Microsoft scommette sui dati prodotto, Google sui formati

Microsoft punta su dati strutturati, Google su formati conversazionali basati su Gemini

Due dashboard aperti, due piattaforme che promettono campagne potenziate dall’intelligenza artificiale. A sinistra, Microsoft Advertising ha chiuso il suo evento Activate 2026 lo scorso 19 maggio con un dato preciso: un incremento dell’8% nelle conversioni incrementali grazie a Performance Max. A destra, Google ha risposto il giorno dopo, il 20 maggio, annunciando l’integrazione di Gemini nella Ricerca e il test di annunci costruiti con Gemini che includono un “AI explainer indipendente”. A un mese di distanza, la domanda non è se queste novità funzionano, ma quale conviene testare per primo e, soprattutto, quale organizzazione interna sono in grado di sostenere.

Annunci o cantieri aperti?

Microsoft ha messo sul tavolo una serie di annunci operativi: oltre al dato di Performance Max, ha introdotto un nuovo livello di intelligenza artificiale chiamato AI Max per le campagne di ricerca, attualmente in closed pilot, e funzionalità di targeting per impressioni e remarketing che permettono di raggiungere gli utenti basandosi sull’esposizione agli annunci, non solo sui click. L’obiettivo dichiarato è creare connessioni più solide tra la parte alta e bassa del funnel, spostando il focus dal semplice last-click alla copertura che anticipa la conversione. Parallelamente, ha presentato il Universal Commerce Protocol (UCP), un protocollo pensato per alimentare esperienze basate su AI — incluso il checkout via Copilot — con dati di prodotto accurati e aggiornati in tempo reale.

Google, dal canto suo, sta testando due nuovi tipi di annunci costruiti con Gemini: formati conversazionali che integrano un AI explainer indipendente per fornire dettagli sul prodotto e aiutare gli utenti a valutare le scelte. A questi si aggiungono i Conversational Discovery ads, i Highlighted Answers e gli Shopping ads potenziati dall’AI, tutti annunciati durante il Google Marketing Live del 20 maggio. L’esperienza promette consigli personalizzati in tempo reale, ma nessun numero di performance è stato condiviso. L’AI explainer, per funzionare in modo affidabile, dovrà attingere a schede prodotto dettagliate e costantemente aggiornate — altrimenti il rischio è di fornire spiegazioni imprecise che minano la fiducia dell’utente. Mentre Microsoft offre un punto di partenza misurabile (l’8% di lift), Google descrive un ecosistema di formati la cui efficacia resta da dimostrare su campagne attive, con il rischio concreto di generare interazioni difficili da attribuire.

L’8% che sposta (o no) il budget

L’incremento dell’8% nelle conversioni incrementali dichiarato da Microsoft è un numero che cattura l’attenzione di ogni media buyer. Tuttavia, la metrica va letta con cautela. Performance Max è un tipo di campagna che distribuisce automaticamente il budget sull’intero inventario Microsoft (Search, Native, Display e altro), e un aumento delle conversioni misurato all’interno della piattaforma potrebbe in parte riflettere un effetto di cannibalizzazione di conversioni che in precedenza venivano attribuite ad altre campagne o canali, inclusi quelli di Google. In un contesto di attribuzione frammentata, quell’8% rischia di essere una fotografia auto-referenziale se non accompagnato da modelli data-driven che isolino l’incrementalità reale cross-piattaforma. Ancora più rischioso è leggerlo come un benchmark garantito: chi gestisce budget sa che un lift apparente su un singolo ecosistema può nascondere uno spostamento di conversioni già esistenti, non un reale incremento del fatturato netto.

La domanda successiva è: cosa rende sostenibile quel delta nel tempo? Non basta attivare Performance Max e aspettare. La qualità del feed prodotto e la capacità di trasferire informazioni aggiornate all’AI sono la leva tattica decisiva. È qui che entra in gioco l’UCP: se i brand non implementano un protocollo che garantisca dati di prodotto accurati e tempestivi, l’AI generativa rischia di produrre esperienze (come il checkout via Copilot) basate su cataloghi obsoleti, vanificando l’incremento. L’8%, quindi, diventa un benchmark raggiungibile solo per chi ha già investito nella pulizia e nella sincronizzazione dei dati, non un effetto automatico della piattaforma.

Protocolli e abitudini: il vero costo nascosto

Dietro ogni promessa di annunci generati dall’AI c’è un feed da manutenere. Il Universal Commerce Protocol di Microsoft e i nuovi formati Shopping di Google costruiti con Gemini condividono la stessa premessa: senza dati prodotto strutturati e aggiornati in tempo reale, l’AI non può funzionare come promesso. Per un advertiser, questo significa ripensare i processi interni. Il team di prodotto deve sincronizzare disponibilità, prezzi e attributi con una frequenza molto più elevata di quanto faccia oggi per i feed standard; i marketer devono adattare i modelli di ottimizzazione a metriche di successo che vanno oltre il CPA (costo per acquisizione) o il ROAS (ritorno sulla spesa pubblicitaria), includendo segnali di engagement conversazionale e di copertura basata su impression. Anche l’AI explainer indipendente di Google richiede attributi di prodotto verificati; se il feed non è curato, l’assistente rischia di spiegare caratteristiche sbagliate, minando la fiducia dell’utente.

Il costo nascosto non è tecnologico ma organizzativo: richiede un allineamento tra reparti che raramente parlano la stessa lingua in tempo reale. Mentre Microsoft offre un protocollo esplicito (UCP) per governare questo flusso, Google propone un cambiamento di formato che presuppone già una maturità di gestione dei dati prodotto. In entrambi i casi, il differenziale competitivo non sarà l’intelligenza artificiale in sé, ma la capacità di collegare dati di prodotto e attribuzione cross-piattaforma senza rompere i modelli di ottimizzazione che oggi garantiscono redditività. Il vero test non è nella closed pilot, ma nell’integrazione quotidiana.