Campagne, CRM e fatturato non tornano: come verificare i dati dal clic alla vendita

Google Ads segna 48 conversioni nel mese, Google Analytics 41, il CRM 39 contatti, il commerciale dice che quelli buoni erano una decina e il fatturato non si è mosso. Quale numero è giusto? Probabilmente tutti, ognuno per quello che misura. Il problema nasce quando li si confronta come se contassero la stessa cosa.

La risposta breve è questa: piattaforme pubblicitarie, Google Analytics 4, CRM e gestionale contano eventi diversi, con date e regole di attribuzione diverse, quindi è normale che non coincidano. Prima di confrontare una dashboard con il fatturato servono tre verifiche: definizioni condivise di lead, lead qualificato, opportunità e cliente; un percorso del dato dal clic alla vendita senza punti di rottura; una riconciliazione che spieghi ogni scarto tra una fonte e l’altra. Solo quando i dati reggono ha senso chiedersi se serve un test di incrementalità o un modello statistico, e anche lì ci sono requisiti precisi.

Questo articolo parla di come verificare i numeri. Su come leggere il ROAS e misurare l’impatto reale delle campagne c’è l’articolo di Gaetano, perché il ROAS può ingannarti; su come costruire il collegamento tecnico tra form, CRM e piattaforme c’è dal lead al contratto.

Cosa misura davvero ciascun indicatore?

Ogni strumento risponde a una domanda diversa. Metterli nella stessa tabella senza dire quale domanda è come sommare euro e chilometri.

Fonte	Cosa conta	A quale data lo attribuisce	Limiti principali
Google Ads	Conversioni attribuite ai clic e alle interazioni con gli annunci, secondo il modello scelto	Alla data dell’interazione con l’annuncio, non a quella della conversione	Completamento dei dati fino a 7 giorni; conversioni registrate fino a 90 giorni dopo il clic
Meta Ads	Risultati attribuiti alle inserzioni secondo l’impostazione di attribuzione	Dipende dall’impostazione e dal report	Modellazione statistica quando i dati sono parziali
GA4	Eventi chiave attribuiti ai canali, con modello basato sui dati per impostazione predefinita	Alla data dell’evento	Dati modellati, soglie sui dati, aggiornamenti fino a 12 giorni
CRM	Contatti, opportunità e stati, inseriti da form e persone	Alla data di creazione o di cambio stato	Qualità dei campi, duplicati, stati non aggiornati
Gestionale	Fatture e incassi	Alla data della fattura	Nessun legame con la sorgente se non lo si costruisce

Due dettagli spiegano molte discrepanze. Google Ads registra le conversioni alla data dell’interazione con l’annuncio, mentre altri strumenti usano la data della conversione: Google lo chiama ritardo nella conversione e suggerisce di aggiungere le colonne “Conversioni (per data/ora conv.)” quando si confronta con altri dati. In GA4 il modello di attribuzione predefinito è quello basato sui dati e la finestra di lookback per gli eventi chiave diversi dall’acquisizione è di 90 giorni. Inoltre gli eventi chiave sono diventati la base delle conversioni: le conversioni di Google Ads non compaiono nei report standard di Analytics.

Lead, lead qualificato, opportunità e cliente: cosa sono?

Sono quattro stati diversi dello stesso percorso, e ognuno va definito per iscritto prima di misurarlo. Se il marketing chiama lead ogni modulo inviato e il commerciale chiama lead solo chi ha un budget, i due report non torneranno mai.

Stato	Definizione operativa (esempio)	Chi lo assegna	Dove si registra
Lead	Persona che ha lasciato un contatto tramite un canale tracciato	Automatico, all’invio del form	CRM, con sorgente e campagna
Lead qualificato	Lead che rispetta i criteri di target: settore, dimensione, ruolo, esigenza reale	Il marketing con regole o punteggio, confermato dal commerciale	CRM, campo stato e data
Opportunità	Lead con cui è aperta una trattativa e un valore stimato	Il commerciale	CRM, pipeline
Cliente	Opportunità chiusa con contratto o ordine	Il commerciale, confermato dall’amministrazione	CRM e gestionale

Il punto delicato è il lead qualificato: senza un criterio scritto diventa un’opinione. Come costruirlo con un punteggio lo spiega la guida al lead scoring B2B, e perché guardare oltre il MQL lo trovi in funnel B2B orientato al fatturato.

Dove si interrompe il collegamento tra advertising e CRM?

Il dato fa un viaggio lungo: nasce con un clic, attraversa il sito, entra nel CRM, cambia stato più volte e, a volte, diventa fattura. In ognuno di questi passaggi può perdersi. Questo è lo schema che usiamo per cercare il punto di rottura.

Passaggio	Cosa deve succedere	Dove si rompe	Come verificarlo
1. Clic	L’URL porta GCLID (Google), parametri UTM o identificativo della piattaforma	Tagging automatico disattivato, UTM incompleti	Clic di prova su un annuncio e lettura dell’URL d’arrivo
2. Atterraggio	I parametri arrivano alla pagina finale	Redirect che non conservano il GCLID, pagine intermedie	Seguire la catena dei redirect con il clic di prova
3. Consenso	Il tracciamento parte secondo la scelta del visitatore	Consent Mode configurato male, tag che partono prima del banner	Tag Assistant e modalità di debug di GA4
4. Evento	L’invio del form genera un solo evento, con gli stessi dati su tutte le piattaforme	Doppio conteggio Pixel e Conversions API senza event_id comune	Diagnostica delle conversioni e Gestione eventi
5. Form → CRM	Il contatto entra con sorgente, campagna e identificativo del clic	Campi nascosti vuoti, parametri non conservati tra le pagine	Lead di prova da ogni canale, controllato nel CRM
6. Deduplica	Una persona resta un contatto, anche se scrive due volte	Duplicati per email diversa o form diversi	Report dei duplicati per email, telefono e azienda
7. Stati	Il lead cambia stato con data e motivo	Stati non aggiornati, motivi di scarto vuoti	Percentuale di lead senza stato dopo 14 giorni
8. Fatturato	La vendita si collega all’opportunità e alla sorgente	Nessun identificativo comune tra CRM e gestionale	Campione di fatture ricondotte a mano alla sorgente
9. Ritorno	Gli stati del CRM tornano alle piattaforme	Caricamenti fermi, identificativi scaduti	Stato delle importazioni offline e delle integrazioni

Due punti meritano attenzione in più. Per il passaggio 4, Meta deduplica gli eventi inviati dal Pixel e dalla Conversions API solo se l’event_id coincide e se i due eventi arrivano entro 48 ore; altrimenti la stessa conversione vale due. Per il passaggio 1, Google chiede di usare sempre utm_source, utm_medium e utm_campaign: con parametri incompleti GA4 mostra (not set).

Perché i numeri non coincidono anche quando tutto funziona?

Perché alcune differenze sono strutturali e restano anche con un tracciamento perfetto. Le principali:

• Date diverse. Google Ads attribuisce alla data del clic, GA4 e il CRM alla data dell’evento. Una richiesta arrivata il 2 ottobre da un clic del 28 settembre cade in due mesi diversi.
• Dati che arrivano dopo. Google Ads può impiegare fino a 7 giorni per completare i dati di conversione. In GA4 gli eventi chiave modellati possono aggiornarsi fino a 12 giorni dopo, e Google suggerisce di escludere l’ultima settimana dai confronti.
• Modelli di attribuzione. Ogni piattaforma tende ad attribuirsi la conversione. Sommarle porta a un totale più alto delle vendite reali.
• Conteggio. In Google Ads un’azione può contare una conversione o tutte per ogni clic. Per i lead la scelta consigliata è “una”.
• Modellazione e consenso. Con il Consent Mode, GA4 può stimare il comportamento di chi rifiuta i cookie se la proprietà supera certe soglie di traffico. Il CRM invece conta solo chi c’è davvero.
• Identità e soglie. L’identità per i report scelta in GA4 cambia il modo in cui gli utenti vengono contati, e le soglie sui dati nascondono alcune righe quando gli utenti sono pochi.
• Fuso orario e valuta. Proprietà e account impostati su fusi o valute diversi spostano i numeri ai bordi di ogni giorno e mese.

Un’abitudine pratica: confronta periodi chiusi da almeno due settimane, usa la colonna per data della conversione in Google Ads e annota sempre quale modello di attribuzione stai leggendo.

Quali sono le dimensioni della qualità del dato?

Per valutare un insieme di dati in modo ordinato si usano sei dimensioni, quelle che il Government Data Quality Framework del governo britannico riprende da DAMA UK. Applicate al marketing:

Dimensione	Domanda	Esempio nel percorso dal clic alla vendita
Completezza	Ci sono tutti i dati che servono?	Quota di lead nel CRM con sorgente e campagna compilate
Unicità	Ogni cosa è contata una volta sola?	Contatti duplicati, conversioni Pixel e API contate due volte
Coerenza	Lo stesso dato ha lo stesso valore ovunque?	Nomi delle campagne uguali tra piattaforma, UTM e CRM
Tempestività	Il dato è disponibile quando serve?	Stati del CRM aggiornati entro pochi giorni dal contatto
Validità	Il dato rispetta il formato e le regole?	Email valide, telefoni con prefisso, valori nei campi a scelta
Accuratezza	Il dato descrive la realtà?	Il lead segnato come “da Google Ads” arriva davvero da lì

L’accuratezza è la più difficile da misurare, perché richiede un confronto con la realtà: un campione di lead verificato a mano, telefonando o chiedendo al commerciale.

La checklist di validazione prima di confrontare dashboard e fatturato

Prima di presentare un report che mette in relazione campagne e vendite, conviene spuntare queste voci.

Definizioni

• Lead, lead qualificato, opportunità e cliente sono definiti per iscritto e condivisi tra marketing e commerciale.
• Le azioni di conversione principali in Google Ads e gli eventi ottimizzati su Meta corrispondono a quelle definizioni.

Tracciamento

• Un clic di prova per ogni piattaforma arriva al sito con i parametri intatti e al CRM con sorgente e campagna.
• Le azioni di conversione risultano attive nella diagnostica di Google Ads.
• Pixel e Conversions API condividono l’event_id; la qualità della corrispondenza degli eventi è sotto controllo.
• Gli eventi chiave importati da GA4 in Google Ads non duplicano conversioni già misurate dal tag di Google Ads.

CRM

• Meno del 5% dei lead ha sorgente vuota o “altro” (soglia da adattare al tuo caso).
• I duplicati vengono uniti con una regola scritta.
• Ogni lead ha uno stato e, se scartato, un motivo.

Confronto

• Il periodo è chiuso da almeno due settimane.
• Fuso orario e valuta coincidono tra le fonti.
• È chiaro quale modello di attribuzione e quale data si stanno usando.
• Ogni scarto tra due fonti ha una spiegazione scritta.

Un esempio di riconciliazione, passo per passo

Vediamo come si spiegano gli scarti con un esempio simulato: un’azienda di servizi B2B, un mese di campagne su Google Ads. I numeri sono inventati a scopo illustrativo.

Fonte	Valore	Scarto rispetto alla riga sopra	Spiegazione
Google Ads, conversioni per data del clic	48		Include richieste arrivate a ottobre da clic di settembre
Google Ads, conversioni per data della conversione	45	−3	Spostamento tra mesi per il ritardo di conversione
GA4, eventi chiave da Google Ads	41	−4	Modello e regole di attribuzione diversi; parte delle conversioni attribuite ad altri canali
CRM, lead con sorgente Google Ads	36	−5	Due invii doppi uniti in deduplica, tre lead arrivati con sorgente vuota per un redirect
CRM, lead qualificati	15	−21	Lead fuori target: studenti, fornitori, aziende troppo piccole
CRM, opportunità	6	−9	Qualificati non ancora contattati o senza budget nel periodo
Gestionale, contratti	2	−4	Trattative ancora aperte

Letto così, ogni scarto diventa un’informazione. Le tre righe in alto dicono che il tracciamento è sostanzialmente sano. Il passaggio dal CRM ai lead qualificati dice che il problema principale non è la misurazione ma il pubblico o il messaggio. I tre lead con sorgente vuota indicano un redirect da sistemare. Senza la riconciliazione, la conclusione sarebbe stata “Google Ads porta 48 conversioni e due contratti, quindi non funziona”, che è una lettura incompleta.

Quando servono test incrementali o altri metodi?

Quando i dati reggono ma resta il dubbio su quanto una campagna abbia causato vendite che non ci sarebbero state comunque. A quel punto ci sono tre famiglie di metodi, con requisiti molto diversi.

Test di incrementalità delle piattaforme. Il Conversion Lift di Google basato sugli utenti chiede almeno 1.000 conversioni osservate e 5.000 dollari di budget per campagna e non è disponibile in tutti gli account. La variante basata sulla geografia richiede campagne su un solo paese e valuta in anticipo la fattibilità. Meta offre test di Conversion Lift con accesso tramite il referente.

Test fatti in casa. Holdout su una parte del pubblico, geo test su regioni simili, accensione e spegnimento di una campagna con controllo sul fatturato reale. Sono meno precisi ma usano i tuoi dati di vendita; come impostarli lo spiega l’articolo sul ROAS.

Marketing Mix Modelling. Un modello statistico che stima il contributo di ogni canale alle vendite su base storica. I requisiti sono impegnativi: Meridian, il modello open source di Google, consiglia dati settimanali e per area geografica con almeno due anni di storico, e per un modello nazionale considera 104 settimane troppo poche e ne suggerisce tre anni. La guida di Robyn, il progetto di Meta, indica almeno due anni di dati settimanali e circa dieci osservazioni per ogni variabile del modello. Nessuna delle due indica una spesa minima ufficiale.

Per molte PMI la scelta sensata è questa: prima la qualità del dato e la riconciliazione, poi un controllo complessivo come il rapporto tra fatturato e spesa totale, e test mirati solo sulle voci di spesa dove il dubbio è concreto. Un MMM ha senso quando ci sono anni di dati settimanali puliti, più canali con spesa significativa e decisioni di budget abbastanza grandi da giustificarne il costo.

Errori da evitare

Cercare il numero giusto. Non esiste: esistono numeri diversi che rispondono a domande diverse. Il lavoro è spiegare gli scarti.

Confrontare il mese appena chiuso. I dati di Google Ads e GA4 si completano nei giorni successivi. Aspetta almeno due settimane.

Fidarsi della sorgente nel CRM senza verificarla. Un campione di lead controllato a mano dice quanto è accurato il campo sorgente.

Saltare le definizioni. Senza una definizione scritta di lead qualificato, marketing e commerciale discuteranno sui numeri invece che sulle azioni.

Partire dal modello più complesso. Un test di incrementalità o un MMM costruiti su dati sporchi danno risultati precisi e sbagliati.

Vuoi sapere quanto sono affidabili i tuoi dati?

Facciamo un audit del percorso del dato dal clic alla vendita: parametri e redirect, consenso, eventi e deduplica, form, CRM e collegamento con il fatturato. Alla fine ricevi la mappa dei punti di rottura, una prima riconciliazione tra le fonti e le correzioni in ordine di priorità. È il cuore del nostro lavoro su analytics e dati; per la parte campagne usiamo RunAlytics, la dashboard che unisce i dati di Google Ads, Meta, LinkedIn e TikTok.

Puoi prenotare una call con Federico oppure scriverci dal modulo contatti.

Domande frequenti

Perché le conversioni di Google Ads sono diverse da quelle di GA4?

Perché usano date, modelli di attribuzione e regole di conteggio diversi. Google Ads attribuisce le conversioni alla data dell’interazione con l’annuncio, GA4 alla data dell’evento, e GA4 distribuisce il merito tra tutti i canali, non solo tra gli annunci Google. Una differenza di qualche punto percentuale è normale; scarti grandi indicano un problema di tracciamento.

Quanto deve essere grande la differenza tra piattaforma e CRM per preoccuparsi?

Non c’è una soglia valida per tutti. Conviene misurare lo scarto per qualche mese e indagare quando cambia all’improvviso o quando non si riesce a spiegarlo con date, deduplica e attribuzione.

Cos’è la riconciliazione dei dati di marketing?

È il confronto ordinato tra i numeri di fonti diverse, dalla piattaforma pubblicitaria al gestionale, in cui ogni scarto viene spiegato con una causa: data, attribuzione, deduplica, qualificazione o errore di tracciamento.

Una PMI ha bisogno del Marketing Mix Modelling?

Raramente come primo passo. Gli strumenti open source come Meridian e Robyn richiedono almeno due anni di dati settimanali puliti, e per un modello nazionale Google ne suggerisce tre. Prima vengono qualità del dato, riconciliazione e test mirati.

Ogni quanto va fatta la verifica dei dati?

Un controllo leggero ogni mese, sui periodi chiusi da almeno due settimane, e una verifica completa del percorso dal clic alla vendita ogni volta che cambiano sito, form, CRM o configurazione delle campagne.