Un prodotto può essere approvato in Merchant Center, incluso in una campagna Performance Max e ricevere comunque poco traffico utile. Sono tre stati diversi. Nei cataloghi ampi la distinzione si perde facilmente, perché il ROAS della campagna può sembrare sano mentre l’erogazione si concentra su un numero limitato di articoli già affermati.

La concentrazione non è necessariamente un problema: spesso è corretto investire di più sui bestseller. Lo diventa quando prodotti importanti non raccolgono dati sufficienti e il team non sa se dipenda da domanda, feed, bidding o scarsa esposizione.

Costruisci il funnel di esposizione dei prodotti

Parti dall’elenco completo dei prodotti per un singolo mercato e usa una finestra di analisi coerente. Conta:

  1. Prodotti attivi e disponibili sulla piattaforma ecommerce
  2. Prodotti idonei in Merchant Center e Google Ads
  3. Prodotti idonei inclusi nei gruppi di schede della campagna
  4. Prodotti inclusi con almeno un’impressione di prodotto
  5. Prodotti inclusi con almeno un clic diretto sul prodotto

Mantieni anche le righe a zero. Un export limitato ai prodotti con clic elimina proprio gli articoli che vuoi individuare. Il report sui prodotti di Google copre ora Shopping e tutte le reti Performance Max, mentre il report Shopping Product può restituire insieme ID articolo, stato e metriche di rendimento.

Controlla l’idoneità prima di interpretare il traffico. Un articolo non approvato ha un problema di feed o di norme, da gestire nel processo dedicato alla qualità del feed. Per un articolo idoneo con poco traffico, la domanda è diversa.

Non esiste una percentuale universale credibile di prodotti che dovrebbe ricevere traffico. Calcola invece il comportamento effettivo dell’account.

Ordina gli articoli idonei per impressioni di prodotto, clic diretti e costo. Per ogni metrica, calcola la quota assorbita dal 10% con i valori più alti. Poi riporta mediana e quartili sull’intero insieme, compresi gli zeri. Per i nuovi prodotti, misura il tempo alla prima impressione e al primo clic, per categoria, fascia di prezzo e fascia di margine.

Interpreta con cautela le impressioni di prodotto. Google conta un’impressione per ogni prodotto incluso in un evento pubblicitario, anche se l’articolo si trova fuori dall’area visibile all’utente. Un clic diretto è un segnale più pulito che quel prodotto ha attirato attenzione. La differenza è documentata nella guida Google ai report Shopping.

C’è anche una discontinuità nei dati: dal 15 giugno 2026, Shopping Performance View include tutte le reti Performance Max. I confronti che attraversano quella data possono mostrare un aumento meccanico delle metriche di prodotto.

Tratta il cold start come una carenza di evidenze

È facile concludere che Performance Max non sappia nulla di un nuovo SKU. La spiegazione di Google è più sfumata. Smart Bidding può usare informazioni a livello di query quando lo storico delle conversioni è scarso, poi affinare i modelli man mano che arrivano dati più granulari.

La diagnosi utile è una carenza di evidenze. Se un prodotto non riceve clic diretti, in quel periodo non può generare evidenze dirette dal clic alla vendita. Questo non dimostra comunque che l’algoritmo lo abbia penalizzato. Domanda debole, target ROAS restrittivi, Ad Rank basso, concorrenza, stagionalità e dati prodotto incompleti restano spiegazioni possibili.

La distinzione cambia l’intervento. Alcuni SKU invisibili non hanno una motivazione commerciale per ricevere altra spesa. Un articolo nuovo, ad alto margine o strategicamente importante può invece meritare un’opportunità controllata di raccogliere dati.

Finanzia un gruppo di prodotti che merita il test

Crea un gruppo di scoperta usando un’etichetta personalizzata stabile in Merchant Center. Includi soltanto prodotti idonei, disponibili, sostenibili sul piano economico e supportati da dati completi. Raggruppali secondo una motivazione di business reale, per esempio una nuova gamma, un margine elevato o una categoria strategica.

Escludi il gruppo dalla campagna evergreen e inseriscilo in una campagna Performance Max separata, con budget o target ROAS propri. In questo modo elimini la sovrapposizione dei prodotti e stabilisci un confine chiaro per l’investimento. Le indicazioni retail di Google consentono campagne PMax separate quando nuovi prodotti o altre gamme richiedono budget o target differenti.

Definisci prima del lancio il tetto di spesa, partendo dal margine e dal costo di acquisizione accettabile. Una campagna separata non distribuisce il traffico uniformemente. Dà al gruppo spazio per competere. Evita una campagna per SKU e continui spostamenti di prodotto: frammentano i dati e complicano l’interpretazione. La guida ai controlli di Performance Max copre le altre scelte di struttura.

Se il test richiede offerte esplicite per gruppo di prodotti o un CPC massimo definito dall’inserzionista, usa Shopping standard con CPC manuale. Controlla aggiustamenti delle offerte, impostazioni dei partner di ricerca e qualsiasi funzione che possa aumentare l’offerta effettiva prima di considerare quella cifra un limite rigido al costo per clic. Durante il test, tieni i prodotti del trattamento fuori da PMax. Quando prodotti e targeting si sovrappongono, l’Ad Rank decide se viene pubblicata Performance Max o Shopping standard, quindi i report di campagna non offrono più un confronto pulito.

Valuta insieme copertura e valore commerciale

Per costruire un confronto più solido, abbina i prodotti per categoria, fascia di prezzo, fascia di margine, anzianità e completezza del feed. All’interno di questi gruppi, assegna gli articoli in modo casuale. Mantieni i prodotti di controllo nell’assetto evergreen e sposta quelli di trattamento nel gruppo di scoperta finanziato.

Considera questo confronto a livello di prodotto come indicativo, a meno che assegnazione, dimensione del campione e struttura delle aste consentano un’inferenza causale. Se la domanda è Performance Max contro Shopping standard sugli stessi prodotti, usa l’esperimento nativo con ripartizione del traffico di Google.

Non cambiare composizione del gruppo e impostazioni principali durante il test, salvo quando disponibilità o stato di approvazione impongono una rimozione. Google consiglia almeno sei settimane prima della valutazione e indica di escludere dall’analisi la fase iniziale di apprendimento di una o due settimane. Definisci la data finale dell’analisi in base al ritardo di conversione dell’account, così i clic più recenti hanno il tempo di maturare.

Leggi il risultato su due livelli. Primo: il trattamento ha aumentato la quota di articoli idonei con impressioni e clic diretti sul prodotto? Secondo: la copertura aggiuntiva è stata associata a ricavi attribuiti o profitto lordo accettabili sui prodotti venduti, e i dati di contribuzione del backend hanno confermato la stessa decisione?

La seconda domanda evita che il progetto di copertura diventi un semplice acquisto di traffico. Conversions with Cart Data può separare il prodotto pubblicizzato da quello effettivamente venduto e mostrare metriche di profitto lordo, quando l’implementazione è affidabile. Promuovi i prodotti che dimostrano una ragione commerciale per ricevere budget, interrompi quelli che esauriscono il budget di test concordato e sottoponi allo stesso processo il successivo gruppo coerente.

Usa questo metodo per distinguere i prodotti privi di evidenze da quelli che hanno ricevuto un test equo e non lo hanno superato. Distribuire la stessa spesa su tutto il catalogo sostituirebbe soltanto un problema di allocazione con un altro.