segnale lungo la strada. Chi costruisce stack di misurazione B2B dovrebbe trattare LinkedIn non come un canale a risposta diretta, ma come un investimento di precisione che va verificato, corretto e ri-attribuito nel tempo, trasformando quello che oggi appare come un costo affondato in un asset che il ciclo lungo del B2B, paradossalmente, rende ancora più prezioso.
