Caso Studio — Ecommerce B2C Premium

Il cliente

Il titolare gestiva le campagne Google Ads del suo ecommerce nel segmento premium con il supporto di ChatGPT… ma con una doverosa precisazione: aveva già una conoscenza base di Google Ads e usava l'AI in modo mirato, limitandola a copy e creatività.

Un approccio che aveva funzionato fino a un certo punto. Le campagne giravano e c'erano vendite, ma la crescita si era fermata. Non riusciva a capire dove intervenire strategicamente per far crescere il business in modo sostenibile.

Vale la pena sottolinearlo: questo ecommerce non investe su Meta né su altri canali a pagamento. Non sfrutta i social e tutto quello che leggerai viene da Google Ads e dal traffico organico generato dal sito.

Strategia

Una premessa prima di entrare nei dettagli: ogni campagna Performance Max girava con un budget sotto i 100€ al giorno. I risultati che leggerai sono stati ottenuti con budget contenuti, ottimizzando ogni euro investito.

Le campagne performavano già a buoni livelli quando ho preso in mano l'account. Non era una situazione da ribaltare completamente, anche perché eravamo nel pieno del Black Friday e ogni cambiamento profondo rischiava di creare fluttuazioni nelle prestazioni. L'obiettivo era ottimizzare le fondamenta, intervenendo sui colli di bottiglia che stavano limitando la crescita.

Prima fase: fondamenta (feed, Merchant Center e sito)

Ho iniziato a lavorare sul feed prodotti e Merchant Center, perché senza dati di qualità in ingresso qualsiasi ottimizzazione delle campagne ha un effetto limitato.

Insieme al cliente abbiamo lavorato sulla velocità del sito e sulla qualità delle immagini, fattori che impattano direttamente il ranking degli annunci Shopping.

Il lavoro più importante sul feed è stato l'ottimizzazione dei titoli dei prodotti. Ho analizzato lo storico dell'account e identificato i termini di ricerca più performanti in ciascun paese: le abitudini di ricerca cambiano significativamente da un contesto all'altro.

Per questo ogni paese ha ricevuto una formula di titolo dedicata, costruita sui termini che già convertivano.

Ho poi inserito l'attributo product_type su tre livelli di gerarchia per tutti i prodotti del catalogo. Prima di questo intervento era impossibile capire come stessero performando le singole categorie: era tutto accorpato.

Con la segmentazione abbiamo avuto un'idea chiara su dove il budget stava lavorando bene e dove stava bruciando senza risultati, permettendoci di fare esclusioni mirate.

Sempre per migliorare i segnali in ingresso alle campagne, ho aggiornato e caricato la lista clienti direttamente nelle Performance Max ed escluso le audience troppo generiche come quelle con interessi di affinità.

Le PMax usano questi dati per capire il profilo del cliente ideale e trovare utenti simili: più i dati sono aggiornati, meglio l'algoritmo ottimizza.

In parallelo abbiamo lavorato sul sito, analizzando il comportamento degli utenti tramite Microsoft Clarity: heatmap, registrazione sessioni e analisi dei punti di abbandono. I dati hanno permesso di identificare le frizioni nel percorso di acquisto e di intervenire con miglioramenti mirati.

Siamo intervenuti sulla SEO tecnica, essenziale visto anche l'uso delle PMax, con focus sulle pagine delle collezioni prodotto.

Ho collegato un CSS partner (Comparison Shopping Service): questo ha permesso di ridurre il CPC effettivo fino al 20% a parità di visibilità, abbassando il costo di ogni click senza toccare le campagne.

Fase 2: struttura delle campagne

Ho separato il traffico branded dalle Performance Max creando campagne dedicate: Shopping Brand e Search Brand per ogni paese. Quando brand e non-brand girano nella stessa campagna, il ROAS risulta gonfiato e i dati non sono leggibili. Con la separazione, le PMax lavorano esclusivamente sull'acquisizione di nuovi clienti.

Ho poi creato asset group dedicati per i best seller, identificati attraverso un'analisi dei dati in backend per ogni mercato. Invece di un unico asset group che copre tutto il catalogo, ogni gruppo di prodotti ad alto potenziale ha i propri copy, immagini e temi di ricerca.

La sfida era quella di non segmentare troppo perché le conversioni mensili non erano molte e rischiavamo solo di disperdere i dati.

Ho rivisto tutti i copy delle campagne: headline e descrizioni, analizzando le performance degli ultimi mesi e riscrivendo gli asset meno efficaci. Ogni mercato ha ricevuto testi specifici per lingua e per tipologia di prodotto, coerenti con i termini di ricerca che già convertivano. Ho analizzato tutte le recensioni scritte dai clienti in modo da capire il loro linguaggio e aspetti vincenti per poi inserirli nei copy.

Nel tempo abbiamo ottimizzato anche immagini e video sfruttando Nano Banana, con ottimi risultati sulla qualità del traffico generato.

Fase 3: ottimizzazione continua

Uno degli strumenti più utili nella gestione quotidiana dell'account è stato l'uso di script personalizzati per analizzare le performance delle Performance Max a livello di prodotto.

Permettono di leggere i dati con una granularità impossibile da ottenere manualmente dall'interfaccia di Google Ads, e se non li hai mai usati, te li consiglio assolutamente.

Quando ho avviato la collaborazione, nel novembre 2024, Google non permetteva ancora di distinguere il traffico proveniente dai vari canali all'interno della Performance Max.

Lo script di Mike Rhodes è stato fondamentale: mi ha permesso di leggere in profondità tutti i dati della PMax e di avere un quadro molto più chiaro della situazione.

Lo script permette, tra le altre cose, di analizzare le categorie di ricerca con le relative metriche e la distribuzione del budget per canale all'interno della stessa campagna.

Un altro script importante è stato quello che ha permesso di etichettare i prodotti in maniera dinamica in base alle performance degli ultimi mesi. Ad esempio, il tool di ProductHero classifica i prodotti in quattro gruppi: hero, sidekicks, zombie e villain.

Con queste analisi ho eseguito esclusioni mirate dei prodotti e delle categorie che consumavano budget senza convertire, concentrando la spesa sulle aree più redditizie. Dopo questa analisi approfondita è emerso che il 47% dei prodotti generava risultati sotto i KPI prefissati.

Un altro aspetto da gestire bene è stato il periodo di apprendimento dell'algoritmo dopo le modifiche. Il ciclo di conversione di un utente arrivava anche a 28 giorni. Questo significa che le ottimizzazioni fatte oggi hanno risultato tra circa un mese; fare dei cambiamenti subito dopo qualche giorno sarebbe stato inutile e dannoso.

E per chi pensa al tracciamento come un'operazione da fare una volta sola…

Nel Q4 2025 ho scoperto un bug nel tracciamento del sito: gli ID prodotto non venivano più inviati a Google Ads, limitando il retargeting dinamico delle Performance Max. Un problema invisibile dall'interfaccia, emerso solo grazie al monitoraggio continuo del setup.

È la dimostrazione che il tracciamento non è un'attività da fare una volta sola: anche un setup configurato correttamente può degradare nel tempo, e accorgersene tempestivamente fa la differenza.

Cosa puoi applicare subito

Se hai un ecommerce con campagne Google Ads attive, queste sono le cose che ti consiglio di verificare e implementare quanto prima:

• 1

  Feed prima di tutto. Deve essere ottimizzato al meglio, con titoli costruiti sui termini che già convertono e descrizioni ricche. Senza dati puliti in ingresso, qualsiasi ottimizzazione delle campagne ha effetto limitato.

• 2

  Product_type. Senza segmentazione del feed non sai dove il budget lavora e dove brucia. E senza saperlo, lavori alla cieca.

• 3

  Separazione brand / non-brand. Campagne dedicate Search Brand e Shopping Brand per paese. Ripulisce i dati e permette di pagare un costo per click minore sui termini branded.

• 4

  CSS partner. Fino al 20% di CPC in meno a parità di visibilità, senza toccare le campagne. Forse l'intervento col miglior rapporto sforzo/risultato.

• 5

  Asset group per i best seller. Copy, immagini e segnali specifici per i prodotti che già convertono, invece di un unico gruppo aggregato per tutto il catalogo.

• 6

  Script per analisi PMax. Anche se ormai Google è diventato più trasparente, ti consiglio di utilizzare script per analizzare nel dettaglio ogni area.

• 7

  Rispetto del ciclo di apprendimento. In questo ecommerce, il ciclo di conversione durava anche fino a 28 giorni. Mantenere la calma nei cali, senza modifiche affrettate e dettate dagli impulsi, è stato fondamentale.

Ognuno di questi interventi ha avuto un peso diverso per questo ecommerce. Ogni situazione è diversa dalle altre: nel tuo account le priorità potrebbero essere completamente diverse. Se vuoi capire da dove iniziare, scrivimi per un primo audit.