Viviamo in un’era di estrema frammentazione dei canali digitali. Per i CMO e i team marketing, questo si traduce in una sfida quotidiana: riconciliare dati provenienti da silos differenti, piattaforme con KPI proprietari e verità spesso parziali e sovrapposte. Il risultato? Molte aziende riallocano i budget pubblicitari per inerzia, trimestre dopo trimestre, senza una reale visione scientifica dell’impatto di quegli investimenti.

Non sorprende che l’89% dei CMO si dichiari insoddisfatto di come viene misurata la performance dei budget ADV, mentre un altro 22% giudica inaffidabili le risposte delle piattaforme stesse. 

La domanda a cui dobbiamo rispondere è: quanto abbiamo venduto in più rispetto a quello che avremmo venduto senza l’attività di advertising? In altre parole, qual è la reale incrementalità delle nostre campagne?

Il limite di GA4 e il “Gap” del Post-View

Google Analytics 4 (GA4) rimane il nostro cardine per una prima deduplicazione delle conversioni. Tuttavia, è uno strumento di orientamento prevalentemente tattico e offre una visione parziale. Il motivo è semplice: GA4 non “vede” tutto ciò che avviene post-view e post-impression. L’intero upper funnel – le visualizzazioni di un video su YouTube o un’impression su Meta – gli è del tutto invisibile. Anche impostato in modalità data-driven, molti report standard ragionano ancora in logica last-click.

Dall’altra parte, le piattaforme pubblicitarie (Google Ads, Meta Ads, ecc.) tendono ad attribuirsi tutto il merito possibile, catturando ogni touchpoint attraverso i loro pixel. Ci troviamo così davanti a due estremi: da un lato il dato conservativo di GA4, dall’altro i cruscotti spesso troppo generosi delle piattaforme.

Questo scollamento può portare a due errori strategici: tagliare budget che in realtà alimentano il business (perché GA4 non ne vede l’impatto), oppure accettare investimenti basati su vanity metrics senza un reale efficientamento.

Il Metodo Scientifico: Test di Holdout

Per uscire da questo impasse, in Making Science applichiamo una logica mutuata dai test clinici farmaceutici: dividiamo il target in due gruppi identici. Al primo (gruppo esposto) mostriamo le nostre inserzioni; al secondo (gruppo di controllo o *holdout*) non mostriamo nulla. La differenza di comportamento tra i due gruppi ci restituisce il vero valore incrementale generato dall’attività ADV.

Questo approccio si declina in tre strumenti fondamentali:

1. Brand Lift Misurare le campagne di awareness guardando solo CPM, impression o interazioni rischia di essere un esercizio limitante. Il Brand Lift ci permette di misurare scientificamente quanto una campagna migliora la percezione del marchio. Sottoponendo domande mirate (Ad Recall, Brand Consideration, Action Intent) ai due gruppi, scopriamo il reale impatto delle creatività.  In un recente caso studio su campagne Meta nel Regno Unito e in Germania, ottimizzando i posizionamenti e i contenuti video, siamo passati da un lift di 2-3 punti percentuali a un notevole +11,5% di incremento nel ricordo del brand, superando ampiamente i benchmark di piattaforma.

2. Search Lift Perfetto per l’ecosistema Google (es. YouTube), il Search Lift collega l’awareness all’intenzione di ricerca. Misura l’aumento percentuale del volume di ricerca su specifiche parole chiave (spesso legate al brand o a brand+servizio) tra chi ha visto l’annuncio e chi no. In una nostra recente campagna su target geolocalizzato, lavorando con una *target frequency* di 3 esposizioni a settimana, abbiamo registrato che gli utenti esposti alla pubblicità avevano il 219% di probabilità in più di cercare il brand, con un’affidabilità statistica validata da Google al 90%.

3. Conversion Lift È lo strumento principe per misurare il fatturato incrementale effettivo (le vendite o i lead generati *esclusivamente* grazie alla pubblicità). Risponde direttamente ai dubbi di business. Su un nostro cliente e-commerce, con campagne attive su Meta, il Conversion Lift mensile ci ha permesso di isolare un ROAS incrementale effettivo del 6.16. Questo dato è diventato la bussola per bilanciare correttamente il budget tra prospecting e retargeting, evitando di pagare per conversioni che sarebbero avvenute comunque (il cosiddetto “retargeting parassita”).

L’allineamento con il CFO: verso il Marketing Mix Modeling

Tutto questo ci porta a un tema culturale cruciale nelle aziende: l’eterna tensione tra il CMO (che ha la missione di spingere il brand e generare performance) e il CFO (ruolo legato ai numeri, custode del budget e della marginalità).

Adottare questi framework di misurazione avanzata fornisce al CMO i dati inoppugnabili necessari per giustificare gli investimenti. Quando ci si siede al tavolo portando test di incrementalità scientifici al posto di metriche di vanità, il CFO diventa un alleato prezioso per la crescita aziendale.

Non serve partire subito con complessi e costosi modelli di Marketing Mix Modeling (MMM). L’approccio vincente è procedere per gradi: iniziare con piccoli test di Conversion Lift, dimostrare la redditività incrementale, e poi scalare verso l’alto per ottimizzare le campagne di awareness con Brand e Search Lift.

L’incrementalità non è solo una metrica: è un cambio di paradigma che trasforma l’advertising da spesa a investimento misurabile, prevedibile e scientificamente validato.

(altro…)

Il recente lancio di ChatGPT Ads in 31 Paesi europei consolida un nuovo canale di marketing diretto, in un momento in cui l’IA conversazionale sta cambiando radicalmente il modo in cui i consumatori cercano i prodotti e prendono decisioni d’acquisto. Per i brand, ciò rappresenta un’opportunità unica per raggiungere target con un’elevata intenzione d’acquisto mentre valutano le proprie opzioni.

Making Science ha seguito e testato attivamente questa piattaforma fin dal suo esordio, con i nostri team globali che hanno già gestito campagne live nei mercati di Stati Uniti e Regno Unito. In questo articolo condividiamo i nostri insight esclusivi e le lezioni strategiche apprese sul campo.

L’opportunità: un canale di marketing totalmente nuovo

Gli annunci di ChatGPT offrono un’opportunità unica per raggiungere gli utenti esattamente nel momento in cui l’intenzione d’acquisto è ai massimi livelli, ossia mentre svolgono ricerche attive, confrontano opzioni e prendono decisioni. I nostri test pilota globali hanno validato con successo l’infrastruttura tecnica della piattaforma, ponendo solide basi per la misurazione tramite le piattaforme Google.

Orientarsi nel nuovo scenario: le lezioni da USA e Regno Unito

Debuttare su una piattaforma pubblicitaria totalmente nuova comporta sempre una curva di apprendimento. Avendo già gestito campagne nei mercati in cui OpenAI è già consolidata, possiamo aiutarvi a navigare le sfumature iniziali della piattaforma:

• Raggiungere un pubblico esplorativo: al momento, gli spazi pubblicitari sono limitati agli utenti della versione gratuita di ChatGPT. Questo garantisce l’accesso a un pubblico altamente coinvolto e tech-savvy, ideale per generare brand awareness iniziale e traffico esplorativo.

• Ottimizzare per una visibilità premium: i primi dati provenienti da mercati competitivi come gli Stati Uniti mostrano che i tassi di costo per clic (CPC) possono raggiungere livelli premium.

• Gestire la “black box” della piattaforma: trattandosi di un prodotto recente, la piattaforma presenta alcuni limiti, come l’assenza del dettaglio dei termini di ricerca esatti che attivano gli annunci. Inoltre, la Quality Assurance (QA) può risultare complessa, poiché gli annunci tendono a scomparire al ricaricamento della conversazione. I nostri team hanno sviluppato workflow strategici per affrontare queste criticità e garantire l’efficienza del budget.

Checklist operativa per gli inserzionisti

Prima di iniziare, occorre considerare alcune regole operative specifiche stabilite da OpenAI per le quali le aziende devono farsi trovare pronte:

• Nessun accesso self-service iniziale: la modalità self-service non è al momento disponibile; ciò significa che i clienti non possono aprire un account in autonomia, ma devono avvalersi di un partner per accedere alla piattaforma.

• Account di proprietà del brand: OpenAI richiede che il brand del cliente finale crei e configuri direttamente l’account pubblicitario aziendale. Una volta configurato, è possibile concedere facilmente l’accesso esterno alle agenzie partner per la gestione e l’ottimizzazione delle campagne.

• Struttura basata sui domini: se l’azienda opera con più business unit sullo stesso identico dominio web, OpenAI raccomanda un unico account condiviso suddiviso in campagne distinte. Domini completamente separati richiedono invece account individuali.

• Rigorose restrizioni geografiche: la pubblicità è limitata esclusivamente ai mercati attivi. Ora che un maggior numero di Paesi è ufficialmente operativo, le aziende locali possono iniziare subito a strutturare campagne targettizzate e calibrate su questi target.

Il rollout degli annunci di ChatGPT nei nostri mercati locali segna una pietra miliare nel conversational commerce. Orientarsi su una piattaforma del tutto nuova può rivelarsi una sfida, ma non è necessario muoversi al buio. Sfruttando la nostra esperienza globale e le strategie collaudate in USA e Regno Unito, il vostro brand potrà saltare la fase di tentativi ed errori e iniziare da subito a massimizzare il proprio ROI.

Contattaci per definire la tua strategia su ChatGPT Ads.

Il 2 agosto 2026 il Regolamento europeo sull’intelligenza artificiale è entrato in applicazione generale in tutta la UE, anche se già nelle settimane immediatamente precedenti il quadro normativo era cambiato: il Regolamento (UE) 2026/1744, il cosiddetto Digital Omnibus, pubblicato in Gazzetta ufficiale dell’Unione europea il 24 luglio, ha rinviato di oltre un anno la parte più onerosa della disciplina. Ne risulta un quadro a due velocità, che si presta a due errori speculari: credere che sia tutto rinviato e non fare nulla, oppure avviare oggi un progetto di conformità dimensionato su obblighi che scadranno fra due anni.

Che cosa è già pienamente applicabile

Dal 2 agosto le autorità nazionali di vigilanza dispongono di pieni poteri ispettivi e sanzionatori, e sono esigibili gli obblighi di trasparenza dell’articolo 50 del Regolamento. Riguardano il numero più ampio di imprese, comprese quelle che non sviluppano nulla e si limitano a usare strumenti acquistati: chi mette un assistente conversazionale sul sito deve rendere chiaro che è un’intelligenza artificiale, chi pubblica contenuti generati o manipolati deve dichiararlo, chi impiega sistemi di riconoscimento delle emozioni deve informare le persone esposte.

Restano ferme anche le pratiche vietate in assoluto dall’articolo 5, applicabili sin dal febbraio 2025. Due riguardano da vicino le imprese ordinarie e spesso vengono sottovalutate: il riconoscimento delle emozioni dei dipendenti sul luogo di lavoro e la categorizzazione biometrica che deduce convinzioni politiche o religiose, orientamento sessuale, appartenenza sindacale. Sono vietate a prescindere dal consenso dell’interessato.

Che cosa è slittato, e perché non è un “liberi tutti”

Il Digital Omnibus ha spostato in avanti l’intero pacchetto sui sistemi ad alto rischio: 2 dicembre 2027 per quelli dell’Allegato III, cioè selezione del personale, merito creditizio, istruzione, biometria e servizi essenziali, e 2 agosto 2028 per l’intelligenza artificiale incorporata in prodotti già regolati come dispositivi medici, macchine e giocattoli.

Il rinvio nasce da una ragione pratica riconosciuta apertamente: le norme tecniche armonizzate che dovevano rendere concreti quei requisiti non erano pronte. Rinviare a propria volta è però imprudente, perché i tempi tecnici di adeguamento sono di dodici-diciotto mesi fra sistema di gestione del rischio, governance dei dati di addestramento e documentazione tecnica; dicembre 2027 va affrontato entro la fine del 2026.

Nel frattempo, nei contratti B2B e nelle gare pubbliche le dichiarazioni di conformità sono già oggi requisito di partecipazione.

Il punto che tocca chiunque comunichi online

È la parte che nei nostri progetti genera il maggior numero di domande, e merita qualche precisazione perché l’equivoco più diffuso va nella direzione di dichiarare troppo.

Non tutto va dichiarato. L’obbligo riguarda i deepfake, definiti come i contenuti che assomigliano a persone, oggetti o luoghi esistenti e apparirebbero falsamente autentici, e i testi pubblicati per informare il pubblico su questioni di interesse pubblico.

Una fotografia di prodotto ritoccata, un’illustrazione dichiaratamente stilizzata o un copy scritto con l’assistenza dell’IA e riletto nel merito (da parte di una persona competente sulla materia) restano fuori.

Il flag della piattaforma non trasferisce la responsabilità. L’obbligo grava su chi utilizza il sistema sotto la propria autorità, e gli orientamenti della Commissione del 20 luglio 2026 indicano le impostazioni di interfaccia fra i mezzi con cui il deployer adempie, non fra gli adempimenti che qualcun altro compie al suo posto. Sui contenuti organici, dove quel flag spesso non esiste, la dichiarazione va scritta in apertura e deve restare visibile anche se il contenuto viene ricondiviso.

Le diciture europee sono due. Il Codice di buone pratiche sulla trasparenza dei contenuti generati dall’IA, del 10 giugno 2026, mette a disposizione icone gratuite con le sole scritte AI GENERATED, per i contenuti creati da zero, e AI MODIFIED, per quelli reali ritoccati. L’uso è facoltativo, l’obbligo no.

Le conseguenze, che non sono solo le sanzioni

I massimali dell’AI Act arrivano a 35 milioni di euro o al 7% del fatturato mondiale annuo totale per le pratiche vietate e a 15 milioni o al 3% per la violazione degli altri obblighi, compresa la trasparenza. Il canale sanzionatorio finora realmente attivo, però, è stato un altro: il Garante privacy ha già adottato provvedimenti in materia di intelligenza artificiale, e ciò che viene contestato è quasi sempre la mancanza di documentazione e di procedure più che la tecnologia.

C’è poi una scadenza che passa sotto silenzio ma è tra le più vicine. Dal 9 dicembre 2026 la nuova disciplina europea della responsabilità da prodotto difettoso considera prodotti anche il software e i sistemi di intelligenza artificiale: chi li sviluppa o li incorpora risponde del danno verso chiunque, non solo verso il proprio cliente, con un onere della prova alleggerito per chi agisce in giudizio.

Da dove cominciare

Le prime attività non richiedono investimenti, richiedono ore uomo. L’inventario dei sistemi realmente in uso, compresi quelli adottati dalle singole funzioni senza passare dall’IT; la qualificazione del ruolo per ciascun sistema, perché chi personalizza o rimarchia uno strumento di terzi può assumere gli obblighi del fornitore; la verifica di non impiegare pratiche vietate; l’audit della trasparenza su ogni punto di contatto con il pubblico.

La guida completa

Abbiamo raccolto tutto questo in una guida che copre l’intero quadro, dalle fonti europee alla legge italiana 132/2025 e ai suoi decreti attuativi, con il calendario delle scadenze fino al 2030 e gli obblighi distinti per tipo di impresa.

Due cose la rendono diversa da una sintesi. La prima è un capitolo dedicato a FAQ sui casi concreti, nato dalle domande che ci vengono poste sul lavoro: che cosa fare dei contenuti già online, se il flag della piattaforma basta, con quali parole si dichiara, chi risponde quando il lavoro passa fra agenzia e cliente, se una policy interna ha valore in caso di controllo. Ogni risposta dichiara su che cosa poggia: sul testo di un articolo, su un orientamento della Commissione oppure su una lettura che nessuna fonte ha ancora confermato, perché su questa materia il confine fra ciò che è scritto e ciò che è opinabile passa spesso dentro la stessa domanda.

La seconda è la documentazione delle fonti. Ogni affermazione è verificabile: l’elenco finale raccoglie atti europei, norme nazionali, provvedimenti delle autorità e fonti secondarie in ordine gerarchico, con i riferimenti puntuali e i collegamenti per esteso.

Clicca qui per accedere alla guida oppure contattaci.

Per anni, la marketing automation si è basata su una logica rigida e lineare. Costruivi il workflow, impostavi i percorsi condizionali e speravi che il data layer sottostante non ritardasse l’esecuzione. Se una campagna attiva richiedeva un’ottimizzazione, il tuo team passava ore a mappare nuovi segmenti e a riconfigurare i widget di prodotto.

L’evoluzione di SALESmanago in Manago.ai riflette un cambiamento più ampio nel modo in cui i brand devono gestire i dati e l’esecuzione delle campagne. Non si tratta solo di un cambiamento estetico o di un aggiornamento strategico del logo, segnala un passaggio definitivo verso un’esecuzione autonoma in cui le piattaforme gestiscono il lavoro manuale di base e gli specialisti umani forniscono l’approvazione strategica.

Il passaggio dalle regole all’esecuzione reale

La maggior parte delle piattaforme tratta il machine learning come una funzionalità isolata, una scheda secondaria in cui leggi le metriche predittive il lunedì per poi cercare di intercettare manualmente quel target più avanti nella settimana. Nel momento in cui costruisci il segmento, la finestra di conversione si è spesso già chiusa.

La nuova architettura integra lo scoring predittivo direttamente nei workflow attivi. La piattaforma valuta ogni contatto per probabilità di acquisto, lifetime value e rischio di churn in tempo reale, convertendo queste metriche in trigger operativi immediati. Trovo questo approccio molto più pratico rispetto alle configurazioni tradizionali: trasforma l’analisi statica in segnali live che filtrano l’audience nel momento stesso in cui il comportamento degli utenti cambia.

Cosa succede quando l’intelligenza artificiale costruisce la struttura

L’introduzione di funzionalità agentic altera la routine quotidiana dei team di marketing digitale. Invece di passare ore a progettare layout, scrivere varianti di copy e impostare raccomandazioni di prodotto manuali, gli specialisti possono descrivere l’obiettivo di una campagna in linguaggio naturale.

Il sistema gestisce l’esecuzione operativa: isola il pubblico target, scrive i testi sulla base di un profilo di brand voice verificato e prepara la pianificazione omnicanale. Poiché ogni elemento inserito nell’editor è completamente modificabile, il tuo team mantiene il controllo assoluto sul messaggio finale. La piattaforma agisce come un partner esecutivo, completa i noiosi passaggi di configurazione mentre tu ti concentri su media spend, prestazioni e margini complessivi.

Portare i dati di marketing nello spazio di lavoro quotidiano

Uno degli aggiornamenti più interessanti è l’integrazione del server Model Context Protocol. Questo sviluppo consente ai team di marketing di interagire con la propria customer data platform direttamente da spazi di lavoro esterni dotati di intelligenza artificiale, come Claude Desktop o ChatGPT.

Invece di cambiare schede del browser ed esportare file, puoi interrogare il database usando il linguaggio naturale direttamente dal tuo spazio di lavoro attivo. Puoi richiedere un report specifico di customer value o scrivere una sequenza di testo localizzata, e la piattaforma restituisce i dati protetti direttamente sullo schermo, accorciando la distanza tra pensiero strategico e lancio tattico.

Un nuovo standard per il customer engagement

La transizione dall’automazione standard a un’infrastruttura gestita da agenti autonomi segna una chiara evoluzione nel marketing digitale. Le piattaforme non sono più semplici sistemi di registrazione che memorizzano liste di contatti, sono sistemi operativi attivi progettati per adattarsi al comportamento dei consumatori in tempo reale.

Mentre i software si spostano verso questa architettura prompt-driven, il vantaggio competitivo appartiene alle agenzie e ai brand che smettono di costruire regole manuali e iniziano a dirigere sistemi intelligenti.

Nel contesto digitale attuale, la complessità è la norma. Più attori, strumenti e competenze moltiplicano le opportunità di crescita, ma aumentano anche il rischio di frammentazione, soprattutto quando visione strategica ed esecuzione faticano a restare allineate.
Anche Forrester, nel report AI Reshaping Marketing: CMOs Choose Unity over Chaos in collaborazione con Making Science, evidenzia come crescita ed efficacia dipendano sempre più dall’allineamento tra strategia, processi e collaborazione tra funzioni. È per questo che il coordinamento non è più solo un tema organizzativo, ma una condizione concreta di performance.

Che si tratti di integrare strumenti e funzioni tradizionali o di sfruttare le opportunità dell’era dell’Intelligenza Artificiale, la capacità di orchestrare in modo unificato le diverse componenti – dalla strategia all’esecuzione, dai team creativi a quelli media – è fondamentale per superare le barriere di integrazione, citate dal 76% dei CMO, trasformare azioni o strumenti disconnessi in un vero motore di crescita.

Il rischio della frammentazione nel 2026

Oggi la frammentazione non è più soltanto un tema organizzativo ma incide direttamente sulla capacità dell’azienda di trasformare investimenti, competenze e dati in risultati. In un contesto in cui i budget tendono a stabilizzarsi, ogni disallineamento pesa di più rallentando decisioni, disperdendo risorse e riducendo l’efficacia dell’execution. Secondo il Gartner CMO Spend Survey, i budget marketing si attestano al 7,7% del fatturato aziendale, a conferma che oggi l’efficienza non è più un obiettivo accessorio, ma una condizione necessaria per sostenere la crescita.
Il tema riguarda anche i dati. Secondo il report IBM e Salesforce pur raccogliendo grandi quantità di informazioni, il 97% delle aziende clienti non riesce ancora a tradurle pienamente in vantaggio competitivo. Di fatto, solo il 24% le utilizza per trasformare concretamente l’esperienza cliente. È in questo scarto tra disponibilità del dato e capacità di attivarlo che si manifesta una delle forme più insidiose di frammentazione.

In Making Science osserviamo spesso questo fenomeno nei processi di diverse aziende: strategie corrette sul piano teorico che perdono efficacia nella fase di messa a terra, perché manca un coordinamento capace di collegare visione, competenze e execution.

Sincronizzare l’ingranaggio: dove la visione incontra l’operatività

Superare la frammentazione non significa semplicemente sommare competenze specialistiche. Significa farle lavorare come un sistema.
Per questo il coordinamento di progetto non è una funzione accessoria, ma una leva strategica. È ciò che permette di:

• rendere più fluidi i flussi di lavoro e condividere standard operativi chiari;
• accorciare il time-to-market senza sacrificare qualità e controllo;
• tradurre la strategia in priorità operative realmente eseguibili;
• garantire coerenza tra obiettivi di business, dati, tecnologia e delivery.

In un ecosistema in cui convivono marketing, data e tech, il coordinamento agisce come elemento di connessione evitando che la strategia resti astratta e assicurando che l’operatività tecnica rimanga sempre orientata al risultato.

Il ruolo dell’orchestrazione

In questo modello, il Customer Success evolve. Non è solo il presidio della relazione, ma una figura consulenziale che assicura continuità tra visione e realizzazione.
Il suo ruolo è quello di orchestrare il progetto, traducendo il coordinamento in tre azioni concrete:

1. Sincronizzare le expertise: attiva i team di Data Science, Performance e tecnologia nel momento più opportuno, assicurando che ogni specializzazione contribuisca in modo coerente agli obiettivi comuni.
2. Presidiare l’operatività: non si limita alla gestione della relazione, ma monitora la qualità dell’esecuzione, affinché competenze e strumenti restino sempre al servizio del business.
3. Creare le condizioni per innovare: favorendo la progressiva rimozione dei silos, accompagna l’azienda verso un utilizzo più efficace di AI e dati di prima parte, rafforzando la solidità e la scalabilità dell’ecosistema digitale.

È questa regia che riduce i silos, rende più efficace l’uso dei dati e prepara l’azienda a valorizzare davvero asset sempre più decisivi, come AI e dati di prima parte.

Dall’execution alla partnership strategica

Nell’era della digital acceleration, il vantaggio competitivo non nasce più dalla qualità di singole performance isolate. Nasce dalla capacità di coordinarle.
Ridurre la frammentazione è la condizione per costruire strategie data-driven più resilienti, più leggibili nei risultati e più scalabili nel tempo.
Per questo l’approccio di Making Science supera il modello tradizionale cliente-fornitore: lavoriamo come partner che non si limita a fornire i singoli “mattoni” tecnologici, ma progetta e coordina la costruzione dell’intero edificio digitale, garantendo che la visione strategica e l’eccellenza operativa viaggino sempre alla stessa velocità.

Oggi il mercato vive un paradosso: l’entusiasmo per l’intelligenza artificiale è ai massimi storici, ma il 35% dei CMO si trova bloccato in quello che definiamo il “purgatorio dell’AI”. Dopo l’effetto “wow” iniziale, molte aziende faticano a calare la tecnologia nella realtà operativa quotidiana, restando in una fase di stallo.
Il problema risiede spesso in un errore di prospettiva. L’AI viene vista principalmente come uno strumento per il marketing, ma il marketing è solo la punta dell’iceberg. La vera sfida (e la vera opportunità) si trova nella struttura sommersa: i processi corporate, i flussi aziendali e l’integrazione di sistema.

Perché l’efficienza non può essere “plug-and-play”

In Making Science crediamo nei modelli personalizzati; disegniamo percorsi. Il valore risiede nel capire dove intervenire, con quali dati e con quali vincoli in questo contesto lo strumento diventa solo abilitante verso l’obiettivo. Per ottenere risultati che oltre alla POC, ed avere quindi soluzioni capaci di reggere in produzione, servono tre fondamenta:

• Contesto aziendale: Il linguaggio, le procedure e le regole specifiche del vostro business.
• Dati proprietari: Le informazioni estratte da CRM, ERP, knowledge base e archivi storici.
• Processo: La definizione di ruoli, approvazioni e KPI chiari.

Senza queste basi, l’efficienza resta locale e la fiducia nel sistema non può scalare.

Dall’AI Generativa all’AI Agentica

Siamo entrati in una nuova era. Se finora l’AI ci ha aiutato a generare contenuti o analizzare dati, oggi stiamo vivendo il passaggio all’AI Agentica. L’AI smette di stare nel perimetro della conversazione ed entra in quello dell’azione: esegue task, apre ticket, genera offerte e aggiorna gestionali.
Questo innalza la responsabilità del sistema. Un’AI che agisce deve essere affidabile, governata e protetta da guardrail chiari e verificabili. Non cerchiamo la “magia”, ma la fiducia operativa: sapere esattamente quando il sistema può rispondere basandosi su fonti citabili e quando, invece, deve attivare un’escalation umana.

Il metodo AI Navigator: La bussola consulenziale

Per accompagnare le aziende in questa trasformazione, abbiamo sviluppato il framework Corporate AI Navigator.
Il nostro valore consulenziale si esprime nel trasformare una curiosità tecnologica in una capacità aziendale concreta attraverso 5 step fondamentali:

• Assessment & Obiettivi: Analizziamo la maturità digitale attuale e allineiamo gli stakeholder su KPI realistici.
• As-is Process Mapping: Identifichiamo dove si crea attrito e dove la conoscenza è dispersa.
• Prototype / MVP: Sviluppiamo rapidamente un caso d’uso ad alto impatto (come il supporto tecnico o la sales enablement) per dimostrare il ROI.
• Rollout con Governance: Portiamo la soluzione in produzione con integrazioni sicure, permessi e audit log.
• Monitoraggio: Misuriamo adozione e precisione per pianificare i prossimi passi della roadmap.

Un approccio modulare e “Model-Agnostic”

Un pilastro della nostra strategia è la flessibilità: il nostro approccio è model-agnostic. Costruiamo architetture modulari che permettono di cambiare il “motore” AI sottostante (commerciale, open source o locale) in base a costi, latenza e privacy.
Questo protegge l’investimento dell’azienda dall’obsolescenza tecnologica.

L’AI non sostituisce le competenze umane, ma le amplifica. Il nostro compito è liberare le persone dai task ripetitivi per permettere loro di concentrarsi sul valore strategico.

(altro…)

Recentemente con mia moglie e una coppia di amici ho visitato in Piazza San Marco a Venezia uno dei luoghi più sorprendenti dell’architettura del Novecento: il negozio Olivetti progettato da Carlo Scarpa.
Chi lo visita per la prima volta ha la sensazione di entrare in qualcosa che è molto più di uno spazio commerciale. Le scale sospese, i materiali preziosi, la luce che scivola sulle superfici. Tutto è progettato con una precisione quasi musicale. E poi, le macchine da scrivere: oggetti che oggi sembrano piccole sculture industriali. La Lettera 22, la Valentine, simboli di un’epoca in cui tecnologia, design e cultura dialogavano in modo straordinariamente naturale.

Sotto la guida di Adriano Olivetti, l’azienda di Ivrea non fu soltanto un’impresa industriale di successo. Fu un laboratorio unico in cui innovazione tecnologica e responsabilità sociale si intrecciarono in una visione coerente: l’impresa non è soltanto un luogo di produzione, ma una comunità in cui le persone condividono obiettivi e un destino comune.

Ma anche le visioni più alte devono fare i conti con l’evoluzione tecnologica.

Alla fine degli anni Settanta Olivetti visse il passaggio dalla meccanica all’elettronica. Il salto di produttività era già evidente: una macchina meccanica richiedeva dieci ore di lavoro, quella elettronica meno di due.
Questa trasformazione ci insegna che l’innovazione non è un capriccio, ma una dinamica inevitabile della competizione. L’obiettivo non può essere fermarla, ma governarne le conseguenze: liberare le persone da compiti “macchinali” per liberare tempo in favore di strategia e creatività.

Il “Momento Olivetti” nell’era della Hybrid Intelligence

Oggi viviamo un momento simile, ma con una velocità senza precedenti. L’AI generativa agisce sul pensiero, sulla sintesi e sulla creatività. Questo significa che sta cambiando l’intera architettura del lavoro. Ed è qui che il ruolo delle risorse umane e dei leader aziendali diventa decisivo per ridisegnare il sistema — competenze, responsabilità, modelli di collaborazione — aiutando l’organizzazione ad adattarsi senza perdere coesione.

Proprio come nel negozio veneziano, dove ogni dettaglio era al servizio di un’armonia superiore tra forma e funzione, in Making Science definiamo questo approccio Hybrid Intelligence: l’intelligenza artificiale non come sostituto, ma come moltiplicatore della precisione e della capacità umana.

Passiamo dal “saper fare” al saper istruire e al saper orchestrare: la qualità dell’output dipende dalla qualità delle istruzioni e dal giudizio critico che riceve.
Pensiamo alla lingua inglese: per decenni è stata un filtro nel recruiting. Oggi, con traduttori integrati, la mera conoscenza grammaticale non basta più. Ciò che diventa decisivo è la capacità di interpretare il contesto, costruire relazioni di fiducia e formulare giudizi complessi. Il recruiting si sposta quindi verso l’agilità cognitiva e il pensiero strutturato.

L’Organizzazione Aumentata

Stiamo cioè passando da strutture piramidali a organizzazioni aumentate, dove la capacità del singolo è amplificata.

Questa trasformazione, tuttavia, apre un interrogativo cruciale che raramente viene discusso.
Per decenni i professionisti hanno imparato il mestiere attraverso una progressione naturale: i profili junior iniziavano svolgendo attività semplici, ad esempio analisi dati di base, preparazione di bozze di report, raccolta di informazioni, che costituivano una vera e propria palestra professionale. Attraverso l’esecuzione ripetuta di questi compiti si costruivano le competenze necessarie per assumere ruoli più complessi.
Ma se una parte crescente di queste attività viene delegata agli algoritmi, che cosa accade alla formazione dei professionisti di domani? In altre parole: se eliminiamo la palestra dei compiti esecutivi, come formeremo i senior del futuro?

Una risposta risiede in nuovi modelli di apprendimento. In Making Science, lavoriamo perché la palestra sia non più il data entry ma la supervisione critica fin dal primo giorno. L’esperienza professionale evolve verso un mentoring intensivo, nel quale anche i profili junior imparano a supervisionare e validare l’output delle macchine. In questo ecosistema di Hybrid Intelligence, la formazione è una pratica quotidiana di contaminazione digitale che accelera la crescita del pensiero strategico.

In un contesto in cui l’apprendimento è continuo, diffuso e sempre più orientato alla supervisione critica, anche il ruolo del CMO evolve e assume una dimensione architetturale. La sfida che condividiamo ogni giorno con i leader del marketing non riguarda solo i tool, ma la definizione del confine tra delega tecnologica e intuizione umana. Stabilire cosa affidare alle macchine e cosa lasciare alla persona è la vera prova di leadership moderna.

Per il CMO è l’opportunità di guidare il reskilling del proprio team affinché la tecnologia sia un ponte, non un muro. Ed è esattamente qui che l’esperienza conta: chi possiede quella “memoria storica” e quella capacità di pattern recognition necessaria per anticipare i colli di bottiglia culturali può oggi trasformare il cambiamento in vantaggio competitivo condiviso. Il CMO del futuro non è chi possiede la tecnologia migliore, ma chi possiede la visione più profonda per metterla al servizio del talento umano.

Una riflessione finale sul senso del lavoro

L’intelligenza artificiale riduce il tempo necessario per svolgere attività ripetitive. Quel tempo liberato può essere utilizzato per generare valore diverso: creatività, riflessione strategica, relazione e benessere organizzativo.

Se l’intelligenza artificiale riduce il tempo necessario per svolgere attività ripetitive, quel tempo non è neutrale: diventa un’opportunità preziosa da orientare verso la creazione di valore — creatività, pensiero strategico, relazione e benessere organizzativo.

Se la tecnologia cambia il modo in cui lavoriamo, la nostra responsabilità è fare in modo che questo cambiamento rafforzi la dimensione comunitaria dell’impresa. Perché anche nell’era dell’intelligenza artificiale, un’azienda rimane prima di tutto questo: una comunità di persone che collaborano per realizzare qualcosa che nessuna macchina, da sola, potrebbe mai costruire.

(altro…)

C’è un numero dell’ultima edizione di Sanremo che ogni CMO dovrebbe stamparsi e appendere in ufficio: 72 milioni di euro. È il record storico di raccolta pubblicitaria, un +10% rispetto all’anno scorso.
Eppure, se guardiamo i dati tradizionali dell’Auditel, lo share della TV lineare non ha fatto segnare nuovi record, assestandosi su un pur ottimo 68,8% per la finale.

Come si spiega questo disallineamento? Perché i brand hanno investito cifre mai viste per una platea televisiva che, di fatto, è rimasta stabile o in lieve flessione?
La risposta è cruda e semplice: perché i brand più lungimiranti hanno smesso di comprare lo spot televisivo e hanno iniziato a comprare l’ecosistema. Sanremo ci ha appena dimostrato che il vero valore commerciale di un grande evento non si esaurisce più nel salotto di casa davanti alla TV accesa, ma si moltiplica sulle piattaforme che circondano quell’evento.

L’ecosistema vale più della singola platea

Per decenni, il media planning si è basato su una logica di “appuntamento”: comprare lo spazio delle 21:45 per colpire il maggior numero di persone sintonizzate in quel momento. Oggi, i numeri ci dicono che l’attenzione si è spalmata, frammentata e prolungata.
Oltre ai telespettatori tradizionali, abbiamo avuto 28 milioni di stream su RaiPlay e un’onda d’urto di 1,2 miliardi di visualizzazioni video sui social in appena cinque giorni. Il Festival non finisce quando Amadeus o Carlo Conti chiudono la diretta alle due di notte; continua la mattina dopo su TikTok, sulle ricerche di Google, sulle piattaforme di streaming musicale.
Il televisore è diventato solo il “trigger”, la scintilla che innesca una conversazione che avviene altrove. E se la conversazione si sposta, il budget di chi fa marketing deve avere la stessa fluidità per seguirla.

La Connected TV (CTV) come ponte tra due mondi

Il vero elemento di rottura in questo scenario è la Connected TV. Il televisore si è evoluto: non è più un tubo catodico passivo, ma uno schermo digitale, connesso a internet e loggato.

Per chi investe in pubblicità, questo è il punto di svolta. Sulla CTV, il limite storico della TV tradizionale (misurare “a spanne” chi sta guardando) viene abbattuto.

Tuttavia, bisogna guardare ai dati con oggettività: come dichiara esplicitamente anche Auditel, oggi non è possibile tracciare gli utenti della TV lineare in modo esatto cross-device.
Diventa così impossibile calcolare l’esatta sovrapposizione tra pubblico televisivo e connesso. Di conseguenza, lo shift della pianificazione verso la Connected TV non è un passaggio automatico, ma un rischio calcolato che il brand deve scegliere consapevolmente se correre

Poter tracciare con precisione le audience cross-canale (TV e online) anche in Italia renderebbe gli investimenti finalmente misurabili, migliorando drasticamente l’ottimizzazione delle campagne. In altri Paesi lo stiamo già facendo: ascolta qui ▶️ l’approfondimento su DNLTV e alcuni casi studio sul mercato francese. 

Nonostante questi limiti strutturali del mercato, le piattaforme di streaming e le smart TV permettono di pianificare le campagne incrociando i dati: non compriamo più semplicemente “il pubblico di Sanremo”, ma andiamo a colpire determinati segmenti di pubblico (ad esempio, chi ha già visitato il nostro sito o chi ha un certo storico di acquisti) direttamente sullo schermo più grande della casa. Inoltre, la CTV ci permette di recuperare quella fetta di pubblico più giovane che la TV lineare fa fatica a intercettare, e che consuma l’evento quasi esclusivamente on-demand.

L’imperativo per i CMO: presidiare tutti i canali (ma con intelligenza)

Se lo scenario è questo, pianificare unicamente lo spot in TV significa lasciare sul tavolo la maggior parte delle opportunità di conversione. Oggi un brand deve presidiare tutti i canali, ma deve farlo con una logica unificata.

Cosa significa all’atto pratico?

• Pianificazione Total Video: I budget della TV tradizionale e del digital video non possono più viaggiare su due binari separati. Vanno unificati per controllare quante volte una singola persona vede il nostro messaggio, indipendentemente dal fatto che lo guardi in diretta su Rai 1 o in replica su un’app dal tablet.
• Essere pronti a catturare l’intento: Se il nostro spot passa in TV, o se il nostro brand veste uno dei cantanti in gara, nei cinque minuti successivi ci sarà un picco di ricerche su Google o sui social. Se non siamo lì a presidiare quelle ricerche con campagne specifiche (e magari formati che permettano l’acquisto immediato), abbiamo solo fatto un favore ai nostri competitor.
• Budget liquidi per cavalcare il momento: Sanremo è la fiera dell’imprevisto. I momenti che generano più interazioni non sono mai scritti in scaletta. I brand vincenti sono quelli che tengono una quota di budget “liquida”, pronta a essere investita in tempo reale sulle piattaforme social per cavalcare un trend o un meme esploso dieci minuti prima.
  

I 72 milioni di euro raccolti quest’anno non sono un’anomalia. Sono il nuovo standard. E ci insegnano che il successo non si misura più solo da quante persone sono sedute sul divano, ma da quanto siamo bravi a intercettarle e convertirle ovunque esse decidano di spostare la loro attenzione.

(altro…)

Food, Fashion, Lifestyle. Nell’immaginario comune è imprescindibile per una realtà B2C essere presenti sui social e avere una vasta fanbase consolidata: ma per quanto riguarda il B2B? 

Spesso siamo portati a pensare che per una realtà che non vende direttamente al consumatore finale non ci sia spazio nel mondo digital per presentare il proprio prodotto e i propri valori. Al contrario, sono sempre di più le aziende che si approcciano ai social con un piano ben definito e orientato ai risultati, trovando il proprio spazio in nicchie di mercato profilate e ricettive rispetto ai propri obiettivi di business.

Con il 94% dei marketer B2B che conferma come costruire fiducia e una solida brand reputation siano la chiave per il successo del proprio business, ecco alcuni punti fondamentali da tenere a mente per costruire una strategia di Social Branding efficace.

Approccio strategico ai social: importante per B2B, anzi fondamentale

Molto spesso, quando pensiamo ai social, tendiamo a identificarli come un luogo di svago, dove fruire di contenuti e interagire con persone che hanno i nostri stessi interessi.

Questo bias cognitivo interferisce con il modo in cui valutiamo l’effort operativo che si cela dietro la redazione di un piano editoriale. È proprio qui che le aziende commettono il primo errore: approcciare questo mondo con lo stesso sguardo dell’utente finale.

Nel contesto B2B, dove LinkedIn domina la scena con un 229% di ROI proveniente da attività di social organico, non si tratta più di parlare di sé, ma di comunicare i propri valori. Non esiste un settore che non abbia una sua nicchia di posizionamento online: semplicemente, se non l’hai ancora trovata, non hai strutturato una strategia che ti permetta di intercettare la tua target audience in modo efficace.

Porsi “dall’altra parte dello schermo” e interrogarsi sui bisogni e le abitudini delle proprie buyer personas — insieme a una fase di analisi approfondita e coerente con gli obiettivi aziendali — è il primo step fondamentale per dare il via a un percorso comunicativo che permetta di avvicinarsi ai possibili prospect ed essere presenti al momento giusto, sulla piattaforma giusta, con il contenuto giusto.

La legge della riprova sociale: perché il “cosa” non basta senza il “perché”

Un secondo errore che le aziende B2B commettono è pensare di non avere valori da comunicare o che il proprio prodotto non sia “adatto” ai social media.

Ci dimentichiamo però del motivo per cui le persone utilizzano i social: non solo per acquistare (nonostante l’ascesa del social shopping, come dimostrato da TikTok Shop), ma per sentirsi parte di una community o di un gruppo con interessi affini.

Focalizzarsi solo sul prodotto senza lavorare sulla riprova sociale e sulla brand awareness, trascurando la fiducia della propria audience, può portare alla perdita di fette di mercato importanti. Soprattutto nel B2B, dove il fattore decisionale si misura su aspetti complessi come Customer Care e Service, strutturare una strategia che comunichi i plus aziendali a 360° si rivela decisivo nel processo di conversione da utente a cliente.

Dare voce all’azienda: l’Employee Advocacy come moltiplicatore di fiducia

Manca un tassello importante per la costruzione della fiducia: il dipendente. Non solo come figura lavorativa, ma come portavoce e Ambassador del brand.

Se il 94% dei marketer punta sulla trust, l’Employee Advocacy ne è il braccio operativo più potente. Non sono più solo le pagine ufficiali a parlare, ma le persone: i contenuti condivisi dai dipendenti ottengono mediamente un coinvolgimento 8 volte superiore rispetto a quelli dei canali corporate.

Integrare i propri talenti e gli esperti tecnici nella strategia social significa attivare un network di volti umani che validano l’autorevolezza dell’azienda. In un contesto B2B dove il ciclo di vendita è lungo e basato sulla credibilità, il profilo LinkedIn di un consulente o di un manager diventa la prima garanzia di affidabilità per il prospect, trasformando la rete professionale in un generatore costante di lead qualificati.

“Il 78% dei marketer B2B utilizza i video nella propria strategia e più del 50% pianifica di aumentare l’investimento su questo format nel prossimo anno (LinkedIn B2B Marketing Benchmark 2025). I dipendenti e il Top Management giocano un ruolo fondamentale nel rafforzare la fiducia nel brand e diffondere i contenuti aziendali in modo autentico.”

Se la tua domanda è: “Ma i video chi li fa?”, forse non stai dando abbastanza valore al tuo capitale umano.

Il Social organico come tassello nella gestione del rischio

Il solo supporto advertising non è sufficiente a costruire un brand. Ti fideresti mai di un brand che non pubblica da 3 anni? Sicuramente penseresti che l’azienda ha chiuso o che ci sia qualcosa che non va.

Le attività social organiche si mescolano in modo sinergico alla strategia aziendale e ci forniscono dati utili per trovare nuove leve di marketing, forniscono supporto lato SEO ai contenuti del sito e costituiscono i pillar comunicativi di una realtà, proiettandola nel mondo digitale con una brand identity coesa, coerente.

Pubblicazioni, frequenza e continuità comunicativa sono fondamentali per costruire una solida presenza online, ma non dimentichiamoci uno degli aspetti fondamentali quando parliamo di comunicazione: la gestione della crisi.

Oggi dobbiamo prendere atto della centralità della brand reputation, e basta un post su Reddit o un commento per attirare a sé commenti indesiderati che possono minare l’immagine della tua azienda.

Esporsi vuol dire anche accettare il rischio. Avere una strategia per affrontare queste situazioni e trasformare un rischio in un’opportunità è compito di ogni Social Media Manager.

Per concludere

Pianificazione strategica, analisi, community management e approccio full funnel: questi sono i pillar che ogni realtà B2B dovrebbe adottare per affrontare il futuro. Non si tratta più semplicemente di definire un piano editoriale, ma di sfruttare ogni strumento per amplificare i propri valori e posizionarsi come un player esperto e autorevole.

(altro…)

Il 2025 segna un punto di svolta epocale per il mondo della ricerca online. Con l’introduzione delle AI Overviews (AIO) e della modalità AI Mode, Google ha ridefinito l’esperienza di ricerca: non più una semplice lista di link, ma risposte generate dall’intelligenza artificiale direttamente in SERP. Parallelamente, piattaforme come ChatGPT, Perplexity e Gemini stanno diventando strumenti quotidiani di informazione e scoperta.
Per le aziende, la questione non è più “apparire” ma essere scelte come fonte attendibile. La visibilità organica, che per anni è stata legata al ranking, oggi dipende dalla capacità di un brand di diventare la risposta.

Tre segnali che mostrano come sta cambiando il panorama della ricerca

1.  Il cleanup del Knowledge Graph
   Nell’estate 2025, Google ha ridotto di oltre il 6% le entità del Knowledge Graph in una sola settimana. Brand con identità digitale frammentata sono stati penalizzati, mentre aziende con dati coerenti e governance solida sono rimaste visibili.
2.  Freshness bias
   Secondo Ahrefs, gli assistenti AI preferiscono contenuti aggiornati: in media, le citazioni AI sono tratte da contenuti 25% più recenti rispetto a quelli che rankano nella SERP tradizionale.
3. CTR in calo
   Seer Interactive e Search Engine Roundtable hanno rilevato un calo significativo del CTR organico quando è presente un blocco AIO. Anche se Google afferma che i clic restano “stabili e qualificati”, la realtà dimostra una ridistribuzione netta del traffico.

L’impatto per le aziende

Zero-click: molte query informative vengono risolte direttamente dagli AIO, traducendosi in perdita di traffico qualificato e quindi di opportunità di vendita.
Metriche obsolete: “posizione media” e “numero di keyword” non riflettono più la reale visibilità. Gli investimenti in SEO possono essere inefficaci se basati su KPI superati.
Incoerenza digitale: brand con dati non allineati rischiano di non essere più riconosciuti come entità nel Knowledge Graph, lasciando maggiori spazi ai competitor più veloci nell’adattarsi.

Le nuove regole del gioco

Dalla keyword all’intento: le AI scompongono le query in sotto-domande (query fan-out). Per essere competitivi, i contenuti devono coprire l’intero ventaglio di domande degli utenti.
Answer Engine Optimization (AEO): le pagine devono essere progettate per fornire risposte chiare, estrattive e verificabili (FAQ, tabelle, dati concreti, fonti autorevoli).
Generative Engine Optimization (GEO): i contenuti devono essere leggibili e riusabili dai modelli generativi.
Brand authority: la credibilità del marchio diventa il principale fattore di selezione.

📍 Case study: un’azienda energetica ha creato un cluster di contenuti sui pannelli solari coprendo tutte le sotto-domande (costi, incentivi, durata, ROI). In pochi mesi, le sue pagine sono state incluse nelle citazioni AI di Perplexity, generando lead qualificati con un +22% di conversione.

Le direttrici strategiche

Brand clarity
Dati coerenti e governance digitale (schema markup, collegamenti “sameAs”, presenza unificata).
Freshness
Aggiornamento periodico dei contenuti strategici con timestamp visibile e nuove evidenze.
Pagine hub di risposta
Creare contenuti strutturati che rispondano direttamente ai bisogni informativi dei clienti.

Conclusione

La SEO non è morta: si è trasformata. Nell’era AI, non basta essere trovati, bisogna meritare di essere scelti come risposta. Le aziende che investiranno oggi in brand authority, freshness e AEO conquisteranno non solo la visibilità, ma anche la fiducia degli utenti e un vantaggio competitivo duraturo.

Chi agirà subito consoliderà la propria quota di mercato digitale. Chi resterà fermo rischia di sparire dalle risposte che guidano le decisioni dei clienti.

Vuoi capire se il tuo brand è visibile nelle risposte AI e quali azioni prioritarie intraprendere?

Contattaci per una valutazione della tua presenza nelle citazioni di ChatGPT, Perplexity e Google AI Overviews. Ti mostreremo dove sei oggi e come ottimizzare la tua strategia SEO per l’era dell’intelligenza artificiale.

Contattaci oggi