Google Ads: performance con meno granularità, l’AI ridefinisce il controllo campagne.

Google sta guidando un’evoluzione che porta alla consolidazione delle campagne pubblicitarie, non per mero ordine, ma per riconfigurare il sistema e alimentare al meglio i motori dell’automazione, promettendo performance uguali o migliori con meno granularità.

Per anni, gestire una campagna pubblicitaria su Google Ads è stato un po’ come pilotare un aereo di linea. Decine di strumenti, leve da tirare, rotte da pianificare al millimetro. L’advertiser era al comando, con la responsabilità di scegliere ogni singola parola chiave, impostare offerte diverse per ogni regione e suddividere il budget in una miriade di campagne iper-specifiche.

Era un lavoro di precisione, faticoso, ma che garantiva un senso di controllo tangibile.

Oggi, quella cabina di pilotaggio sta cambiando.

Anzi, sta scomparendo.

Al suo posto, un cruscotto molto più semplice, dove si imposta una destinazione e si lascia fare al pilota automatico.

Un pilota automatico che si chiama intelligenza artificiale.

Google ha appena chiarito la sua posizione su una delle tendenze più discusse nel marketing digitale: la consolidazione delle campagne, ovvero l’unione di molte campagne distinte in un numero minore, più gestibile. In un recente episodio del podcast Ads Decoded, Brandon Ervin, Director of Product Management per gli annunci Search di Google, ha messo in chiaro un punto fondamentale: il consolidamento non è un obiettivo in sé.

L’obiettivo vero è ottenere performance uguali o migliori, con meno granularità.

È una distinzione sottile ma cruciale.

Non si tratta solo di fare pulizia per ordine, ma di riconfigurare l’intero sistema per alimentare al meglio i motori dell’automazione.

Il consolidamento non è necessariamente l’obiettivo stesso. Questa evoluzione che abbiamo attraversato ti permette di ottenere performance uguali o migliori con molta meno granularità

— Brandon Ervin, Director of Product Management for Search Ads, Google

La spinta verso la semplificazione non nasce dal nulla. È il culmine di un percorso che Google ha intrapreso da anni, sostituendo progressivamente gli strumenti manuali con sistemi a guida AI.

Pensiamo alla parabola di Enhanced CPC, la strategia di offerta che aggiustava manualmente i bid: è stata gradualmente dismessa a favore di opzioni guidate dall’intelligenza artificiale.

O agli annunci di testo espansi, un tempo pilastro della pubblicità Search: dal 30 giugno 2022 non è più possibile crearne o modificarne di nuovi. Al loro posto, Google spinge gli annunci responsive, che mescolano automaticamente titoli e descrizioni.

Ogni cambiamento ha spostato un pezzetto di controllo dalle mani del marketer agli algoritmi.

La consolidazione delle campagne è il passo logico successivo: se l’AI deve ottimizzare, ha bisogno di dati densi e di segnali chiari.

E niente rovina un segnale come un account frammentato in centinaia di micro-campagne con budget risicati.

Perché Google spinge verso campagne più semplici

La logica di Google è lineare e si basa su due pilastri: l’efficienza dell’automazione e la qualità del dato. Le strategie di Smart Bidding utilizzano l’AI per ottimizzare le conversioni in ogni singola asta. Questi sistemi, come Target CPA o Maximize Conversions, sono delle vere e proprie scatole nere che analizzano una mole sterminata di segnali in tempo reale – dall’orario della giornata al tipo di dispositivo fino all’intento dell’utente – per decidere quanto offrire per un click.

Ma per funzionare al meglio, hanno bisogno di carburante: più dati di qualità.

Una campagna consolidata, con un budget più sostanzioso e obiettivi chiari, genera un flusso di dati più ricco e continuo su cui l’algoritmo può allenarsi.

Al contrario, venti campagne da pochi euro al giorno producono segnali deboli e rumorosi, confondendo l’AI e limitandone l’efficacia.

Dall’altra parte, c’è un vantaggio pratico innegabile per gli advertiser: la gestione diventa molto meno onerosa.

Invece di perdere ore a bilanciare budget tra decine di campagne, si può concentrare l’attenzione su ciò che davanti conta: la strategia complessiva, la qualità delle creatività e l’analisi dei risultati macro.

È un cambio di paradigma che Vidhya Srinivasan, VP di Google, ha descritto come parte di una rielaborazione delle esperienze commerciali per renderle fluide, assistive e personali.

In questo quadro, il marketer non è più il micro-manager, ma il supervisore strategico che fornisce all’AI gli obiettivi giusti e gli asset creativi migliori per raggiungerli.

Non è una teoria astratta.

Grandi gruppi hanno già sperimentato i benefici della consolidazione, seppur in ambiti leggermente diversi. Unilever Argentina, ad esempio, ha consolidato gli acquisti mediatici per aumentare l’efficacia e la portata delle campagne, ottenendo una copertura maggiore ottimizzando la frequenza degli annunci.

Allo stesso modo, Danone ha consolidato tutti gli acquisti di video advertising in Google Display & Video 360, stimando un risparmio del 20% sui costi e un aumento dell’efficacia pubblicitaria fino al 50% per alcuni brand.

Kevin Manke, senior manager media e data strategy di Danone, ha spiegato che invece di sovraesporre gli utenti, il sistema ha potuto reindirizzare le impressioni verso nuovi potenziali clienti, massimizzando la reach.

I rischi nascosti dietro la scatola nera

Tuttavia, cedere il controllo a un algoritmo non è una passeggiata e la comunità dei professionisti del PPC è divisa. Il principale timore è la perdita di visibilità e di controllo granulare.

Quando decine di parole chiave e targeting diversi vengono fusi in un’unica campagna, diventa molto più difficile capire cosa stia effettivamente funzionando.

Quale keyword sta trainando le conversioni?

In quale regione geografica l’annuncio ha un ritorno sull’investimento migliore?

Con le campagne consolidate e l’uso di match broad abbinato allo Smart Bidding, queste informazioni diventano spesso opache.

L’advertiser vede il risultato finale – le conversioni – ma perde la mappa dettagliata del percorso.

C’è poi il problema della “spesa sprecona”. Gli algoritmi sono ottimizzati per raggiungere un obiettivo (es. costo per acquisizione), ma potrebbero farlo spendendo budget in contesti o query marginalmente rilevanti, pur di totalizzare il numero giusto di conversioni.

Senza la possibilità di intervenire con regole e bid manuali su segmenti specifici, alcuni budget potrebbero essere meno efficienti.

Inoltre, la raccomandazione di Google di puntare a una densità di dati di almeno 15 conversioni in 30 giorni può essere una barriera per le piccole imprese o per i settori con cicli di acquisto lunghi e costosi, che faticano a generare quel volume di dati in tempi brevi.

Infine, sussiste un conflitto di interesse sottile ma percepito.

Più le campagne sono consolidate e automatizzate, più l’advertiser dipende dalla piattaforma Google.

La competenza specifica sul come funziona l’asta si sposta dall’agenzia o dal dipartimento marketing interno agli ingegneri di Mountain View.

Questo riduce il potere negoziale e rende più difficile il confronto e la migrazione verso altre piattaforme.

In un’epoca in cui la trasparenza e la privacy sono sotto i riflettori, affidarsi ciecamente a una scatola nera di proprietà del più grande venditore di spazi pubblicitari al mondo solleva domande legittime.

Un futuro ibrido tra AI e logica di business

Allora, Google sta chiedendo di buttare al vento anni di best practice?

Non esattamente.

La stessa azienda ammette che la segmentazione conserva un senso quando riflette differenze reali nel business. Ha ancora perfettamente senso avere campagne separate per linee di prodotto con margini di profitto radicalmente diversi, o per paesi con lingue, normative e team di vendita distinti.

Il consolidamento non è l’obiettivo in sé, ma un mezzo per migliorare le performance rafforzando i segnali dati.

La vera abilità del marketer nel 2026 non sarà più la micro-ottimizzazione, ma il saper progettare una struttura account che sia al contempo semplice per l’AI e significativa per la propria azienda.

Il futuro, quindi, non è un estremo o l’altro.

Non torneremo alla micro-gestione manuale, ma neppure accetteremo un’automazione acritica.

Sarà un ibrido.

L’intelligenza artificiale, come quella utilizzata da Unilever tramite Google Cloud per analizzare contenuti e ottimizzare asset in tempo reale, gestirà il pesante lavoro di ottimizzazione in tempo reale e di scoperta del pubblico.

Gli esseri umani si concentreranno su ciò che le macchine fanno ancora fatica a replicare: la creatività, la narrazione di marca, la definizione della strategia di business e l’interpretazione critica dei risultati.

Il controllo non scompare, si evolve.

Da un controllo tattico su ogni singola leva, a un controllo strategico sul sistema nel suo complesso.

La domanda finale, allora, non è se consolidare o meno.

È più profonda: fino a che punto siamo disposti a delegare la comprensione del nostro pubblico e l’efficacia del nostro messaggio a un algoritmo il cui funzionamento interno rimane, in gran parte, un mistero commerciale?

L’efficienza ha un prezzo, e non si misura solo in euro.