Cosa vede l'attribuzione auto-dichiarata che i dati dei clic non vedono

Che cos'è l'attribuzione auto-dichiarata?

Chiedere a un cliente dove ha sentito parlare di te è attribuzione auto-dichiarata. È la risposta a un sondaggio data in fase di registrazione o di checkout, non un clic registrato da un tag. Il campo di solito recita "Come ci hai conosciuto?" e il suo valore finisce nella scheda dell'account, non nella proprietà di analytics. Misura un ricordo, e il ricordo è proprio il punto. È l'unico strumento in grado di vedere un canale che non ha lasciato né referrer, né stringa UTM, né cookie.

L'attribuzione basata sui clic misura qualcosa di più ristretto e affidabile, cioè l'ultimo contatto tracciabile prima dell'inizio di una sessione. Sono due domande diverse ed è normale che i dati non coincidano.

	Attribuzione auto-dichiarata	Attribuzione basata sui clic
Unità di misura	Una risposta per ogni persona che converte	Una sessione o un evento
Popolazione misurata	Solo chi converte	Tutti quelli che hanno caricato la pagina
Vede i canali offline e privati	Sì	No
Vede la landing page e la campagna effettive	No	Sì
Modalità di errore	Errori di memoria e formulazione della domanda	Referrer mancanti e identificatori persi
Può produrre un tasso	No, manca il denominatore	Sì

Che cosa misura che il tracciamento dei clic non può misurare?

Misura un'influenza che non è mai diventata un clic leggibile dal tuo tag. Quattro famiglie di traffico si comportano così, e in un report di analytics finiscono tutte nello stesso calderone.

Google Analytics 4 definisce il canale Direct con una regola esatta, pubblicata nel riferimento del gruppo di canali predefinito: Source exactly matches "(direct)" e Medium is one of ("(not set)", "(none)"). Non è una categoria di intenzione. È l'assenza di prove. GA4 documenta anche una categoria residuale: Unassigned "è il valore che Analytics usa quando nessun'altra regola di canale corrisponde ai dati dell'evento". Tra le due, la citazione in un podcast, un link incollato in un messaggio privato su Slack, un intervento a una conferenza e il consiglio a voce di un collega vengono riportati tutti allo stesso modo. Il bucket (direct) / (none) di GA4 è il posto in cui finiscono.

C'è una novità recente, documentata e controintuitiva. GA4 ha aggiunto un canale AI Assistant per gli arrivi da fonti come ChatGPT, Gemini, Deepseek, Copilot o Grok, associato quando "il medium corrisponde esattamente a ai-assistant". Lo stesso riferimento precisa che questo canale "esclude AI Overviews e AI Mode di Google", che vengono invece conteggiati sotto Organic Search. Quindi un cliente che ti ha trovato grazie a una risposta di un'IA può finire in tre canali diversi a seconda dell'assistente usato, e può comunque risultare Direct se poi ha digitato il dominio a mano. Chiediglielo e ti risponderà "ChatGPT".

L'attribuzione auto-dichiarata è anche l'unica misurazione che sopravvive alla scadenza di una finestra di attribuzione. Un cliente che ha sentito per la prima volta una pubblicità in un podcast quattordici mesi prima di registrarsi è fuori da qualsiasi periodo di lookback offerto da una piattaforma. Ti dirà comunque "podcast".

Quattro canali privati, un solo calderone

Citazione in un podcast

Link privato su Slack

Intervento a una conferenza

Consiglio di un collega

(direct) / (none)

Perché le risposte sono distorte?

Le risposte sono distorte perché il campo è un sondaggio, e la metodologia delle indagini misura questi effetti da decenni. Le indicazioni pubblicate dal Pew Research Center su come scrivere le domande di un sondaggio documentano ciascuno dei punti che seguono, con numeri.

Offrire un'opzione la gonfia. Dopo le elezioni presidenziali americane del 2008, Pew ha chiesto quale tema fosse stato più importante nel voto, in due versioni. "Quando l'economia veniva offerta esplicitamente come risposta, più della metà degli intervistati (58%) l'ha scelta; solo il 35% di chi ha risposto alla versione aperta ha citato spontaneamente l'economia." Mettere "Google" nel tuo menu a tendina è la stessa mossa. Vincerà.

Una lista chiusa nasconde tutto ciò che hai dimenticato. Nello stesso esperimento, tra gli intervistati a cui era stata data la lista chiusa, "meno di uno su dieci (8%) ha dato una risposta diversa dalle cinque che gli erano state lette. Al contrario, ben il 43% di quelli a cui era stata posta la versione aperta ha dato una risposta che non compariva nella versione chiusa della domanda." Una casella "Altro" con una quota a una cifra non dimostra che la tua lista sia completa.

La posizione nella lista decide i voti. Pew afferma che "nei sondaggi telefonici gli intervistati scelgono più spesso le voci sentite per ultime (effetto recency), mentre nei sondaggi autosomministrati tendono a scegliere le voci in cima alla lista (effetto primacy)". Un modulo di registrazione è un sondaggio autosomministrato. Ciò che sta al primo posto verrà sovrastimato. Il rimedio di Pew è casualizzare l'ordine: "molti insiemi di opzioni di risposta nei sondaggi del Pew Research Center sono programmati per essere randomizzati, così da garantire che le opzioni non vengano proposte nello stesso ordine a ogni intervistato."

Il modo in cui suddividi le categorie cambia il vincitore. In un sondaggio Pew di gennaio 2002, alla domanda se il presidente dovesse concentrarsi sulla politica interna o su quella estera, il 52% ha risposto politica interna e il 34% politica estera. Restringere "politica estera" a "la guerra al terrorismo" ha ribaltato il risultato, con il 33% per la politica interna e il 52% per la guerra al terrorismo. Succede la stessa cosa quando "Social media" diventa "Un post su LinkedIn di una persona con cui lavoro".

Le persone rispondono per apparire ragionevoli. Pew la chiama distorsione da desiderabilità sociale: "Le persone hanno una naturale tendenza a voler essere accettate e apprezzate, e questo può portarle a dare risposte inesatte alle domande su temi delicati." Le sue ricerche mostrano che gli intervistati esagerano la frequenza con cui vanno in chiesa, le donazioni benefiche e la probabilità di andare a votare. In un modulo di registrazione, la risposta lusinghiera è "me l'ha consigliato un amico" e quella poco lusinghiera è "ho cliccato su un annuncio".

Il "seleziona tutte le risposte valide" peggiora la qualità. Pew osserva che "uno studio del Center del 2019 ha rilevato che le domande a scelta forzata tendono a produrre risposte più accurate, soprattutto per le domande delicate", e che per questo il Center in genere evita le liste a selezione multipla. Un "Come ci hai conosciuto" a selezione multipla produce più selezioni in totale e meno segnale per ciascuna.

Una distorsione è specifica di questo campo e non dei sondaggi in generale. Solo chi converte lo vede. Non esiste un gruppo di controllo, quindi i dati non possono produrre un tasso. Puoi dire che il Podcast ha superato Reddit tra le persone che si sono registrate. Non puoi dire che un podcast converta meglio, perché nessuno ha contato gli ascoltatori del podcast che non si sono registrati.

Come si riconcilia con i dati di analytics?

Si uniscono i due insiemi di dati con una chiave comune e si leggono le discrepanze come una mappa, non come un errore. La riconciliazione funziona solo se la risposta è salvata in un punto da cui si può fare il join.

1. Scrivi la risposta in un campo del record dell'account o dell'ordine, accanto all'identificativo su cui lavora già il lato analytics o CRM. Tieni il testo libero e la categoria normalizzata in due colonne separate.
2. Registra sullo stesso record, nello stesso momento, il canale del clic. In termini GA4 è session_default_channel_group, che secondo la documentazione viene valutato con un modello "Paid and organic channels last click", diverso dal modello basato sui dati usato per la dimensione Default channel group a livello di evento.
3. Incrocia i due dati in una tabella. La risposta dichiarata sulle righe, il canale del clic sulle colonne. Non farne la media e non fonderli in un'unica percentuale.
4. Leggi tre celle. L'utente dichiara Podcast e il canale del clic dice Direct: un canale oscuro che funziona, invisibile al tag. L'utente dichiara Google e il canale del clic dice Direct: una ricerca brandizzata o un segnalibro, e il contenitore del traffico diretto sta nascondendo domanda guadagnata. L'utente dichiara una fonte che non gestisci: o un clic sbagliato sulla lista, o un affiliato di cui non sapevi nulla.
5. Monitora a parte il testo libero di "Altro" e rileggilo ogni trimestre. Quando una frase ricorre, promuovila a opzione della lista e metti in conto che la sua quota salterà per motivi che non hanno nulla a che fare con una crescita reale.

Due accorgimenti tengono onesti i numeri. Rendi casuale l'ordine delle opzioni, così l'effetto primacy si distribuisce tra le opzioni invece di concentrarsi sulla prima, ed è la pratica stessa di Pew. E lascia il campo facoltativo, perché un campo obbligatorio trasforma "non ricordo" in un'ipotesi, e un'ipotesi entra nei tuoi dati indistinguibile da un ricordo.

L'attribuzione auto-dichiarata non sostituisce un modello di attribuzione di marketing, e i due non coincideranno mai. Quando un canale a pagamento appare grande nella piattaforma e piccolo nel campo, la lettura onesta è che l'annuncio ha catturato una domanda creata da un altro canale. Quel divario, non l'uno o l'altro numero preso da solo, è il risultato.

Domande frequenti

Dove va messo il campo "come ci hai conosciuto"?

Nel passaggio di registrazione o di checkout, dopo che la conversione è per il resto assicurata, e facoltativo. Metterlo prima fa perdere completamenti, metterlo dopo il pagamento fa perdere chi se ne va subito. La guida di Pew sull'ordine delle domande vale in pieno: "le domande iniziali possono fornire involontariamente un contesto per quelle che seguono", quindi un campo che segue un elenco di integrazioni o di loghi attirerà risposte che li nominano.

Il campo deve essere testo libero o menu a tendina?

Usali entrambi, in due colonne. Un menu a tendina ti dà categorie confrontabili nel tempo, il testo libero è l'unico modo per scoprire un canale che non avevi previsto. Pew documenta il compromesso: una lista chiusa ha raccolto il 58% di risposte per un'opzione che solo il 35% aveva citato spontaneamente, mentre il 43% delle risposte aperte non compariva affatto nella lista chiusa.

Perché l'attribuzione auto-dichiarata e Google Analytics non coincidono?

Perché contano popolazioni diverse con strumenti diversi. GA4 conta sessioni e assegna un canale in base al referrer e ai parametri UTM, ripiegando su Direct quando Source exactly matches "(direct)" e il medium è (none) o (not set). Il campo conta le persone che convertono e registra un ricordo. I motivi più generali per cui due strumenti riportano numeri diversi sono trattati in perché gli strumenti di analytics mostrano numeri diversi.

Si può calcolare un tasso di conversione dall'attribuzione auto-dichiarata?

No. Rispondono solo i clienti che hanno convertito, quindi il denominatore non esiste. Il risultato è una graduatoria tra i clienti e un elenco di canali da approfondire, non un tasso. Ogni percentuale che ne ricavi è una quota di rispondenti e andrebbe indicata come tale in ogni grafico.

Quante opzioni dovrebbe avere la lista?

Poche. Pew consiglia di tenere le opzioni di risposta "a un numero relativamente piccolo, quattro o al massimo cinque", osservando che le persone faticano a tenerne a mente di più, con l'eccezione delle domande fattuali o demografiche, dove le liste lunghe aiutano. Una lista di venti voci misura soprattutto quali voci stanno in cima.

Rendere casuale l'ordine delle opzioni elimina il bias?

No, lo ridistribuisce. Pew è esplicito: "La randomizzazione delle opzioni di risposta non elimina gli effetti dell'ordine, ma garantisce che questo tipo di bias si distribuisca in modo casuale." Un ordine fisso concentra il vantaggio della primacy su un solo canale in modo permanente, ed è peggio, perché l'opzione gonfiata sembra un andamento stabile.

Perché chi ti ha trovato tramite ChatGPT può risultare come traffico diretto?

Il canale AI Assistant di GA4 scatta solo quando il medium coincide esattamente con ai-assistant, e copre gli arrivi da ChatGPT, Gemini, Deepseek, Copilot e Grok. Se quella stessa persona digita il tuo dominio nel browser invece di cliccare un link tracciato, GA4 registra una sessione Direct. L'attribuzione auto-dichiarata colma comunque il vuoto, perché il cliente risponde semplicemente "ChatGPT".

Che cos'è il bias di desiderabilità sociale in un campo "come ci hai conosciuto"?

È il termine con cui Pew indica la tendenza a dare una risposta che faccia apparire chi risponde accettato e benvoluto, anche quando non è accurata. In un modulo di registrazione "me lo ha consigliato un amico" suona meglio di "ho cliccato un annuncio", quindi le persone scivolano verso il canale più lusinghiero. La ricerca di Pew mostra lo stesso schema nella frequenza dichiarata di partecipazione alle funzioni religiose e nelle donazioni di beneficenza.

L'attribuzione auto-dichiarata può intercettare un cliente che converte più di un anno dopo aver sentito un annuncio?

Sì, perché un ricordo non ha una finestra di lookback come un cookie o una piattaforma pubblicitaria. Un cliente che ha sentito per la prima volta un annuncio in un podcast quattordici mesi prima di registrarsi sta fuori da ogni finestra di attribuzione offerta da qualsiasi piattaforma, eppure risponderà comunque "podcast". L'attribuzione basata sui clic non ha nulla da mostrare per quel periodo.

Che cos'è il dark social e perché l'attribuzione auto-dichiarata lo intercetta?

Il dark social è il traffico che non lascia alcun referrer che un tag possa registrare: la menzione in un podcast, un link incollato in un messaggio privato su Slack, un intervento a una conferenza o il consiglio a voce di un collega. L'attribuzione auto-dichiarata lo intercetta perché lo chiede direttamente a chi converte, invece di leggere un parametro URL che non è mai stato impostato. Il tracciamento dei clic mette tutti e quattro nello stesso contenitore (direct) / (none) o Unassigned in GA4.