Ogni mattina, prima di questo sistema, la mia routine era sempre la stessa: aprire Gestione Inserzioni, scegliere un account, guardare i numeri di ieri, tornare indietro, sceglierne un altro. Con più clienti su Business Manager diversi, questo significava passare la prima ora della giornata a capire dove guardare, non a decidere cosa fare. Il problema non era la mancanza di dati — Meta ne restituisce moltissimi — era che nessuno di quei numeri arrivava già ordinato per importanza.
Ho deciso di costruire una web app che si collega direttamente ai dati pubblicitari di tutti gli account che seguo e fa il primo passaggio al posto mio: legge, confronta, segnala. La chiamo, tra me e me, la control room.
Il problema prima del sistema
Con un solo cliente, controllare le campagne a mano è gestibile. Con molti, la stessa attività smette di scalare: il tempo che serve per guardare tutto cresce insieme al numero di account, mentre il tempo utile per intervenire resta lo stesso. Il rischio concreto è che un account che sta andando male per tre giorni venga notato solo al quarto, semplicemente perché quel giorno è toccato a lui nell’ordine con cui li apro.
Il problema, detto in una frase, era questo: avevo bisogno di sapere in anticipo dove guardare, non di guardare più in fretta.
Cosa serviva davvero: non più dati, ma priorità
La prima tentazione, quando si affronta un problema così, è costruire una dashboard che mostra tutto: spesa, contatti, costo per contatto, frequenza, per ogni account, ogni giorno. È un errore comune, e l’ho fatto anch’io nella prima versione. Il risultato è una schermata piena di numeri che richiede comunque tempo per essere letta — ho solo spostato il problema da Gestione Inserzioni a una schermata mia.
Quello che serviva era diverso: un sistema che guarda tutti gli account, applica una soglia di attenzione (una spesa che sale senza risultati, un costo per contatto che si allontana dalla media, una frequenza troppo alta) e mi restituisce solo quelli che meritano di essere aperti, in ordine di urgenza. Tutto il resto resta disponibile, ma non deve essere la prima cosa che vedo.
Come funziona la control room
L’impianto, a grandi linee, è semplice: il sistema legge i dati pubblicitari di ogni account collegato, li confronta con lo storico recente dello stesso account (non con una media generica, che avrebbe poco senso tra un cliente e l’altro) e applica una diagnosi.
La diagnosi non si ferma a “questo numero è basso”. Prova a dire perché. Se una campagna genera molti clic ma pochi contatti, il sistema segnala che il problema è probabilmente successivo al clic — la pagina di destinazione o il modulo — non la creatività, che sta facendo il suo lavoro di attirare attenzione. Se invece i clic scarseggiano fin dall’inizio, il sospetto si sposta sull’immagine o sul testo dell’annuncio. È una distinzione piccola sulla carta, ma è quella che fa risparmiare più tempo: sapere dove guardare prima ancora di aprire l’account.
Sopra la diagnosi per singola campagna, il sistema raggruppa per cliente e per stato: chi va tenuto d’occhio, chi sta andando bene, chi non ha campagne attive. Al mattino la prima cosa che vedo non è una lista di account, è una lista di problemi, già ordinata.
Cosa mostra e cosa nasconde di proposito
Una parte del lavoro, forse la più controintuitiva, è stata decidere cosa non mostrare subito. Un account con una campagna storica ferma da mesi, senza spesa, non ha bisogno di comparire ogni giorno tra le priorità: è rumore. Le campagne senza attività recente restano visibili, ma raccolte a parte, non mescolate con quelle che stanno effettivamente spendendo budget in questo momento.
Lo stesso vale per il dato del giorno in corso. Guardare la spesa di “oggi” a metà mattina e confrontarla con quella di ieri intero porta quasi sempre a una conclusione sbagliata: sembra che la campagna stia andando peggio, semplicemente perché la giornata non è ancora finita. Il sistema tiene il dato di oggi separato, marcato come parziale, e confronta il ritmo di spesa di oggi con quello che la stessa campagna aveva, alla stessa ora, il giorno prima — non con il totale di ieri. È una correzione piccola ma necessaria: senza, il primo allarme della giornata è quasi sempre falso.
Cosa ha richiesto correggere strada facendo
La prima versione del sistema generava troppi allarmi. Qualsiasi variazione superiore a una soglia arbitraria finiva nella lista da controllare, e nel giro di pochi giorni la lista era diventata lunga quanto la vecchia routine manuale — avevo automatizzato il rumore, non filtrato il segnale.
La correzione è stata alzare la soglia solo dove contava davvero (spesa senza risultati, non una piccola oscillazione del costo per contatto) e distinguere tra un calo isolato di un giorno e un calo che dura da più giorni consecutivi. Un singolo giorno negativo può dipendere da mille cose, compreso il ritardo con cui Meta stesso registra i contatti arrivati nelle ultime ore. Una tendenza che dura da una settimana è un’altra storia.
Cosa porto a casa da questo progetto
Il vantaggio più grande non è stato il tempo risparmiato la mattina, anche se è reale. È stato smettere di scoprire i problemi in ritardo. Un account che perde efficacia lo vedo il giorno dopo, non dopo una settimana in cui nessuno ha avuto motivo di aprirlo.
La parte che ha richiesto più lavoro, ed è la lezione che vale al di là di questo progetto specifico, non è stata collegare i dati: è stata decidere cosa conta come “problema” e cosa no. Un sistema che segnala tutto è utile quanto uno che non segnala niente.
Il prossimo passo, quello che approfondisco nell’articolo collegato, riguarda proprio questo: come funziona la diagnosi che il sistema propone quando trova un problema, e perché ho dovuto mettere dei limiti precisi a cosa l’AI può suggerire di cambiare.
