Le 4 domande che bisogna porsi
Analizzare un account Google Ads non significa aprire la dashboard, controllare il ROAS e decidere se aumentare il budget. Significa rispondere a quattro domande che la piattaforma non ti fa mai esplicitamente: la struttura è logica o improvvisata? Il traffico intercettato è coerente con gli obiettivi di business? Il sistema è economicamente sostenibile? Esiste un vantaggio competitivo reale o si sta comprando visibilità a margini decrescenti?
Un’analisi strutturata su questi assi richiede normalmente ore — di esportazione dati, clustering manuale, revisione semantica, modellazione scenari. L’AI comprime questa parte del lavoro a 20-25 minuti. I rimanenti 5-10 minuti restano umani, per ragioni che spiegherò alla fine.
Ecco il metodo.
LE FASI:
1 — Analisi strutturale (5 minuti)
Prima delle performance, la struttura. Un account mal costruito produce dati che non si possono interpretare correttamente, perché mescola intent diversi, obiettivi incompatibili e segnali di conversione ambigui. Ottimizzare un account strutturalmente sbagliato è come calibrare gli strumenti di un aereo mal assemblato.
Le variabili da verificare in questa fase sono quattro: la suddivisione delle campagne per intent (brand vs non-brand, awareness vs conversion), la coerenza tra obiettivo di campagna e strategia di bidding scelta, la presenza di una segmentazione logica a livello di gruppo di annunci, e la corretta configurazione delle conversioni primarie e secondarie.
Come usare l’AI in questa fase. Esporta la struttura dell’account — nomi campagne, gruppi di annunci, obiettivi, strategie di bidding — in formato CSV o testo strutturato e caricala su ChatGPT-4o o Claude. Usa questo prompt:
“Analizza questa struttura di account Google Ads. Identifica eventuali incoerenze logiche tra obiettivi dichiarati e strategie di bidding, segnala campagne che sembrano sovrapporsi per intent, e indica i tre problemi strutturali prioritari da risolvere prima di ottimizzare le performance.”
L’output ti darà in 60 secondi una mappa delle criticità strutturali che a occhio nudo richiederebbero una revisione di 30-40 minuti. Non è un’analisi definitiva — è un punto di partenza qualificato.
Obiettivo della fase: stabilire se l’account è stato progettato con una logica o costruito per accumulo nel tempo.
2 — Analisi intent e query (7 minuti)
Questa è la fase in cui l’AI esprime il suo vantaggio più netto, perché l’analisi semantica su larga scala è esattamente il tipo di lavoro cognitivamente costoso e ripetitivo in cui i modelli linguistici battono strutturalmente il cervello umano.
Esporta il search terms report degli ultimi 30-90 giorni — idealmente con colonne per query, impressioni, click, costo, conversioni — e caricalo su Claude o ChatGPT. Il prompt da usare:
“Analizza questo search terms report. Clusterizza le query per intent in tre categorie: informazionale, navigazionale, transazionale. Per ciascun cluster, calcola la percentuale di budget allocata e il tasso di conversione medio. Identifica le query che stanno assorbendo budget senza generare conversioni e le query transazionali ad alto potenziale che ricevono traffico insufficiente.”
Il risultato pratico è una mappa di dispersione del budget: vedrai immediatamente dove il sistema sta comprando traffico non qualificato e dove esistono opportunità non sfruttate. Su account di medie dimensioni con 5.000-10.000 query attive, questo processo manuale richiederebbe ore. Con l’AI richiede minuti.
Un’avvertenza importante: l’AI può clusterizzare con alta precisione semantica, ma non conosce il contesto di business. Una query che appare “informazionale” per un modello linguistico può essere altamente transazionale nel contesto specifico del tuo settore. Il clustering va validato con la conoscenza del mercato.
Obiettivo della fase: verificare se il traffico intercettato è coerente con gli obiettivi di business e identificare dove il budget si disperde senza generare valore.
3 — Analisi economica (7 minuti)
Questa è la fase più critica, ed è quella in cui la maggior parte delle analisi si ferma troppo presto. Guardare CPA e ROAS non è analisi economica — è lettura di superficie. L’analisi economica reale risponde a una domanda sola: il sistema è sostenibile se lo scalo?
Esporta i dati di performance per campagna — spesa, conversioni, valore conversioni, CPA, ROAS — e costruisci una tabella con una colonna aggiuntiva: il margine lordo medio per categoria di prodotto o servizio. Questo dato non viene da Google Ads — viene dal tuo CRM o dal tuo sistema contabile. È il dato che trasforma un’analisi media in un’analisi utile.
Con questa tabella caricata su Gemini Advanced o ChatGPT, usa questo prompt:
“Basandoti su questi dati di performance e sui margini lordi indicati, calcola il contribution margin reale per campagna. Identifica le campagne con ROAS positivo ma contribution margin negativo o insufficiente. Simula tre scenari: incremento budget del 20%, del 50%, del 100% sulle campagne con il miglior rapporto contribution margin/spesa. Indica la soglia di break-even per ciascuno scenario.”
Il risultato è una simulazione di scalabilità che trasforma la domanda “questa campagna funziona?” nella domanda corretta: “questa campagna può crescere mantenendo la sostenibilità economica, e a quali condizioni?”
Obiettivo della fase: determinare non solo se il sistema converte, ma se può scalare — e fino a dove.
Fase 4 — Analisi distribuzione budget (5 minuti)
Gli account pubblicitari tendono nel tempo a sviluppare squilibri di budget che non riflettono più le priorità strategiche: campagne brand sovra-finanziate che cannibalizzano traffico organico, campagne di performance sotto-finanziate rispetto al loro potenziale, eccessiva concentrazione su segmenti di pubblico ad alto costo e basso LTV.
Esporta la distribuzione di budget per campagna, tipo di campagna e segmento di pubblico. Carica il file e usa questo prompt:
“Analizza questa distribuzione di budget. Identifica: 1) campagne brand che potrebbero avere budget ridotto senza impatto significativo sulle conversioni totali, 2) campagne non-brand con CPA efficiente che ricevono budget sproporzionatamente basso, 3) segmenti di pubblico che assorbono budget elevato con LTV stimato basso. Proponi una redistribuzione teorica che massimizzi il contribution margin complessivo.”
L’AI non ha accesso ai tuoi dati storici di LTV e retention — dovrai fornire queste stime nel prompt o nella tabella allegata. La qualità dell’output è direttamente proporzionale alla qualità del contesto che fornisci.
Obiettivo della fase: identificare dove il budget crea vantaggio competitivo reale e dove viene semplicemente speso.
5 — Sintesi strategica (6-10 minuti)
Questa è la fase che l’AI non può svolgere al posto tuo. E capire perché è importante tanto quanto sapere usare gli strumenti delle fasi precedenti.
Le fasi 1-4 producono dati elaborati, pattern identificati, anomalie segnalate. Ma la sintesi strategica richiede qualcosa che nessun modello linguistico possiede strutturalmente: la comprensione del contesto competitivo specifico, la lettura del momento aziendale, la capacità di pesare variabili qualitative che non compaiono in nessun export.
Le tre domande a cui devi rispondere in questa fase:
-
L’account è progettato per crescere o solo per mantenersi? Un account in modalità di mantenimento ottimizza verso l’efficienza — CPA stabile, ROAS difensivo, budget fisso. Un account progettato per crescere ha una logica di espansione: nuovi segmenti di intent, test sistematici su audience lookalike, campagne di upper funnel che alimentano il lower. La differenza non è nella performance attuale — è nell’architettura.
-
Il traffico è coerente con la marginalità del business? Questa domanda integra i dati delle fasi 2 e 3: non solo se le query sono transazionali, ma se i prodotti che vengono venduti attraverso queste query generano il contribution margin necessario a sostenere il modello di acquisizione.
-
Esiste un vantaggio competitivo strutturale? Un ROAS solido in un mercato con CPC in crescita costante non è un vantaggio — è una posizione difensiva che erode nel tempo. Il vantaggio strutturale si costruisce su tre assi: first-party data più ricco dei competitor, modello di LTV più lungo che giustifica CAC più elevati, o struttura di costo che permette di competere su segmenti che altri non possono sostenere economicamente.
L’AI può aiutarti a formulare queste domande più chiaramente. Non può risponderti.
Il metodo descritto non è una scorciatoia — è una riorganizzazione del lavoro. Le fasi 1-4 delegano all’AI il lavoro ad alto volume e bassa complessità interpretativa: clustering semantico, identificazione anomalie, simulazione scenari. La fase 5 concentra il lavoro umano dove ha il massimo rendimento: la sintesi strategica che trasforma i dati in decisioni.
Il rischio opposto — quello che vediamo più frequentemente — è delegare anche la fase 5 all’AI, chiedendo al modello “qual è la strategia migliore per questo account?” e accettando l’output come risposta. L’AI risponderà in modo plausibile. Ma plausibile non è sinonimo di corretto nel contesto specifico del tuo business.
In un ambiente pubblicitario sempre più automatizzato, in cui le piattaforme gestiscono autonomamente bidding, targeting e ottimizzazione delle creatività, il valore del marketer non sta nell’esecuzione. Sta nella capacità di leggere il sistema, fare le domande giuste, e prendere le decisioni che l’algoritmo non può prendere perché non conosce il business abbastanza in profondità.
L’AI comprime il tempo dell’analisi. La strategia resta umana — e per questo rimane il vero vantaggio competitivo.
Vuoi saperne di più? Sentiamoci
SunLight Marketing SRL
Piazza Vittorio Alfieri 61, 14100 Asti (AT)
Partita Iva: 01662800059
Telefono: +393933909206
info@sunlightmarketing.it