La Ricerca Zero-Click Ha Rotto la Performance Media. Ecco Cosa La Sostituisce.

Lo stack tradizionale di acquisto della performance media si reggeva su tre presupposti portanti. Tutti e tre sono oggi sotto pressione.

Il search marketing è stato per due decenni il canale di performance più pulito perché intercettava utenti ad alta intenzionalità nel momento esatto dell'intento. La ricerca zero-click rompe il modello alla radice. Quando il 60 percento delle query non genera alcun click sull'open web, la performance media guidata dalla ricerca diventa matematicamente meno efficiente, indipendentemente dalla strategia di offerta o dalla qualità creativa. L'utente che in passato avrebbe cliccato sul sito di un brand per leggere di un prodotto ora trova la risposta nell'AI Overview e non visita mai il sito. L'evento di conversione su cui il brand stava misurando non si verifica, non perché il brand non abbia soddisfatto l'utente, ma perché il suo bisogno informativo è stato soddisfatto senza alcuna visita. Lo studio 2025 del Pew Research sulle AI Overview ha rilevato che il divario nel click-through (8 percento contro 15 percento) non è un'anomalia temporanea: è strutturale, e si allarga sulle query informazionali che in passato alimentavano le strategie di contenuto educativo lato brand.

Il valore del display advertising si è basato sull'attribuzione per click sin dai primi anni 2000. Il modello è sotto pressione da anni a causa della deprecazione dei cookie e dei framework sulla privacy che limitano il tracciamento cross-site, ma la contaminazione da bot è un problema distinto e di cui si parla troppo poco. La misurazione pubblicitaria privacy-preserving cambia il modo in cui attribuiamo le conversioni; il traffico bot cambia se le impression e i click a cui stiamo attribuendo siano effettivamente umani. Quando il 15-25 percento delle impression su un publisher premium è generato da bot, il modello di attribuzione per click produce risultati tecnicamente difendibili ma sostanzialmente sbagliati.

La suite tradizionale di KPI di metà funnel (sessioni, pageview, tempo sul sito, tasso di conversione, costo per click, costo per visita) è stata progettata per un mondo in cui il click era il punto d'ingresso all'engagement. Quando la zero-click è il comportamento dominante nelle SERP e il traffico bot contamina le visite che effettivamente si verificano, ogni KPI basato sul traffico diventa più rumoroso. Il costo per click diventa costo per click in parte generato da bot. Il tasso di conversione diventa un tasso di conversione calcolato su una base di visitatori in parte sintetica. I team lato brand che confrontano le metriche di quest'anno con quelle dell'anno scorso le stanno confrontando con una baseline che stava già degradando. La misurazione non restituisce un quadro onesto di ciò che sta funzionando.

La dimensione della contaminazione da bot in questo cambiamento è quella di cui si parla meno, e probabilmente la più costosa. Abbiamo lavorato di recente con un importante fondo di private equity il cui programma di paid media era concentrato su publisher blue-chip premium del settore financial services (il tipo di inventory storicamente considerato l'ambiente più sicuro e verificato per il lavoro B2B dei brand finanziari). Il nostro audit di misurazione ha rivelato che fino al 25 percento delle impression a pagamento su quella inventory era attribuibile a traffico bot e non a lettori umani. Il 25 percento della spesa a pagamento finiva su una visibilità fantasma.

Il lavoro di ottimizzazione che ne è seguito ha utilizzato i segnali di uno strato di misurazione per il bot-detection per affinare il mix di inventory in tre fasi. Primo, abbiamo mappato la contaminazione da bot a livello di publisher e placement, così il team lato brand ha ottenuto visibilità su quali ambienti premium performavano come promesso e quali no. Secondo, abbiamo ridirezionato la spesa a pagamento lontano dai placement a più alta contaminazione, verso un sottoinsieme di inventory verificata e a minore contaminazione. Terzo, abbiamo ridefinito la baseline di misurazione della campagna su un indicatore anticipatore che sappiamo correlare con risultati di business positivi per questo cliente: il tempo speso sulla pagina tra lettori umani verificati, non le sessioni aggregate o i tassi di click-through.

Il risultato è stato un miglioramento significativo del tempo speso sulla pagina lungo tutto il piano media ottimizzato, e una narrativa di misurazione difendibile che il team lato brand ha potuto portare al proprio CFO. La stessa percentuale di budget media ha prodotto più attenzione umana verificata. L'inventory in sé non era di qualità inferiore a livello di testata; il problema della contaminazione si trovava in uno strato sottostante alla testata, nell'infrastruttura ad-tech che erogava le impression. I team lato brand privi di visibilità su quello strato stanno pagando per un'inventory che performa in modo diverso da quanto descritto nel loro piano.

La lezione strutturale: l'inventory blue-chip premium non è più un proxy di brand safety per l'inventory verificata come umana. I due concetti sono divergenti. Trattarli come equivalenti è un errore misurabile e reversibile.

Se lo stack di performance basato sul click è compromesso, cosa lo sostituisce? Criterion Global ha integrato nella propria pratica tre nuove capacità in risposta a questo cambiamento, e oggi le offre tutte e tre ai clienti esistenti e nuovi come parte standard dell'incarico di performance media.

La pubblicità su ChatGPT è la prima grande opportunità di placement a pagamento all'interno degli answer engine basati su AI che hanno assorbito il traffico di ricerca. Il formato è strutturalmente diverso dai risultati di ricerca sponsorizzati: invece di acquistare un placement legato a una query, il brand acquista un placement all'interno della risposta conversazionale che l'utente riceve. La presenza del brand è più contestuale, le metriche di visibilità sono diverse (impression all'interno di un contesto conversazionale, non posizioni above-the-fold), e il workflow lato buyer è più vicino a un acquisto managed-service che a un'asta self-serve. Stiamo già collocando inventory ChatGPT per i nostri clienti, trattandola come il canale naturale successore del budget di search che non genera più volumi di click-through su Google. L'argomento a favore dei ChatGPT ads non è che siano più economici o più efficienti del paid search tradizionale a livello di singola impression; è che mettono la presenza del brand davanti all'utente nel momento del consumo dell'informazione, nel canale che sta assorbendo le query che un tempo generavano click.

L'AEO è la disciplina strutturale e di contenuto dedicata all'ottimizzazione per gli answer engine basati su AI (ChatGPT, Perplexity, le AI Overview di Google, Claude), non solo per i motori di ricerca tradizionali. L'AEO non è la SEO con un acronimo rimarchiato. Richiede un'architettura di contenuto diversa (formati domanda-risposta, dati strutturati, contenuti progettati come fonte di verità, linguaggio di qualità citabile), un approccio di misurazione diverso (quota di citazione all'interno degli answer engine, non posizione di ranking sulle SERP tradizionali), e un rapporto diverso con il calendario editoriale (gli answer engine aggiornano i propri dati di training e i propri indici con cicli diversi da quelli di Google). Per i team lato brand il cui contenuto organico era in precedenza un canale di acquisizione top-of-funnel, l'AEO è oggi la disciplina equivalente. Abbiamo integrato l'AEO nei nostri incarichi di contenuto accanto alla SEO tradizionale, trattando le due discipline come complementari e non sostitutive. I brand che nel 2027 verranno citati all'interno degli answer engine AI sono quelli che oggi pubblicano contenuti di qualità citabile, con una struttura corretta.

La terza capacità è uno strato di misurazione progettato specificamente per rilevare la contaminazione da bot nell'inventory a pagamento e fornire al team lato brand il segnale di cui ha bisogno per ottimizzare di conseguenza. Il case study descritto sopra è un esempio rappresentativo di questo lavoro. La suite di misurazione opera a livello di impression, attribuisce la contaminazione a livello di publisher e placement, e produce un segnale di affinamento su cui il team lato brand può agire. Lo scopo della suite non è rifiutare ogni inventory imperfetta; è rendere visibile la contaminazione, così che il team possa prendere decisioni economicamente razionali su quale inventory mantenere, quale affinare e quale eliminare. Man mano che il traffico bot continua a crescere come quota delle impression ad-tech totali (le stime di settore collocano il traffico non valido nell'intero ecosistema programmatico open ben oltre il 20 percento in alcune categorie), questo strato di misurazione diventa un requisito di base, non un add-on premium.

La suite di KPI sostitutiva per i team lato brand che operano nell'ambiente post-click è sostanzialmente diversa dallo stack legacy. Il framework qui sotto è quello che utilizziamo con i clienti quando ristrutturiamo la misurazione dopo il lavoro di audit.

Due framework complementari supportano lo stack sostitutivo. Il primo è uno strato di misurazione della brand equity che opera su un orizzonte temporale più lungo rispetto ai dati di click attribuibili a campagna; abbiamo scritto separatamente sul perché gli studi di brand lift non sostituiscono un monitoraggio continuo della brand equity, e la stessa logica si applica qui. Il secondo è un framework di indicatori anticipatori: il tempo sulla pagina tra utenti umani verificati, la profondità di scroll, l'engagement sui contenuti e il comportamento post-visualizzazione offrono insieme una lettura più affidabile di quanto stia funzionando il media a pagamento rispetto alle metriche basate sul click, e sono meno soggetti alla contaminazione da bot a monte.

Tre azioni sono appropriate per qualsiasi brand che gestisce paid media in modo significativo nel 2026, indipendentemente dal fatto che il brand si affidi a Criterion Global o a un altro partner per questo lavoro.

Verificare il presupposto che il click equivalga all'engagement. Estrarre un campione di placement a pagamento dell'ultimo trimestre, applicare uno strato di bot-detection ai dati di impression e click, e quantificare quanta parte dell'engagement riportato fosse generata da macchine. Il numero è di solito più alto di quanto i team lato brand si aspettino, e il divario tra ciò che è stato riportato e ciò che era reale è la dimensione dell'opportunità di ottimizzazione.

Ridefinire la baseline della dashboard KPI sulla realtà post-click. Sostituire il tasso di click-through come metrica di successo primaria con una metrica di engagement umano verificato. Sostituire il costo per click con il costo per engagement umano verificato, o il costo per impression di citazione AI quando il canale è un answer engine. Sostituire il ranking di ricerca organica come metrica di visibilità primaria con la quota di citazione negli answer engine AI per le query informazionali.

Riallocare il budget di test verso i nuovi pilastri. Un brand che gestisce un piano annuale di paid media nel 2026 dovrebbe allocare tra il 5 e il 15 percento del budget di test alla pubblicità su ChatGPT, all'investimento in contenuti AEO e all'infrastruttura di misurazione per il bot-monitoring. L'allocazione non deve essere enorme per produrre un apprendimento utile. Deve però iniziare ora, perché gli answer engine, la disciplina AEO e gli ecosistemi di bot-detection stanno maturando abbastanza rapidamente da far sì che i brand che aspettano la stabilità competano già in svantaggio.

Lo stack di performance media su cui si è formata la maggior parte dei team lato brand presupponeva un mondo in cui Google era il punto d'ingresso dominante, i click generavano traffico, e il traffico era affidabilmente umano. Quel mondo non esiste più. La ricerca zero-click ha raggiunto circa il 60 percento di tutte le query su Google e l'83 percento delle query con AI Overview. La contaminazione da bot sull'inventory premium raggiunge regolarmente l'intervallo del 15-25 percento documentato nel case study sopra riportato. Il modello di attribuzione basato sul click, che lega la spesa a pagamento al fatturato, non può più essere difeso onestamente rispetto a nessuna delle due dinamiche.

La sostituzione non è un singolo prodotto o un singolo cambio di rotta. È uno stack di performance media ridefinito che include il placement a pagamento all'interno degli answer engine AI che hanno assorbito le query (ChatGPT ads), una disciplina di contenuto strutturale pensata per gli engine stessi (AEO), un'infrastruttura di misurazione che distingue l'inventory umana verificata da quella contaminata, e un framework di indicatori anticipatori ancorato al tempo sulla pagina, alla qualità dell'attenzione e alla brand equity longitudinale, anziché ai KPI basati sul click. Criterion Global ha integrato ciascuno di questi elementi nella propria pratica e oggi li offre come parte standard dell'incarico di pianificazione e acquisto media internazionale.

La tesi non è che il paid search sia morto, che il display sia morto, o che i KPI legacy siano inutili. La tesi è che i team lato brand che operano esclusivamente sullo stack legacy stanno pagando per una performance che non riescono a vedere fino in fondo. Il nuovo stack non promette di far funzionare ogni campagna. Promette di dare al team un quadro onesto di quali campagne stanno funzionando, verso utenti umani verificati, nei canali dove oggi vive realmente l'attenzione degli utenti.

I brand che saranno visibili negli answer engine AI nel 2027 sono quelli che pubblicano per quegli engine già oggi. I brand che spenderanno in modo efficiente sull'inventory premium sono quelli che oggi misurano la contaminazione da bot su quella inventory. I brand che difenderanno il proprio budget di performance media davanti al CFO nel 2028 sono quelli le cui dashboard KPI corrispondono già alla realtà post-click. Nulla di tutto questo richiede di aspettare che il settore si stabilizzi. Richiede di accettare che lo stack legacy non tornerà.

Per approfondire altre prospettive di CG affini a questo cluster, consulta le nostre analisi su gli studi di brand lift in un mondo post-AI, il caso a favore degli accordi programmatic direct, e le nostre guide su la metodologia di brand lift, l'attribuzione di marketing e la teoria della brand equity secondo i modelli di Aaker e Keller.