Il miliardo di run rate di ChatGPT Ads riflette la paura di restare fuori, più che la fiducia nel ROI.

Un canale pubblicitario raggiunge un run rate annualizzato di un miliardo di dollari e gli inserzionisti che ci spendono ammettono di non poter misurare se funziona. È il paradosso di ChatGPT Ads: il budget entra, ma l’attribuzione resta fuori. Come in un A/B test in cui la variante vincente non ha metriche di conversione affidabili, sai che qualcosa è cambiato ma non cosa. E questo non è un problema tecnico: è un problema di FOMO, la paura di restare fuori da un canale che potrebbe esplodere.

I dati di mercato alimentano questa paura. Secondo i dati USA sugli acquisti natalizi 2026, il 76% degli shopper statunitensi pianifica di usare l’AI per le spese stagionali. In Australia la percentuale è del 74%, secondo. Nel Regno Unito del 70%, come riportano. Numeri che fanno gola a qualsiasi e-commerce manager. Ma siamo di fronte a una survey, non a dati di attribuzione: l’intenzione dichiarata non è una conversione.

Ancora più interessante: in EMEA, gli utenti AI hanno una probabilità 12 punti superiore di usare la ricerca, secondo i dati EMEA sulla ricerca, e una probabilità del 9% in più di convertire entro 24 ore, stando a i dati EMEA sulla conversione. Ma qui il condizionale è d’obbligo: sono correlazioni, non nessi causali. E la correlazione non paga il ROAS.

Il canale AI ha anche un problema di visibilità strutturale. I fattori limitanti della visibilità AI sono quattro: posizionamento vago, recensioni sottili, dati locali incoerenti e siti web che l’AI non riesce a recuperare. Questo significa che anche senza annunci, un brand può essere invisibile perché non ha i fondamentali. La buona notizia è che la fiducia dell’AI si costruisce con la verifica: se nome, indirizzo e telefono appaiono coerenti su Google Business Profile, Yelp, directory locali e sito web, il sistema AI ha un quadro più chiaro, come spiega la verifica della coerenza NAP.

Ma tutto questo non risolve l’attribuzione degli annunci.

Un miliardo di run rate, zero conversioni attribuite

OpenAI ha annunciato che la sua attività pubblicitaria ha raggiunto un tasso di ricavi annualizzato di 1 miliardo di dollari, secondo il run rate pubblicitario di ChatGPT. La società aveva previsto 2,5 miliardi per il 2026 e 100 miliardi entro il 2030, come riporta le previsioni di ricavo di OpenAI. Ma la stima indipendente di Emarketer è drammaticamente diversa: 5,41 miliardi nel 2030, un ordine di grandezza inferiore, stando a la stima di Emarketer. E per chi sospettasse che i crediti pubblicitari gonfino i numeri, OpenAI ha chiarito che i crediti non sono inclusi nella proiezione di 1 miliardo, come da l’esclusione dei crediti pubblicitari.

La distanza tra le previsioni interne e le stime indipendenti è un campanello d’allarme. Se il mercato non condivide l’ottimismo della piattaforma, è perché manca la cosa che conta davvero: l’attribuzione. E gli inserzionisti lo dicono chiaramente.

Monica Shukla, VP di biddable COE presso Mile Marker, dichiara che molti clienti vedono valore nell’essere tra i primi a fare pubblicità su ChatGPT, come riporta la dichiarazione di Monica Shukla. Essere tra i primi è un posizionamento, non una strategia di performance. Victor Batista, senior director of paid media presso Jellyfish, va oltre: gli inserzionisti inizieranno a valutare più attentamente il ROI dell’attività rispetto al suo valore percepito, richiedendo metriche tangibili, secondo le richieste di metriche di Victor Batista. Il valore percepito non è un KPI.

La piattaforma, dal punto di vista della misurazione, è ancora rudimentale. Rajeev Nair, co-founder e chief product officer di Lifesight, afferma che mancano dati sui concorrenti, le capacità di monitoraggio delle conversioni sono molto limitate e le opzioni di pubblico sono rudimentali, come indicato in le limitazioni tecniche secondo Rajeev Nair. Se non puoi nemmeno segmentare il pubblico o monitorare le conversioni, stai facendo un test senza gruppo di controllo.

Nair aggiunge che OpenAI deve essere più compatibile con le integrazioni API di terze parti per strumenti di MMM e incrementality, come riporta. Senza incrementality, non puoi distinguere una vendita che sarebbe avvenuta comunque da una generata dal canale.

Qualche passo avanti c’è stato. Emil Dewy, senior manager of programmatic media presso M+C Saatchi Performance, riconosce che l’introduzione di una API di conversione e il lancio di campagne ottimizzate per le conversioni sono passi nella giusta direzione, secondo la valutazione di Emil Dewy. Ma lo stesso Dewy ammette che ChatGPT manca di strumenti per misurare le tendenze a livello di prompt e il comportamento più ampio, come da gli strumenti di misurazione prompt. Inoltre, manca la soppressione degli utenti esistenti dagli annunci per targetizzare solo nuovi prospect, una funzionalità elementare nei canali maturi, secondo la soppressione degli utenti esistenti. OpenAI ha rifiutato di commentare la sua tabella di marcia per l’introduzione di nuove soluzioni di misurazione, nota il rifiuto di commento sulla roadmap. Il silenzio non è una strategia di misurazione.

L’intenzione c’è, l’attribuzione no

Non tutto è negativo. Sul fronte dell’intenzione, gli utenti di ChatGPT mostrano comportamenti promettenti. Monica Shukla afferma che le query conversazionali sono un ottimo modo per far emergere bisogni e intenzioni di acquisto e hanno generato vendite incrementali per i marchi, come riporta le query conversazionali. Emil Dewy concorda che gli utenti mostrano spesso un’intenzione più forte su ChatGPT rispetto ai canali display standard, secondo. E M+C Saatchi Performance ha apprezzato la capacità di orientare la spesa verso conversazioni con più forte intento commerciale, come da. Tutto vero, ma siamo ancora al livello dell’aneddoto: non c’è un dato di attribuzione che separi il segnale dal rumore.

Il fenomeno più interessante è il downstream. Un’analisi dei dati condotta da Lifesight ha dimostrato che le query standard di ChatGPT, senza annunci, hanno generato traffico diretto e organico settimane o addirittura mesi dopo che una persona ha cercato un marchio su ChatGPT, come riporta il traffico downstream da query standard. Questo significa che l’effetto del canale non si esaurisce nel clic sull’annuncio: può influenzare il comportamento successivo. Ma per modellare accuratamente il cross-channel lift, Lifesight afferma di aver bisogno di circa sei mesi, come dichiarato in. Sei mesi di dati prima di capire se il canale funziona davvero.

Secondo Nair, una parte della crescita degli annunci ChatGPT deriverà dalla fiducia costruita nel tempo nella capacità del canale di influenzare il traffico downstream, come da la fiducia nel downstream. Ma la fiducia non è un dato. È una scommessa.

Sei mesi per sapere se è test o core

Il punto di Nair è chiaro: finché non ci saranno più dati, i dollari rimarranno in budget di test piuttosto che in allocazioni core, come affermato in. E questa è la verità che nessuno vuole sentire: il miliardo di run rate di OpenAI è un indicatore di FOMO, non di ROAS. Gli inserzionisti pagano per il privilegio di essere i primi, non per la performance dimostrata.

La domanda che resta aperta è: come si costruisce un framework di attribuzione quando la piattaforma non fornisce dati sufficienti? Forse la strada non è pagare per annunci senza metriche, ma investire nella visibilità organica AI: risolvere i quattro modelli che limitano la visibilità e garantire la coerenza NAP, come indicato da i fattori limitanti della visibilità AI. Perché se l’AI non ti vede, non importa quanto paghi per l’annuncio: non ti attribuirà mai la conversione. E questo è un test che puoi fare oggi, senza aspettare sei mesi.

Ma non illudiamoci: il problema di fondo non è tecnico, è culturale. Finché i CMO confondono l’essere presenti con l’essere efficaci, il budget di test resterà un costo di ammissione. E il ROAS resterà una promessa.