Attribution data-driven GA4: come confrontare i modelli senza farsi ingannare

In un meeting con il CMO di un ecommerce mid-size, mi hanno mostrato due slide. La prima: "Con il modello data-driven, Facebook Ads contribuisce al 41% del fatturato." La seconda: "Con l'ultimo clic, Facebook contribuisce al 12%." Domanda: "Quale è il vero?" Risposta corretta: nessuno dei due. Sono due lenti diverse su una realtà che non puoi misurare con certezza assoluta.

Da quando GA4 ha reso data-driven il modello di default per tutte le proprietà (rollout completato nel 2024), molti team marketing l'hanno usato senza capire cosa sta facendo sotto al cofano. Questa guida serve a leggere i numeri di attribution con il giusto scetticismo.

Cosa cambia rispetto a Universal Analytics

Su Universal Analytics il modello di default era "last non-direct click": l'ultima interazione che non fosse digitazione diretta dell'URL prendeva tutto il credito. Semplice da capire, facile da ingannare.

GA4 di default usa data-driven attribution (DDA): un modello che assegna credito frazionato a ogni touchpoint del percorso, basandosi su pattern statistici di conversione del tuo specifico account. Le novità del 2025-2026:

Il modello DDA è ora gratuito per tutti (prima richiedeva GA360)
Si applica retroattivamente sui dati degli ultimi 90 giorni
Include anche i canali organici (SEO, direct, email) non solo paid, dal rollout di metà 2024
Si può confrontare con altri modelli direttamente nei report "Confronto modelli"

Come funziona DDA in pratica

Sotto al cofano, GA4 usa un modello di machine learning che impara dal tuo storico di conversioni come ogni canale contribuisce. Il principio (semplificato):

Il modello osserva tutte le conversioni dei tuoi ultimi 90 giorni
Per ogni conversione, ricostruisce il percorso completo (es. Google Organic → Newsletter → Direct → Google Ads)
Calcola la "lift" di ogni canale: di quanto aumenta la probabilità di conversione se quel canale è presente nel percorso, vs un percorso identico senza quel canale
Il credito viene distribuito proporzionalmente alla lift

Risultato: un percorso può avere 4 touchpoint con quote tipo Organic 22%, Newsletter 18%, Direct 9%, Google Ads 51%. Tutti contribuiscono, in modo proporzionale al valore informativo.

I quattro modelli che puoi confrontare

In GA4 → Pubblicità → Confronto modelli, puoi confrontare la stessa conversione con quattro lenti diverse:

Modello	Logica	Quando ha senso usarlo
Data-driven	ML su storico, credito frazionato	Default sensato per la maggior parte dei casi
Ultimo clic	Tutto al touchpoint finale	Per fatturare provvigioni a un solo canale, o per confronto con UA legacy
Primo clic	Tutto al touchpoint iniziale	Per valutare upper-funnel: brand, awareness, content
Lineare	Credito uguale a tutti i touchpoint	Modello di backup quando DDA non ha abbastanza dati

I modelli "decay basato sul tempo" e "in base alla posizione" che esistevano in UA sono stati rimossi da GA4. Se ti servivano, ora vanno calcolati manualmente su BigQuery.

Leggere il confronto senza farsi ingannare

Apri il report "Confronto modelli" e vedrai una tabella tipo:

Canale	Conversioni DDA	Conversioni Last Click	Δ
Google Organic	184	132	+52
Google Ads	92	145	-53
Email	71	58	+13
Direct	38	50	-12

Tre cose da non fare:

1. Non concludere che Google Ads "non vale". Il -53 di Ads non significa che ti puoi permettere di tagliare il budget. Significa che molte conversioni che Last Click attribuiva ad Ads avrebbero avuto luogo comunque, perché Google Ads era l'ultimo contatto ma non l'unico necessario. Se tagli Ads, una parte di quei percorsi crolla all'origine. Quanto, non lo sai da questa tabella.

2. Non concludere che SEO "vale di più". Il +52 dell'organic con DDA è perché il modello vede l'organic come trigger spesso presente in percorsi convertenti. Ma DDA potrebbe sovrastimare canali che compaiono nel mezzo del funnel rispetto a chi chiude l'ultimo miglio.

3. Non usare DDA per decidere la spesa pubblicitaria isolato. DDA è un modello descrittivo, non causale. Per decidere "se taglio €1000 da X, cosa succede al fatturato?" servono esperimenti veri: geo split, holdout, lift study. Attribution descrive il passato, non predice il controfattuale.

Bias noti del DDA di GA4

Il modello di Google è una scatola nera, ma alcuni bias sono documentati o emersi nei test che ho fatto:

Pro-Google bias. Google Ads e Google Organic tendono a essere ben attribuiti dal DDA, in parte perché il modello ha accesso a più segnale lato Google (cross-device, login). Su canali "esterni" come Meta o TikTok, il segnale è più povero e l'attribuzione spesso sottostimata.

Channel grouping fisso. Il DDA opera sui Channel Groupings di default di GA4. Se hai necessità di analisi su gruppi custom (es. "Affiliati premium" vs "Affiliati low-tier"), il DDA non le distingue e tutto finisce sotto "Referral".

Cold start. Per applicare il DDA, GA4 ha bisogno di almeno 300 conversioni e 3000 percorsi nei 30 giorni precedenti. Sotto, fallback automatico a Lineare senza avvisarti. Se hai pochi dati, stai guardando un modello peggiore di quello che pensi.

Sample period rigido. Il DDA si calcola sui 90 giorni precedenti. Su business con cicli di vendita lunghi (B2B, ecommerce high-ticket), 90 giorni potrebbero non bastare per catturare il funnel reale. In questi casi va ricostruito su BigQuery con finestre più lunghe.

Quando il confronto modelli rivela un problema vero

Non sempre il delta tra modelli è un segnale interessante. Ma in tre casi sì:

Quando un canale ha lift drammatica (>3x) tra primo e ultimo clic. Esempio: SEO che vale 200 conversioni in primo clic e 28 in ultimo. Significa che SEO è il top of funnel quasi puro: nessuno chiude direttamente dall'organic. Decisione operativa: gli articoli SEO sono lead magnet, non venditori. Misurali con assist, non con conversioni dirette.

Quando DDA e Last Click divergono solo per un canale. Se vedi che Email ha conversioni quasi identiche tra DDA e Last Click ma Ads diverge molto, significa che Email tende a chiudere il funnel da sola mentre Ads tende a comparire dentro percorsi multipli. Tatticamente: campagne Ads possono assorbire frequency cap aggressivi senza perdere conversioni Email-dipendenti.

Quando Direct cresce inspiegabilmente. Direct in crescita è il sintomo classico di tracking spezzato (cross-domain rotto, tagging UTM perso, attribuzione dropped per consenso negato). Se vedi Direct passare dal 12% al 23% in DDA, prima di leggerlo come "rafforzamento del brand" fai un audit tracking. La risposta corretta nel 90% dei casi è "qualcosa si è rotto".

Confrontare con i dati Google Ads (e perché non torneranno mai)

Inevitabile: prima o poi qualcuno chiederà "Ma in Google Ads vedo 145 conversioni e in GA4 ne vedo 92, perché?". Tre motivi che valgono ricordare:

Modelli diversi. Google Ads usa il suo modello DDA proprietario, GA4 usa il suo. Stessi ingredienti, ricette diverse.
Finestre di attribuzione diverse. Default Google Ads = 30 giorni post-click, GA4 = 30 giorni ma sui criteri di engagement diversi.
Tag diversi. Se non hai le Enhanced Conversions attive, Google Ads riceve il dato via gtag/GTM mentre GA4 lo riceve tramite Measurement Protocol diversificato. Discrepanze del 15-30% sono normali.

La domanda corretta non è "quale ha ragione" ma "quale uso per cosa". Google Ads per ottimizzare le campagne (è la fonte che alimenta Smart Bidding), GA4 per analisi cross-channel e revenue reporting.

Limiti

DDA è strumento utile, non oracolo. I limiti onesti:

Non distingue causa da correlazione
Non funziona bene su business a basso volume di conversioni
Bias verso canali Google
Black box: non puoi ispezionare i pesi calcolati
Cambia retroattivamente: un report fatto oggi su dati di tre mesi fa darà numeri leggermente diversi da uno fatto domani sugli stessi dati

Per decisioni di budget sopra i €50k/mese, integrare DDA con misurazione incrementale (geo holdout, lift test) non è opzionale.

Prossimi passi

Se l'attribution di GA4 ti sta dando numeri che non riesci a difendere davanti al CFO, di solito non è il modello: è il tracking sottostante. Parti da un audit tracking GA4 per assicurarti che gli eventi base siano puliti, che il cross-domain tracking sia in piedi e che le conversioni siano configurate correttamente.

Per ecommerce, il discorso attribution si lega a doppio nodo con le Enhanced Conversions: senza recupero conversioni perse, qualsiasi modello sottostima sistematicamente il paid. E se vuoi visualizzare il confronto modelli in una dashboard condivisa con il team (non solo dentro GA4), il pattern è in Dashboard Looker Studio.