I marketer investono in AI senza scalarla davvero

Il 70% del roi evaporato per colpa di identità imprecise mostra il divario tra fiducia dichiarata e prontezza reale

I numeri si guardano in faccia e non mentono. Secondo l'indagine pubblicata da TransUnion la scorsa settimana, l'89% dei marketer ha in programma di aumentare gli investimenti in iniziative di marketing abilitate all'intelligenza artificiale nei prossimi 12-24 mesi. Peccato che, stando agli stessi dati, appena il 13% dichiari di averla davvero scalata in tutta l'azienda. Nel frattempo, un report congiunto di MMA e LiveRamp diffuso lo scorso luglio ha quantificato il danno collaterale di questa corsa senza casco: una scarsa precisione dell'identità ha ridotto il ROI delle campagne di circa il 70%. Non è un bug. È un campanello d'allarme per chiunque allochi budget sul serio.

La bolla dell'AI nel marketing: investimenti record, scalabilità zero

Il paradosso è servito su un piatto d'argento. Da un lato, i budget pompano come se l'AI fosse la risposta definitiva a ogni problema di performance. Dall'altro, le fondamenta su cui poggiano quegli investimenti sono più fragili di quanto i numeri sulla fiducia lascino immaginare. Il 64% dei marketer si dichiara fiducioso di raggiungere i propri obiettivi di marketing abilitati all'AI. Ma scendendo di un livello, lo scenario si incrina: solo il 42% valuta alta la prontezza delle proprie persone e appena il 36% giudica adeguata la preparazione su dati e processi. Tradotto per chi gestisce campagne: quasi due terzi dei team stanno investendo in strumenti che non hanno le strutture interne per governare.

C'è di peggio. Meno della metà — il 48%, per la precisione — afferma di avere abbastanza visibilità sull'AI a livello di piattaforma per prendere decisioni di ottimizzazione con un minimo di sicurezza. Significa che più di un marketer su due sta allocando budget ad algoritmi di cui non capisce fino in fondo il funzionamento, fidandosi di scatole nere che promettono efficienza senza offrire trasparenza. A questo si aggiunge il problema della misurazione: il 65% dei marketer valuta il successo dell'AI principalmente attraverso parametri di risparmio di tempo e costi — metriche di efficienza operativa, non di efficacia reale sulla spesa. Ore risparmiate, task automatizzati, processi più veloci. Tutto vero, tutto utile. Ma la domanda che un media buyer si deve porre è un'altra: quei soldi in più che sto mettendo sull'AI stanno generando ritorno incrementale o sto solo automatizzando l'inefficienza?

Il nodo è tutto qui. Se la visibilità sulle leve algoritmiche è sotto il 50% e la misurazione resta ancorata a conteggi di produttività interna, manca un pezzo fondamentale del puzzle: la capacità di collegare la spesa in AI al rendimento netto delle campagne. Ed è esattamente il pezzo che separa un investimento strategico da un costo operativo con una bella presentazione.

Il vero costo dei punti ciechi: quando l'identità sbagliata distrugge il ROI

Se il problema della misurazione fosse solo teorico, potremmo archivarlo come un exercizio accademico. Ma i dati dicono che il conto è già arrivato, ed è salato. Il 42% dei marketer segnala dati incompleti o mancanti. Il 69% afferma che i punti ciechi all'interno dei walled garden — gli ecosistemi chiusi di Google, Meta, Amazon e simili — limitano la capacità di valutare l'efficacia dell'AI. E il 70%, sette marketer su dieci, dichiara che i punti ciechi cross-canale rendono difficile, se non impossibile, capire l'impatto reale dell'AI lungo l'intero percorso del cliente. Sono crepe strutturali nel tessuto dei dati, non piccole smagliature. E quando i dati sono incompleti e l'identità degli utenti è ricostruita in modo approssimativo, l'algoritmo ottimizza su un'immagine distorta della realtà.

Qui entra in scena il dato più brutale della partita. Secondo il report pubblicato da MMA e LiveRamp lo scorso luglio, una scarsa precisione dell'identità ha fatto crollare il ROI delle campagne di circa il 70%. Non il 7, non il 17: il 70%. Significa che per ogni euro speso in media, sette decimi di ritorno vengono cannibalizzati da un'identità sbagliata, da una corrispondenza errata tra il dato che l'algoritmo processa e il comportamento reale dell'utente. Per un advertiser che gestisce budget a sei o sette zeri, questo non è un dettaglio tecnico: è la differenza tra un trimestre in utile e uno in perdita. E il paradosso è che mentre l'AI viene venduta come lo strumento definitivo per migliorare la precisione del targeting, è proprio la mancanza di precisione a monte — nei dati identitari — a vanificarne l'efficacia.

Tre metriche che nessuno usa (ma dovrebbe) per l'AI

Arrivati a questo punto, la domanda operativa è una sola: cosa si può fare domani mattina per smettere di volare alla cieca? La risposta sta in tre metodologie di misurazione che la maggior parte dei marketer continua a ignorare. Meno della metà utilizza la modellazione del marketing mix (MMM, che analizza l'impatto aggregato dei diversi canali sul risultato complessivo), l'attribuzione multi-touch (MTA, che distribuisce il credito di conversione tra i vari touchpoint del percorso utente) e i test di incrementalità (che misurano se una campagna sta davvero generando conversioni che non sarebbero avvenute comunque). Sono strumenti che costano tempo e competenze, certo. Ma quando il ROI rischia di collassare del 70% per colpa di dati identitari traballanti e punti ciechi strutturali, l'alternativa — continuare a misurare l'AI a colpi di ore risparmiate e task automatizzati — non è più praticabile.

Finché la misurazione dell'AI resterà un conto delle ore risparmiate, sarà solo un costo. Con il ROI a rischio del 70%, l'incrementalità non è un'opzione: è l'unica metrica che conta.