Risorse e contenuti su Gemini - WMG https://www.webmarketinggarden.it/gemini/ Consulenza e formazione sul web marketing ovvero come far diventare produttivo un sito internet. Tue, 21 Apr 2026 13:04:54 +0000 it-IT hourly 1 https://www.webmarketinggarden.it/wp-content/uploads/2015/12/cropped-WMG-1-32x32.jpg Risorse e contenuti su Gemini - WMG https://www.webmarketinggarden.it/gemini/ 32 32 L’Economia dell’Attenzione: Oltre la Viewability nel nuovo White Paper IAB Italia https://www.webmarketinggarden.it/leconomia-dellattenzione-oltre-la-viewability-nel-nuovo-white-paper-iab-italia/ Thu, 19 Mar 2026 09:33:59 +0000 https://www.webmarketinggarden.it/?p=9137 Il mondo dell’advertising digitale, si sa, è sempre alla ricerca del miglioramento delle performance e in questi ultimi tempi compaiono sempre più ricerche che invece di occuparsi della sola visibilità dei nostri annunci cercano di capire l’attenzione reale che riescono a catturare. IAB Italia ha appena rilasciato il White Paper “Attention Metrics” (Dicembre 2025), un documento che segna il superamento delle metriche tradizionali come la semplice viewability.

Di che cosa tratta la ricerca?

Il paper esplora come l’attenzione non sia un dato statico, ma un processo dinamico e multidimensionale che coinvolge percezione, emozione, comprensione e comportamento. Non basta che un annuncio sia “visibile” a schermo; ciò che conta è il grado di coinvolgimento reale, misurato oggi attraverso tecnologie avanzate non solo di eye-tracking ma anche grazie a strumenti che integrando AI e neuroscienze catturano le micro espressioni sul volto dei navigatori.

Un insight sorprendente: l’efficacia dell’Audio

Un esempio di interesse, spesso sottovalutato dai media planner, riguarda il potere dell’audio digitale. Secondo gli studi citati (Dentsu/Lumen), l’attenzione generata dall’audio è superiore del 66% rispetto al video digitale e del 155% rispetto ai social media. Questo si traduce in un aumento della Brand Choice del 67%, dimostrando che l’assenza di stimoli visivi può paradossalmente focalizzare meglio il coinvolgimento cognitivo.

Fonte: IAB Italia – Attention Metrics

Luci e ombre: una riflessione critica

La ricerca ha il pregio di voler standardizzare un mercato frammentato, introducendo concetti operativi come l’aCPM (Attentive CPM) per remunerare la qualità e non solo il numero delle esposizioni dell’annuncio. È un passo fondamentale per la sostenibilità economica dei publisher di qualità.

Swot analysis delle Attention Metrics. Fonte: Iab Italia

Tuttavia, emergono delle criticità:

Barriera all’ingresso: Il 73% degli inserzionisti italiani ha ancora una conoscenza limitata di queste metriche. La complessità tecnologica rischia di tagliare fuori i piccoli editori che non possono investire in licenze costose. Rischio “Vanity”: Senza uno standard unico globale, c’è il pericolo che ogni vendor crei il proprio “score” proprietario, rendendo difficile il confronto tra campagne su piattaforme diverse.

In conclusione, il paper ci dice che dobbiamo smettere di contare le impression e iniziare a far contare i secondi di reale connessione con l’utente.

]]> File caricati e conversazioni in ChatGPT, Gemini e NotebookLM: riservatezza, condivisione e uso ai fini dell’apprendimento https://www.webmarketinggarden.it/file-caricati-e-conversazioni-in-chatgpt-gemini-e-notebooklm-riservatezza-condivisione-e-uso-ai-fini-dellapprendimento/ Thu, 23 Oct 2025 07:02:32 +0000 https://www.webmarketinggarden.it/?p=9057 Guida sintetica per professionisti. In fondo a ogni sezione ho linkato le Fonti ufficiali su cui mi sono basato.

Perché questo tema è importante

Se si carica un testo inedito o riservato per ottenere una traduzione, un report o un’analisi su ChatGPT, Gemini, o NotebookLM è fondamentale sapere se il file e la relativa chat potranno essere: (a) condivisi con altri utenti, (b) usati per addestrare il modello, (c) conservati oltre il necessario.

Qui sotto ho provato a fare un confronto aggiornato al 21/10/2025 su cosa ci si può aspettare.

Tabella comparativa (visibilità, condivisione, training) Confronto tra ChatGPT, Gemini e NotebookLM per visibilità, condivisione, training e fonti Aspetto ChatGPT (OpenAI) Gemini (Google) NotebookLM (Google) Visibilità dei contenuti caricati I contenuti restano di proprietà dell’utente e sono visibili solo nella propria sessione/account. I contenuti sono legati al proprio account Google; cronologia e attività sono controllabili da Gemini Apps Activity/Attività (Fig. 3). I file restano nel proprio account; l’utente decide se e con chi condividerli (anche pubblici, se lo sceglie). Condivisione con altri utenti / terzi Nessuna condivisione automatica con altri utenti o terze parti. Nessuna condivisione automatica; in Workspace i dati restano nel dominio organizzativo. Nessuna condivisione automatica; la condivisione è sempre esplicita (viewer/editor o pubblicazione). Uso per addestramento del modello – Possibile nei servizi consumer se non si disattiva l’opzione “Improve the model with your data / Migliora il modello per tutti” (Fig.1) o se non si usa l’opzione “Attiva Chat temporanea” (Fig.2). – No via API e nei piani Enterprise. Consumer: i dati possono essere usati per migliorare i modelli se “Activity/Attività” è attiva. Workspace/Enterprise: contenuti non usati per training esterno. Google dichiara che i dati personali non sono usati per addestrare NotebookLM (account consumer). In Enterprise i dati restano nel progetto Google Cloud del cliente e non sono usati per altri clienti. Note Controlli tramite “Impostazioni > Controllo dati”. Le Chat temporanee non sono usate per training e vengono eliminate dopo 30 giorni. Retention configurabile (3–36 mesi). Anche con Activity/Attività off, può esserci conservazione tecnica breve per sicurezza o abusi (72 ore). Eventuale human review se si lasciano feedback. Evitare di caricare dati altamente sensibili se non necessari. Fonti ufficiali Data Controls FAQ How your data is used Policy site Consumer privacy Gemini Privacy Hub Manage Activity Workspace Privacy Workspace FAQ Learn about NotebookLM Public notebooks Enterprise overview

Fig.1: ChatGpt Controllo dati > Migliora il modello per tutti. Disattivandolo le chat non vengono utilizzate per addestrare il modello.

 

Fig.2: In ChatGpt con l’opzione “Attiva Chat temporanea”, in alto a destra, la conversazione non viene salvata.

 

Fig.3: in Gemini con l’opzione salva l’attività disattivata si può evitare di salvare le conversazioni. Sempre dallo stesso pannello si può decidere quali conversazioni eliminare.

Rischi da gestire Retention tecnica: anche con impostazioni restrittive, può esistere una conservazione minima per sicurezza/abusi o per erogazione del servizio (es. 72 ore in alcuni casi documentati da Google). Human review circoscritta: in alcuni servizi Google, se si fornisce feedback, il contenuto può essere visionato da revisori con finalità di troubleshooting/sicurezza. Condivisione volontaria: la pubblicazione o condivisione dei notebook in NotebookLM è una propria scelta; verificare sempre i destinatari e le impostazioni. Checklist operativa (consigli rapidi) Classificare i contenuti: se “altamente riservati/inediti”, prediligi piani Enterprise/Workspace o canali API e accertarsi che i darti siano mantenuti nell’unione europea. Impostare la privacy: ChatGPT: disattivare “Improve the model with your data” nei Data Controls. Gemini: verificare e configurare Gemini Apps Activity; in azienda usare Workspace. NotebookLM: evitare public notebooks salvo necessità; per massima garanzia valutare la versione Enterprise. Minimizzazione: caricare solo ciò che veramente serve; rimuovere metadati sensibili; valutare versioni anonimizzate quando possibile. Contratti/NDA: per materiali strategici, pretendi clausole “no training” e verifica la residenza dati (es. UE). Conclusione

I file caricati non vengono condivisi automaticamente con altri utenti in nessuna delle tre piattaforme.

L’uso ai fini di apprendimento dipende da piano e impostazioni:

ChatGPT (consumer) e Gemini (consumer) possono usare i dati per migliorare i modelli se non si disattiva l’opzione. NotebookLM dichiara di non usare i dati personali per addestrare il prodotto; in Enterprise/Workspace/API i contenuti non vengono usati per training e restano nel proprio dominio/progetto. Conclusione Per testi inediti o di valore (manuali, contenuti formativi, asset editoriali), l’approccio da tenere sembrerebbe essere: Enterprise/Workspace/API per i lavori critici; Consumer con impostazioni restrittive (disattivazione data sharing/Activity) per lavori non sensibili; NotebookLM è ben posizionato sul fronte “no training” dei dati personali ma va usato evitando pubblicazioni non intenzionali dei notebook.

Questo è quello che sono riuscito a capire dalla documentazione, qualcuno ha informazioni differenti?

]]>