Marketing "black box"

È uno scenario che attualmente viene ripetuto in quasi tutti i keynote dedicati alle piattaforme: il customer journey sarebbe diventato «prevedibilmente imprevedibile», un intreccio caotico di ricerche, video, short e consigli che nessun team di marketing è più in grado di gestire manualmente. Ecco perché serve l’intelligenza artificiale, che riunisca tutto in un unico insieme: in modo automatizzato, basato sui dati e scalabile. La presentazione di Google all’OMR è solo una variante di un modello che si ritrova in forma quasi identica anche su Meta e TikTok. Google aggrega l’intenzione. Meta il grafico sociale. TikTok la cultura. E tutti e tre lo fanno in un sistema che contemporaneamente gestisce e misura il proprio successo. Persino ai Cannes Lions 2026, il termine «Black Box» è diventato improvvisamente oggetto di dibattito: i primi fornitori si sono posizionati esplicitamente come alternativa «Glass-Box» alla mancanza di trasparenza delle grandi piattaforme. Per il modello che sta dietro a tutto questo, propongo un termine specifico: Black-Box-Marketing.

Tre «novità», un modello

Con «Performance Max», l’algoritmo di Google distribuisce il budget tra Ricerca, YouTube, Shopping e Display, senza che l’inserzionista possa capire in base a quali criteri o su quali elementi specifici avvenga l’ottimizzazione. Su Meta, a partire da dicembre 2025, «Advantage+» non sarà più un’opzione, ma l’impostazione predefinita per le nuove campagne; già nel 2025 Mark Zuckerberg descrisse questa visione come una ridefinizione della categoria della pubblicità: un’azienda deve solo specificare l’obiettivo e il budget, collegare il proprio conto bancario, e al resto ci pensa la macchina. Per quanto riguarda la pagina «For You» di TikTok, nessuno al di fuori del gruppo conosce le regole in base alle quali, attraverso il tempo di permanenza, i «mi piace», le condivisioni – persino la breve esitazione prima di scorrere oltre – viene deciso quale messaggio venga mostrato e con quale frequenza. Una novità su TikTok è il «Symphony Agent». Si tratta di un livello di IA intelligente e «agente», integrato direttamente nell’ecosistema pubblicitario esistente di TikTok, che «aiuta» i marketer a creare campagne in tempi record.

Da un punto di vista economico, si tratta di un classico «problema principale-agente» (Jensen/Meckling, 1976), aggravato da un’asimmetria informativa, come quella descritta da George Akerlof (1970) per i mercati caratterizzati da una distribuzione diseguale delle informazioni: L’agente, ovvero la piattaforma, dispone di un vantaggio informativo che il mandante, ovvero l’inserzionista, non può né comprendere né verificare in modo indipendente. Il «marketing black box» significa quindi: pubblicità la cui gestione, ottimizzazione e misurazione dei risultati avvengono all’interno di un sistema controllato da una sola parte, che funge al contempo da «giudice» del proprio stesso successo.

Vettore del marchio contro vettore della piattaforma

Ciò che questa struttura implica, non solo per le singole campagne, può essere sintetizzato con un’immagine semplice. Ogni marchio trasmette un messaggio con un intento specifico, un tono specifico, un pubblico specifico: chiamiamolo «vettore del marchio». Tuttavia, ogni piattaforma non ottimizza in base a questo vettore, bensì al proprio: tempo di permanenza, coinvolgimento, ricavi pubblicitari. Questo è il suo «vettore di piattaforma». La sfida: solo in pochissimi casi entrambi i vettori sono allineati. Quanto si discostino dipende dalla logica della rispettiva piattaforma. La distorsione dovrebbe essere minima su Google Search: un’intenzione esplicita dell’utente incontra un annuncio che risponde esattamente a tale intenzione, poiché il modello di business stesso si basa su questa corrispondenza. Tuttavia, il «Gemini-Layer» allontana sempre più dai risultati di ricerca effettivi. Anche in questo caso la ricerca e la scoperta diventano meno trasparenti. E già YouTube altera il quadro ancora di più, cosa che ormai è dimostrabile. Uno studio di Webrepublic e GfK sull’utilizzo di YouTube in Svizzera (2026) mostra che la portata da sola non garantisce alcun impatto. Ciò che conta è se l’utente segua un contenuto in modo mirato e individuale o se lasci semplicemente la piattaforma in sottofondo per intrattenimento.

I fatti: in media, gli svizzeri trascorrono 41 minuti sui giorni feriali e 50 minuti nei fine settimana sulla piattaforma, con una qualità dell’attenzione molto diversa. «YouTube non è sempre YouTube», recita la conclusione degli autori dello studio: lo stesso spot può essere riprodotto in un contesto di attenzione o in uno casuale. A decidere quale dei due contesti si verifichi non è il marchio, bensì l’algoritmo. Su Instagram e TikTok, infine, la distorsione si amplifica: i contenuti vengono remixati, riaccompagnati da nuove colonne sonore, estrapolati dal contesto originale e distribuiti secondo una logica culturale anziché comunicativa. Una campagna pensata per un determinato contesto può finire come frammento audio accanto a contenuti completamente estranei, senza che il marchio ne venga minimamente a conoscenza.

Il “marketing black box” non significa quindi solo non vedere il meccanismo. Significa non sapere nemmeno quanto il proprio messaggio si discosti da ciò che effettivamente arriva all’altra estremità.

Il «vendor lock-in» come prezzo da pagare per la passività

Basta inserire l'obiettivo e il budget, al resto ci pensa la macchina: questa comodità presenta però un rovescio della medaglia strategico di cui si parla raramente: il vendor lock-in. Più funzioni vengono esternalizzate alla «scatola nera», più costoso diventa uscirne. Non si tratta di un effetto collaterale, ma di parte integrante della logica aziendale; inoltre, non si manifesta dall’oggi al domani, bensì su quattro livelli che si rafforzano a vicenda: A: A livello di dati, i segnali di conversione, i gruppi target e le curve di apprendimento risiedono nella piattaforma e non possono essere esportati; ciò che l’IA ha appreso sui propri clienti rimane presso il fornitore; chi cambia fornitore ricomincia da zero. B: A livello di competenza, l’organizzazione smette di gestire attivamente i processi non appena la macchina si fa carico del resto; la conoscenza interna relativa alla gestione, alla pianificazione media e alla creazione si erode fino a quando semplicemente viene a mancare la capacità di fare diversamente (forse anche meglio), anche se lo si volesse. Questo è il livello più pericoloso, perché rimane invisibile. C: A livello di misurazione, il successo viene valutato in base a metriche che la piattaforma stessa definisce, raccoglie e riporta, senza parametri di controllo indipendenti e senza confronti tra i diversi fornitori. D: Infine, anche a livello di creazione, le risorse vengono sempre più generate dall’intelligenza artificiale e ottimizzate direttamente per l’algoritmo che le diffonde. In questo modo, la comunicazione del marchio assume una forma legata alla piattaforma, su misura per un sistema che non si controlla.

Questi quattro livelli, nel loro insieme, danno origine ad almeno un’asimmetria informativa, se non addirittura di potere, che è strutturale e non casuale. La prova viene fornita dalla stessa Meta. Nel gennaio 2024, il gruppo ha eliminato senza preavviso diverse migliaia di opzioni di targeting dettagliate dal Gestore degli annunci pubblicitari – categorie su cui molti inserzionisti avevano costruito la propria strategia di targeting nel corso degli anni. Chi voleva ancora gestire autonomamente la propria campagna è stato di fatto spinto verso «Advantage+ Audience», ovvero verso quel sistema automatizzato che, dal dicembre 2025, è comunque diventato lo standard.

Lo stesso vale per l’attribuzione: Meta ha ripetutamente ridotto la finestra temporale standard per l’attribuzione dei risultati, da ultimo da 28 a 7 giorni dopo il clic – da un giorno all’altro, campagne identiche sono risultate meno efficaci, senza che fosse cambiato nulla in termini di impatto. È stato modificato il metro di valutazione, non la realtà. Chi basa la propria strategia di marketing su un sistema operativo estraneo accetta che sia il proprietario di quest’ultimo a dettare le regole in base alle quali viene misurato il proprio successo.

Cosa dovrebbero fare ora i CMO

Da tutto ciò non deriva alcuna demonizzazione della piattaforma. I guadagni in termini di efficienza offerti da Performance Max e Advantage+ sono reali e oggi nessuna strategia di marketing può ignorare queste coperture. Ciò che è cambiato è altro: la questione di cosa conti davvero. Da ciò si possono trarre direttamente le seguenti conseguenze: Misurazione indipendente: se l’algoritmo gestisce la campagna e ne misura il successo allo stesso tempo, l’ottimizzazione avviene in base a una realtà definita dal fornitore stesso. Comprendere l’impatto nel proprio mercato richiede parametri di valutazione che vadano oltre le metriche proprie della piattaforma. La trasparenza come valore a sé stante: la richiesta rilevante alle piattaforme non è «meno IA», ma regole comprensibili – e la disponibilità a valutare i fornitori in base a queste, non solo in base alla portata. Sovranità anziché dipendenza: conservare i dati di prima parte all’interno dell’azienda, mantenere la competenza di controllo a livello interno, praticare il multi-homing anziché la monogamia. Ritrovare la «Big Idea»!: · Occorre sviluppare un’idea propria e chiara, alla quale la «matematica» delle piattaforme debba essere misurata – invece di lasciarla nelle loro mani fin dall’inizio.

Queste riflessioni fanno parte di un’analisi più ampia di ciò che chiamo il “paradosso della frammentazione”: piattaforme che vendono come soluzione proprio ciò che esse stesse hanno contribuito a causare. Il marketing della “scatola nera” non è in questo contesto un fenomeno marginale, ma il fulcro di un modello di business. Una «scatola nera» rimane una «scatola nera», indipendentemente dall’efficienza dei suoi calcoli.

L'autore

Prof. Dr. Marcus Schögel, Istituto di Marketing e Customer Insight dell’Università di San Gallo (HSG), presidente della Società Svizzera di Marketing (gfm).