Remarks 314° | GA4 AI Assistant
Il bug strutturale di GA4 e sulla reale ingegneria della misurazione sintetica.
Moment Of Truth | 03:33 Minuti
Il tuo touchpoint sullo spazio digitale: uno strumento pratico dove troverai idee, riflessioni, conoscenze e framework in grado di guidarti nell’esecuzione della tua innovazione digitale. Testala, è gratis ↓
Buondì, e buon lunedì.
La contabilità del traffico web è diventata una questione di ingegneria inversa?
Mentre i marketer tradizionali stanno ancora festeggiando l’introduzione automatica del canale “AI Assistant” dentro il default channel grouping di GA4 come se fosse la salvezza, Mountain View ha appena teso la trappola perfetta per nascondere il ROI della tua strategia di intelligenza artificiale.
Non è una semplice feature di reporting. È un riposizionamento politico ed infrastrutturale con cui Google certifica che il traffico non passa più solo dai motori di ricerca, ma che allo stesso tempo introduce un bug strutturale macroscopico: un buco nero che sta risucchiando fino al 40% delle tue conversioni sintetiche all’interno del traffico Direct. Se non modifichi immediatamente l’architettura di tracciamento del tuo team, oggi stai regalando i tuoi posizionamenti su ChatGPT e Perplexity all’oscurità dei dati non attribuiti.
TL;DR | Takeaways
In questa edizione del Remarks analizziamo la micro-meccanica del nuovo canale nativo di GA4, i motivi tecnici per cui fallisce nell'intercettare i flussi dalle app mobile e dai browser in-app dei LLM, e il framework esecutivo per mappare chirurgicamente le conversioni e l'LTV generati dal posizionamento sintetico.
Destrutturazione del mezzo nativo: capire l’impatto della tripla sovrascrittura (ai-assistant su Medium, Canale e Campagna) e perché l’automatismo basato solo sull’HTTP Referrer è strutturalmente miope;
The ghost referral loop: come identificare le sessioni orfane generate dai link copiati dalle chat o dai passaggi nei browser in-app che distrugggono l’header di provenienza, declassando il traffico a direct / none;
Dual-stack regex routing: implementazione di una rete a strascico personalizzata per bypassare i limiti di Google, catturare i LLM emergenti e storicizzare i dati senza conflitti di classificazione;
LTV sintetico su BigQuery: il modello di attribuzione avanzato per confrontare il tasso di conversione ad alto intento degli utenti assistiti rispetto alla SEO classica.
Stai leggendo una nuova edizione del light format del Remarks.
Oggi parliamo di come:
Il problema centrale dell'aggiornamento di GA4 è l'illusione della misurazione a configurazione zero. Google intercetta la stringa del referrer solo quando la transizione avviene da browser web a browser web. Ma il consumo di AI conversazionale oggi è un ecosistema frammentato: avviene dentro l'app mobile di ChatGPT su iOS, tramite le API di Claude integrate in tool terzi, o attraverso i display dei Ray-Ban Meta.
Quando un LLM risolve il problema di un utente e gli fornisce il link verso la tua risorsa tecnica, l'header HTTP viene sistematicamente ripulito dal sistema operativo o dal browser in-app privato. Per GA4 quell'utente è un fantasma: entra sul sito senza cronologia di provenienza. La conseguenza è drammatica: i tuoi investimenti in ottimizzazione per i motori di risposta (GEO) sembranno fallimentari nei report, mentre il canale Direct si gonfia artificialmente di utenti con un CR altissimo.
La morte del tracciamento passivo
GO↓
🔵 GA4 AI Assistant
Tre pratici approcci
Qui entriamo nel cuore dell’implementazione. Non devi aspettare che Google aggiorni i suoi dizionari di backend. Devi configurare un ecosistema di tracciamento ibrido in grado di anticipare le storture dei motori di risposta e isolare il valore reale..
1/ → Override via Regex avanzata
Non puoi fare affidamento solo sulle definizioni standard di Google, perché non coprono i backend dei LLM secondari o le stringhe di reindirizzamento temporanee delle piattaforme emergenti come Perplexity o Anthropic.
Evita di toccare il default channel group nativo per non perdere lo storico pulito. Crea invece un nuovo gruppo di canali personalizzato chiamato Advanced Synthetic Mapping. All’interno, inserisci una regola di classificazione personalizzata posizionandola immediatamente sopra a quella nativa di Google nell’ordine di elaborazione. Configura il matching tramite espressione regolare impostando la condizione sul Mezzo o sull’origine del Referrer. Usa esattamente questa stringa di sbarramento:
^.*ai|.*\.openai\..*|.*chatgpt\..*|.*gemini\..*|.*gpt\..*|.*copilot\..*|.*perplexity\..*|.*anthropic\..*|.*claude\..*$In questo modo, la tua regola intercetta preventivamente ogni stringa non codificata da Google, forzando l’attribuzione corretta prima che la sessione scivoli nei canali generici. Se vedi popolare questo secchio personalizzato, significa che l’automatismo di Google stava fallendo.
2/ →Analisi dei pattern comportamentali
Per recuperare quel 40% di traffico sintetico nascosto sotto la voce direct / none, devi istruire il tuo team a fare un lavoro di analisi predittiva basato sul comportamento in pagina, poiché un utente che arriva da una chat d’intelligenza artificiale ha già superato la fase di discovery e atterra con un intento focalizzato.
Apri la sezione Esplora di GA4 e crea un report in formato libero incrociando la Pagina di destinazione con la Sorgente/Mezzo della sessione, filtrando esclusivamente per direct / none. Identifica i picchi di traffico insoliti su URL profondi (guide tecniche, documentazioni, schede prodotto specifiche) che non hanno campagne attive. Correla questi dati con i log del tuo server web cercando i passaggi dei bot di scraping (GPTBot, PerplexityBot, Anthropic-AI). Quando trovi pagine con traffico “diretto” anomalo e un tempo di coinvolgimento superiore a 45 secondi, crea un segmento di pubblico specifico denominato Presumed AI Traffic - Dark Web. Questo ti permetterà di isolare l’impatto reale dell’AI nelle tue analisi di clusterizzazione.
Configurare correttamente questi filtri ora significa smettere di indovinare da dove arrivano i tuoi clienti migliori e iniziare a mappare la transizione prima di tutti i tuoi competitor.↓
Referral Program
Se pensi che questo Remarks possa interessare a qualcuno, puoi condividerlo.
3/ →Estrazione LTV
Un utente che arriva da un assistente IA non sta cercando informazioni: sta validando una decisione che l’AI ha già preso per lui. Per questo motivo, devi isolare le metriche di business di questo canale per dimostrare la sua profittabilità rispetto alla SEO classica.
Monitora il report di Acquisizione del traffico focalizzandoti sulle colonne degli Eventi chiave e delle Entrate totali associate al canale AI Assistant. Se il tasso di conversione di questo canale è superiore rispetto all’Organic Search tradizionale, hai la prova scientifica che il traffico assistito è qualitativamente superiore. Esporta questo segmento di dati verso BigQuery utilizzando il connettore nativo. Calcola il Customer Lifetime Value (LTV) sul medio periodo di questa specifica coorte di utenti: ti servirà per dimostrare al board aziendale che l’ottimizzazione per i motori di risposta (GEO) non è un costo di branding, ma un generatore di clienti ad altissimo valore aggiunto.
L'adozione di questo tracciamento non è un'opzione tecnica secondaria; è il confine tra chi misura il marketing del futuro e chi sta leggendo dati falsati senza rendersene conto.
Al prossimo (futuro) lunedì.
Questo è Remarks. Il Touchpoint digitale di Catobi.
Se ti fa piacere continuare a parlare di questi temi, basta scrivermi →
In questo canale offriamo spazio, attraverso varianti pubblicitarie, al racconto dell’innovazione dei nostri Partner, e veicolando il contenuto su tutte le nostre piattaforme, comprese LinkedIn, Instagram e Telegram.
Qui tutte le informazioni su come sponsorizzare gli episodi della newsletter→