Google Ads oltre le keyword: il PPC entra nell’era dell’intento

Per anni il paid search è stato costruito attorno a una promessa semplice: scegliere le parole chiave giuste, scrivere annunci coerenti, controllare le query e ottimizzare il budget. Oggi quella logica non scompare del tutto, ma sta diventando sempre meno centrale. Google Ads si sta muovendo verso un modello in cui la keyword non è più il cuore operativo della campagna, bensì uno dei tanti segnali che alimentano sistemi di targeting sempre più automatizzati.

La trasformazione non riguarda solo una nuova funzione o un aggiornamento dell’interfaccia. È un cambio di paradigma. Con Smart Bidding, Broad Match evoluto e AI Max, la piattaforma pubblicitaria di Google sta progressivamente spostando il baricentro dal controllo manuale delle parole chiave alla comprensione dell’intento. In pratica, non conta più soltanto cosa digita l’utente, ma cosa sta cercando davvero di ottenere.

Per aziende, ecommerce, agenzie e professionisti del marketing questo passaggio è decisivo. Il PPC non è più una disciplina basata principalmente sulla selezione minuziosa di termini di ricerca. Sta diventando un sistema di gestione dei segnali: dati di business, qualità delle landing page, feed prodotto, asset creativi, conversioni offline, segmentazione del brand e capacità di misurare l’incrementalità reale.

La fine della keyword come contratto di controllo

Nel paid search tradizionale, la parola chiave funzionava quasi come un patto tra inserzionista e piattaforma. L’azienda sceglieva una lista di keyword, decideva il tipo di corrispondenza e Google mostrava gli annunci quando una query rientrava in quel perimetro. La corrispondenza esatta era davvero stretta, la frase permetteva una certa flessibilità, la generica apriva alla copertura più ampia ma anche al rischio di dispersione.

Quel modello offriva una qualità preziosa: la diagnosticabilità. Quando una campagna non performava, il professionista PPC poteva entrare nel report dei termini di ricerca, capire quali query stavano consumando budget, escludere quelle irrilevanti e promuovere quelle migliori. Era un lavoro tecnico, spesso artigianale, fondato su struttura, pazienza e lettura del comportamento degli utenti.

Negli ultimi anni, però, il significato stesso di corrispondenza è cambiato. Le varianti simili hanno allargato il concetto di esatto. Smart Bidding ha iniziato a valutare le aste in base alla probabilità di conversione, non solo in base alla keyword. Il Broad Match è stato ripensato in chiave semantica. Ora AI Max porta il ragionamento a un livello successivo: l’inserzionista può fornire URL, asset e dati di business, lasciando al sistema il compito di intercettare le intenzioni rilevanti.

La keyword, in questo scenario, non sparisce dal motore dell’asta. Ma diventa sempre meno visibile e sempre meno controllata direttamente dall’inserzionista. È come se il sistema generasse una sorta di keyword sintetica a partire dal contesto: la domanda dell’utente, la pagina dell’azienda, i contenuti disponibili, i segnali di conversione e la probabilità che quell’interazione produca valore.

Dalla ricerca digitata alla domanda conversazionale

Il cambiamento va letto anche alla luce dell’evoluzione del comportamento degli utenti. Le persone non cercano più soltanto con frasi brevi e prevedibili. Usano query lunghe, domande articolate, prompt conversazionali, richieste ibride che mescolano bisogni, contesto e aspettative. Questo fenomeno è accelerato dall’uso crescente di motori generativi, assistenti AI e interfacce conversazionali.

Un elenco di keyword, per quanto ben costruito, fatica a coprire questo universo linguistico. Nuove espressioni, slang locali, modi diversi di descrivere lo stesso problema, query stagionali e intenti emergenti rendono sempre più difficile enumerare manualmente tutte le opportunità. È qui che i sistemi basati sull’intento diventano competitivi: non cercano soltanto una corrispondenza lessicale, ma provano a interpretare la forma complessiva della domanda.

Per il mercato italiano questo punto è particolarmente rilevante. Molte aziende lavorano in settori dove il linguaggio del cliente è distante da quello interno: pensiamo a B2B industriale, servizi professionali, sanità privata, formazione, turismo, assicurazioni, software gestionali. Spesso l’utente non conosce il termine tecnico corretto, ma descrive un problema. Il nuovo paid search tende a premiare chi aiuta l’algoritmo a comprendere bene quel problema e a collegarlo a un’offerta concreta.

Cosa si perde: trasparenza, mestiere e formazione

La transizione non è priva di costi. Il primo riguarda la perdita di granularità diagnostica. In un sistema più automatizzato, rispondere alla domanda perché il mio annuncio è apparso qui diventa più complesso. Le keyword negative restano importanti, ma non bastano più a spiegare ogni decisione presa dalla macchina. L’ottimizzazione si sposta da una logica lineare a una logica probabilistica.

Il secondo costo riguarda la struttura degli account. Per vent’anni, una buona architettura PPC era un segno di competenza: gruppi di annunci tematici, separazione tra brand e non brand, cluster precisi, controllo dei match type, gestione puntuale dei budget. Parte di questa architettura era effettivamente utile, parte era forse sovra-ingegnerizzata. Ma rappresentava comunque un modo disciplinato di pensare all’intento.

Il terzo impatto è sulla formazione dei nuovi specialisti. Il report dei termini di ricerca è stato per anni una scuola di psicologia del consumatore. Permetteva di osservare come le persone formulano bisogni, confrontano alternative, sbagliano parole, usano sinonimi, cambiano linguaggio nel tempo. Se questa visibilità si riduce, le agenzie e i team marketing dovranno trovare nuovi metodi per allenare la sensibilità strategica dei profili junior.

Cosa si guadagna: copertura, velocità e segnali più ricchi

Dall’altra parte, il nuovo modello offre vantaggi significativi. Il primo è la copertura. Le campagne basate sull’intento riescono a intercettare query che nessuna lista manuale includerebbe, soprattutto in mercati dinamici o con cataloghi ampi. Per ecommerce e lead generation, questo può significare accesso a domanda incrementale che prima restava invisibile.

Il secondo vantaggio è la riduzione del lavoro di manutenzione. Liste infinite di keyword negative, audit continui delle query, micro-strutture di account e test ripetitivi sui match type hanno assorbito per anni una quantità enorme di tempo operativo. Se l’automazione riduce parte di questo carico, il valore del professionista può spostarsi verso attività più strategiche: misurazione, creatività, posizionamento, qualità dei dati e lettura economica delle performance.

Il terzo vantaggio è l’accesso a segnali impossibili da replicare manualmente. I sistemi di Google valutano pattern, probabilità e contesti che un team umano non può processare alla stessa scala. Rifiutare questi segnali significa competere in un’asta dove altri inserzionisti permettono all’algoritmo di usare più informazioni. La questione non è quindi automazione sì o no, ma quali controlli mantenere e quali input migliorare.

I dati indicano già la direzione

Un’analisi recente condotta su circa 130.000 campagne non branded, distribuite su oltre 14.000 account e quasi 99 milioni di dollari di spesa, mostra una tendenza chiara: gli inserzionisti stanno già spostando budget verso corrispondenze meno rigide. La quota di spesa non branded attribuita alla corrispondenza esatta è scesa dal 37,1% del 2022 al 27,6%. La corrispondenza generica è salita fino al 38,8% della spesa non branded, diventando il contenitore più ampio.

Il quadro cambia quando si parla di brand. Sulle ricerche branded, la corrispondenza esatta continua a generare performance molto elevate, con un ROAS pari a 6,61 e un CPC di 0,90 dollari nell’analisi citata. Il motivo è semplice: quando l’intento è già noto e l’utente cerca direttamente il marchio, il controllo stretto conserva valore.

La corrispondenza a frase sembra invece essersi posizionata come zona intermedia. Nelle campagne non branded analizzate genera il 40% delle conversioni e registra un tasso di conversione del 15,7%, superiore sia all’esatta sia alla generica. In molti casi è diventata ciò che un tempo era la exact match: uno strumento sufficientemente controllabile, ma abbastanza flessibile da esplorare intenzioni non previste.

Le mosse operative per i prossimi mesi

La prima priorità è separare in modo netto campagne branded e non branded. In un ecosistema dove il targeting basato sull’intento può sfumare i confini, mischiare brand e prospecting rischia di alterare la lettura delle performance. Il brand va protetto, misurato e gestito con logiche dedicate.

La seconda è investire nei segnali che l’algoritmo legge davvero. Landing page, feed, asset, dati aziendali e tracciamento non sono più solo elementi di supporto alla conversione: diventano input di targeting. Un sito disordinato, contenuti poveri o dati incompleti rendono più difficile al sistema capire quando mostrare l’annuncio.

Per la lead generation, il punto cruciale è importare conversioni qualificate, non soltanto lead grezzi. Ottimizzare su un modulo compilato può produrre campagne apparentemente efficienti ma commercialmente deboli. Ottimizzare su lead validati, opportunità o vendite permette invece a Smart Bidding e AI Max di apprendere dal valore reale. In molti casi, l’integrazione con CRM come Salesforce, HubSpot o Zoho, oppure tramite strumenti di automazione, diventerà una competenza di base per i team marketing.

La terza mossa è trattare le keyword negative come ultimo presidio di controllo. Non sono un residuo del passato: sono uno dei pochi strumenti ancora espliciti per dire alla macchina dove non deve andare. Vanno mantenute, aggiornate e possibilmente automatizzate, soprattutto per evitare sprechi, problemi di brand safety e traffico fuori contesto.

La quarta è testare AI Max con metodo. Non basta attivarlo e attendere risultati. Servono gruppi di controllo, misurazione dell’incrementalità e confronto con campagne keyword-based ancora efficienti. Le aree più adatte sono quelle dove già avrebbe senso usare automazioni avanzate, con volumi di conversione sufficienti e tracking affidabile.

Il nuovo ruolo del PPC manager

Il professionista PPC del prossimo ciclo non sarà pagato per compilare liste di keyword. Sarà pagato per progettare sistemi di apprendimento pubblicitario. Dovrà tradurre obiettivi di business in segnali leggibili dall’algoritmo, valutare la qualità dei dati, costruire esperimenti, interpretare performance aggregate e spiegare ai clienti perché una campagna funziona anche quando il controllo visibile è minore.

È un lavoro più difficile, non più semplice. Richiede competenze tecniche, capacità analitica, cultura del dato, comprensione del business e sensibilità creativa. Ma è anche un ruolo più difendibile rispetto alla pura gestione operativa delle keyword.

La parola chiave non muore come concetto linguistico. Muore come unità principale di controllo pubblicitario. Il paid search entra in una fase in cui la leva competitiva non sarà difendere la vecchia interfaccia, ma alimentare meglio il nuovo sistema: con dati più puliti, contenuti più chiari, conversioni più significative e una strategia più vicina all’intento reale degli utenti.