
Mercoledì 20 maggio, durante il Google Marketing Live, Google ha presentato due novità che, viste insieme, valgono più di tutto il resto del keynote: Meridian integrato dentro Google Analytics 360 e le Qualified Future Conversions, una metrica che usa Gemini per prevedere conversioni fino a sei mesi nel futuro.
Sembra l’ennesima release di prodotto. Non lo è. È il cambio di paradigma più importante nella misurazione del marketing da quando è stato lanciato GA4. Per la prima volta un Marketing Mix Model — tool che fino a ieri vivevano solo data scientist e vendor da 200k all’anno — diventa un tool di business intelligence interrogabile in linguaggio naturale, integrato nativamente dentro Google Analytics 360.
C’è una parte buona, e c’è una parte che mi preoccupa. Provo a raccontarvele entrambe.
La parte buona
Meridian dentro GA360 non è un fork: il codice resta open-source su GitHub. Quello che Google ci ha messo sopra è la parte che ha sempre tenuto fuori dal gioco la maggior parte delle aziende: ingestione dei dati first-party (BigQuery, HubSpot, Shopify, Salesforce) attraverso il Data Manager — l’API unificata che dal 2025 alimenta Google Ads, Analytics e DV360 — pull cross-channel di spesa e impression da Meta, TikTok, Pinterest e Snap, e un’interfaccia agentica che ti permette di chiedere “se sposto 100k da Performance Max a TikTok, cosa cambia?” senza scrivere una riga di Python. Il demo sul palco mostrava un piano annuale che, ottimizzato dal modello, faceva +50% di ROAS sul baseline.
Le Qualified Future Conversions sono un animale diverso. Non sono modeled conversion che riempiono buchi di tracking. Sono una stima probabilistica generata da Gemini su un evento non ancora accaduto, ancorata a comportamenti intermedi osservabili: ricerche brandizzate, like o subscribe su YouTube, add-to-cart, avvio di lead form.
Il dato interno che le giustifica dovrebbe far rizzare le antenne a chiunque gestisca budget upper-funnel: solo il 70% delle conversioni Google Ads cade dentro la finestra standard 30-day click / 3-day engaged-view. Per Performance Max si scende al 50%. Per Demand Gen al 40%. Tradotto: per metà delle campagne di brand building, le finestre di attribuzione di oggi stanno tagliando via metà del valore reale. È il primo serio tentativo di metterci una pezza dentro la stessa piattaforma che vende il media.
Da qui in poi, però, le cose si complicano.
La parte che mi preoccupa
Il piano dichiarato — scritto nei comunicati e ripreso da PPC Land — è che i segnali QFC verranno usati come input per Meridian. Cioè: Gemini, addestrato sul comportamento osservato dentro Google Ads, sputerà fuori una previsione che diventerà uno degli ingredienti del Marketing Mix Model che dovrebbe dirci se i nostri soldi su Google Ads stanno rendendo. Lo stesso Google che ci dice quanto bene sta funzionando Google.
Jordan Taylor-Bartels, CEO di Prophet, intervistato da Mi3, l’ha sintetizzata meglio di come potrei fare io: “It wouldn’t be very Googley if Meridian recommends all spend goes to Meta.”
Non è l’unico problema. Ne vedo altri due.
Il primo è la stazionarietà. Lo dice la documentazione ufficiale: Meridian non modella l’efficacia dei canali come time-varying. Cioè assume che il rendimento di ogni canale resti costante nella finestra che stai osservando. Chiunque abbia gestito campagne sa che non è così — creative fatigue, saturazione dell’audience, stagionalità, lanci dei competitor, sono la regola. Michael Kaminsky di Recast, autore della critica tecnica più dettagliata su Meridian, indica questa come la lacuna principale.
Su questo vale la pena guardare cosa fanno realtà con approccio metodologicamente diverso. AD cube — spinoff del Politecnico di Milano nato dal dipartimento DEIB — restituisce l’andamento di ciascun canale settimana per settimana, come serie storica. Differenza concettuale, non solo operativa: Meridian ti dà un coefficiente per canale valido per l’intera finestra modellata; AD cube ti mostra come quel coefficiente si muove nel tempo — quando un canale entra in saturazione, quando la creatività perde colpi, quando una campagna stagionale funziona e quando smette. Per chi rinfresca le creatività ogni due o tre settimane (chiunque venda online seriamente nel 2026), cambia la natura della decisione: non stai più validando la strategia di un trimestre, stai correggendo il portafoglio in corsa.
Il terzo problema è il più sottile. È il conflitto di interesse strutturale, raccontato meglio di tutti da Aryma Labs e Keen Decision Systems: Google e Meta sono insieme i paladini dell’open-source MMM e i vendor dello spazio pubblicitario che quel MMM dovrebbe valutare. Aryma ha aggiunto un dettaglio statistico importante: i Bayesian MMM mostrano la media della distribuzione posteriore invece dell’Highest Density Interval, e per la natura lognormale questa scelta gonfia sistematicamente i ROI dei canali. Non è un bug, è una conseguenza matematica del modo in cui il modello è impacchettato.
Nessuno di questi tre rischi rende Meridian inutilizzabile. Ma messi insieme, rendono la validazione indipendente una cosa che fino al 20 maggio era opzionale e da oggi è obbligatoria.
Cosa farei se fossi un CMO
Partiamo da un dato di realtà che la narrazione sull’agentic UI tende a nascondere: un MMM non si usa da solo, neanche se è dentro GA360 con un’interfaccia in linguaggio naturale. Un Marketing Mix Model è un modello statistico complesso, e perché restituisca valore vero — non solo dashboard belle — ti serve qualcuno che lo sappia leggere, calibrare, interrogare. Un consulente esterno, un’agenzia specializzata, o un data scientist in casa. Le agentic UI riducono la frizione della query, non quella dell’interpretazione.
A quel consulente chiederei due cose insieme, non in alternativa. Una: portare avanti Meridian-in-GA360 come baseline, se l’azienda ha già la licenza. Due: girare in parallelo un MMM indipendente come strumento di verifica. È la stessa logica del doppio audit di bilancio: il secondo serve a esporre il bias del primo quando c’è.
Il test specifico è semplice: prendi la stima di channel contribution dei due modelli e confrontala. Se i canali Google appaiono il 10-30% più incrementali in Meridian rispetto al modello indipendente, hai trovato la direzione del bias.
E se non hai GA360? È la situazione della stragrande maggioranza delle aziende italiane. Tre opzioni realistiche.
La prima: un MMM open-source girato da un partner o consulente. “Open-source MMM” non significa “Meridian”: c’è Robyn di Meta (R, ridge regression, community ampia), PyMC Marketing (Python, fully Bayesian, più flessibile di Meridian), Orbit di Uber per serie con stagionalità marcata. È nella scelta dello strumento che il consulente fa la differenza rispetto a chi “fa girare Meridian”.
La seconda: una piattaforma MMM self-serve indipendente — AD cube, Cassandra, Mutinex Self-Serve, Recast, Measured, Sellforte — con il consulente che la pilota.
La terza, per chi ha budget pubblicitari sotto i 500k all’anno: rinunciare all’MMM strutturato e costruire un setup minimo basato su esperimenti di incrementalità geografica e attribution model.
In tutti e tre i casi, il pezzo non delegabile resta la persona che interpreta i risultati.
Sulle QFC, attivale subito in un account pilota. Il tracking parte dal giorno dell’attivazione, e quando deciderai di usarle come segnale per le bidding strategy ti servirà uno storico di almeno sei mesi da validare contro l’LTV osservato. Meglio iniziarli oggi che fra sei mesi.
Calibra sempre con esperimenti. Meridian GeoX è la risposta nativa quando arriverà; fino ad allora si scelgono i vendor — Haus, Measured, Sellforte, Lifesight (unified MMM + geo experimentation), INCRMNTAL (always-on via causal inference, senza geo holdout), LiftLab (disegno di esperimenti controllati), e Cassandra che integra incrementality testing nella sua piattaforma — oppure si costruisce un framework geo in casa su librerie open-source mature: GeoLift di Meta (Synthetic Control Methods end-to-end in R) …
This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit filippotrocca.substack.com
Altri episodi di "dataMesh Podcast"



Non perdere nemmeno un episodio di “dataMesh Podcast”. Iscriviti all'app gratuita GetPodcast.








