Google testa le etichette “Strongest Match” mentre Dappier taglia i costi con modelli piccoli su CPU
Negli ultimi giorni diversi inserzionisti hanno notato comparire sotto i propri annunci una nuova etichetta: «Strongest match». Non è una metrica aggiuntiva nel pannello di Google Ads, ma un bollino che gli utenti vedono direttamente nei risultati di ricerca. Google sta conducendo un test sulle etichette “Strongest Match” e per ora si limita a dichiarare che il riconoscimento attinge ai segnali esistenti di qualità e pertinenza degli annunci già usati per la valutazione automatica.
Il problema operativo è immediato: le qualifiche per l’etichetta “Strongest Match” non sono state spiegate. Justin Windschitl ha posto pubblicamente la domanda che molti stanno facendo nei canali a pagamento: quali criteri determinano i «match types» e, soprattutto, i difetti dell’etichettatura possono penalizzare le aziende? L’assenza di trasparenza rischia di trasformare un vantaggio percepito in un costo: scegliere le keyword, adattare le creatività e gestire il budget con l’obiettivo di compiacere un algoritmo che non rende pubblico il suo giudizio.
L’esperimento rende finalmente visibile la valutazione di pertinenza di Google agli occhi di chi cerca, ma chi sposta budget sull’AI generativa di Mountain View ha già un aggiornamento da digerire: Gemini inizierà presto a suggerire ottimizzazioni automatiche per le creatività delle campagne Demand Gen, selezionando asset visivi e video su YouTube. Ancora una volta la logica è quella di modelli massicci, gestiti da Google e accessibili solo a chi investe nel suo ecosistema.
Tre modelli piccoli, un URL cambiato e la bolletta tagliata a metà
La direzione opposta è quella che ha preso Dappier. L’azienda ha integrato i tre SLM scelti da Dappier per compiti precisi: classificazione dei contenuti, classificazione delle intenzioni e moderazione per la brand safety. Non si tratta di un assistente conversazionale generico, ma di modelli linguistici piccoli (SLM), addestrati su dataset ridotti e pensati per funzioni ripetitive dell’ad tech dove non richiedono affatto centinaia di miliardi di parametri. ZeroGPU fornisce modelli che funzionano su CPU, senza GPU, una scelta architetturale che abbatte radicalmente i costi di inferenza.
I numeri sono dichiarati e verificabili. Il co-fondatore e CEO Dan Goikhman ha quantificato il risparmio del 50% ottenuto da Dappier sulle spese complessive dopo l’adozione dei modelli ZeroGPU. Chi opera in produzione sa che la latenza è un fattore decisivo: Maddy Arvapally ha misurato i tempi di risposta sotto i 50 millisecondi per il modello di classificazione dei contenuti, che sforna classificazioni IAB più rapide di qualsiasi modello frontier. E per migrare è bastato modificare l’endpoint, perché i modelli espongono gli endpoint compatibili con OpenAI: cambi un URL nel backend e continui a lavorare con lo stesso formato di risposta.
Le SERP sono già un campo di prova dell’AI
Chi si occupa di SEO locale ha già misurato gli effetti dell’offensiva AI di Google sui posizionamenti. Un’analisi di Sterling Sky mostra che i pacchetti locali basati su AI appaiono in circa il 22% delle query locali tracciate e presentano l’attività ridotta del 68% rispetto al classico three-pack: meno spazio, meno visibilità per le attività e meno interazioni complessive. Whitespark ha rilevato che la presenza degli AI Overviews nelle ricerche locali oscilla tra il 57 e l’80% a seconda del settore. La scansione di Google sta già comprimendo il CTR verso il basso e l’aggiornamento delle etichette pubblicitarie “Strongest Match” si inserisce in una strategia più ampia: rendere la SERP uno spazio in cui il giudizio dell’algoritmo diventa esplicito per l’utente, lasciando a chi investe in visibilità il compito di decifrare le regole.
La forbice è tracciata.
Da un lato Google spinge affinché tu affidi sempre più asset e decisioni creative a Gemini, dall’altro aziende come Dappier dimostrano che puoi ottenere risultati più rapidi e meno costosi con modelli specializzati che girano su CPU. Per chi domani mattina deve ottimizzare una scheda locale, una campagna Demand Gen o un feed di annunci, non si tratta di rincorrere il bollino “Strongest Match”, ma di smettere di pagare GPU per compiti che uno SLM risolve in 50 millisecondi.
