L’AI agente ti ottimizza le campagne. Ma il vero CRO sei ancora tu

La reattanza psicologica ha ribaltato l’ipotesi iniziale del team CRO

Un test A/B condotto su un e-commerce di elettronica ha mostrato che rimuovere l’indicatore di urgenza (“Solo 2 pezzi rimasti”) dalla scheda prodotto aumentava il tasso di aggiunta al carrello del 4,8% (p=0,03, potenza 82%). L’ipotesi era che la trasparenza aumentasse la fiducia. I dati hanno detto il contrario: l’urgenza percepita non era una leva di persuasione, ma un fattore d’attrito che attivava meccanismi di reattanza psicologica. La decisione è stata presa da un CRO specialist, non da un algoritmo.

Oggi gli strumenti di AI agente irrompono nella gestione delle campagne con promesse di automazione completa. Ask Ad Manager, l’assistente conversazionale per publisher basato su Gemini, risolve problemi di delivery, genera report e naviga Google Ad Manager con prompt multi-turno. AI Max, il nuovo layer AI di Microsoft per campagne search, promette query matching espanso e personalizzazione creativa in tempo reale. Performance Max introduce gli obiettivi di acquisizione nuovi clienti e un framework per esperimenti. Microsoft dichiara un incremento medio dell’8% nelle conversioni incrementali. Numeri solidi. Ma l’ottimizzazione di una campagna non è la stessa cosa della comprensione del comportamento utente.

L’algoritmo ha azzeccato il targeting. Poi è arrivato il form.

Il punto di rottura non sta nel matching query-creative, sta in ciò che accade dopo il clic. Un test multivariato su un SaaS B2B ha isolato l’impatto del campo “numero di telefono” nel form di registrazione: la sua rimozione ha generato un aumento dei lead del 12,3%, ma ha ridotto la qualità (lead qualificati scesi dal 61% al 44%). L’AI agente non disponeva di questo dato perché il segnale di qualità non era tracciato a monte. Lo ha notato il team CRO analizzando i dati CRM retrospettivi. Le tecniche di advanced A/B testing—test sequenziali, analisi per segmenti, modelli bayesiani con prior informativi—restano terreno umano, non perché l’AI non possa eseguirle, ma perché richiedono la formulazione di ipotesi causali che nascono dall’osservazione qualitativa e dall’esperienza di dominio.

Su YouTube, Gemini inizierà a suggerire insight creativi per le campagne Demand Gen: indicazioni su quali elementi visivi utilizzare per migliorare le performance. Uno strumento potente, che tuttavia analizza pattern a livello di campagna, non il micro-comportamento su una landing page specifica. Un video con alto CTR può portare traffico che abbandona dopo 4 secondi se il messaggio della landing non allinea le aspettative. Questa frizione non compare nei dashboard delle campagne.

Validare, sempre. Anche quando l’AI suona convincente.

Copilot-Powered Root Cause Analysis, la diagnostica automatica degli annunci Microsoft, individua problemi di performance e risolve il tracciamento delle conversioni senza intervento manuale. Ma Google stessa, nel comunicare il lancio di Ask Ad Manager, avverte che le risposte dell’IA generativa rimangono sperimentali e vanno validate prima di agire. C’è un’ammissione implicita: l’agente AI è un acceleratore, non un sostituto del giudizio.

Chi si affida ciecamente all’automazione senza padroneggiare la metodologia di test rischia di accumulare decisioni sub-ottime.

I problemi ricorrenti nello scaling dei programmi di A/B testing—peeking non corretto, MDE sovrastimate, segmentazione post-hoc—sono amplificati, non risolti, da un layer AI che itera più velocemente. Se non sai calcolare la dimensione campionaria necessaria per rilevare un effetto del 5% con potenza 80%, l’AI ti darà risposte che non saprai mettere in discussione.

Nell’ultimo anno Google ha distribuito AI Overviews, AI Mode e Conversational Discovery Ads, formati che ridefiniscono l’interazione utente-annuncio. Ogni nuovo formato è una scatola nera finché non viene testato contro un controllo con metriche definite a priori. L’automazione sposta l’asticella della velocità, non quella della validità statistica.

Quanto ti fidi di una black box che performa?

Un growth manager con cui ho discusso ha sintetizzato così: “Performance Max mi dà un ROAS del 320%. Ma non so quali segmenti sta cannibalizzando.” Il framework di esperimenti introdotto da Microsoft per Performance Max è un passo avanti, ma copre confronti a livello di campagna, non la comprensione dei comportamenti individuali. L’AI agente ottimizza per la metrica che le dai in pasto. Se quella metrica è corrotta, scala la corruzione. Il CRO—quello vero—resta il custode del metodo: definire ipotesi falsificabili, isolare variabili, misurare ciò che conta davvero.

La domanda aperta non è se l’AI sostituirà il CRO specialist, ma se il CRO specialist saprà usare l’AI come uno strumento senza abdicare al pensiero critico. I prossimi test da progettare sono quelli che misurano l’impatto incrementale dell’automazione stessa: un A/B test con un gruppo di campagne gestite da AI agente contro un controllo gestito manualmente con le stesse risorse. Servirà potenza statistica, pazienza e onestà intellettuale. Esattamente le cose che un agente AI, per ora, non può simulare.