Perché il Last-Click Attribution Ti Sta Mentendo
La maggior parte degli ecommerce italiani decide dove allocare il budget ads guardando un numero: il ROAS last-click. Un modello di attribuzione che assegna il 100% del merito all'ultimo touchpoint prima dell'acquisto.
Tradotto: se un cliente vede la tua ad su Instagram tre volte, clicca su un post organico, legge una email, e poi compra cercando il tuo brand su Google — tutto il merito va a Google.
Il risultato? Sovrastimi sistematicamente Google Search e sottostimi Meta Ads. Poi tagli il budget Meta perché "il ROAS è basso", la domanda cala, e dopo 30 giorni anche Google crolla. E a quel punto non capisci perché.
Se stai tagliando il budget Meta perché il ROAS last-click è basso, stai probabilmente distruggendo la domanda che alimenta tutti gli altri canali. Prima di ridurre, misura l'incrementalità reale.
Questo modello di attribuzione marketing aveva senso nel 2015, quando i customer journey erano lineari e i cookie di terze parti funzionavano. Nel 2026, con percorsi d'acquisto che attraversano 7-12 touchpoint su dispositivi diversi, il last-click è come giudicare un film guardando solo l'ultimo minuto.
Il problema non è solo tecnico. È strategico. Ogni decisione di budget basata su dati di attribuzione sbagliati ti costa margine. E nel performance marketing per ecommerce, il margine è tutto.
Come Funziona Davvero il Customer Journey nel 2026
Il percorso d'acquisto del tuo cliente non è un funnel lineare. È un labirinto.
La Realtà del Customer Journey
Nella nostra esperienza con ecommerce italiani, un acquisto medio coinvolge almeno 7 interazioni: una ad su Instagram (view, nessun click), una ricerca su Google, un click su una newsletter, un'altra ad su Facebook (questa volta click), un abbandono carrello, una email di recupero, e infine l'acquisto diretto.
Il last-click vede solo l'ultimo passaggio. Ma è la prima ad su Instagram che ha generato l'awareness. Senza di lei, il cliente non avrebbe mai cercato il tuo brand.
A questo aggiungi due fenomeni che rendono il tracking tradizionale ancora più cieco:
- Cross-device: il tuo cliente vede l'ad sul telefono a pranzo, ci pensa, e compra dal laptop la sera. Due dispositivi, due sessioni. Per il last-click, sono due utenti diversi
- Dark social: il tuo cliente vede un prodotto su Instagram, manda lo screenshot su WhatsApp a un amico, l'amico digita il tuo URL direttamente nel browser. Per il tracking, è "traffico diretto". In realtà, è una conversione generata da Meta Ads
Questi non sono casi limite. Sono la norma. E il motivo per cui i modelli di attribuzione marketing tradizionali non funzionano più.
I 4 Modelli di Attribuzione Marketing a Confronto
Non tutti i modelli di attribuzione sono uguali. Alcuni sono semplici ma imprecisi, altri sofisticati ma costosi. Ecco una panoramica dei quattro approcci principali.
| Modello | Come funziona | Pro | Contro | Per chi |
|---|---|---|---|---|
| Last-Click | 100% credito all'ultimo touchpoint | Semplice, immediato | Ignora il 90% del journey | Nessuno (obsoleto) |
| Multi-Touch Rules | Credito distribuito con regole fisse | Più equilibrato del last-click | Regole arbitrarie, non data-driven | Ecommerce in transizione |
| Data-Driven (GA4) | Machine learning su pattern reali | Basato su dati reali, gratis | Richiede volume (300-600 conv/mese), Google-centrico | Ecommerce con volume sufficiente |
| Marketing Mix Modeling | Analisi statistica su dati aggregati | Privacy-proof, visione olistica | Costoso, richiede storico, granularità limitata | Ecommerce >1M spesa ads/anno |
Last-Click e Multi-Touch Rules-Based
Il last-click lo abbiamo già smontato. I modelli multi-touch rules-based (lineare, time-decay, position-based) sono un passo avanti, ma hanno un difetto fondamentale: le regole sono arbitrarie.
Chi ha deciso che il primo e l'ultimo touchpoint meritano il 40% ciascuno nel modello position-based? Non i tuoi dati. Questi modelli sono meglio del last-click, ma restano una semplificazione. Se il tuo ecommerce genera abbastanza conversioni, puoi fare di meglio.
Data-Driven Attribution (GA4)
Google Analytics 4 offre un modello data-driven che usa machine learning per analizzare i percorsi di conversione reali e assegnare credito proporzionale al contributo effettivo di ogni touchpoint.
È gratuito, integrato in GA4, e decisamente superiore ai modelli rules-based. Ma ha due limiti importanti:
- Richiede volume: serve un minimo di 300-600 conversioni al mese per funzionare bene. Sotto questa soglia, il modello non ha abbastanza dati per essere affidabile
- È Google-centrico: vede bene ciò che succede nell'ecosistema Google, ma ha visibilità limitata su Meta, TikTok e altri canali. Tende a sovrastimare i touchpoint Google
Nonostante i limiti, i modelli attribuzione Google Analytics data-driven sono il punto di partenza consigliato per qualsiasi ecommerce che vuole andare oltre il last-click. È gratuito, già nel tuo stack, e comunque molto più accurato del last-click.
Marketing Mix Modeling (MMM)
Il Marketing Mix Modeling è un approccio statistico che analizza dati aggregati — spesa per canale, revenue, stagionalità, promozioni, fattori esterni — per stimare il contributo di ciascun canale alla crescita complessiva.
Il vantaggio? È completamente privacy-proof (non dipende da cookie o pixel), include canali offline e dà una visione olistica. Lo svantaggio? Richiede almeno 2 anni di dati storici, ha granularità limitata, e implementarlo correttamente costa. Ha senso per ecommerce con più di 1M di spesa ads annua. Per la maggior parte degli ecommerce italiani, è overkill — almeno per ora.
Incrementality Testing: L'Unico Modo per Sapere Cosa Funziona Davvero
Ecco la verità scomoda: tutti i modelli di attribuzione, anche i più sofisticati, rispondono alla domanda sbagliata. Ti dicono quali touchpoint hanno partecipato alla conversione. Ma non ti dicono se la conversione sarebbe avvenuta comunque.
L'incrementality test risponde esattamente a questa domanda. Il concetto è semplice: prendi un gruppo di utenti, mostra l'ad a metà (test group) e non mostrarla all'altra metà (holdout group). Confronta i tassi di conversione. La differenza è l'incrementalità reale.
- Meta Ads mostra ROAS 2.8x → riduci il budget
- Google Search mostra ROAS 8x → aumenti il budget
- Dopo 60 giorni il fatturato totale cala del 15%
- Non capisci perché
- Incrementality test rivela che Meta genera il 35% delle conversioni incrementali
- Google Brand cattura domanda già creata da Meta
- Riallocazione budget con dati reali
- Fatturato stabile + margine in crescita
Meta offre già strumenti nativi per questo: i Conversion Lift Studies. Ma puoi anche implementare test più semplici:
- Geo-lift test: spegni le ads in una regione per 2-4 settimane e confronta le vendite con una regione di controllo
- Budget on/off test: aumenta o riduci il budget del 50% su un canale e misura l'impatto sulle vendite totali (non solo quelle attribuite)
- Holdout test: escludi un segmento di audience dalle ads e confronta il comportamento d'acquisto
Nella nostra esperienza, il primo incrementality test rivela quasi sempre una sorpresa: canali che sembravano performare poco in realtà generano molta domanda incrementale, e viceversa.
L'attribuzione ti dice chi ha toccato la palla. L'incrementality test ti dice chi ha fatto il gol.
La tua attribuzione ti sta dando numeri sbagliati?
Analizziamo il tuo setup di misurazione in una call gratuita di 30 minuti.
Il Framework Clicks + Deterministic Views (C+DV)
Se l'incrementality testing è il gold standard ma richiede tempo e volume, esiste un framework operativo che puoi applicare da subito per avere una visione più accurata: il Clicks + Deterministic Views (C+DV).
L'idea è semplice: non fidarti solo dei click. Aggiungi le view deterministiche — persone che hanno visto la tua ad e poi hanno comprato entro una finestra definita, anche senza cliccare.
Perché? Perché il click è un comportamento in declino. Su Meta, i benchmark di settore indicano che meno del 5% degli utenti che vedono un'ad ci clicca sopra. Ma una percentuale molto più alta la vede, la registra, e agisce dopo — cercando il brand su Google, visitando il sito direttamente, o rispondendo a una email.
Il framework C+DV funziona così:
- Traccia i click con parametri UTM su ogni ad e ogni canale — questo lo fai già (o dovresti)
- Attiva la Conversions API su Meta per catturare le conversioni server-side, bypassando i limiti dei cookie browser. Abbiamo una guida completa sulla Conversions API
- Definisci una finestra di view-through ragionevole: 1 giorno per acquisti impulsivi (fashion, beauty), 7 giorni per acquisti considerati (tech, arredo)
- Deduplica: se un utente ha cliccato E visto l'ad, conta solo il click. La view deterministica si aggiunge solo quando non c'è stato click
- Confronta: il ROAS C+DV sarà diverso dal ROAS last-click. Di solito Meta sale e Google Brand scende. Questa è la realtà più vicina alla verità
Il framework C+DV non sostituisce l'incrementality testing, ma ti dà una visione operativa molto più accurata del last-click, implementabile in pochi giorni.
Il risultato? Una mappa molto più onesta di dove il tuo budget sta lavorando. E soprattutto, smetti di punire Meta per un "ROAS basso" che in realtà è un problema di misurazione, non di performance. Per approfondire, leggi la nostra guida su come migliorare il ROAS delle Facebook Ads con un approccio basato sui dati reali.
Come Implementare una Misurazione Affidabile (Senza Budget Enterprise)
Tutto quello che abbiamo visto finora può sembrare complesso. Ma la buona notizia è che non servono tool da 50k/anno o team di data scientist. Un ecommerce con fatturato tra 200k e 2M può implementare un sistema di marketing attribution affidabile con strumenti quasi tutti gratuiti.
Step 1-2: GA4 Data-Driven + Conversions API
Il primo passo è configurare correttamente ciò che già hai:
- GA4 Data-Driven Attribution: assicurati che sia attivo (lo è di default per le nuove proprietà). Verifica che tutti i canali siano taggati correttamente con UTM consistenti
- Meta Conversions API: se non l'hai ancora implementata, fallo ora. È la base per qualsiasi misurazione accurata su Meta. Riduce la perdita di dati dal 30-40% al 5-10%. La nostra guida alla Conversions API ti spiega come
Step 3: Il MER Come North Star Metric
Il MER (Marketing Efficiency Ratio) è la metrica che ti salva dalla confusione dell'attribuzione. La formula è semplice: MER = Revenue totale / Spesa marketing totale.
Non attribuisce nulla a nessun canale. Misura l'efficienza complessiva del tuo sistema di marketing. Se il MER scende quando tagli un canale, quel canale stava contribuendo — indipendentemente da cosa dice il last-click.
Step 4-5: Primo Incrementality Test e Triangolazione
Quando hai almeno 2-3 mesi di dati stabili con GA4 data-driven e C+DV, sei pronto per il tuo primo incrementality test:
- Scegli il canale su cui hai più dubbi (di solito Meta prospecting)
- Implementa un geo-lift test: spegni le ads in 1-2 regioni per 3 settimane
- Confronta le vendite totali (non solo quelle attribuite) tra regioni test e controllo
- Il delta ti dice l'incrementalità reale di quel canale
Infine, triangola: confronta i dati di GA4 data-driven, del C+DV framework e dell'incrementality test. Se tutti e tre concordano sulla direzione, hai un segnale forte. Se discordano, approfondisci.
Checklist: Setup Attribuzione per Ecommerce
- Verificare che GA4 data-driven attribution sia attivo e configurato
- Implementare parametri UTM consistenti su tutti i canali ads
- Attivare la Meta Conversions API (server-side tracking)
- Creare una dashboard MER settimanale (revenue totale / spesa totale)
- Definire finestre di view-through per il framework C+DV
- Pianificare il primo incrementality test (geo-lift) entro 90 giorni
Vuoi implementare un sistema di attribuzione che funziona?
Ti aiutiamo a configurare GA4, Conversions API e il tuo primo incrementality test.
Gli Errori di Attribuzione Più Comuni (e Come Evitarli)
Nella nostra esperienza con decine di ecommerce italiani, questi sono gli errori che vediamo ripetersi:
- Tagliare il budget del canale con ROAS last-click più basso. Quasi sempre Meta. Il problema: Meta genera domanda top-of-funnel che alimenta tutti gli altri canali. Tagliarlo sembra migliorare il ROAS medio, ma il fatturato totale crolla 30-60 giorni dopo. Per approfondire, leggi il nostro confronto tra Facebook Ads e Google Ads per ecommerce
- Ignorare le view-through conversions. Su Meta, la stragrande maggioranza degli utenti che converte dopo aver visto un'ad non clicca mai sull'ad. Escludere le view-through è come giudicare una campagna TV contando solo chi chiama il numero sullo schermo
- Non deduplicare le conversioni cross-piattaforma. Meta dice 100 conversioni, Google dice 80, Klaviyo dice 60. Il totale reale? Probabilmente 120, non 240. Ogni piattaforma conta le "sue" conversioni, e molte sono le stesse persone
- Usare finestre di attribuzione diverse per canali diversi. Se confronti Meta con finestra a 7 giorni click / 1 giorno view con Google a 30 giorni click, stai confrontando mele con arance. Standardizza le finestre
- Non testare mai l'incrementalità. Il più grave di tutti. Senza un incrementality test, stai ottimizzando nell'oscurità
Il costo di un errore di attribuzione non è teorico. Un ecommerce che taglia il 30% del budget Meta basandosi sul last-click rischia di perdere il 15-20% del fatturato totale nei 60 giorni successivi. E il danno si manifesta lentamente, rendendo difficile collegare causa ed effetto.
Da Dove Iniziare: La Tua Roadmap di Attribuzione
Non devi implementare tutto domani. Ecco una roadmap realistica in 3 fasi:
- Fase 1 — Settimana 1-2: Audit e fondamenta. Verifica il setup attuale di GA4. Assicurati che l'attribuzione data-driven sia attiva. Controlla che tutti i canali siano taggati con UTM consistenti. Se non l'hai fatto, implementa la Conversions API su Meta
- Fase 2 — Mese 1-2: Framework operativo. Implementa il framework C+DV. Crea la dashboard MER settimanale. Inizia a confrontare i dati last-click con i dati C+DV. Identifica le discrepanze più grandi — quelle sono le decisioni di budget più a rischio
- Fase 3 — Mese 3+: Validazione. Lancia il tuo primo geo-lift test sul canale con la discrepanza più grande. Triangola i risultati con GA4 data-driven e C+DV. Usa i dati per riallocare il budget con fiducia
Il Customer Lifetime Value è una metrica fondamentale in questo processo: un'attribuzione corretta ti permette di capire quali canali portano i clienti con CLV più alto, non solo quelli che convertono al primo ordine.
Se hai 5+ canali attivi e una spesa ads superiore a 5.000 euro/mese, la complessità dell'attribuzione diventa difficile da gestire internamente. In quel caso, un partner specializzato in performance marketing per ecommerce può aiutarti a implementare questi framework e interpretare i dati correttamente.
L'attribuzione marketing non è un esercizio accademico. È il sistema nervoso del tuo ecommerce: ti dice cosa funziona, cosa no, e dove mettere il prossimo euro. Assicurati che ti stia dicendo la verità.
