Il secondo trimestre 2026 sarà il più denso di aggiornamenti su Google Ads degli ultimi anni. In meno di quattro mesi Google ha portato AI Max in general availability (GA, disponibilità pubblica per tutti gli advertiser), ridefinito il destino di Dynamic Search Ads e Automatically Created Assets, ampliato le capacità creative di Demand Gen con la generative video di Veo 3.1 e introdotto un sistema di policy review quasi istantaneo. Per chi gestisce account Google Ads a livello professionale — sia in house sia in agenzia — questi cambiamenti impongono una revisione della struttura campagne, dei processi creativi e del calendario di deprecation entro settembre 2026.

AI Max per Search è la feature più importante dell’anno. Il 15 aprile 2026 Google ha annunciato l’uscita ufficiale dalla beta e la roadmap di migrazione che riguarderà tutti gli advertiser entro settembre. AI Max è un layer di automazione applicato alle campagne Search tradizionali: combina search term matching più ampio, text customization per la generazione dinamica di titoli e descrizioni, e final URL expansion per indirizzare l’utente alla landing più pertinente del sito. L’annuncio è in un post ufficiale del blog Google Ads.

Google ha dichiarato è un +7% medio di conversioni o valore di conversione, a parità di CPA (Cost Per Acquisition) e ROAS (Return On Ad Spend), per chi usa la suite completa rispetto al solo search term matching. Va letto con cautela: è una media su campagne partecipanti alla beta, quindi verosimilmente già ottimizzate.

Il passaggio avviene in due fasi:

Il punto da non sottovalutare è il control layer: AI Max introduce controlli granulari su brand, location e URL, e le text guidelines universalmente disponibili da aprile permettono di vincolare il modo in cui l’AI genera e personalizza il copy. Chi pensa che AI Max sia “un DSA potenziato” deve prestare attenzione: è uno strato di automazione con briglie, e le briglie vanno settate.

Performance Max continua la sua evoluzione con due aggiornamenti operativamente rilevanti. Il primo è l’estensione dei search themes da 25 a 50 per asset group. Più margine quindi per descrivere in linguaggio naturale il posizionamento della campagna e guidare la selezione delle query da parte dell’algoritmo. Per account con portafogli di prodotti ampi o stagionalità rilevante, è un cambiamento che dovrebbe portare a una copertura più ampia.

Il secondo è il nuovo asset experiments framework, annunciato ad aprile 2026, che permette di testare in modo strutturato PMax contro Shopping, Search o Display con split di traffico 50/50. È la risposta più concreta a una delle critiche storiche di PMax: la scarsa trasparenza nel misurare l’incrementalità rispetto ai canali tradizionali. Chi sta valutando una migrazione totale a PMax — o il rientro parziale su Shopping standard — ora ha uno strumento per farlo con dati comparabili.

Da tenere presente anche l’aumento del limite di 10.000 negative keywords per campagna PMax, applicabili a inventario Search e Shopping. Per account maturi, la gestione attiva delle negative liste — specialmente a livello account e tramite liste condivise — resta una delle leve principali per difendere il CPA dalle query marginali che l’AI tende a catturare in automatico.

Ultimo aggiornamento di contesto: Google sta aggiungendo l’inventario pubblicitario di Waze alle PMax con obiettivo store goals, con posizionamento come “Promoted Places in Navigation”. Al momento disponibile solo per advertiser US, è un segnale interessante per chi fa drive-to-store.

Demand Gen è la campagna dove l’integrazione AI è più visibile lato creativo. Con il Demand Gen Drop di marzo 2026, Google ha rilasciato la generazione video da immagini basata su Veo 3.1 (il modello generativo video di Google DeepMind). In pratica: si caricano asset statici e il sistema produce varianti video in formati e risoluzioni multiple, con anchor creativi per bloccare asset su formati specifici. Per brand con inventario fotografico ampio ma produzione video limitata, riduce in modo tangibile il tempo-per-asset.

Più strategica la novità delle Creator Partnerships: la novità risiede nell’integrazione del flusso di lavoro: non è più solo un accordo “privato” tra brand e influencer, ma un asset gestibile via software.

Come funziona operativamente:

Questo è un cambio di paradigma fondamentale nel targeting, che passa da un modello “deterministico” a uno “predittivo”.

Cosa cambia:

Infine, Video Action Campaigns sono in via di upgrade a Demand Gen con obiettivo YouTube Engagements, che permette di ottimizzare su eventi quali channel subscription e follow-on view. Chi ha ancora VAC (Video Action Campaigns, campagne video orientate alla conversione) in pianificazione 2026 deve pianificare la migrazione.

Una delle difficoltà storiche del workflow Google Ads è l’attesa di approvazione policy sulle Responsive Search Ads, spesso superiore all’ora anche per copy standard. Con le Real-Time Policy Reviews Google sposta il review direttamente dentro l’editor creativo: feedback istantaneo mentre si costruisce l’ad, e ads compliant che partono in delivery in pochi secondi anziché ore. L’annuncio è pubblicato sul portale Google Business.

Stato attuale e roadmap:

L’impatto concreto è sui team che lavorano su campagne tattiche (lanci di promo, flash sale, eventi) dove il go-live rapido fa differenza tra ad visto e  fuori tempo massimo. Per chi gestisce alti volumi di ads, va anche rivisto il processo di controllo qualità: il review istantaneo riduce la barriera di ingresso ma non sostituisce il controllo interno sulla qualità copy e sulla coerenza brand.

Sintetizzando, il calendario 2026 che coinvolge tutti gli account Google Ads potrebbe essere il seguente:

Infine una possibile checklist da completare prima di settembre, in ordine di priorità:

Il filo conduttore è chiaro: Google sta terminando la fase “strumenti separati con controlli granulari” e aprendo quella “layer AI unico con controlli semantici”. Per advertiser senior significa meno tempo sulle manopole classiche (match type, asset rotation, DSA target) e più tempo sui guardrail: text guidelines, brand controls, negative list, experiment framework. Chi resiste al cambio rischia di subire l’upgrade automatico di settembre su campagne non preparate. Chi lo governa in fase 1 ottiene due mesi di dati comparabili per capire se AI Max migliora effettivamente le sue metriche, o se invece va compensato con controlli più stretti. Come sempre, il margine è nella qualità del feed dati a monte — conversioni offline, valore transazione, audience segmentate — più che nella nuova feature in sé.

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.

Entrambe le soluzioni hanno vantaggi e svantaggi, e la scelta dipende da diversi fattori, come il tipo di business, il budget disponibile e le competenze del team di marketing.

Cercheremo di fare qualche considerazione sui punti di forza e le criticità di ciascun approccio, con consigli pratici su quando preferire uno all’altro, posto che ovviamente si potranno adottare approcci misti.

AI: l’Intelligenza Artificiale è ideale per aziende con obiettivi ampi, target diversificati e budget sostanziosi, che possono beneficiare dell’automazione per risparmiare tempo e ottimizzare in modo dinamico. È particolarmente utile quando si utilizzano strumenti avanzati come Smart Bidding e Performance Max.

Gestione manuale: la gestione tradizionale è consigliata per business di nicchia, dove è necessario un controllo approfondito e una personalizzazione delle strategie che l’AI non è in grado di garantire. È la scelta giusta per chi dispone di competenze specifiche o un team dedicato alla gestione delle campagne. La gestione manuale diviene una strada quasi obbligata quando si hanno budget limitati e il tempo necessario per raccogliere dati che siano statisticamente affidabili, richiederebbe tempi troppo lunghi.

Senza nessuna pretesa di completezza o di rilevare “trucchi” miracolosi, mi limito a fornire qualche spunto su cui iniziare a lavorare nel caso si scelga una ottimizzazione manuale.

Gli annunci delle campagne devono essere tutti in stato Eccellente. Per una verifica veloce è sufficiente mostrare nel report degli annunci lo stato dell’annuncio (da Google Ads > Campagne > Annunci selezionare Colonne e aggiungere Efficacia dell’Annuncio).

Possiamo così controllare che tutti gli annunci attivi abbiano l’efficacia dell’annuncio Eccellente.

Se si trovano in altri stati occorre provvedere ad ottimizzarli verificando che:

Attenzione: nel caso si siano bloccate le posizioni di uno o più Titoli o Descrizioni è improbabile che l’annuncio possa essere in stato Eccellente.

Una volta che tutti gli annunci sono in stato Eccellente possiamo passare a verificare il Quality Score. Nel caso in precedenza molti annunci fossero in uno stato non eccellente consigliamo di lasciare passare un po’ di tempo per dar modo a Google di allineare il punteggio di qualità con il nuovo stato degli annunci.

Il Punteggio di qualità (da 1 pessimo a 10 ottimo) è la metrica assegnata da Google Ads ad ogni parola chiave dei gruppi di annuncio e riflette la qualità complessiva dell’esperienza che l’annuncio e la landing page offrono agli utenti in relazione alla parola chiave.

Perché il Quality Score è così importante? Perché influisce direttamente su:

Il punteggio di qualità si basa su tre componenti principali:

La prima cosa è verificarlo mostrando le relative colonne. Nella visualizzazione in cu sono mostrate le parole chiave (Campagne > Segmenti di pubblico, parole chiave e contenuti > Parole chiave per la rete di ricerca) con il tasto Colonne > Punteggio di qualità spuntare Punteggio di qualità, CTR previsto, Esper. Pag. dest. e Pertinenza degli annunci. Eventualmente è possibile vedere anche lo stato inziale del periodo scelto mostrando i corrispondenti con (cron).

Vediamo come può essere migliorato.

1 – Ottimizzare il CTR Previsto

2 – Aumentare la Rilevanza dell’Annuncio

3 – Migliorare l’Esperienza della Landing Page

4 – Monitorare e Analizzare i Dati

5 – Utilizzare Parole Chiave Negative

Il punteggio di qualità non è statico; varia in base alle prestazioni e alle modifiche nel comportamento degli utenti. È buona norma monitorarlo regolarmente e adottare un approccio iterativo per perfezionare ogni aspetto.

Un investimento costante nel miglioramento del Quality Score porta benefici non solo nel breve termine, ma crea una base solida per campagne pubblicitarie di lungo successo.

Per tutte le campagne sulla Rete di Ricerca occorre verificare il CPC (costo per Clic) medio della campagna e poi esaminare l’elenco delle Keyword scelte e ordinare per CPC in ordine decrescente. Nel caso ce ne siano alcune con CPC particolarmente alto abbiamo diverse alternative: