Le AI citano. Se addirittura consolidano la risposta contenuta nel testo, la citazione diventa secondaria. Perché l'affermazione è assoluta. Diventa "gergo" e "verbo"... per fare un esempio "evangelico". Citerebbe mai chi ha scoperto la formula dell'acqua? Oppure ne racconterebbe solo la formula? In questo contesto, quanto pesa oggi capire come leggere le impression?
Con cosa misuro la qualità delle impression?
Premesso che ci sono piattaforme che ne hanno fatto una ragione di vita – e di performance – quando si parla per esempio di conversioni post impression, è opportuno trovare un metodo, una valuta, per poter misurare orizzontalmente il risultato.
Dire che una campagna ha prodotto un risultato perché stimato (come per esempio fa Meta), può causare una visione distorta del dato reale, nel migliore dei casi, "semplicemente" raddoppiando il risultato se sommato tra piattaforme. Spiegandoci meglio... se Meta segna una conversione in post impression (e quindi in assenza di click) perché l'utente ha visualizzato un banner, ma quel click avviene postumo da una campagna Google Ads, sommando i dati ci risulterebbero 2 conversioni, ma il nostro CRM – o DB... o gestionale – ne registrerebbe soltanto una. Pacifico.
L'annoso problema della misurazione cross-canale
Non possiamo farne una religione. Niente di più sbagliato. Il modello di attribuzione contemporaneo è complesso e soprattutto non assoluto. Oggi, le aziende che vincono, sono quelle che determinano un modo per analizzare e un modo per misurare. Come ho specificato in altri contesti, sono quelle che trovano la propria valuta. Il primo elemento di rottura, come avevo scritto qualche articolo fa, è determinare e appurare che il CTR, l'azione cioè che è proverbialmente misurabile, deve diventare proxy in quei contesti nei quali non può più essere KPI. In una query AEO, il CTR non conta. Anzi... data l'impression, il calo del CTR, se la prima aumenta è proxy. Punto.
Interessante proposta è il PNX
Tra le varie metriche empiriche, il PNX, teorizzato in abito accademico, in IULM nel 2024, offre sempre uno spunto interessante. Il PNX analizza infatti le conversioni prendendo in considerazione il loro volume in base a quello delle impression e moltiplicando il dato per il conversion rate. Il dato ottiene ovviamente numeri molto bassi, che poi possono essere normalizzati in due modi:
- moltiplicando per 100
- normalizzando il PNX (anche tramite un aiuto di calcolo relativo, grazie a un chatbot AI per esempio).
La formula del PNX è: (conversioni/impression) x CRate x 100.
Il dato, come detto, sarà molto basso, ma attingendo alla letteratura è anche possibile comprenderlo in modo assolutamente sincero.
Come impostarlo su Google Ads
Non che questa sia la sua unica modalità di utilizzo, ma rende il dato tangibile e capibile. Una delle soluzioni più apprezzate è quella di leggerlo dentro Google Ads. Per farlo è necessario creare una colonna personalizzata da menu modifica colonne. Nome = PNX e poi si configura in colonna conversioni fratto impression, per tasso di conversione x 100. Formato dati percentuale.
Si scoprirà che non tutte le ccampagne hanno un impatto rilevante sull'account. Dove ovviamente le campagne di brand avranno dati eclatanti, le campagne di middle funnel potrebbero riservare numeriche interessanti. Ad altre considerazioni sul dato è necessario arrivare con la letteratura opportuna, come per esempio nell'articolo "indice di persuasione", su questo blog.
Il PNX non è ovviamente l'unica metrica utile. È però un indicatore genuino per evolvere il tradizionale concetto di impression. Negare che le impression oggi debbano e possano avere un ruolo evoluto e determinante nel marketing, sarebbe cecità.
