L’algoritmo premiava il volume di click, ma i lead veri erano solo due su 92

Il CTR era salito di 18 punti percentuali in tre settimane. Le impression toccavano volumi che non vedevamo dai tempi del retargeting aggressivo. Il costo per lead è sceso del 27% — un sogno per qualsiasi growth manager. Poi abbiamo aperto il CRM: su 92 lead generati in sette giorni, due erano qualificati. Zero opportunità chiuse. Non era un calo di conversione. Era un’illusione costruita dall’automazione.

Le piattaforme pubblicitarie oggi spingono le strategie di offerta Maximize Conversions o Maximize Conversion Value, che restringono le impression a un sottoinsieme di utenti ritenuti più propensi a convertire dal modello predittivo. Il problema è cosa intenda l’algoritmo per “conversione”. Spesso si tratta di un invio modulo convalidato da un tracciamento lato client che non distingue un lead vero da un bot, un curioso o un errore di compilazione. Un CTR elevato ma ingannevole resta un segno di vita, non una garanzia di performance.

Il modello di lead scoring che nessuno ha più controllato

In parallelo, la componente più silenziosa del disastro è il lead scoring. Abbiamo ereditato un modello di lead scoring obsoleto, calibrato su un profilo acquirente che non esiste più da almeno due cicli di prodotto. L’agente AI che orchestra le priorità per il sales development non lo sa: continua a sopprimere segmenti sulla base di regole che nessuno in azienda ricorda di aver scritto. La soppressione di interi segmenti da parte di un agente AI funziona come un cancello automatico che blocca prospect di alto valore, lasciando passare solo chi clicca tanto ma compra poco.

È qui che il CRO cambia natura. Convertire significa disobbedire alle ottimizzazioni preimpostate dalle piattaforme e ricostruire un funnel dove la qualità del segnale batte la quantità del rumore. A fine giugno 2026, la checklist completa per l’ecommerce CRO segnalava già la necessità di uscire dalla logica del “tutto automatico”. Pochi giorni dopo, l’audit delle capacità degli strumenti di A/B testing con AI mostrava limiti significativi nell’affidabilità delle varianti generate in automatico, mentre la sperimentazione AI integrata nella piattaforma di testing veniva proposta come soluzione per mantenere controllo umano sulle ipotesi.

Il messaggio era coerente: l’AI va governata, non subita.

Spegnere per riaccendere i ricavi

La resistenza operativa parte da gesti precisi. Abbiamo iniziato con il tracciamento delle conversioni offline, importando i dati di qualificazione e chiusura direttamente su Google Ads per dare all’algoritmo un segnale pulito. Poi siamo intervenuti sulle fonti di traffico spurio: la disattivazione dei partner di ricerca e la cautela sulla Rete Display di Google hanno eliminato il 40% delle impression senza impattare i lead qualificati. Abbiamo aggiunto l’uso delle parole chiave negative non per combattere il sistema, ma per arginare l’espansione semantica aggressiva del broad match.

Ma l’intervento più discusso è stato un altro: la disattivazione del targeting ottimizzato e lo spegnimento degli asset automatizzati e della personalizzazione. In molti account che gestiamo, il targeting ottimizzato portava il 35% delle impression fuori dal pubblico definito. Abbiamo perso volume, ma il tasso di conversione in opportunità è triplicato. Non è aneddotico: su un campione di 4.200 sessioni post-spegnimento, con una significatività al 95% e un MDE del 7%, il miglioramento della metrica “lead qualificato” era incontrovertibile.

L’attrito è una feature, non un bug

Parallelamente abbiamo agito sulla pagina di destinazione, seguendo un principio opposto a quello predicato dalla UX semplificata a tutti i costi. L’introduzione di attrito strategico sulla landing page – un campo aggiuntivo di qualificazione e un messaggio che dichiarava il tempo medio di risposta – ha ridotto i lead totali del 22% ma aumentato il tasso di conversione in demo del 41%. Un trade-off misurato con un test A/B split su 6.800 visitatori, dove ogni ramo ha superato la significatività statistica in 18 giorni. L’ipotesi era che l’attrito filtrasse i click impulsivi generati dall’automazione, e i dati l’hanno confermata.

Infine, la tecnologia di difesa dai bot ha eliminato il 9% dei lead residui che risultavano conversioni valide ma erano form spammati da crawler. L’integrazione con il tracciamento offline ha chiuso il cerchio. Nel frattempo, usiamo le best practice sui feature flag per attivare e disattivare questi elementi di attrito senza deploy, in modo da condurre test multivariato puliti anche su flussi di lead complessi.

Resta una domanda aperta: se il modello di attribuzione dell’AI premia il volume di micro-conversioni e penalizza la frizione, per quanto tempo potremo permetterci di disubbidire senza che le piattaforme declassino la nostra qualità del traffico? Il prossimo test che merita un campione adeguato è sulla correlazione tra attrito e punteggio di qualità, incrociata con il lifetime value reale dei clienti acquisiti. Perché l’ultimo atto di resistenza del CRO non è spegnere un’impostazione, ma sapere cosa misurare quando l’algoritmo ti dice che stai sbagliando.