Google ha spento le campagne Video Action senza preavviso

La migrazione automatica a Demand Gen unifica YouTube, Discover e Gmail senza lasciare margini di scelta agli inserzionisti

Hai passato mesi a ottimizzare il targeting, i creativi e le offerte delle tue campagne Video Action. E, da ieri, Google te le ha spente d’ufficio. Non si tratta di un bug né di un problema di pagamento: è la versione 2.13 di Google Ads Editor, pubblicata il 3 agosto, a decretare la fine del formato. Stando a l’annuncio ufficiale diffuso nelle note di rilascio, il supporto per la creazione di nuove campagne Video Action è stato rimosso e tutte le campagne attive sono state migrate automaticamente a Demand Gen. Un cambio di rotta senza preavviso, che costringe ogni inserzionista a rivedere l’architettura di misurazione dei propri annunci video.

Spente d’ufficio

La rimozione è netta: chi provava a lanciare una nuova campagna Video Action nell’Editor si è trovato davanti a un muro. Le campagne esistenti, invece, sono state trasferite d’imperio nel tipo Demand Gen, che mescola posizionamenti su YouTube, Discover e Gmail in un unico contenitore gestito dall’intelligenza artificiale. Non c’è stato un periodo di transizione o un avviso nel cruscotto: la migrazione è avvenuta con l’aggiornamento dell’applicazione desktop, lasciando molti advertiser a chiedersi se i propri budget continuassero a essere allocati con la stessa logica di prima.

L’impatto è concreto per chi aveva costruito una strategia attorno alle campagne Video Action, nate per generare conversioni dirette da YouTube con un obiettivo chiaro. Ora quella leva è sparita. E mentre molti pensano a un semplice rebranding, la domanda vera è un’altra: perché Google spinge in modo così deciso verso Demand Gen? La risposta non sta nella comodità operativa, ma in ciò che l’Editor ora permette—e in ciò che inevitabilmente nasconde.

Pulsanti nuovi, controllo vecchio?

L’aggiornamento dell’Editor 2.13 non si limita a togliere: aggiunge diverse funzionalità, tutte apparentemente utili. Per le campagne video responsive e non skippable, ora compaiono campi dedicati per «Nome azienda» e «Logo azienda», così da caricare i dati senza doverli inserire manualmente in ogni asset. Contemporaneamente, l’Editor supporta in modo nativo la raccomandazione «Mostra i tuoi annunci sugli schermi TV», spingendo gli annunci video verso un’audience da salotto che Google considera ad alta efficacia. E, forse la novità più simbolica, debutta il campo di conformità «User attestation» per gli asset immagine e video: un’etichetta che l’inserzionista può impostare su «Unset», «Label» o «Don’t label» per dichiarare se il contenuto è stato generato dall’intelligenza artificiale. Le impostazioni si applicano in massa o direttamente nei selettori di asset.

Intanto, un aggiornamento parallelo, documentato nelle note di luglio dell’Editor, ha portato a 15 il numero massimo di video per gruppo di asset in Performance Max. Carichi fino a quindici clip, mescoli la TV, certifichi l’origine sintetica dei tuoi creativi: un arsenale di leve che darebbe l’idea di un controllo senza precedenti. Ma il trade-off si nasconde proprio nel tipo di campagna in cui queste novità andranno a convogliare: Demand Gen, un sistema che ottimizza le combinazioni in automatico senza esporre con chiarezza la relazione fra asset specifici e conversioni. Quando puoi infilare 15 video in un gruppo e speri che l’IA faccia il resto, chi sta davvero governando le conversioni? Non è più il media buyer a decidere quali messaggi portino a un acquisto, ma un modello che alloca l’impressione migliore su una molteplicità di superfici, oscurando il collegamento causale.

L’illusione dell’ottimizzazione

La vera tensione dell’Editor 2.13 è tutta qui: più automazione coincide con meno trasparenza sulla misurazione. Le campagne Video Action, pur con i loro limiti, consentivano di isolare il contributo di YouTube alle conversioni con una certa precisione, specie se abbinate a esperimenti sul pubblico o a test geo-splittati. Demand Gen, al contrario, fonde YouTube con Discover e Gmail in un unico contenitore ottimizzato per un obiettivo di conversione dichiarato, ma senza lasciare all’advertiser la possibilità di capire dove e perché il suo budget sia stato speso. Dal punto di vista di chi fa CRO, questo è un passo indietro: non si può ottimizzare ciò che non si misura.

Il campo User attestation aggiunge un ulteriore strato di opacità. L’obbligo di divulgazione dei contenuti generati dall’IA è comprensibile e allineato alle pressioni normative, ma resta un’etichetta autodichiarata. L’inserzionista sceglie di marcare l’asset come «Label» o «Don’t label», e questo non incide sui dati di performance né sulla capacità di attribuzione. Anzi, la possibilità di applicare la scelta in blocco su decine di asset introduce il rischio di trattare la conformità come una pratica di mero smarcamento, mentre il budget continua a scorrere in un sistema di ottimizzazione difficile da ispezionare. È la classica situazione in cui l’automazione promette efficienza ma rischia di trasformare la misurazione in un atto di fede: ti fidi che Demand Gen stia portando conversioni incrementali, ma non hai gli strumenti per verificarlo in modo robusto.

Il paradosso è acuito dall’aumento del numero di video consentiti in Performance Max: caricare 15 clip e lasciare che la macchina testi le combinazioni significa, di fatto, moltiplicare le variabili senza un disegno sperimentale. In un test A/B classico, cambi una cosa alla volta e monitori la significatività statistica. In Demand Gen, decine di elementi grafici e di targeting vengono mescolati in tempo reale, rendendo quasi impossibile distinguere l’effetto incrementale di un creativo rispetto a un altro, o attribuire un aumento delle conversioni a una superficie anziché a un’altra. Senza esperimenti di conversione controllati (come i geo-experiment o i conversion lift study), il manager CRO si ritrova a giustificare il budget basandosi su metriche auto-attribuite dalla piattaforma, con il serio pericolo di pagare vendite che sarebbero comunque avvenute.

Questo non significa che Demand Gen sia inefficace, ma che impone un ripensamento del framework di misurazione. Se prima guardavamo alla frequenza di test, ora dobbiamo spostare l’attenzione su metriche ibride come il MER (Marketing Efficiency Ratio), il profitto per sessione o la marginalità incrementale rilevata da studi esterni. E proprio perché l’attestazione utente è solo un’etichetta, non una metrica, la domanda che resta aperta è: quali indicatori dobbiamo monitorare per non diventare spettatori passivi del nostro stesso budget? La risposta non la troveremo tra i nuovi pulsanti dell’Editor.

L’Editor 2.13 ti dà i pulsanti, ma la strategia di misurazione resta fuori dalla UI. Se non metti in campo un metodo per calcolare l’incrementale, Demand Gen rischia di sembrare un costo inevitabile anziché un investimento. Forse.