Performance Max 2026: la guida completa con i dati reali, non quelli di Google

Google dichiara un +13% di conversion value lift con AI Max attivo. I dati di terze parti mostrano un +7% a CPA simile. E l'84% degli advertiser riporta risultati neutrali o negativi con Performance Max ecommerce 2026. Queste tre affermazioni sono tutte documentate e raccontano cose diverse: la prima misura un effetto medio in condizioni controllate, la seconda misura l'impatto reale su account eterogenei, la terza descrive la distribuzione dei risultati nell'universo degli advertiser. Capire come leggerle insieme è il punto di partenza per usare PMAX in modo produttivo, non per fede nel sistema e non per scetticismo aprioristico.

Cos'è Performance Max e come funziona davvero

La descrizione ufficiale di Google è corretta ma incompleta: PMAX è una campagna che distribuisce annunci su tutti gli inventory Google in un'unica interfaccia. Search, Shopping, Display, YouTube, Discover, Gmail, Maps: sei superfici gestite da un unico sistema di ottimizzazione. Quello che Google non enfatizza abbastanza è la logica con cui quel sistema funziona.

L'algoritmo di PMAX non ottimizza ciascun canale separatamente e poi somma i risultati. Ottimizza verso un segnale di valore unificato, decidendo in tempo reale quale inventory mostrare a quale utente in quale momento. Il punto critico è che quella decisione dipende in larga misura dagli input che fornisci: i signal di audience, gli asset creativi, i dati di conversione storici e la qualità del feed prodotti. PMAX non è autonomo nel senso di indipendente dai tuoi dati. È autonomo nel senso che prende decisioni operative senza chiederti il permesso, ma quelle decisioni sono tanto buone quanto gli input che riceve.

Gli asset creativi non sono accessori. Sono letteralmente il materiale grezzo che il sistema usa per costruire annunci adattivi su ogni superficie. Se gli fornisci tre immagini landscape di bassa qualità e nessun video, l'algoritmo produce gli annunci con quello che ha, e il risultato riflette quella scarsità. Il sistema non compensa la qualità degli asset con l'intelligenza dell'ottimizzazione.

Le condizioni minime perché PMAX funzioni

Prima di configurare qualsiasi cosa, ci sono soglie sotto le quali PMAX non ha il materiale necessario per imparare. La prima è il volume di conversioni: servono almeno 30-50 conversioni al mese nell'account, non nella campagna. L'algoritmo ha bisogno di dati sufficienti per costruire il modello predittivo che guida le decisioni di bidding. Sotto quella soglia, le sue decisioni sono statisticamente rumorose.

La seconda condizione riguarda il pixel. Non basta che sia attivo: deve essere attivo da almeno tre mesi con dati puliti, cioè senza picchi artificiali, senza conversioni duplicate, senza eventi mal configurati. Un pixel con sei mesi di storia sporcata da duplicazioni vale meno di un pixel con novanta giorni di dati affidabili. Prima di attivare PMAX, vale la pena fare un audit del tracciamento.

Sul catalogo prodotti, la soglia minima pratica è cinquanta SKU attivi con titoli ottimizzati, immagini di qualità e prezzi aggiornati. Non perché sotto quella soglia il sistema rifiuti la campagna, ma perché con pochi SKU l'algoritmo ha meno superficie su cui sperimentare e meno segnali su cui costruire le decisioni di distribuzione.

Per gli asset creativi, Google richiede formati specifici e la copertura completa fa differenza: immagini landscape e square, video da 15 e 30 secondi, almeno cinque headline e altrettante description. Ogni formato mancante è una superficie su cui PMAX sceglie autonomamente o non appare. Il video è il requisito più spesso trascurato e il più impattante, specialmente su YouTube e Discover.

Come strutturare una campagna PMAX correttamente

L'errore di struttura più comune è organizzare gli asset group per audience. La logica sembra sensata: un gruppo per i nuovi visitatori, uno per i clienti già acquisiti, uno per chi ha abbandonato il carrello. Il problema è che PMAX non funziona con segmentazioni rigide di audience. I signal di audience sono input probabilistici, non criteri di esclusione. Organizzare gli asset group per categoria prodotto è più efficace perché allinea il messaggio creativo alla natura di ciò che stai vendendo.

Sul bidding, la scelta tra Target ROAS e Maximize Conversion Value dipende dallo stadio della campagna. Nelle prime quattro settimane, Maximize Conversion Value con nessun target esplicito lascia all'algoritmo più libertà di raccogliere dati. Solo dopo aver accumulato volume sufficiente, introdurre un Target ROAS permette di orientare l'ottimizzazione verso marginalità, non solo volume.

I listing group con custom label sono uno degli strumenti più sottoutilizzati in PMAX. Puoi segmentare il catalogo per margine, per stagionalità, per categoria, per newness. Questo ti permette di allocare budget in modo intenzionale, non solo di affidarti all'algoritmo per decidere quali prodotti spingere. Un listing group separato per i bestseller ad alto margine, con un Target ROAS differenziato, è una configurazione banale da implementare ma significativamente impattante sui risultati.

AI Max: le feature 2026 che cambiano i risultati

AI Max è l'aggiornamento che Google ha rilasciato progressivamente nel 2025-2026, e non tutte le sue feature hanno lo stesso rapporto rischio-beneficio. Alcune vanno attivate subito, altre vanno testate con cautela.

La search theme expansion è una delle feature con il miglior rapporto tra facilità di implementazione e impatto. Permette a PMAX di espandere la copertura semantica oltre le keyword esplicite del feed, intercettando query correlate che un approccio puramente basato sul catalogo non coprirebbe. Per ecommerce con cataloghi ampi e domanda latente, è una leva concreta.

L'URL expansion con page feed merita attenzione specifica. Senza un page feed configurato, PMAX può inviare traffico su qualsiasi pagina del sito che ritiene rilevante, incluse pagine di categoria, post del blog, pagine istituzionali. Con un page feed, puoi limitare le landing page ammissibili alle sole pagine prodotto o alle schede categoria ottimizzate per la conversione. Attivare URL expansion senza page feed è uno degli errori più comuni che producono un CPA anomalo nelle prime settimane.

L'image generation AI e il customer matching avanzato sono feature da testare in modo controllato, su un sottoinsieme di asset group, prima di applicarle all'intera campagna. Non perché siano dannose, ma perché la loro efficacia varia significativamente per vertical e per qualità dei dati di prima parte disponibili.

Come interpretare i report di PMAX

Il problema dei report di PMAX non è la scarsità di dati: è la struttura dell'attribuzione. PMAX opera all'interno dell'ecosistema di attribuzione di Google Ads, che per definizione tende ad assegnare valore alle touchpoint finali prima della conversione. Siccome PMAX copre tutti gli inventory Google, è strutturalmente favorito nell'attribuirsi conversioni che sarebbero avvenute comunque tramite ricerca brand o remarketing diretto.

Il conversion by channel breakdown, disponibile nei report più recenti, è il punto di partenza per capire dove sta avvenendo realmente il valore. Se una quota sproporzionata delle conversioni attribuite a PMAX proviene da placement Search con keyword brand, quello è un segnale che il sistema sta convertendo traffico caldo già predisposto all'acquisto, non generando incrementalità.

Il modo più rigoroso per isolare il contributo reale di PMAX è un test di incrementalità. Google offre strumenti nativi per questo, ma anche un approccio semplice funziona: isola una geografia o un periodo temporale, disattiva PMAX, mantieni tutto il resto invariato, misura la variazione nelle conversioni totali dell'account. Quello che misuri non è il ROAS di PMAX: è il contributo incrementale di PMAX al business. La differenza tra le due cose è spesso sostanziale. Per una lettura più approfondita del dato dell'84% di advertiser che non vede risultati positivi, e di cosa lo spiega strutturalmente, puoi leggere l'analisi sulle condizioni che cambiano tutto.

PMAX e brand: come proteggere le keyword brand

PMAX tende a cannibalizzare le keyword brand per una ragione meccanica: le ricerche branded hanno un intent di acquisto molto alto, un click-through rate elevato e un conversion rate superiore alla media. Per un algoritmo che ottimizza verso le conversioni, queste ricerche sono un'opportunità evidente. Il problema è che quelle conversioni sarebbero probabilmente avvenute comunque, a un CPC molto più basso, tramite una campagna brand Search separata.

La brand exclusion list non è opzionale. Va configurata prima dell'attivazione della campagna, includendo tutte le varianti del brand: nome esatto, nome con errori ortografici comuni, nome combinato con parole come "shop", "sito", "acquista", "offerta". Una campagna brand Search separata con match type exact e modified broad copre quella domanda a un CPC strutturalmente più basso.

Se non escludi il brand da PMAX, il sistema ottimizza verso i segnali più facili, che sono le conversioni brand, e il ROAS apparente della campagna sarà alto. Ma quel ROAS misura l'efficienza nel convertire chi già ti stava cercando per nome, non la capacità di acquisire nuovi clienti. Economicamente, stai pagando di più per conversioni che avresti ottenuto spendendo meno. Il feed prodotti ha un ruolo importante anche qui: la qualità delle informazioni che fornisci all'algoritmo influenza direttamente la capacità di PMAX di performare su inventory non-brand. Ne parliamo in dettaglio nell'articolo dedicato alle variabili del feed Google Shopping per l'ottimizzazione AI.

Per chi sta valutando se PMAX o Standard Shopping sia la scelta più adatta alla propria situazione attuale, l'analisi comparativa completa è disponibile nell'articolo Performance Max vs Standard Shopping: quando usare quale, che entra nel dettaglio degli scenari in cui ciascun formato porta un vantaggio strutturale.

---

Performance Max funziona per tutti gli ecommerce?

No, e questa è una delle affermazioni più importanti da capire prima di allocare budget. PMAX funziona quando le condizioni sottostanti sono adeguate: un account con almeno 30-50 conversioni mensili, un pixel con dati affidabili da almeno 90 giorni, un catalogo con SKU attivi e feed ottimizzato, asset creativi in tutti i formati richiesti inclusi video. Quando queste condizioni non sono soddisfatte, l'algoritmo non ha il materiale necessario per costruire un modello predittivo affidabile, e il risultato è una spesa distribuita male con un CPA spesso superiore alle alternative più semplici come Standard Shopping o campagne Search manuali. Il problema non è PMAX in sé: è l'aspettativa che funzioni indipendentemente dal contesto.

Come faccio a sapere se PMAX sta cannibalizzando le mie keyword brand?

Il segnale più diretto è nel conversion by channel breakdown dei report di PMAX. Se trovi una quota rilevante di conversioni attribuite a placement Search, e quelle conversioni coincidono con periodi di aumento del CPC sulle tue campagne brand Search separate, stai assistendo a una cannibalizzazione. Un test diretto consiste nell'aggiungere il brand alla brand exclusion list per quattro settimane e osservare cosa succede al ROAS complessivo della campagna: se scende drasticamente, la campagna stava ottimizzando principalmente su traffico branded. Se rimane stabile, il contributo incremental era reale.

Qual è la differenza pratica tra Target ROAS e Maximize Conversion Value in PMAX?

Sono due configurazioni di bidding con orizzonti temporali diversi. Maximize Conversion Value senza target esplicito dice all'algoritmo di massimizzare il valore totale generato senza vincoli di efficienza. È la configurazione giusta nelle prime settimane, quando l'algoritmo ha bisogno di raccogliere dati sufficienti per costruire un modello affidabile. Target ROAS aggiunge un vincolo di efficienza: dice al sistema di massimizzare il valore rimanendo sopra una soglia di ritorno sulla spesa pubblicitaria. Va introdotto solo dopo che la campagna ha accumulato volume sufficiente, generalmente dopo 30-50 conversioni, e con un target iniziale vicino al ROAS storico dell'account per non costringere l'algoritmo in una zona troppo restrittiva.

Cosa sono i signal di audience in PMAX e come usarli correttamente?

I signal di audience sono input probabilistici che guidano l'algoritmo nelle fasi iniziali della campagna, non target rigidi. Fornire un signal basato su una customer list di acquirenti recenti o su segmenti di remarketing qualificati aiuta il sistema a trovare più velocemente la direzione giusta. Il malinteso comune è trattarli come audience targeting nel senso tradizionale, cioè mostrare gli annunci solo a quegli utenti. PMAX usa i signal come punto di partenza per espandere verso utenti simili. Questo significa che la qualità del signal è importante quanto la sua dimensione: una lista di mille acquirenti reali è un segnale molto più utile di un segmento di interesse generico da cento mila persone.