I dati al centro del Digital Advertising nel 2026: Retail Media, AI e nuove abitudini dei consumatori

Il mercato globale della comunicazione sta attraversando una fase di profonda ricalibrazione, dove le vecchie metriche e le strategie basate sul puro volume lasciano il posto a modelli radicalmente interconnessi. Le direttrici di questa trasformazione emergono con chiarezza dai dati e dalle analisi presentate nel corso del convegno ADVance Day dell’Osservatorio Internet Media del Politecnico di Milano. Al centro del dibattito settoriale non vi è più la semplice digitalizzazione dei canali, ma la necessità di governare la complessità attraverso una visione scientifica e integrata. Gli operatori si trovano a ridefinire le regole di ingaggio, spinti dall’urgenza di far dialogare ecosistemi informativi un tempo separati, dall’ascesa verticale di nuovi canali di vendita e dall’impatto pervasivo delle tecnologie computazionali sulle abitudini quotidiane degli utenti. Per comprendere appieno l’evoluzione del Digital Advertising nel 2026 diventa fondamentale spostare l’attenzione dalla quantità della raccolta alla qualità profonda dell’orchestrazione.

Dalla raccolta dei volumi all’orchestrazione dei flussi informativi

La prospettiva storica sull’evoluzione dell’analisi dei dati evidenzia come il paradigma competitivo sia mutato rispetto agli scorsi anni. Marina Fedrighelli, Country Manager di Beintoo Italia, ha spiegato che se in passato la leadership di mercato veniva assegnata ai player capaci di accumulare la maggiore quantità possibile di informazioni e di stringere partnership esclusive, oggi la numerosità del dato non rappresenta un valore autonomo se slegata dalla qualità. La vera svolta strategica risiede nella valorizzazione e nell’armonizzazione dei flussi, specialmente quando si opera all’interno di ecosistemi complessi in cui convergono media differenti.

Il rischio della frammentazione e il fenomeno del brand schizofrenico

La complessità odierna è data dalla coesistenza di canali radicalmente difformi: la televisione lineare, le piattaforme di streaming digitale, i dati comportamentali e sociodemografici provenienti dagli editori e i tracciamenti di posizione sul territorio. Senza un’orchestrazione centralizzata, queste informazioni rimangono isolate su layer differenti, compromettendo l’efficacia delle campagne e penalizzando il customer journey del consumatore.

In base all’esperienza di Beintoo all’interno del Gruppo Mediaset, Fedrighelli ha illustrato questo limite attraverso il percorso di un utente che guarda una partita in televisione, effettua una ricerca su un portale sportivo editoriale e successivamente transita davanti a un punto vendita fisico. Se questi touchpoint non comunicano tra loro, la pianificazione rischia di intercettare ripetutamente lo stesso soggetto con messaggi ridondanti o errati. L’esito di una simile frammentazione è la percezione di un brand instabile, che non comprende le reali attitudini e i comportamenti del proprio pubblico.

Il superamento del dato statico a favore della timeline comportamentale

Per evitare tali inefficienze, l’approccio strategico richiede un cambio della prospettiva di analisi. La metrica classica basata sul singolo stimolo istantaneo si rivela insufficiente per prevedere le necessità dei consumatori. L’attenzione si sposta sulla costruzione di una timeline organizzata, capace di mostrare il momento esatto in cui si trova l’utente all’interno del proprio percorso. Come spiegato da Fedrighelli, « un ping, quindi il momento esatto in cui tu intercetti una persona, è un comportamento statico, è quello che succede in quel momento. Mentre un dato armonizzato su una timeline è un dato che ti permette di avere delle informazioni predittive molto più potenti rispetto a quelle che avresti con un dato non aggregato. »

La rivoluzione concreta del Retail Media e la ridefinizione dei KPI

Un ulteriore elemento di forte discontinuità è rappresentato dall’espansione del Retail Media, un ambito che gli Osservatori del Politecnico di Milano hanno incluso stabilmente nei propri confini di quantificazione del mercato digitale. Questo canale ha modificato i criteri di misurazione dell’efficacia pubblicitaria, permettendo alle aziende di superare l’affidamento a indicatori indiretti o proxy storici, come la viewability o il semplice click, i cui risultati reali venivano spesso elaborati all’interno di modelli opachi. Il Retail Media consente un collegamento diretto e verificabile tra l’esposizione al messaggio pubblicitario e l’atto d’acquisto finale, accorciando le distanze dell’analisi complessiva.

I tre indicatori essenziali per valutare le performance sul campo

L’analisi delle performance all’interno di questo ecosistema deve basarsi su tre KPI specifici, descritti dettagliatamente durante l’evento:

• Le vendite incrementali (incremental sales): esprimono l’effettivo volume di vendite generato direttamente dalla campagna pubblicitaria. Si tratta di un dato complesso da isolare, in quanto richiede l’utilizzo di dataset e gruppi di controllo estremamente ampi e stabili per scorporare le fluttuazioni naturali del mercato.
• Il ROAS calcolato esclusivamente sui nuovi acquirenti (new buyers): a differenza del ritorno sull’investimento pubblicitario aggregato che i retailer forniscono abitualmente sul post-campagna, valutare l’efficacia unicamente sui consumatori non ancora fidelizzati permette di comprendere la reale capacità di conquista del brand.
• Il tempo di conversione: misura l’intervallo temporale che intercorre tra la visualizzazione dell’advertising e l’effettivo acquisto del prodotto. L’analisi di questo fattore rivela se la pianificazione sta intercettando un’intenzione d’acquisto già strutturata o se sta operando sulla fase di considerazione, seminando risultati destinati a manifestarsi in un tempo più dilatato.

Modelli di attribuzione data-driven contro la miopia del retargeting

L’introduzione di queste metriche permette inoltre di correggere le distorsioni storiche legate ai modelli di attribuzione. I sistemi tradizionali hanno teso a sovrastimare l’impatto delle attività di retargeting, a scapito delle strategie di prospecting dedicate alla ricerca di nuovi clienti potenziali. L’ecosistema del Retail Media azzera queste dinamiche commerciali standardizzate, introducendo modelli di attribuzione puramente data-driven, fondati su dati concreti e oggettivi.

L’intelligenza artificiale applicata al media: una commodity alimentata dai dati

Il ruolo delle tecnologie computazionali avanzate rappresenta il terzo pilastro fondamentale per comprendere lo stato del Digital Advertising nel 2026. Francesca Grilli, Managing Director di Cognitive, ha evidenziato come l’intelligenza artificiale abbia raggiunto una maturità tecnologica tale da consentirle di operare con elevata efficacia sul media, in particolare nelle attività di ottimizzazione del bidding, delle audience e della personalizzazione delle creatività. La diffusa accessibilità della potenza di calcolo ha trasformato il motore algoritmico in una commodity, spostando l’elemento differenziante sulla qualità e sulla profondità delle informazioni messe a disposizione dell’infrastruttura.

La metafora del detective e il valore del contesto operativo

Per chiarire la centralità della materia prima informativa, Grilli ha ripreso una metafora formulata all’interno del settore, paragonando l’intelligenza artificiale a un investigatore privato: « Se noi le diamo dei dati scarsi, superficiali e completamente disintegrati, questo detective sarà in grado di fare delle ipotesi, ma non sarà mai in grado di ricostruire il caso. Se, al contrario, noi invece le diamo in pasto delle informazioni profonde, ampie, di qualità e interconnesse, a quel punto sarà in grado di leggere il contesto e di operare decisioni intelligenti. »

Nel settore dei media il funzionamento è identico. La capacità di interpretare i segnali complessi e di trasformarli in decisioni operative in tempo reale, impression dopo impression, dipende strettamente dalla solidità del dato di partenza. Se la base informativa è debole, l’output generato dall’algoritmo rimarrà inevitabilmente debole.

Il paradosso della misurazione e il superamento del last click

L’analisi di Cognitive evidenzia una forte dissonanza strutturale all’interno del mercato attuale. Se le aziende investono massicciamente in tecnologie predittive e automazione per ottimizzare la fase di acquisto degli spazi pubblicitari, la misurazione del contributo dei singoli canali alla conversione finale soffre di una vistosa involuzione, rimanendo legata a logiche semplificate come quelle del last click. Grilli ha rimarcato la miopia di questo approccio ricordando che « la pubblicità non lavora solo vicino all’ultimo touchpoint: la pubblicità lavora prima, crea la domanda, definisce gli interessi, orienta la considerazione e accompagna di fatto la decisione dell’utente lungo tutto il periodo. » L’obiettivo dell’intelligenza artificiale applicata alla misurazione deve quindi essere quello di mappare scientificamente l’interconnessione tra i canali, riconoscendo il valore di quelli che operano nella parte alta del funnel rispetto a quelli finalizzati alla pura conversione.

Il profilo dei consumatori italiani e l’adozione delle tecnologie conversazionali

L’evoluzione tecnologica si integra inevitabilmente con il mutamento delle abitudini quotidiane della popolazione. Antonio Filoni, Business Development Director dell’area media di Ipsos Doxa, ha presentato i dati inediti di una ricerca condotta su un campione rappresentativo della popolazione italiana di età compresa tra i 18 e i 75 anni, tracciando un punto zero essenziale per monitorare i trend futuri.

L’adozione delle chat AI avanzate e il dualismo con i motori di ricerca tradizionali

I dati mostrano una penetrazione dirompente delle tecnologie assistenziali: il 70% degli italiani dichiara di utilizzare già strumenti di chat AI avanzata. I leader di mercato in questo segmento sono Gemini di Google e ChatGPT, con il primo che ha progressivamente scalzato il pioniere del settore conversazionale. Sebbene la fascia più adulta rallenti la media generale, persino tra gli over 60 l’adozione tocca una quota significativa del 50%.

La ricerca evidenzia che il motore di ricerca classico non è scomparso, ma il suo utilizzo varia in base al bisogno specifico dell’utente. Se per le ricerche tradizionali la barra di ricerca standard rimane il punto di partenza principale, l’intelligenza artificiale conquista percentuali rilevanti quando i consumatori necessitano di spiegazioni dettagliate, dati elaborati, sintesi veloci o supporto operativo. Questo cambiamento ridefinisce le modalità con cui le persone costruiscono le proprie opinioni e accedono alle informazioni, influenzando anche il mondo dell’insegnamento e dell’educazione, ambito per il quale è stato recentemente annunciato un investimento governativo nazionale di 100 milioni di euro destinato alla formazione dei docenti all’uso di questi strumenti.

Accettazione dei dati personali e percezione della creatività automatizzata

L’analisi di Ipsos Doxa mette in luce una netta spaccatura nell’opinione pubblica riguardo alla privacy e alla personalizzazione dei messaggi. Il campione si divide esattamente a metà: il 50% degli intervistati esprime disagio all’idea di cedere i propri dati per istruire le macchine o ricevere comunicazioni commerciali su misura, mentre il restante 50% si dichiara favorevole e aperto a questa dinamica.

Una simile polarizzazione si riflette sulla percezione dei brand che utilizzano l’intelligenza artificiale per sviluppare le proprie campagne pubblicitarie. L’uso dell’algoritmo genera un ritorno positivo in termini di percezione dell’innovazione e dell’efficienza aziendale, ma emergono al contempo preoccupazioni legate alla freddezza del messaggio, alla potenziale perdita di autenticità della creatività e alle logiche di mero taglio dei costi. Questa diffidenza verso la presunta distanza emotiva dei contenuti automatizzati tende a ridursi in modo drastico tra le fasce di popolazione più giovani, per le quali l’uso di questi strumenti rappresenta una normale modalità di espressione creativa e di generazione dell’engagement.

I dati emersi dal confronto evidenziano che il successo delle strategie pubblicitarie non dipenderà dall’adozione isolata di un algoritmo, bensì dalla capacità di alimentare le tecnologie computazionali con informazioni strutturate e profonde. La sfida per gli operatori risiede nel superare la frammentazione dei canali e i modelli di misurazione obsoleti, allineando l’infrastruttura tecnologica alle reali e mutate abitudini di navigazione e acquisto degli utenti.