Come si personalizzano gli annunci per persone di cui non si sa nulla? La risposta onesta: a livello individuale, non si può. Ma si possono capire benissimo le persone interessate a una categoria e abbinare i nuovi utenti a una persona adatta a partire da una manciata di segnali. È questo il cuore di una strategia di cold start efficace.
Quanto il settore stia cercando alternative ai dati classici sul pubblico lo mostrano i recenti resoconti di Digiday: le audience sintetiche passano dalla sperimentazione al lavoro quotidiano di planning e strategia. Aveeno Body ha usato la ricerca sintetica di Vurvey per ridurre il tempo necessario a un brief strategico da circa 30 giorni a tre. Goodway Group usa per il media planning la «popolazione sintetica» di consumatori di Stati Uniti, Regno Unito e Germania di Arima.
Qual è il problema del cold start nella pubblicità?
Il termine arriva dal mondo dei sistemi di raccomandazione. Un sistema che impara dal comportamento ha bisogno di comportamento da cui imparare – e un nuovo utente non ne ha ancora. Così il sistema serve la media: i bestseller, i messaggi generici, l'annuncio che funziona un po' per tutti e davvero per nessuno.
Nella pubblicità il problema si aggrava. Diversi browser bloccano per impostazione predefinita i cookie di terze parti, i banner del consenso fanno parte della quotidianità in Germania e non tutti cliccano su «Accetta tutto». La classica via d'uscita, i segmenti acquistati, è diventata più delicata sotto il profilo della protezione dei dati e comunque rivela poco sul perché qualcuno compri. Nella regione DACH (Germania, Austria e Svizzera), improntata al GDPR, «compriamo semplicemente più dati» non è più una strategia.
Perché più dati non risolvono il problema
La ricerca sulla qualità dei dati ha una formula sobria per questo: i dati valgono quanto la loro adeguatezza allo scopo. L'accuratezza da sola non basta; i dati devono essere pertinenti, aggiornati e adatti alla domanda specifica. In letteratura è noto come «fitness for use».
Un segmento acquistato come «donne, da 25 a 34 anni, interessate alla bellezza» è formulato con precisione. Per la domanda «Che cosa spingerebbe questa persona a provare il nostro prodotto?» è comunque quasi inutile. Descrive attributi, non motivazioni. L'engagement nasce dalla comprensione, non dai numeri.
Per il cold start questo significa che la risorsa decisiva non è la storia del singolo utente, ma un quadro solido di motivazioni, preoccupazioni e linguaggio della categoria. E quel quadro si può ricavare da contenuti pubblicamente disponibili.
Come si costruiscono le persona a partire da contenuti pubblici?
In pubblico le persone dicono sorprendentemente molto sul perché comprano – o non comprano: nei commenti sotto i post dei brand, nelle recensioni dei prodotti, nei video dei creator, nei thread dei forum. Questi contenuti si possono raccogliere, raggruppare per tema e tensione e sintetizzare in persona – con citazioni reali anziché profili inventati.
La differenza rispetto alla classica persona da workshop: si basa su ciò che le persone dicono davvero, non su ciò che un team presume di loro. Digiday descrive un approccio affine: per il brand Sacheu, Limitless Labs analizza migliaia di video TikTok e Instagram del suo ecosistema di creator per costruire persona.
Importante per il mercato tedesco: persona di questo tipo lavorano a livello di pattern e gruppi. Non hanno bisogno del profilo dei singoli utenti per scegliere un primo messaggio. La valutazione giuridica del tuo specifico set-up spetta comunque al tuo consulente per la protezione dei dati.
Quali approcci esistono per il cold start?
| Approccio | Base di dati | Punto di forza | Punto debole |
|---|---|---|---|
| Segmenti di terze parti acquistati | Profili esterni, cookie | Disponibili subito | Poca comprensione delle motivazioni; delicati dal punto di vista della protezione dei dati |
| Targeting contestuale | Ambiente, orario, luogo, dispositivo | Funziona senza dati personali | Dice poco sulle motivazioni |
| Dati zero-party | Risposte da quiz o onboarding | Diretti e basati sul consenso | Solo da chi partecipa; attrito nel funnel |
| Audience sintetiche | Modelli basati su dati di sondaggi, statistiche e panel | Simulazione rapida delle reazioni | Spinta verso la media; la qualità dipende dai dati di input |
| Persona da contenuti pubblici | Commenti, recensioni, contenuti dei creator, pubblicità dei concorrenti | Le motivazioni e il linguaggio reali della categoria | Servono segnali per abbinare i singoli utenti |
Nessun approccio risolve il problema da solo. Nella pratica, le persona da contenuti pubblici forniscono le ipotesi, i segnali contestuali l'abbinamento e i dati first-party la conferma.
Come si mette in pratica la personalizzazione da cold start in sei passi?
- Raccogli le conversazioni della categoria. Commenti, recensioni, contenuti dei creator e pubblicità dei concorrenti degli ultimi mesi – non solo sul brand, ma sull'intera categoria.
- Costruisci persona e tensioni. Raggruppa i contenuti per motivazione e preoccupazione. Bastano da tre a cinque persona nettamente distinte per iniziare.
- Scrivi un'ipotesi per ogni persona. Quale messaggio, quale gancio, quale offerta è adatta? Sviluppa almeno una variante creativa dedicata a ciascuna persona.
- Definisci i segnali di abbinamento. Landing page, termine di ricerca, contesto, fonte della campagna, primi clic: decidi quale segnale rimanda a quale persona.
- Eroga con esplorazione. Riserva una parte dell'erogazione a varianti che non corrispondono alla persona ipotizzata. Così il sistema continua a imparare invece di limitarsi a confermare la propria ipotesi.
- Reimmetti i dati first-party. Ogni interazione affina l'abbinamento. Aggiorna le persona con regolarità, perché le conversazioni cambiano.
Quanto sono utili le audience sintetiche per il cold start?
Abbastanza – se ne conosci i limiti. Nei resoconti di Digiday anche gli addetti ai lavori esprimono riserve: Chad Reynolds, CEO di Vurvey, afferma che i large language model restituiscono la parte alta della curva a campana, cioè la risposta più comune. Julie Clark di TransUnion mette in guardia dalle persona costruite su dati di input scadenti. E Stef Hoffman di Code & Theory lo dice bene: i risultati informano il giudizio, ma non lo sostituiscono.
È esattamente qui che i contenuti pubblici si guadagnano il loro posto. Non sono una simulazione, sono evidenza. Se un profilo di persona sostiene che chi acquista nella tua categoria teme soprattutto di sbagliare acquisto, dovresti poter vedere i post da cui nasce quell'affermazione. Una persona che non puoi ricondurre alle fonti è solo un'asserzione.
Defy Monitor segue questa strada: i contenuti del pubblico vengono raggruppati automaticamente in persona e tensioni, e la pianificazione parte da conversazioni reali anziché da dati demografici. È uno dei tasselli della piattaforma Defy, che offre alle agenzie indipendenti la stessa capacità analitica che i grandi network hanno costruito a caro prezzo.
Come capisci che la tua strategia di cold start funziona?
Confronta le varianti basate sulle persona con un gruppo di controllo generico. Le metriche più rivelatrici sono i numeri iniziali dei nuovi utenti: interazione con il primo annuncio, profondità della prima visita, tempo alla prima conversione. Se le varianti per persona non sono in vantaggio, non è un fallimento ma un indizio: o le persona sono sbagliate, o i segnali di abbinamento sono troppo deboli.
