Google Analytics 4 sta vivendo il trimestre di aggiornamenti più denso dalla migrazione da Universal Analytics. Tra gennaio e aprile 2026 Google ha spinto in produzione o in beta una serie di funzionalità che cambiano il modo in cui si legge, si pianifica e si governa il dato. Molti degli interventi non sono cosmetici: toccano il motore di attribuzione, il consenso, l’integrazione con canali media esterni a Google e l’interazione utente tramite AI generativa. Per chi gestisce property GA4 in produzione, è il momento di rivedere checklist di setup, documentazione consent e piani di media planning.

Analytics Advisor è il nuovo assistente AI nativo di GA4, lanciato in versione beta a dicembre 2025 e in progressiva diffusione nei primi mesi del 2026. È costruito sui modelli Gemini più recenti e sostituisce di fatto la logica degli “Insights automatici” con un’esperienza conversazionale agentica.

Il funzionamento è quello tipico di un assistente LLM applicato al dato: si pone una domanda in linguaggio naturale — ad esempio “cosa ha causato il picco di traffico il 25 settembre?” — e il sistema esegue una scansione di migliaia di combinazioni dimensione-metrica, identifica pattern, anomalie e correlazioni, e restituisce una risposta in linguaggio naturale accompagnata da grafici, tabelle e link ai report di riferimento. Secondo la documentazione ufficiale, Analytics Advisor fornisce insight personalizzati, visualizzazioni e collegamenti diretti ai report utili.

Il limite più rilevante oggi è linguistico: Analytics Advisor è disponibile – per ora – solo per account in lingua inglese anche se poi può essere interrogato e risponde in italiano. Per i mercati italiani significa che l’utilizzo richiede di impostare l’interfaccia GA4 su English (Admin > Impostazioni) . Non è un blocco tecnico assoluto, ma è un da tenere in conto, soprattutto nei gruppi di lavoro.

Da un punto di vista pratico, le aree dove Analytics Advisor dà il ritorno più alto sono tre: diagnosi rapida di anomalie (spike e drop), analisi esplorativa su segmenti non ancora strutturati in audience, e accompagnamento per utenti non tecnici che devono leggere il dato senza padroneggiare Explorations. Meno convincente per ora sul lato forecasting e modellazione causale: rimane un layer di interpretazione, non di previsione.

Sempre in area AI, Google ha introdotto i Generated Insights direttamente sulla home page della property. Si tratta di un blocco sintetico che riepiloga le tre variazioni più rilevanti rispetto all’ultima visita: modifiche di configurazione, anomalie di traffico o conversione, trend stagionali. L’obiettivo dichiarato è ridurre il tempo per “entrare nel dato” quando si apre GA4 dopo giorni di assenza.

A complemento, arriva l’enhanced onboarding assistant, che durante la creazione di una property suggerisce impostazioni pre-configurate in base al settore dichiarato (e-commerce, lead gen, media/publisher, SaaS). La logica è simile a quella dei template di Google Ads: meno scelte iniziali, meno errori in setup, più velocità nel portare la property a produzione. Parallelamente è attivo anche un sistema di stream diagnostics in tempo reale che segnala se uno stream è inattivo o configurato in modo incoerente, prima che il dato diventi inutilizzabile per giorni.

Operativamente: chi setta nuove property a partire da gennaio 2026 dovrebbe accettare i suggerimenti del wizard come baseline, ma ricontrollare manualmente le conversioni chiave, l’enhanced measurement e l’ecommerce tracking prima di collegare Google Ads. L’automazione copre bene l’80% dei casi standard; è sul restante 20% che si gioca la qualità del dato nei mesi successivi.

È forse la novità concettualmente più pesante del 2026. Con Cross-Channel Budgeting, GA4 smette di essere uno strumento di sola misurazione e diventa anche un ambiente di pianificazione e previsione della spesa media. La feature è attualmente in closed beta, senza data confermata di general availability, ed è indirizzata inizialmente ai clienti Google Ads enterprise.

Due gli strumenti che la compongono: Scenario Planner, per modellare diverse allocazioni di budget prima dell’investimento, e Projection Plans, per monitorare in corso d’opera le performance reali rispetto al piano costruito. I due tool sono pensati per essere usati insieme: si modella, si investe, si confronta. Napkyn ha sintetizzato bene i prerequisiti di accesso, che sono restrittivi: servono almeno 12 mesi di dati di conversione e spesa, su minimo due canali (uno Google e uno non-Google).

Nativamente supportati i canali Google (Google Ads, DV360, SA360); via import di cost data entrano Meta (Facebook/Instagram), TikTok, Pinterest, Snap e Reddit. Restano fuori, al momento, Microsoft Ads, LinkedIn e X/Twitter — un gap rilevante per chi lavora in B2B o su mercati dove LinkedIn pesa sensibilmente sul mix.

Il punto di vista operativo è duplice. Da un lato, la feature sposta il baricentro: analisi e pianificazione nello stesso strumento riducono gli handoff tra team analytics e media buying. Dall’altro, i requisiti di 12 mesi di storico e la copertura parziale sui canali non-Google rendono improbabile che questa diventi, a breve, l’unico ambiente di planning. Più realisticamente sarà un layer in più accanto a strumenti dedicati.

Sul fronte marketing automation e Google Ads, Google ha introdotto due template di audience pre-costruiti con taglio lifecycle: High-Value Purchasers e Disengaged Purchasers. Il primo segmenta gli utenti in base a purchase count o Lifetime Value (con opzione per percentile LTV), il secondo sui giorni trascorsi dall’ultimo acquisto. Entrambi sono esportabili su Google Ads per campagne di acquisizione customer-value-oriented e di re-engagement, come documenta Search Engine Land.

La parte delicata è la calibrazione. “Alto valore” non è un dato, è una scelta: top 5%, 10% o 25% per LTV? Dipende da dimensione del customer base, costi di acquisizione e struttura di margine. Analogamente, “disingaggiato” ha senso solo rispetto al ciclo di acquisto naturale del business: 14 giorni per il food delivery, 730 giorni per l’arredamento. Il template offre il frame, il calibro lo decide chi conosce il business.

Più tecnica, ma altrettanto importante, la novità del 16 gennaio 2026: l’attribuzione delle conversioni è ora regolabile in modo indipendente per ogni singola conversione. Questo elimina una delle cause storiche di discrepanza tra GA4 e Google Ads e permette di affinare le strategie di bidding sulla base della natura di ogni conversion (hard vs soft, lead vs acquisto, ecc.). A corredo è stato rilasciato in beta il nuovo Conversion Attribution Analysis report, che separa percorsi single-touch da percorsi multi-touch e classifica i touchpoint in Early, Mid, Late stage nella vista data-driven.

Per chi gestisce portafogli di conversioni eterogenei (es. e-commerce con iscrizione newsletter + acquisto + richiesta preventivo), la possibilità di settare modelli di attribuzione distinti per conversione è un upgrade sostanziale: permette di non appiattire strategie di bidding diverse sotto lo stesso modello.

L’ultimo cambiamento, e probabilmente quello che richiede più attenzione in termini di compliance, riguarda la separazione tra governance del dato Analytics e governance del dato Ads. Dal 15 giugno 2026, Google Signals non controllerà più se Google Ads può raccogliere cookie e identificatori pubblicitari dal tag GA4. L’autorità passa esclusivamente al parametro ad_storage del Consent Mode. Il resoconto più chiaro della modifica è pubblicato da PPC.land.

Dopo il 15 giugno, l’impostazione Google Signals in GA4 conserva una funzione soltanto: decidere se associare i dati Analytics alle informazioni dell’utente loggato, a fini di reporting comportamentale. Tutto il resto della governance ads-related si sposta sul Consent Mode. In pratica, disattivare Google Signals non basterà più a bloccare la raccolta cookie lato Ads: quella decisione sarà interamente nel segnale ad_storage.

L’implicazione operativa è seria. Fino a giugno, un setup con Google Signals disattivato poteva funzionare da “cintura di sicurezza parziale” anche in presenza di un Consent Mode imperfetto. Dopo giugno, quel paracadute scompare: la correttezza dell’implementazione Consent Mode — in particolare la tempestività e coerenza degli update di ad_storage — diventa il singolo punto di verità. I due scenari post-giugno sono netti: concedere ad_storage e far passare tutti i segnali Ads (incluso il linking via Google sign-in), oppure negare ad_storage e limitare Google ai soli identificatori disponibili nell’URL (es. gclid).

La checklist operativa da completare entro metà giugno è quindi chiara: audit completo del CMP e del Consent Mode v2, verifica che ad_storage si aggiorni correttamente al change-of-consent (non solo al page load iniziale), test dei flussi di default consent e update consent, documentazione delle scelte per i team legali. In parallelo, Google ha anticipato che entro fine 2026 anche le impostazioni di ads personalization saranno consolidate, e che gli IP raccolti da Google Tag e SDK saranno cifrati e instradati agli account Ads linkati secondo le configurazioni lato Ads.

Il filo conduttore del 2026 è esplicito: GA4 si sposta da strumento di misura a piattaforma di azione. AI conversazionale, planning del budget e template di audience pronte all’export su Ads sono tre tasselli dello stesso disegno — ridurre la distanza tra dato e decisione, e tenere l’intero stack più vicino all’ecosistema Ads. Per chi lavora la piattaforma da anni, questo implica una revisione di processo: meno esportazioni custom, più uso delle feature native; più attenzione al Consent Mode e meno affidamento a Google Signals come interruttore. Il rovescio della medaglia è un’ulteriore dipendenza dal walled garden Google — ed è una variabile che vale la pena monitorare nella strategia analytics complessiva.