L'incrementality testing — misurare il vero contributo incrementale della pubblicità — è diventato pratica strategica 2026 standard per account sopra 20 k€/mese di spend totale. I modelli di attribuzione ti dicono a chi accreditare le conversioni; l'incrementality ti dice quali conversioni non sarebbero accadute senza gli ads del tutto.
Questa guida copre i metodi 2026: Google Conversion Lift study, geo experiment self-run, requisiti di sample size e un playbook di testing 30-60 giorni. Targetizzato per inserzionisti mid-market con 20 k€+/mese di spend.
Smart Bidding + DDA ottimizzano su qualunque conversione sia attribuita. Se il 50 % delle conversioni della tua campagna brand sono non-incrementali (sarebbero accadute comunque), Smart Bidding ottimizza ancora per scalare il brand — perdendo efficienza su campagne effettivamente incrementali. L'incrementality testing rivela il gap. Il testing trimestrale tipicamente migliora l'allocazione budget del 10-20 %.
Cosa misura l'incrementality testing (vs attribuzione)
Attribuzione: quale touchpoint accreditare per una conversione che è avvenuta.
- Domanda: "Delle conversioni che vedo, quali canali hanno contribuito?"
- Modello: DDA, last-click, etc.
- Utile per: ottimizzazione bidding, decisioni a livello ad
Incrementality: quali conversioni non sarebbero accadute senza l'ad.
- Domanda: "Quante di queste conversioni i miei ads hanno effettivamente causato?"
- Metodo: holdout group / esperimento controfattuale
- Utile per: allocazione budget, valutazione canale, decisioni strategiche
Entrambi contano. Attribuzione = tattico, continuo. Incrementality = strategico, periodico.
Metodi: geo experiment, holdout group, conversion lift study
Google Conversion Lift study (gestiti):
- Google assegna casualmente gli utenti a test (vede ads) vs control (vede public service ad o niente)
- Misura il lift nel tasso di conversione
- Richiede: 20-50 k€+ di spend media durante il test, studio 30-giorni, eligibility account
- Gratis, richiesta via supporto Google Ads
- Pro: metodologia pulita, Google gestisce la statistica
- Contro: soglia di eligibility, impegno temporale
Geo experiment (self-run):
- Suddividere regioni geografiche matched in test (campagne attive) vs control (campagne spente)
- Misurare la differenza di tasso di conversione
- Richiede: 6-10 regioni matched, finestra 30-60 giorni, strumenti di analisi statistica
- Costo: opportunity cost di campagne in pausa + 5-10 ore tempo analista
- Pro: pieno controllo, gira senza approvazione Google
- Contro: fattori confondenti (stagionalità, variazione regionale)
Holdout time-based (meno affidabili):
- Mettere in pausa le campagne per un periodo definito, misurare la differenza di conversione
- Confuso da effetti tempo-dell'anno
- Non raccomandato eccetto per test direzionali rapidi
Percorso raccomandato 2026: iniziare con Google Conversion Lift se eligible (gratis, pulito). Per test più grandi o più frequenti, costruire capacità geo experiment.
Quando eseguire l'incrementality testing
Ragioni forti per testare:
- Valutare un nuovo canale (Meta / LinkedIn / TikTok) per incrementality vs cannibalizzazione
- Sospetto su campagna brand (frequentemente sovra-accreditata)
- Decisioni di major riallocazione budget
- Validare gli output MMM (Marketing Mix Modeling)
- Giustificare il budget pubblicitario al CFO
Ragioni deboli (saltare il testing):
- Ottimizzare giorno-per-giorno Smart Bidding (usare attribuzione)
- Sotto 20 k€/mese di spend (potenza statistica insufficiente)
- Durante major periodi stagionali (Q4 ecommerce, etc.)
- Campagne stabili che girano bene — non aggiustare ciò che non è rotto
Frequenza pratica: trimestrale per almeno un major canale/campagna. Test cross-channel comprensivo annuale per account enterprise.
Dimensione del campione e significatività statistica
La sample size dipende da:
- Tasso di conversione baseline
- Effetto Minimo Rilevabile (MDE) — il lift più piccolo che vuoi misurare con confidenza
- Livello di confidenza statistica (tipicamente 95 %)
Regola generale approssimativa:
- 1 % tasso conversione baseline, voler rilevare lift 10 %: serve ~30.000 sessioni per gruppo
- 5 % tasso conversione baseline, voler rilevare lift 20 %: serve ~3.000 sessioni per gruppo
- Baseline più alto + MDE più grande = campione più piccolo necessario
Per Google Ads su scala: tipicamente studio 30-giorni consegna campione sufficiente. Per account più piccoli: studio 60-giorni o MDE più grande.
Significatività statistica: p < 0,05 soglia minima. Riportare intervallo di confidenza 95 % per ROAS incrementale.
Pitfall e bias comuni
1. Variabili confondenti: effetti stagionali, attività competitor, eventi di notizia durante il test. Mitigazione: usare test/control matched con baseline simili, o assegnazione utente randomizzata (Conversion Lift).
2. Gap di attribuzione cross-device: l'utente vede l'ad su telefono, converte su desktop. L'assegnazione test/control può mancare questo. Mitigazione: usare metodologia device-aware, finestre di attribuzione più lunghe.
3. Effetti carryover: gli ads in esecuzione nel periodo pre-test possono influenzare la conversione post-test. Mitigazione: periodo di wash-out prima dell'inizio della misurazione.
4. Potenza insufficiente: campione troppo piccolo, non può rilevare il vero lift. Risultato: falso negativo. Mitigazione: pre-calcolare sample size, estendere lo studio se necessario.
5. Problemi di confronto multiplo: testare molti segmenti gonfia il tasso di falsi positivi. Mitigazione: correzione di Bonferroni o test single-hypothesis focalizzati.
6. Mismatch definizione conversione: il test impatta una metrica diversa da quella per cui ottimizzi. Mitigazione: allineare la conversione test con il KPI business primario.
Interpretazione risultati: ROAS incrementale, CAC vero
Metriche chiave da un test di incrementality:
Conversioni incrementali: conversioni gruppo test meno conversioni gruppo control, scalate alla popolazione piena.
ROAS incrementale: (revenue incrementale / spend ad durante il test). Confrontare al ROAS riportato.
CAC vero: spend ad / acquisizioni cliente incrementali (vs CAC riportato = spend ad / acquisizioni totali attribuite).
Percentuale di lift: (tasso conversione test - tasso conversione control) / tasso conversione control.
Findings tipici 2026:
- Campagne brand search: 30-60 % incrementale (40-70 % delle "conversioni" sarebbero accadute comunque via brand search organico)
- Non-brand search: 70-90 % incrementale (alto contributo incrementale)
- Display retargeting: 30-50 % incrementale
- Video top-of-funnel: 50-80 % incrementale (varia ampiamente)
Interpretazione actionable: scalare i canali high-incremental, audit/ottimizzare quelli low-incremental, ma non tagliare ciecamente le campagne brand (possono avere bassa incrementality ma alto LTV downstream).
Il finding più frequente: le campagne brand search sembrano essere il pinnacolo del ROAS sotto attribuzione last-click (8-10x), ma incrementality testing rivela un ROAS incrementale di 2-3x. Questo non significa tagliare il brand — significa allocare correttamente. Il brand cattura intento esistente; il non-brand crea intento nuovo.
Costo: tempo, opportunity cost, infrastruttura
Costi Google Conversion Lift study:
- Costo diretto: 0 € (gratis)
- Opportunity cost: minimo (Google gestisce lo splitting audience senza mettere in pausa campagne)
- Tempo: studio 30 giorni + 2-3 ore setup/analisi
- Eligibility: 20-50 k€+ di spend media durante il test
Costi geo experiment:
- Costo diretto: 0-1 k€ (tempo analista)
- Opportunity cost: 5-15 % del budget test (campagne in pausa nelle regioni control)
- Tempo: 5-10 ore setup + studio 60 giorni + 10-15 ore analisi
- Software: gratis (R + pacchetto CausalImpact) a 1 k€/mese (Geox)
Incrementality enterprise MMM-based:
- Costo diretto: 50-500 k€/anno (vendor MMM)
- Tempo: continuo
- Migliore per 1 M€+/mese di spend totale
Per la maggior parte degli account mid-market: Google Conversion Lift annualmente + occasionale geo experiment è sufficiente.
Playbook incrementality testing 30 giorni
Lo schema HowTo copre giorno-per-giorno. Framing strategico:
Settimana 1 — Setup. Definire la domanda, scegliere il metodo, baseline pre-test.
Settimane 2-7 — Eseguire il test (30-60 giorni a seconda del metodo).
Settimana 8 — Analisi. Analisi statistica, intervalli di confidenza, documentare i findings.
Settimana 9 — Decisione e azione. Applicare gli apprendimenti all'allocazione budget, pianificare il prossimo ciclo di testing.
Per contesto complementare, vedi la nostra guida attribuzione DDA, guida MMM vs Attribution e guida LTV modeling.
Se vuoi ottimizzazione AI-driven che supporta l'allocazione budget incrementality-aware, SteerAds offre un audit gratuito di 14 giorni su Google + Microsoft Ads.
Sources
- support.google.com/google-ads — documentazione Conversion Lift studies
- research.google/pubs — ricerca Google su metodologia incrementality
- google.github.io/CausalImpact — pacchetto R CausalImpact Google
- thinkwithgoogle.com — insight di settore Google
- geoxlibrary.com — strumento geo experiment Geox
FAQ
Qual è la differenza tra incrementality testing e attribuzione?
L'attribuzione misura quali touchpoint ottengono credito per conversioni che sono accadute. L'incrementality misura quali conversioni NON sarebbero accadute senza i tuoi ads — il vero contributo incrementale. La differenza conta: una campagna brand con attribuzione last-click alta può avere bassa incrementality se quegli utenti avrebbero cercato il tuo brand e convertito comunque. L'incrementality rivela la vera efficacia degli ads vs touchpoint sovra-accreditati.
Come funziona Google Ads Conversion Lift study?
L'incrementality testing built-in di Google in Google Ads. Assegna casualmente gli utenti a gruppi test (ads serviti) vs control (ads trattenuti). Misura la differenza di tasso di conversione tra i gruppi. Richiede 20-50 k€+ di spend media per significatività statistica + finestra di studio 30+ giorni. Disponibile per la maggior parte degli account via richiesta al supporto Google Ads.
Cos'è un geo experiment per l'incrementality?
Test di incrementality self-run. Suddivide regioni geografiche simili: metà ha campagne attive (test), metà sono in pausa (control). Misura il lift di conversione tra i gruppi. Più economico dei Google Conversion Lift study ma richiede analisi statistica DIY e finestra 60-90 giorni per segnale stabile.
Quando dovrei eseguire incrementality testing nel 2026?
Tre trigger: (1) Valutazione nuovo canale (testando se Meta / LinkedIn / TikTok guidano davvero incrementale vs cannibalizzano traffico Google), (2) Scetticismo campagna brand (validando che il brand search sia incrementale, non solo intercettando organic), (3) Decisioni di allocazione budget (quali canali scalare, quali tagliare). Saltare l'incrementality se ti fidi del tuo modello di attribuzione e le piattaforme sono stabili.
Quanto costa un test di incrementality?
Google Conversion Lift study: gratis (Google lo esegue) ma richiede 20-50 k€ di spend media + 30 giorni. Geo experiment self-run: time-intensive (5-10 ore tempo analista) + opportunity cost di campagne in pausa (5-15 % del budget test). Costo totale: 5-15 k€ tipico per un test significativo, molto più alto su scala enterprise.
Cos'è il ROAS incrementale vs il ROAS riportato?
ROAS riportato (attribution-based): valore conversione totale / spend ad. Include conversioni che sarebbero accadute comunque. ROAS riportato ecommerce tipico: 3-5x. ROAS incrementale (lift-based): conversioni incrementali solo / spend ad. Spesso 30-60 % inferiore al riportato. Le campagne brand mostrano frequentemente ROAS riportato 8-10x ma ROAS incrementale 2-3x — la maggior parte del traffico brand sarebbe convertito comunque.
L'incrementality testing può sostituire l'attribuzione?
No, rispondono a domande diverse. Attribuzione = quale touchpoint accreditare / come fare bid in Smart Bidding. Incrementality = questo canale/campagna sta effettivamente aggiungendo valore? Usa l'attribuzione per ottimizzazione continua (Smart Bidding, allocazione budget), incrementality per validazione strategica (trimestrale / annuale). Entrambi hanno un ruolo.