Il lessico dei ricavi

Conviene quando poche decine di clienti fanno la maggior parte del fatturato, e chiede a Marketing e Vendite di lavorare sullo stesso elenco di nomi con lo stesso ordine di priorità.

Esempio. Il caso che segue è costruito, perché il termine non compare ancora negli articoli. Un fornitore industriale con poche decine di clienti possibili lavora su un elenco più che su un pubblico: ogni riga porta il nome dell'impresa da conquistare, il venditore che la segue e il motivo per cui quell'impresa dovrebbe cambiare fornitore. I materiali di marketing nascono per quelle righe, e il costo per contatto smette di essere la misura del lavoro.

La distanza dall'automazione sta in chi sceglie il passaggio successivo, e sposta la domanda di governo: da «la regola è scritta bene?» a «fin dove può spingersi da solo, e chi se ne accorge se supera il confine?». Negli articoli di Enrico Giubertoni l'agente compare anche dall'altra parte del banco: il consumatore gli delega ricerca e confronto, e il brand si trova a parlare con una macchina che rappresenta il cliente.

Esempio. Un'impresa affida a un agente i solleciti di pagamento: legge lo scaduto nel gestionale, sceglie il tono, scrive al cliente e programma il richiamo. Finché nessuno ha messo per iscritto quali clienti l'agente può sollecitare da solo, il confine lo disegna il sistema un caso alla volta, e lo scopre chi legge il registro dopo l'incidente.

Serve ad automatizzare le operazioni ripetitive e a svolgere compiti che richiedono un grado avanzato di decision making, cioè la capacità di scegliere fra alternative, con una supervisione umana ridotta.

Esempio. Verificare le disponibilità in agenda, proporre tre orari alla cliente su WhatsApp, prenotare l'appuntamento e inviare il link per l'acconto; oppure controllare il magazzino e riordinare un prodotto quando scende sotto la soglia.

Negli articoli di Enrico Giubertoni conta l'ordine in cui arrivano gli obblighi più della data d'entrata in vigore: l'articolo 50 sulla trasparenza dei contenuti generati colpisce già oggi l'impresa che li pubblica, mentre i doveri che la obbligherebbero a sapere quali sistemi girano in casa sua sono stati spostati al 2 dicembre 2027 dal Regolamento (UE) 2026/1744. Prima arriva la responsabilità, la visibilità arriva sedici mesi dopo.

Esempio. Un'azienda pubblica sul proprio sito un video promozionale con una voce generata artificialmente e non lo dichiara: la sanzione dell'articolo 50 arriva fino a 15 milioni di euro o al 3% del fatturato mondiale annuo ed è esigibile dal 2 agosto 2026. Gli obblighi che imporrebbero alla stessa azienda di sapere quali sistemi girano in casa sua sono altri, cioè i doveri degli articoli 26 e 27 su chi impiega un sistema ad alto rischio dell'Allegato III, fra cui la selezione del personale, e maturano il 2 dicembre 2027.

Negli articoli di Enrico Giubertoni è una questione di architettura prima che di conformità alle norme, e la domanda ricorrente suona così: se il consiglio di amministrazione chiedesse oggi di dimostrare con prove inconfutabili che l'adozione dell'AI è un bene sotto controllo, la direzione saprebbe farlo? Chi rinuncia a costruirla cade nella paralisi da governance dell'AI, che è la conseguenza diretta del lavorare senza una guida: nessuno sa fin dove può spingersi, e i progetti restano fermi.

Esempio. In un'impresa manifatturiera tre reparti usano tre strumenti diversi, nessuno dei tre è passato dall'ufficio legale e nessuno ha un responsabile. Il governo dell'intelligenza artificiale comincia da una casella dell'organigramma con dentro un nome: il documento di linee guida viene dopo, e senza quel nome resta sulla scrivania.

L'AI Act, il regolamento europeo sull'intelligenza artificiale, la nomina in un solo punto, l'articolo 4, che dal luglio 2026 chiede di «adottare misure per sostenere lo sviluppo» di quella competenza e resta fuori dall'elenco degli obblighi sanzionati. Da qui discende il passaggio che Enrico Giubertoni mette in evidenza: l'unico articolo che tocca il terreno su cui cresce lo shadow AI (gli strumenti di intelligenza artificiale che le persone usano per lavorare fuori da ogni scelta e da ogni censimento dell'impresa) è privo di sanzione ed è appena stato ammorbidito.

Esempio. In un'azienda di distribuzione il responsabile commerciale fa riassumere le trattative aperte a un assistente e considera quel testo affidabile quanto un foglio di calcolo. Nessuno gli ha spiegato che è una previsione statistica da rileggere: l'alfabetizzazione mancante costa una riunione passata a discutere di un numero che il sistema ha inventato.

Enrico Giubertoni lo misura nei passaggi invece che nelle riunioni: il Marketing risponde del volume dei contatti, le Vendite del fatturato chiuso, e il tratto che unisce i due numeri resta fuori dalla scheda obiettivi di entrambi, quindi nessuno lo presidia.

Esempio. Il marketing consegna alle vendite un contatto che ha già chiesto un preventivo, e nel passaggio resta indietro il contesto: che cosa aveva letto e con quale urgenza aveva scritto. Il venditore richiama tre giorni dopo e riparte dalla prima domanda, così la stessa qualificazione si paga due volte. Nessuno dei due reparti ha sbagliato il proprio pezzo: al pezzo in mezzo mancano un nome che ne risponda, un tempo entro cui prenderlo in carico e una prova che dimostri che è avvenuto.

Negli articoli di Enrico Giubertoni il pericolo sta nella credibilità percepita più che nell'errore: man mano che questi sistemi entrano nei flussi di lavoro, chi li usa sopravvaluta l'affidabilità della risposta diretta e rinuncia alla verifica critica delle fonti. Mitigare quel rischio è un dovere di chi porta lo strumento in azienda, accanto alla trasparenza e al rispetto della riservatezza.

Esempio. Un venditore prepara l'offerta per un cliente industriale e chiede all'assistente quale direttiva europea regoli quel componente. Riceve un numero preciso, citato con sicurezza, che nella realtà non esiste. L'offerta parte, il cliente ha un ufficio tecnico, e la credibilità persa costa più delle ore risparmiate.

In italiano si legge «amplificare il vantaggio di segnale», e dice una cosa precisa: il vantaggio non sta nel possedere i dati, che ormai possiedono tutti, ma nel leggerli prima degli altri e nel trasformarli in una decisione. Il lavoro consiste nell'allargare quella distanza.

Esempio. Due concorrenti ricevono lo stesso segnale, cioè un cliente storico che smette di chiedere preventivi. Il primo se ne accorge a fine trimestre leggendo il fatturato, il secondo la settimana dopo leggendo il gestionale: fra i due c'è un vantaggio di segnale, e amplificarlo significa renderlo sistematico invece che fortunato.

Google Analytics è lo strumento più diffuso per farla, e il valore della misura dipende dall'uso a cui serve: gli stessi dati possono decidere quali contenuti scrivere la settimana successiva, oppure riempire un cruscotto che nessuno traduce in una decisione. Il secondo caso ha un nome nel lessico di Enrico Giubertoni, Analytical Inertia, e descrive i dati che crescono mentre le decisioni stanno ferme.

Esempio. Dai dati di traffico del blog aziendale si vede che un quinto degli articoli porta quattro quinti delle visite. Il calendario editoriale del trimestre successivo parte da quella lista invece che dalle idee emerse in riunione, e il reparto smette di produrre contenuti che nessuno cerca.

Esempio. Un'azienda avvia tre progetti pilota di intelligenza artificiale, ciascuno con il suo cruscotto, e nessuno cambia una decisione: è una nuova forma di Analytical Inertia travestita da innovazione.

Negli articoli compare come bias di ancoraggio (in inglese anchoring bias, cioè la distorsione sistematica del giudizio prodotta dalla prima cifra o dal primo dato incontrato), fra le trappole che deformano l'analisi della concorrenza. Riconoscerlo è il primo passo per ridurne l'impatto sulle decisioni.

Esempio. Un venditore apre la trattativa con il listino pieno e poi concede il dieci per cento: il cliente valuta l'offerta a partire da quella prima cifra. Lo stesso prezzo finale, presentato subito come «prezzo netto», viene percepito come più alto.

È un sottoinsieme dell'intelligenza artificiale: l'intelligenza artificiale è l'ambizione di far esibire alle macchine facoltà cognitive umane, l'apprendimento automatico è il percorso più diffuso per arrivarci. Dove la programmazione tradizionale chiede regole precise per ogni azione, qui si forniscono al sistema grandi quantità di dati e algoritmi che ci trovano dentro le regolarità.

Esempio. Una catena di negozi dà al sistema tre anni di scontrini, e il sistema isola micro-segmenti che nessuno aveva mai definito: chi compra solo durante i saldi, chi torna ogni sei settimane, chi ha smesso dopo il cambio di insegna. La regola «cliente che torna ogni sei settimane» l'ha scritta il sistema leggendo i dati, e da lì nascono offerte molto più mirate.

La differenza: la Realtà Aumentata sovrappone elementi digitali al mondo reale inquadrato dalla fotocamera, e il rossetto appare sulle proprie labbra in tempo reale; la Realtà Virtuale sostituisce il mondo reale con un ambiente interamente digitale, in cui si entra di solito con un visore, per esempio un negozio o una cabina estetica ricostruiti in tre dimensioni.

Nei suoi testi ha due usi: i valori a cui attinge il racconto di marca, e la figura rappresentativa da cui nasce una target persona (il ritratto tipico del cliente a cui ci si rivolge). La selezione conta più della quantità: pochi archetipi che i reparti usano davvero valgono più di molti ritratti fermi su una presentazione.

Esempio. Un produttore di infissi costruisce due ritratti di cliente: il geometra che ordina cento pezzi e la famiglia che ristruttura una volta nella vita. Sono due archetipi, e la rete di venditori li adopera perché sono pochi e riconoscibili.

Diventa la giunzione in cui il denaro si perde quando quella regola resta implicita: finché l'origine del contatto e il luogo della consegna stanno in due registri diversi, l'attribuzione è un'opinione contro un'altra, e in consiglio vince chi parla per ultimo. La regola si scrive prima, e vale per tutti.

Esempio. Un cliente confronta il prezzo sullo smartphone mentre è dentro il negozio e poi compra online. Il gesto è uno, e dentro l'azienda la sua attribuzione è contesa fra due direzioni con due bilanci e due premi: la soluzione comincia da un'unica scrittura che conserva insieme l'origine del contatto e il luogo della consegna.

Negli articoli di Enrico Giubertoni serve da termine di confronto per l'agentificazione (il passaggio a sistemi che scelgono da soli i passaggi con cui raggiungere un obiettivo assegnato), e l'errore di valutazione che ricorre è proprio confondere le due: all'agente si delega un'autonomia esecutiva di reazione dentro scopi definiti, mentre la visione, la strategia e la decisione che indirizzano quello scopo restano di una persona. Nel marketing prende la forma della marketing automation (l'automazione del marketing), cioè software che incrociano dati complessi per segmentare il pubblico, riconoscere quando un segmento è pronto all'acquisto e adattare di conseguenza i messaggi.

Esempio. Un'azienda cosmetica collega il gestionale dei clienti alla piattaforma di invio e imposta una regola: chi compra la crema viso riceve dopo venti giorni il messaggio sul siero. Il criterio lo ha scelto la responsabile Marketing, la macchina lo esegue, e la responsabilità di quel messaggio resta di chi ha scritto la regola.

Il risultato dipende da come l'impresa ha disegnato i propri flussi prima di comprare lo strumento: due aziende con la stessa piattaforma ottengono esiti diversi, perché ciascuna vi ha versato la propria definizione di contatto e di conversione.

Esempio. La piattaforma registra un contatto quando qualcuno scarica un documento, mentre la rete vendita chiama contatto soltanto chi ha chiesto un preventivo. In consiglio i due numeri si contraddicono e la discussione sull'attribuzione (quale canale si prende il merito di una vendita) diventa un'opinione contro un'altra. Prima si ridisegna il confine fra Marketing e Vendite, poi si configura la piattaforma.

Vale per le persone e per i siti: un venditore autorevole conosce a fondo il prodotto e gestisce le obiezioni con professionalità, e un sito autorevole su un tema passa quel credito alle proprie pagine, tanto che i motori di ricerca e i sistemi di intelligenza artificiale lo scelgono come fonte.

Esempio. In un punto vendita l'addetto che conosce a fondo il prodotto, propone soluzioni su misura e gestisce le obiezioni con professionalità costruisce un'autorevolezza professionale da cui nasce un rapporto più solido con il pubblico, e si vede nel rendimento complessivo del negozio e nella lealtà del cliente. Sul sito, gli approfondimenti collegati fra loro attorno a una pagina pilastro (in inglese pillar page, la pagina che copre l'argomento per intero) concentrano l'autorevolezza su un argomento e la distribuiscono alle pagine collegate.

Il risultato sono risposte sistematicamente distorte a danno di alcuni gruppi.

Esempio. Se la ricerca «donna» restituisce quasi solo immagini di donne bianche caucasiche, l'algoritmo ha identificato il concetto di donna con uno solo dei suoi gruppi. Nella cosmetica lo stesso meccanismo produce diagnosi meno precise su pelli scure o mature.

La cifra da sola dice poco, perché avere un budget non garantisce di allocarlo bene: la resa dipende dalla capacità del team che lo guida. Negli articoli la scelta ricorrente riguarda la destinazione: meno spesa per interrompere il consumatore con la pubblicità tradizionale e più per accompagnarlo e assisterlo.

Esempio. Nel quarto trimestre la direzione alloca il budget dell'anno successivo e ci mette una voce per la formazione sui nuovi strumenti, intelligenza artificiale compresa. La stessa somma spesa tutta in spazi pubblicitari compra dodici mesi di visibilità; spesa in parte sulle competenze del team lascia una capacità che resta anche l'anno dopo.

Enrico Giubertoni lo distingue dal target (il gruppo di clienti a cui si vuole vendere, descritto per grandi categorie): il target si ferma alle variabili socio-demografiche, cioè età, sesso, ruolo e luogo, mentre il profilo del cliente tipo indaga quelle psicografiche, cioè identità e interessi, abitudini di consumo, luoghi frequentati, modo di decidere un acquisto.

Esempio. Due clienti hanno la stessa età, lo stesso ruolo e la stessa città. Uno entra in negozio dopo aver letto le recensioni, l'altro ordina dal telefono alle undici di sera. Per il target sono la stessa riga, per il profilo del cliente tipo sono due persone diverse, e il sito va progettato perché entrambe arrivino in fondo.

Regge come prova quando porta numeri e fonti che chi legge può controllare, e mostra un metodo al lavoro.

Esempio. Un corso di formazione digitale del 2010 diventa un caso di studio perché il verbale della commissione esaminatrice registra un fatto misurabile: la maggior parte degli stage proseguì come collaborazione oltre il termine previsto, condizione che gli accordi non contemplavano. Il documento rende il risultato controllabile da chi legge, e la lezione trasferibile a un'altra organizzazione.

Esempio. In un'azienda di servizi industriali la direzione commerciale dichiarava un ciclo di vendita fra i sei e i trentasei mesi, e quella cifra spiegava perché i contatti generati restassero senza esito. I contratti effettivamente firmati raccontavano meno di due mesi: i contatti lenti restavano fermi, e chi comprava lo faceva in fretta.

Negli articoli di Enrico Giubertoni conta la sua profondità più della sua quantità: il tono dei commenti e la loro articolazione dicono di un pubblico cose che il conteggio delle interazioni lascia fuori. È un indicatore quantitativo che risponde alla domanda «quanto è coinvolto il mio target», e il perché sta nei dati qualitativi.

Esempio. Una community aziendale misura il proprio successo su follower, like e impressioni, e i numeri salgono ogni mese. Passando a misurare coinvolgimento attivo, sentiment (il tono, favorevole o ostile, di ciò che il pubblico scrive), ritorno dei membri e qualità delle interazioni, la stessa community mostra dove il legame è davvero relazionale e dove è rimasto transazionale.

Negli articoli è un canale da progettare e non un catalogo da pubblicare: l'esperienza d'uso decide se un visitatore compra, e il modo in cui un negozio proprio si distingue dai grandi mercati digitali è ciò che lo tiene in piedi accanto a loro.

Esempio. Un'impresa misura che i clienti vicini ai negozi riempiono il carrello e abbandonano il pagamento, mentre quelli lontani concludono online. Lo stesso dato letto per zona cambia la decisione: il carrello abbandonato a due strade dal negozio diventa un ritiro in negozio da proporre, e il venditore allo scaffale entra nel percorso.

Il costo si misura nei passaggi di consegne fra Marketing, Vendite, logistica e assistenza clienti, dove l'informazione si ferma e il cliente lo sente. Chi li smantella parte dagli obiettivi condivisi, perché una riunione in più senza un obiettivo comune lascia i silos dove sono.

Esempio. In un'azienda che vende sia in negozio sia online i due canali hanno responsabili distinti, sistemi di incentivi distinti e il timore che l'uno rubi le vendite all'altro: è un silo che si difende. Il cliente che cerca sul telefono e compra in negozio attraversa quella frattura, e la ritrova ogni volta che chiede una disponibilità o un reso.

Negli articoli di Enrico Giubertoni la parola nomina l'inclinazione che qualcuno o qualcosa si porta addosso. Nel novembre 2007 il blog Ecoweb diventa Buzzes.eu, perché la connotazione europeista del suo autore lo spinge verso i domini .eu (il suffisso europeo degli indirizzi web) appena nati. Al SANA 2016, il Salone Internazionale del Biologico e del Naturale che si tiene a Bologna, l'intervento riguarda l'eco sui social network generata dalla cosmesi a connotazione naturale, dove la parola qualifica una categoria di prodotto. Gran parte del lavoro su una campagna avviene su questo piano, e avviene spesso mentre si crede di lavorare sulle caratteristiche del prodotto.

Esempio. Un'erboristeria mette in vetrina due creme con la stessa formula: una in vasetto di vetro con etichetta di carta riciclata, l'altra in tubo di plastica bianca. Il piano letterale è identico, la connotazione no, e il prezzo che il cliente accetta segue la connotazione.

È una delle basi giuridiche previste dal regolamento europeo, e nel lavoro commerciale si comporta come un requisito di apertura: un'insegna verifica consenso, sicurezza e finalità d'uso prima di aprire un flusso di dati verso un fornitore. Chi lo tratta come un adempimento da sistemare in fondo al progetto lo scopre quando il flusso è già costruito e va rifatto.

Esempio. Una community di clienti vale come canale quando esiste un elenco dell'azienda, con il consenso raccolto e l'identità nota di chi ne fa parte. Le stesse conversazioni ospitate soltanto su una piattaforma altrui restano un luogo in affitto, e il giorno in cui quella piattaforma cambia le condizioni il rapporto si interrompe.

Negli articoli la sua strategia parte dal problema da risolvere e arriva al prodotto in fondo, e si giudica con indicatori dichiarati in partenza: quando quegli indicatori mancano, il numero di contenuti pubblicati diventa l'unica misura disponibile.

Esempio. Un costruttore di macchinari pubblica ogni settimana una scheda tecnica e conta le schede. Riletta sul problema del cliente, la stessa produzione cambia forma: le schede diventano risposte alle domande che arrivano al servizio clienti, e l'indicatore diventa quante di quelle domande smettono di arrivare al telefono.

Oggi il settore parte dalla vendita condotta dentro una conversazione su app di messaggistica o chat. È destinato a estendersi attraverso l'assistente personale d'acquisto (personal shopping assistant) integrato negli e-commerce, che funziona come un nuovo motore di ricerca basato sul dialogo.

Ha retto per vent'anni la misura della pubblicità online, e oggi regge meno: i programmi di navigazione limitano i cookie posati da soggetti diversi dal sito visitato, quindi la misura si sposta sui dati che l'azienda raccoglie in prima persona. Chi legge un cruscotto pubblicitario oggi legge una stima, e conviene saperlo prima di portarla in riunione.

Esempio. Un negozio online vede cento conversioni nel cruscotto della piattaforma pubblicitaria e sessanta ordini attribuiti nel gestionale. Lo scarto nasce da più cause che convivono, dai cookie caduti fra un dispositivo e l'altro alle finestre di attribuzione che la piattaforma decide da sé (il periodo entro cui un ordine viene ancora contato come effetto di un annuncio), e la domanda utile riguarda quale dei due numeri entra nella riunione commerciale e chi risponde di quella differenza.

Misura l'ampiezza del pubblico raggiunto: una copertura che sale mentre il valore medio per contratto resta fermo descrive un pubblico più grande, e un mercato che compra meglio si vede su altri indicatori.

Esempio. Una direzione marketing ottimizza i contenuti per la copertura e la visibilità, e il conto lo paga la profondità: è il punto in cui l'algoritmo diventa il direttore creativo al posto di chi scrive. La copertura dice quante persone diverse hanno visto, e quanto vale quel pubblico si legge sul valore dei contratti firmati.

Il confronto che ne chiarisce la posizione è con l'automazione, dove il criterio l'ha scelto chi ha scritto la regola, e con l'agente, che sceglie da sé il passaggio successivo dentro un perimetro assegnato: qui, invece, decide la persona ogni volta. Nei testi di Enrico Giubertoni la parola compare come nome di prodotto, Bing Copilot, accanto a Search GPT e Google Gemini, fra i motori che leggono i dati strutturati di un sito per costruire le proprie risposte.

Esempio. In un punto vendita l'addetto interroga un assistente sul modello che il cliente ha in mano e riceve in tre secondi disponibilità, alternative e condizioni di garanzia. L'assistente propone, l'addetto sceglie che cosa dire e si prende la responsabilità del consiglio.

Contano perché entrano nella valutazione del posizionamento, e perché una pagina lenta perde il visitatore prima che il contenuto abbia avuto la sua occasione.

Esempio. Il sito di un'impresa manifatturiera ha schede prodotto ricche di immagini che continuano a caricarsi mentre la persona sta già leggendo, e il testo si sposta sotto le dita. Chi arriva da telefono se ne va prima del modulo di richiesta, e il difetto si vede nei Core Web Vitals prima ancora che nel numero di richieste ricevute.

Preso da solo dà il prezzo dell'ingresso, e il margine che quell'ingresso porta sta in un altro numero, il valore del cliente nel tempo. I due si leggono insieme.

Esempio. In un'impresa il costo per acquisizione sale su tutti i canali nello stesso trimestre, e la prima ipotesi è che l'agenzia stia lavorando male. Quando sale ovunque insieme la causa sta di solito nella saturazione del mercato, cioè nel numero di concorrenti che comprano lo stesso spazio: si cambia il mix di canali prima della cifra.

Il prezzo lo fa un'asta, e in un'asta il prezzo dipende dal numero dei partecipanti: quanti più inserzionisti comprano lo stesso spazio, tanto più il costo sale, a parità di bravura di chi imposta la campagna.

Esempio. Un'azienda di componentistica vede il costo per clic salire da un anno all'altro, con le stesse impostazioni e la stessa agenzia. La causa sta nel numero di concorrenti entrati nella stessa asta: alzare l'offerta compra spazio già affollato, e la mossa utile è cambiare il mix dei canali.

È l'indicatore che scende più facilmente di tutti: una piattaforma pubblicitaria impostata sul numero di conversioni spinge la spesa dove le conversioni costano poco, e le conversioni che costano poco sono quasi sempre le meno preziose.

Esempio. In un'azienda il costo per contatto scende riunione dopo riunione mentre il valore dei contratti firmati resta fermo. La riga di configurazione che chiedeva al sistema di ottimizzare sul numero dei contatti stava lì da mesi, e faceva esattamente quello che le era stato chiesto.

Serve a confrontare il prezzo dello spazio pubblicitario fra canali diversi: dice quanto costa farsi vedere, e quanto vale essere visti si legge su altri indicatori.

Esempio. Una catena di negozi confronta due piattaforme e trova lo stesso costo per mille impressioni. La scelta si decide altrove: su quale delle due porta persone che poi entrano in negozio, perché il prezzo della visibilità è identico e il valore di ciò che arriva dopo è diverso.

Il testo e la posizione cambiano il numero di clic e di conversioni, e la stessa chiamata va calibrata sull'intento di ricerca di chi arriva, cioè su ciò che quella persona voleva ottenere quando ha digitato la propria domanda: informarsi, oppure comprare.

Esempio. Su una pagina di listino «Richiedi il preventivo» funziona con chi è pronto a comprare, mentre chi arriva da una ricerca informativa risponde meglio a «Scarica il confronto fra le tre soluzioni». Rileggere le versioni archiviate delle proprie pagine, e di quelle dei concorrenti, mostra quali chiamate hanno generato clic e quali sono state ignorate.

Misura quanto un risultato si fa scegliere fra gli altri della stessa pagina, e negli articoli compare quasi sempre nella forma inglese.

Esempio. Secondo un'analisi di Schema App del 2023 sulle pagine dei propri clienti, le pagine che adottano i dati strutturati, cioè le etichette che spiegano ai motori di ricerca che cosa contiene la pagina, hanno registrato un tasso di click-through superiore del 40% rispetto a quelle che ne sono sprovviste. Lo stesso contenuto, mostrato meglio nella pagina dei risultati, viene scelto più spesso.

Nei testi di Enrico Giubertoni vive su due piani: quello storico, dove nasce negli anni della rete aperta e del software libero, e quello aziendale, dove indica la mentalità che decide se una trasformazione riesce, perché dove la cultura digitale interna resta ferma i processi macchinosi continuano a essere tollerati dentro l'azienda proprio quando i clienti hanno smesso di tollerarli.

Esempio. Due aziende dello stesso settore ricevono lo stesso strumento nuovo. Nella prima i responsabili chiedono di provarlo su un caso reale entro due settimane e raccontano in riunione anche i tentativi falliti. Nella seconda si aspetta l'istruzione dall'alto e si torna al foglio di calcolo: la differenza fra le due sta nella cultura digitale, prima ancora che nel budget.

Negli articoli è una conseguenza culturale prima che commerciale: le piattaforme più avanzate lasciano intatto l'abbandono dove manca una cultura del cliente. I modelli predittivi servono a vedere chi sta per andarsene mentre si può ancora parlargli.

Esempio. Un'impresa applica l'apprendimento automatico ai propri dati di vendita per prevedere quali clienti sono a rischio di abbandono, e ottiene un elenco di nomi da richiamare. L'elenco vale quanto l'organizzazione che lo riceve: con la chiamata in carico a qualcuno diventa una trattativa, altrimenti il modello ha soltanto anticipato una perdita.

Unifica ciò che è già definito, e sull'ambiguo resta impotente: se «contatto» significa due cose diverse in due reparti, la piattaforma replica quella differenza più in fretta e a costo più alto. L'ordine giusto mette prima le definizioni e poi lo strumento.

Esempio. Per il Marketing è un contatto chi ha scaricato una guida, per le Vendite è un contatto chi ha chiesto un preventivo. Finché le due definizioni convivono, la piattaforma consegna un profilo unico che i due reparti continuano a leggere in due modi, e la riunione mensile discute di nuovo su quale numero sia quello vero.

Enrico Giubertoni lo usa anche come perimetro su cui si misurano i danni, perché un attrito in un solo passaggio interrompe il percorso intero e consegna il cliente al concorrente che in quel punto funziona.

Esempio. Un'avvocata compra su un negozio online che con il suo browser rompe il completamento automatico dei campi e poi non le mostra l'ordine. L'acquisto si perde lì, e con l'acquisto se ne va il racconto che quella cliente farà del marchio: un difetto tecnico in un passaggio diventa un problema di reputazione.

Vale per le decisioni che fa prendere: togliere un numero da un cruscotto ha spesso lo stesso valore che aggiungerne uno, e un cruscotto con quaranta voci è un cruscotto che nessuno legge.

Esempio. Un'azienda avvia tre progetti pilota di intelligenza artificiale, ciascuno con il proprio cruscotto, e alla fine del trimestre nessuna decisione è cambiata. I cruscotti descrivono, e la reportistica che si ferma alla descrizione è quella che Enrico Giubertoni chiama Analytical Inertia, l'inerzia analitica.

Servono a raggiungere chi non conosce il marchio, e il loro limite sta proprio nella disponibilità: li può comprare anche il concorrente, quindi il vantaggio che offrono dura il tempo di un contratto. Diventano patrimonio nel momento in cui la prima risposta entra nel gestionale dei clienti con la fonte scritta accanto e si trasforma in dato proprietario.

Esempio. Un produttore che vuole entrare in una nuova regione compra da un fornitore una lista di aziende selezionate per codice di attività e fatturato. La lista apre la porta, e vale qualcosa solo se ogni richiamata lascia una riga nel gestionale: dopo sei mesi il valore sta in quelle righe, non più nella lista.

Sono una delle poche materie prime che un concorrente non può comprare, insieme ai casi dei propri clienti e a una posizione dichiarata su una questione controversa, e per questo decidono la distanza fra due imprese che usano lo stesso modello di intelligenza artificiale: il vantaggio si sposta su ciò che solo tu puoi dargli in pasto. L'errore ricorrente è lasciarli sparsi in sistemi separati, dove ogni reparto possiede una fetta della stessa persona e nessuno ha davanti la persona intera.

Esempio. Una rete di punti vendita tiene le vendite nel gestionale, le richieste nel modulo del sito e le telefonate su un centralino: tre archivi di dati proprietari che descrivono lo stesso cliente, e nessuno li mette in fila. Il patrimonio esiste già, il lavoro consiste nel ricomporlo prima di comprare un altro strumento.

Il vocabolario condiviso con cui si scrivono si chiama schema.org, e lo leggono sia i motori di ricerca sia gli assistenti vocali che rispondono a voce. Il difetto tipico sta a monte della pagina: quei campi nascono nel gestionale, e finché nessuno li traduce in codice leggibile il negozio conosce i propri orari mentre il motore di ricerca resta all'oscuro.

Esempio. Chiedere a un assistente vocale se il negozio è aperto adesso è già una visita al punto vendita. Se la risposta arriva da un orario scritto a mano su una pagina mentre il gestionale ne registra un altro, la rete ha comprato traffico che accompagna il cliente davanti a una porta chiusa.

La differenza con il Machine Learning classico: là una persona deve indicare al sistema quali variabili osservare, come l'età, la frequenza d'acquisto o il tipo di pelle, mentre il Deep Learning le individua da solo, e per questo sa elaborare dati non strutturati come immagini, video e voce. È la tecnologia dietro gli skin analyzer, che leggono rughe, macchie e pori da un selfie.

È il piano che si misura, si confronta e si scrive in un capitolato, ed è il pavimento su cui la connotazione poggia, perché il significato aggiunto regge finché il prodotto fa davvero quello che dice. Chi negozia lavora qui, chi comunica lavora un piano sopra, e i due piani vanno tenuti allineati.

Esempio. La scheda tecnica di una pompa dichiara portata, prevalenza e consumo: quella è la denotazione. Il catalogo che la chiama «il cuore silenzioso dell'impianto» lavora su un altro piano, e il venditore che confonde i due si ritrova a difendere una promessa con un numero.

Raggiunge persone che in quel momento stanno facendo altro, quindi la misura che conta sta a valle dell'annuncio, nel comportamento che ne segue.

Esempio. Un costruttore di macchinari compra spazi grafici (i banner) sui portali di settore e li giudica sulle impressioni. Riletta sulle richieste di preventivo arrivate dal sito nelle settimane successive, la stessa spesa racconta un'altra storia, e il budget si sposta sui portali che hanno prodotto conversazioni.

Serve a riportare qualcuno dove il contenuto sta, e funziona quando arriva nel momento in cui quel contenuto gli è utile: fuori contesto viene letta come rumore anche da chi si era iscritto.

Esempio. Un'impresa annuncia una vendita a tempo prima dell'apertura: una lettera agli iscritti con l'anteprima di ciò che sarà in vendita, i post sui social, un conto alla rovescia e la collaborazione con qualche voce del settore. L'attesa si costruisce nei giorni precedenti, e all'apertura chi si era iscritto arriva preparato all'acquisto, perché data e condizioni gli sono state comunicate con chiarezza.

Si costruisce con le promesse mantenute e con la trasparenza su come i dati vengono usati, e si perde in un passaggio interno gestito male, perché il cliente giudica l'azienda intera dal reparto con cui ha parlato per ultimo.

Esempio. Un cliente cambia operatore e una fattura ancora da scadere finisce al recupero crediti, con una pioggia di solleciti che sembrano un tentativo di truffa. L'incasso perso è la parte piccola del danno: quel cliente racconterà la vicenda a chiunque stia valutando quel fornitore.

Esempio. Due aziende ricevono la stessa richiesta di offerta: la prima la vede subito e risponde in giornata, la seconda la trova nel rapporto di fine mese. Il segnale è lo stesso, la Financial Velocity no.

Parte dall'ascolto organizzato di ciò che serve a quelle persone in quel contesto, e finisce in risultati che si possono misurare. Un programma preconfezionato e calato dall'alto riempie l'aula e lascia i comportamenti dove erano.

Esempio. Una rete di punti vendita indipendenti deve imparare a usare gli strumenti digitali, e i titolari hanno orari, età e dimestichezza molto diversi fra loro. Una piattaforma che permette a ciascuno di seguire il modulo a negozio chiuso abbatte i costi di trasferta e porta dentro anche chi in aula non sarebbe mai arrivato.

Nell'articolo che la cita sta fra gli indicatori di utilità percepita di una pagina, letta insieme al tempo medio di permanenza e alla quota di uscite.

Esempio. Le pagine di categoria di un sito aziendale ricevono traffico dai motori di ricerca e hanno una frequenza di rimbalzo alta. Il visitatore arriva e si ferma lì: la struttura interna del sito lo rimanda a ricominciare la ricerca, e la tassonomia delle categorie sta guidando male la navigazione.

Enrico Giubertoni lo usa soprattutto per mostrare dove quel percorso si rompe: chi si informa attraverso un assistente automatico attraversa le fasi in un ordine proprio, e un imbuto disegnato sull'ordine vecchio misura passaggi che il cliente ha già saltato.

Esempio. Un servizio con versione gratuita costruisce l'imbuto sul numero di iscritti e converte in clienti paganti una quota piccola di quella base. Finché il cruscotto guarda gli iscritti, il marketing festeggia una crescita che i conti dell'azienda non registrano.

Sta all'altro capo del punto di dolore, e il lavoro consiste nel trasformare i punti di dolore emersi in punti di guadagno, concreti come contatti più qualificati e un supporto alla forza vendita, oppure emozionali come l'esperienza che il pubblico ricorda.

Esempio. Una rete di venditori lamenta contatti poco qualificati, che è il punto di dolore; il punto di guadagno corrispondente sono contatti più qualificati in arrivo, insieme allo strumento scelto per selezionarli. Nell'analisi di un gruppo di marketing i punti di dolore fotografano la situazione attuale, i punti di guadagno dicono dove si vuole arrivare.

Serve a legare ogni risposta a una fonte controllabile, e restringe il margine di invenzione che un modello lasciato solo con il proprio addestramento si concede.

Esempio. Il servizio clienti di un'azienda di macchinari risponde sui tempi di consegna leggendo il gestionale e i manuali caricati, e accanto a ogni risposta compare il documento da cui è stata tratta. Chi la riceve può aprirlo e controllare, e chi la firma sa su che cosa sta mettendo il proprio nome.

Negli articoli il concetto arriva prima del nome: la battaglia per la visibilità si sposta sul grounding (l'ancoraggio della risposta ai dati e ai contenuti su cui il modello si appoggia), e l'obiettivo diventa l'affidabilità del proprio marchio agli occhi del modello, perché i dati e i contenuti dell'impresa siano la base di ciò che l'assistente racconta al cliente.

Esempio. Un costruttore scopre che l'assistente consiglia tre concorrenti a chi chiede chi fornisce un certo componente, e che la propria scheda tecnica esiste soltanto come immagine. Riscritta in testo, con dati strutturati e fonti citabili, la stessa informazione diventa citabile e il nome dell'azienda entra nella risposta.

Il suo valore dipende da come viene compilato: un gestionale ricco di righe e povero di campi coerenti alimenta decisioni sbagliate con la stessa velocità con cui alimenterebbe quelle giuste. Il salto arriva quando i venditori smettono di essere compilatori di CRM e diventano cacciatori predittivi: la macchina processa il rumore, la persona decide su chi intervenire.

Esempio. Un direttore commerciale apre il gestionale e conta, su cento righe recenti, quante hanno il campo della fonte vuoto o scritto in grafie diverse. Quella percentuale è il tetto di ogni analisi sulle campagne, perché nessun cruscotto può ricostruire un'informazione che al momento della registrazione nessuno ha scritto.

Enrico Giubertoni la considera il contenuto vero di un progetto tecnologico, perché l'organizzazione è un sistema vivente di strutture, processi e culture, e il lavoro consiste nel creare le condizioni perché impari a evolvere da sé.

Esempio. Un assistente automatico entra nella rete vendita e produce effetti solo quando cambia anche il modo di qualificare una richiesta commerciale. Ai venditori servono competenze aggiornate per il ruolo che hanno (upskilling, il potenziamento delle abilità) e, per qualcuno, la riqualificazione verso un ruolo nuovo (reskilling). Senza quel lavoro la tecnologia si somma ai problemi che c'erano già.

Serve a spostare quei frammenti dalle mani degli sviluppatori a quelle di chi misura, quindi una modifica alla misura richiede minuti invece di un rilascio di software. Porta con sé una responsabilità precisa: chi pubblica una modifica dal gestore dei tag cambia in un colpo il dato che legge tutta l'azienda, e quel permesso va assegnato a una persona con un nome.

Esempio. Il Marketing vuole contare quante persone aprono il modulo di preventivo e lo abbandonano prima di inviarlo. Con un gestore dei tag la misura si attiva in una mattina; senza, entra nella coda degli sviluppatori e arriva dopo il trimestre di cui doveva parlare.

Enrico Giubertoni usa il termine per separare il governo del sistema dalla somma degli strumenti, perché un'impresa può avere il gestionale, le campagne e la rete di vendita e non avere nessuno che governa il modo in cui le tre cose si parlano.

Esempio. Marketing porta contatti e li misura in quantità, Vendite li giudica in qualità, e nessuno dei due misura quanto tempo passa fra il primo segnale e la firma. La Governance dei Ricavi comincia da quella misura, perché è l'unica che appartiene a entrambi.

Negli articoli si applica ai contenuti di un sito, ai dati e soprattutto all'intelligenza artificiale, e vale come architettura del ricavo più che come adempimento normativo. La strategia dice che cosa fare, la governance dice come lo si tiene in piedi.

Esempio. Un'azienda rifà il sito e nessuno stabilisce chi può aprire una nuova categoria, chi controlla i doppioni e ogni quanto si rivede la tassonomia (l'albero con cui i contenuti sono classificati). Due anni dopo tre sezioni dicono la stessa cosa: il progetto iniziale reggeva, mancava la governance che lo mantenesse.

È la forma più nota del washing, ed è anche la più regolata: in Europa la direttiva sulla responsabilizzazione dei consumatori per la transizione verde (UE 2024/825) vieta le dichiarazioni ambientali generiche non dimostrabili, come «ecologico» o «sostenibile» senza una prova riconosciuta.

Esempio. Una marca cosmetica scrive «green» sulla confezione perché ha cambiato il colore del tappo, mentre formula e filiera restano le stesse. Il claim non regge a una verifica, e da quel momento anche le dichiarazioni vere della marca vengono lette con sospetto.

Negli articoli di Enrico Giubertoni compare per due effetti misurabili: il consumatore che ormai affianca l'IA generativa ai motori di ricerca quando cerca un prodotto, e l'impresa che resta ferma alla tattica, cioè alla ricerca della richiesta perfetta, mentre il modo in cui decide rimane quello di prima. Il rischio ricorrente è la credibilità percepita: un testo sicuro e dal tono autorevole può contenere incongruenze fattuali, invenzioni o citazioni errate, e chi legge alza la fiducia e abbassa la verifica delle fonti. La differenza con l'intelligenza artificiale analitica: quella classifica e prevede su dati esistenti, la generativa crea. La differenza con l'Agentic AI: la generativa produce un contenuto e si ferma lì, l'agente usa anche strumenti per agire.

Esempio. Il reparto Marketing di un'azienda di cosmetica fa generare trecento schede prodotto in due settimane. La direzione vede subito le ore risparmiate e vede molto più tardi che le indicazioni d'uso non erano state controllate: il lavoro si è spostato dalla scrittura alla verifica, e la verifica non era assegnata a nessuno.

È l'unità con cui si comprano gli spazi pubblicitari: per ogni impressione la piattaforma presenta un'offerta all'asta. In consiglio è anche il primo indicatore a essere retrocesso, perché dice quante persone hanno visto e lascia aperta la domanda su quanto vale ciò che è entrato.

Esempio. Un'azienda rifà l'elenco degli indicatori del proprio marketing e comincia da ciò che smette di contare: le impressioni grezze, la crescita dei follower, i «mi piace» senza contesto. Al loro posto entrano la profondità del coinvolgimento e lo spostamento del ricordo di marca. Le impressioni restano utili a chi conduce le campagne, per decidere dove intervenire domani, e servono poco a chi decide se quel budget esiste ancora l'anno prossimo.

Negli articoli la scelta si fa con l'ascolto della rete (il social listening, cioè l'analisi di quello che si dice online di un marchio), che individua chi è già compatibile con il marchio e misura quanto coinvolge davvero la sua comunità. Il rischio sta nello stesso meccanismo: dietro compenso una voce può promuovere l'immagine ambientale di un'impresa senza averne verificato le implicazioni, e allarga la portata di un'affermazione che nessuno ha ancora provato.

Esempio. Un marchio di cosmetici confronta due creatori di contenuti con lo stesso numero di iscritti: uno parla di ingredienti da anni, l'altro promuove qualunque settore. L'ascolto della rete mostra che solo il primo ha una comunità che discute i prodotti, e il contratto va lì.

Non è un titolo professionale: la parola «ingegnere» descrive un metodo di lavoro, fatto di misura e progettazione, non una laurea.

Esempio. Come in un impianto idraulico, dove la perdita di carico è la pressione che si disperde lungo un tubo mal collegato, in un'azienda l'energia commerciale si disperde nei passaggi fra un reparto e l'altro. L'Ingegnere del Risultato cerca quei punti di dispersione prima di chiedere più spinta.

Il punto delicato si chiama giunzione: è il punto in cui due sistemi che nessuno ha progettato insieme si passano un'informazione, e una giunzione senza un proprietario resta invisibile in ogni cruscotto, perché i due sistemi funzionano entrambi e ciò che manca sta nello spazio fra loro. Chi cerca la causa dentro i singoli programmi guarda dalla parte sbagliata.

Esempio. Un'insegna paga campagne che portano le persone su una scheda di prodotto, e la scheda dichiara una disponibilità che il magazzino ha già smentito. Entrambi i reparti hanno fatto bene il proprio lavoro e il cliente compra dal concorrente: l'integrazione dei sistemi si misura in quei passaggi di mano, prima che dentro i programmi.

Negli articoli di Enrico Giubertoni il termine arriva quasi sempre accompagnato da una precisazione di metodo: chi la tiene per uno strumento da gestire la riduce a un centro di costo da ottimizzare, mentre il vantaggio competitivo nasce dall'organizzazione che la governa, cioè dall'organigramma, dai ruoli e dalla cultura, prima che dal modello acquistato. È qui che si sbaglia più spesso: comprare una piattaforma è molto più semplice che ridisegnare ruoli, flussi decisionali e responsabilità sui dati.

Esempio. Una direzione compra una licenza, la distribuisce a Marketing e Vendite e annuncia il progetto, mentre ruoli e responsabilità restano quelli di prima. Lo strumento si appoggia sopra un processo rimasto identico, e il progetto pilota si chiude senza aver cambiato una sola decisione.

Un'interfaccia aperta trasforma un prodotto in un ecosistema, perché altri sviluppatori aggiungono servizi che il produttore non aveva immaginato. Il suo peso commerciale si vede per assenza: due sistemi che funzionano benissimo ciascuno per conto proprio si passano il dato a mano, e il passaggio a mano è il punto in cui il dato invecchia.

Esempio. La vetrina digitale di una rete di negozi deve leggere la disponibilità dal gestionale di magazzino. Con un'interfaccia fra i due la promessa sullo schermo regge per tutta la giornata; con un foglio esportato ogni notte, regge fino al primo esaurimento del pomeriggio.

È il primo standard al mondo sui sistemi di gestione dell'intelligenza artificiale (AI Management System). Specifica i requisiti con cui un'organizzazione che sviluppa, fornisce o usa sistemi di intelligenza artificiale stabilisce, attua, mantiene e migliora nel tempo un sistema di gestione dell'AI: politica e obiettivi, ruoli e responsabilità, valutazione dei rischi e dell'impatto dei sistemi su persone e società, controlli su dati, trasparenza e supervisione umana, monitoraggio e miglioramento continuo. Ha la stessa struttura degli altri standard di sistema di gestione, come la ISO 9001 per la qualità e la ISO/IEC 27001 per la sicurezza delle informazioni, e come questi è certificabile da un ente terzo. Non sostituisce l'AI Act, ma aiuta a dimostrare di aver gestito i rischi in modo strutturato.

Nella comunicazione d'impresa è ciò che permette al sito e al catalogo di sembrare la stessa azienda. Quando si rompe, il lettore fatica a dire perché, e intanto smette di fidarsi.

Esempio. Un'azienda meccanica parla di precisione in ogni pagina del sito, poi manda una promozione scritta come un volantino di supermercato. I due testi sono corretti uno per uno, e insieme rompono l'isotopia su cui poggiava la reputazione.

Negli articoli di Enrico Giubertoni regge due discorsi distinti. Il primo riguarda il dato riservato o personale che finisce dentro quella finestra ed esce dal perimetro dell'impresa; il secondo riguarda l'ossessione per il prompt perfetto, che tiene i dirigenti sulla maestria tattica mentre il lavoro davanti a loro è strategico.

Esempio. Una responsabile del personale incolla in un servizio gratuito le venti candidature ricevute e chiede una classifica. Quel prompt contiene nomi, recapiti e valutazioni: in dieci secondi il dato personale è uscito dall'azienda, senza base giuridica e senza contratto di trattamento.

Le persone vi comprano prodotti, e per questo è diventata il social network di bandiera del paese: chi esporta cosmetici in Corea deve passare da qui.

In consiglio regge quello che possiede tre proprietà insieme: un denominatore, cioè un rapporto invece di un totale; un perimetro dichiarato, cioè linea di business, canale e periodo di confronto; una voce di conto economico all'altra estremità, cioè un ricavo o un costo che si muove quando l'indicatore si muove. Negli articoli pubblicati la lezione è la sorella di questa: un indicatore quantitativo dice quanto un pubblico si muove, e le ragioni per cui si muove stanno nei dati qualitativi.

Esempio. Cento contatti possono valere meno di venti. Un indicatore che conta i contatti generati lascia quella differenza invisibile; il valore medio per contratto firmato la mostra, ed è il numero che la direzione finanziaria riconosce come proprio.

Negli articoli la sua qualità è una questione di flusso logico: la navigazione è volutamente ridotta, quindi ogni elemento deve portare avanti la lettura. Con le risposte generative il suo compito cambia: il consumatore chiede a un assistente di riassumerla, e allora la pagina va scritta anche per essere letta da una macchina che la citerà.

Esempio. Una campagna porta mille visitatori su una pagina che elenca dodici prodotti e ha il menu completo in cima. Riscritta su una sola offerta, con il modulo visibile senza scorrere e la navigazione ridotta all'essenziale, la stessa spesa produce richieste di preventivo invece di visite.

Enrico Giubertoni lo tratta come il termine su cui due reparti si dividono senza accorgersene: per il marketing basta un nome con un recapito, per le vendite serve la verifica, e le sigle MQL e SQL (Marketing Qualified Lead e Sales Qualified Lead, cioè contatto qualificato dal marketing e contatto qualificato dalle vendite) sembrano una definizione condivisa mentre ne sono due.

Esempio. In un'azienda di servizi industriali la domanda su che cosa contasse come contatto qualificato è rimasta aperta dodici mesi. Il marketing consegnava volumi, le vendite li giudicavano vuoti, e per un anno si è cercato il colpevole a valle, dove mancava il risultato, invece che a monte, dove stava la parola ambigua.

Il valore da guardare è quello che riceve chi lo scarica: un materiale che risolve un pezzo del suo problema porta contatti che sanno già di averlo, mentre un materiale generico porta indirizzi che nessuno chiamerà.

Esempio. Un fornitore business-to-business (che vende ad altre imprese) sostituisce la brochure scaricabile con un foglio di calcolo che stima quanto costano i contatti mai lavorati. Chi lo compila arriva alla telefonata con il proprio numero in mano, e la conversazione comincia da un passaggio più avanti.

È il motore che sta sotto gli assistenti conversazionali come ChatGPT e Gemini, e negli articoli di Enrico Giubertoni ricorre per una conseguenza commerciale precisa: una quota crescente di persone porta lì le ricerche informative che prima faceva su un motore di ricerca. Il limite resta da tenere in vista: il modello impara dai dati con cui è addestrato, quindi ne eredita anche i pregiudizi.

Esempio. Un'azienda di componentistica scopre che i suoi clienti tecnici arrivano da una conversazione con un assistente, che cita tre fornitori fra cui lei non compare. La domanda per la direzione cambia forma: da come salire nella pagina dei risultati a come mettere a disposizione del modello linguistico materiale aziendale attendibile da citare.

Conviene costruirlo quando l'azienda sa già quali incroci chiede davvero, e aspettarlo prima di cominciare è il modo più comune per perdere un anno: una sola promozione seguita dall'inizio alla fine su un perimetro definito dà una risposta utilizzabile in poche settimane. Quella prima prova indica quali dati vale la pena portare nel magazzino, quindi lo progetta meglio di qualunque riunione preliminare.

Esempio. Una direzione commerciale vuole sapere se lo sconto sul prodotto di punta ha spostato il fatturato del canale o ha solo anticipato ordini che sarebbero arrivati comunque. Una promozione tracciata su venti punti vendita risponde in tre settimane, e proprio quella misura dice quali tabelle del gestionale servono davvero.

Enrico Giubertoni ne fa una regola di calcolo: il rientro si calcola sul margine, non sul ricavo, perché un progetto da centomila euro di ricavo con un margine del trenta per cento ne restituisce trentamila l'anno, e sul tempo di rientro la differenza è un fattore tre. Negli articoli pubblicati il termine compare nella forma «marginalità», dove la perdita di marginalità è il costo dell'attesa.

Esempio. Un reparto commerciale chiude una commessa da centomila euro concedendo uno sconto che erode il margine di contribuzione. La cifra entra nel fatturato che si legge in riunione, e la cassa disponibile per assumere un venditore in più resta quella del mese prima.

Negli articoli è il termine di confronto di ogni negozio proprio: la sua forza è l'efficienza logistica, e un cliente servito male si sposta lì accettando anche un prodotto non originale, purché l'acquisto scorra. Il potere delle piattaforme più grandi è oggi regolato in Europa: il Digital Markets Act (il regolamento europeo sui mercati digitali) impone obblighi a chi controlla l'accesso al mercato, i cosiddetti gatekeeper (i guardiani del varco), per tenere quei mercati equi e contendibili.

Esempio. Un ricambista manda al cliente un codice sbagliato e il cliente tace. Alla necessità successiva cerca su un mercato digitale, dove la consegna è certa, e compra un pezzo non originale. L'impresa perde il cliente senza ricevere un reclamo, quindi senza sapere perché.

Enrico Giubertoni la usa per descrivere il terreno su cui si lavora oggi: dove la maturità digitale è diffusa, la tecnologia smette di distinguere un'impresa dall'altra e la gara torna a giocarsi sulla relazione con il cliente.

Esempio. Due fornitori dello stesso mercato hanno entrambi il sito, l'assistente automatico e i dati dei clienti in ordine: la dotazione tecnologica è la stessa, e a scegliere resta altro. Il cliente, più informato e attento a come vengono trattati i suoi dati, resta con quello che ricorda la conversazione precedente e gli risparmia le domande già fatte. Dove la maturità digitale è diffusa, la fiducia è quello che distingue due offerte equivalenti.

Negli articoli di Enrico Giubertoni il valore sta in ciò che la previsione consente, cioè intervenire in modo proattivo e mirato mentre la cosa si può ancora cambiare. Nei testi il termine vive quasi sempre nella forma «analisi predittiva», affiancata all'intuito strategico di chi decide.

Esempio. Il gestionale di un'azienda di servizi segnala che un cliente storico ha smesso di chiedere preventivi e che il suo profilo assomiglia a quello di chi ha disdetto negli ultimi due anni. La rete vendita riceve quel nome oggi, invece che nel rapporto di fine trimestre: il modello predittivo ha comprato settimane di vantaggio, e la telefonata la fa comunque una persona.

Negli articoli è una domanda di diagnosi prima di essere un obiettivo: «abbiamo integrato il digitale nella nostra strategia omnicanale?» è una delle tre domande con cui Enrico Giubertoni apre una consulenza. Il punto dove si rompe è la tenuta dei registri, prima della tecnologia: sito, piattaforma pubblicitaria, centralino, registro commerciale (la scheda del cliente tenuta dal commerciale), punto vendita e lettera agli iscritti conoscono ciascuno un pezzo del cliente, e la somma dei sei lascia fuori la persona.

Esempio. Un cliente prova un prodotto in negozio, lo ordina la sera dal telefono e chiama il centralino per la consegna. Tre sistemi registrano tre clienti diversi, e il venditore che lo ha servito allo scaffale resta fuori da tutti e tre. L'omnicanalità si misura lì, sul riconoscimento della stessa persona nei tre passaggi.

La differenza con Phygital: OnLife descrive la condizione della persona e della società, ed è un concetto filosofico e antropologico, mentre Phygital descrive una strategia dell'impresa, ed è un concetto di marketing e di retail. Si usa OnLife per spiegare come vive e decide il consumatore, e Phygital per spiegare come una marca progetta i suoi punti di contatto per quella persona.

Comincia dall'individuare la barriera vera: a volte sta nel dubbio sul prodotto, più spesso sta nel percorso, e in quel caso portare più persone allo stesso ostacolo moltiplica la perdita.

Esempio. In un'impresa di servizi industriali a canone ricorrente, business-to-business, oltre 50 milioni di fatturato nel mercato di riferimento, novantotto visitatori a pagamento su cento lasciavano il sito senza nemmeno iniziare il modulo di richiesta, e lo scarto di conversione fra telefono e scrivania era di circa venti volte. Perimetro: linea di core business (l'attività principale, quella da cui arriva la maggior parte del fatturato) sulla rete di ricerca a pagamento, rilevazione diretta del 16 luglio 2026, primo semestre 2026 contro primo semestre 2025. L'ottimizzazione della conversione comincia da quel modulo e dal percorso che ci arriva, e un'esperienza immersiva aggiunta alla scheda prodotto avrebbe lasciato quel numero dov'era.

Negli articoli il termine vive come «rete di ricerca a pagamento» e serve a dichiarare il perimetro di una misura: un ritorno rilevato su quella rete vale lì, e non sull'intero investimento pubblicitario dell'impresa.

Esempio. In un'impresa di servizi industriali il ritorno sulla spesa pubblicitaria cresce del 25% sulla linea di offerta che regge il fatturato, misurata sulla rete di ricerca a pagamento, mentre il ritorno dell'intero investimento pubblicitario resta in parte sotto la soglia di pareggio. Il numero e il suo perimetro viaggiano attaccati.

Serve a decidere da dove si parte: l'errore più frequente è scegliere lo strumento digitale prima di avere individuato il punto di dolore, e in quel modo si compra la soluzione al problema di un'altra azienda.

Esempio. In un progetto di abilitazione della forza vendita i punti di dolore si raccolgono con un audit (l'esame sistematico di come si lavora oggi) e con sessioni di ascolto individuali e di gruppo, prima di scegliere qualunque strumento. Solo dopo quell'analisi entrano gli strumenti digitali, scelti per risolvere i problemi emersi: in quel progetto i punti di dolore si trasformarono in contatti più qualificati e in un supporto personalizzato alla forza vendita.

Il termine descrive una funzione e non un titolo: si interviene sul sistema che produce il risultato, non sul singolo strumento.

Esempio. Un'azienda ha un CRM (il gestionale dei clienti), un'agenzia per le campagne e una rete di venditori, e nessuno dei tre sa che cosa fanno gli altri due. Il lavoro di un Performance Systems Architect™ comincia dai collegamenti fra le parti, prima che dalle parti.

La differenza con OnLife: Phygital è la risposta operativa dell'impresa, OnLife è la condizione della persona a cui quella risposta si rivolge.

Serve a rendere ripetibile ciò che altrimenti dipende dall'improvvisazione di chi c'è quel giorno. Il segno di una pianificazione vera sta nei collegamenti: una campagna pensata per conto suo funziona una volta, la stessa campagna dentro un piano di marketing più ampio regge anche la volta dopo.

Esempio. Una vendita lampo (in inglese flash sale, lo sconto forte aperto per poche ore) riesce quando obiettivo, scorte, prezzi, avvisi ai clienti e turni di magazzino sono decisi prima: alzare il fatturato e liberare un magazzino sono due piani diversi, con due assortimenti diversi. Improvvisata sull'entusiasmo, la stessa promozione svuota gli articoli più venduti e insegna ai clienti ad aspettare lo sconto.

Risponde a una domanda sola: quanto si potrebbe vendere se le trattative in corso andassero come sembrano andare. Enrico Giubertoni lo tiene distinto dagli altri due numeri con cui viene confuso: il budget dice quanto si vorrebbe vendere, il portafoglio quanto si potrebbe, la previsione di vendita quanto si venderà.

Esempio. Un direttore commerciale porta in consiglio un portafoglio da due milioni e lo presenta come previsione. Dentro ci sono trattative ferme da nove mesi con la fase mai aggiornata: la previsione nasce già sbilanciata dal lato dell'ottimismo, e il consiglio decide gli investimenti su quella.

Negli articoli di Enrico Giubertoni la stessa parola porta anche il significato tecnico di posizione ottenuta nei risultati dei motori di ricerca, e conviene chiarire subito quale dei due si sta usando: il primo si decide in direzione, il secondo si misura ogni settimana.

Esempio. Prima di riscrivere il messaggio, si guarda come i concorrenti hanno cambiato il proprio negli ultimi dieci anni, consultando l'archivio storico delle pagine web. Si vede quali segmenti hanno lasciato e quali promesse hanno abbandonato: quello spazio rimasto vuoto è il posizionamento su cui vale la pena costruire.

L'espressione vale su due fronti: il processo decisionale dell'azienda e quello del cliente, che negli articoli sulla chat con intelligenza artificiale è ciò che un assistente virtuale comprende, assiste e potenzia. Negli articoli italiani la forma è questa, mentre nei testi inglesi la stessa cosa si chiama decision making; accanto compare l'aggettivo data-driven (guidato dai dati), riferito all'azienda in cui la decisione parte dalla misura invece che dall'opinione di chi parla più forte. La parte delicata è la velocità: un processo decisionale lento trasforma un dato fresco in una constatazione tardiva.

Esempio. Il gestionale dei clienti segnala che un cliente storico ha smesso di chiedere preventivi. Se il segnale raggiunge il venditore soltanto con il rapporto di fine mese, la decisione è formalmente basata sui dati e in pratica arriva dopo la firma di un concorrente.

Nel marketing è ciò che permette di rivolgere un messaggio a segmenti di pubblico specifici invece che a un indirizzario intero; nell'apprendimento automatico (i sistemi che imparano dagli esempi) è il compito su cui si misura la qualità dei dati di partenza, perché un profilo vale quanto valgono i dati che lo hanno costruito. Porta con sé un vincolo giuridico esplicito: profila chi sa dire da dove arriva ogni campo e con quale base giuridica lo tratta.

Esempio. Un'azienda cosmetica ricava dall'ascolto delle conversazioni in rete la composizione demografica e la posizione geografica delle proprie community, e decide su quali province concentrare la distribuzione. Qui la profilazione resta anonima e serve a una scelta di rete commerciale, prima ancora che a un messaggio personalizzato.

Esempio. Un assistente che riassume le riunioni fa risparmiare tempo; un sistema che avvisa il Board prima che un cliente importante se ne vada cambia le decisioni. Il Quantum Leap è la distanza fra i due.

Una community aziendale (un gruppo di clienti o di appassionati che si parlano fra loro attorno a un marchio) vive di questo: i membri che ricevono aiuto lo restituiscono agli altri, e il valore che circola cresce senza che l'azienda debba produrlo tutto da sola.

Esempio. Quechua, il marchio di Decathlon per le attività all'aperto, tiene una community di appassionati che si scambiano consigli e soluzioni, e Decathlon si limita a facilitare quello scambio: ne ricava fedeltà e contenuti autentici. Il valore che circola lo producono i membri che restituiscono l'aiuto ricevuto.

Si applica oggi e senza gradualità, quindi vale anche per il dato personale che un dipendente incolla dentro un servizio di intelligenza artificiale scelto da nessuno. L'articolo 22 dà a chi subisce una decisione automatizzata tre diritti: ottenere l'intervento di una persona, esprimere la propria posizione, contestare l'esito.

Esempio. Uno screening di candidature fatto con uno strumento personale produce effetti su persone reali senza controllo e senza tracciabilità. Gli obblighi dell'AI Act (il regolamento europeo sull'intelligenza artificiale, Reg. UE 2024/1689) sui sistemi ad alto rischio dell'Allegato III, fra cui la selezione del personale, arrivano il 2 dicembre 2027, mentre il regolamento sui dati personali vale da otto anni: la domanda da portare in direzione riguarda chi, in azienda, sa dire origine, proprietario e base giuridica di ogni campo che un modello legge.

Si governa ascoltando e rispondendo, e si misura nel tempo: le crisi passate lasciano tracce consultabili anni dopo, e il modo in cui sono state affrontate pesa sulla crisi successiva.

Esempio. Un'impresa attiva l'ascolto delle conversazioni online (in inglese social listening) e legge in tempo reale il sentimento, cioè il tono positivo o negativo di ciò che si dice attorno alle proprie parole chiave: vede subito se la percezione gira al negativo e su quali componenti del prodotto, e corregge prima che il fenomeno si allarghi, invece di decidere su supposizioni. Chi prepara il piano rilegge anche le versioni archiviate del sito, per vedere come l'azienda aveva risposto alla contestazione di qualche anno prima.

Negli articoli compare fra le cose che gli algoritmi orchestrano da soli, a partire dal comportamento di chi compra rilevato mentre accade. La differenza fra un richiamo utile e un'insistenza fastidiosa sta nel dato che l'annuncio porta con sé.

Esempio. Un cliente mette un ricambio nel carrello e si ferma prima del pagamento. Il giorno dopo vede un annuncio di quel ricambio con il tempo di consegna del magazzino più vicino, letto dal gestionale: lo stesso spazio pubblicitario, con dentro un dato di disponibilità vero, smette di essere un promemoria e diventa una risposta.

È un intervento strutturale, non un ritocco: la mappa su cui si allineano Marketing, Vendite e Direzione, e con cui si governa anche l'intelligenza artificiale.

Esempio. Governare l'intelligenza artificiale, per chi decide, significa assicurarsi che ogni algoritmo sia sincronizzato con il Revenue Blueprint™ aziendale: uno strumento che non serve quella mappa aggiunge un attrito invece di toglierlo.

Nel metodo di Enrico Giubertoni è il metro con cui si misura l'abbandono dei clienti: accanto al numero di clienti usciti si mette la quota di ricavo ricorrente uscita nello stesso periodo, perché la perdita di due contratti grandi non si vede in un conteggio fatto sulle teste.

Esempio. Un'azienda di servizi industriali lavora a canone annuale. In un trimestre perde dieci clienti piccoli e due contratti importanti: il conteggio dei clienti segnala un calo modesto e la quota di ricavo ricorrente uscita racconta la perdita vera, quella che il budget dell'anno dopo dovrà coprire.

Nel marketing digitale si costruisce portando il pubblico giusto davanti ai propri messaggi, perché recensioni, commenti e «Mi piace» diventano il segnale che rassicura chi deve decidere.

Esempio. Una viaggiatrice appassionata di Oriente teneva un blog e un piccolo negozio online, e le vendite salirono quando cominciò a promuovere i propri racconti con le inserzioni social; quando spostò la spesa dai racconti ai soli prodotti le vendite crollarono, e tornarono appena riprese a promuovere i racconti. Con la riprova sociale si vende il perché delle proprie scelte, e la vendita arriva di conseguenza.

Il numero vale con il suo perimetro accanto: una linea di prodotto, un canale, un periodo. Il ritorno si legge dove il denaro è stato spostato, e la media dell'intera azienda lo nasconde. Negli articoli pubblicati serve a confrontare una piattaforma pubblicitaria con le altre, a parità di categoria di prodotto.

Esempio. In un'impresa di servizi industriali a canone ricorrente, business-to-business, oltre 50 milioni di fatturato nel mercato di riferimento, la spesa pubblicitaria viene spostata sulla sola linea di core business (l'attività principale, quella da cui arriva la maggior parte del fatturato) sulla rete di ricerca a pagamento. Rilevazione diretta del 16 luglio 2026, primo semestre 2026 contro primo semestre 2025: il ritorno sulla spesa di quella linea sale del 25% e sta sopra la soglia di pareggio, mentre il ritorno dell'intero investimento pubblicitario resta in parte sotto quella soglia. I due numeri sono veri insieme, e la differenza fra loro è il perimetro dichiarato. I valori assoluti sono piccoli, quindi la percentuale è un segnale e non una legge.

Chi decide il budget la usa come una domanda in tre parti: quanto costa, che cosa ha prodotto, che cosa succede se lo tagliamo. Una campagna che cresce in visibilità e lascia fermo il fatturato ha risposto a una parte sola.

Esempio. Il responsabile marketing di un'impresa manifatturiera porta in consiglio l'aumento delle interazioni sui social e il direttore finanziario chiede quanto vale in denaro quella crescita. Il ritorno sull'investimento entra in consiglio quando arriva con una cifra che esiste già nei documenti dell'amministrazione e che il marketing dimostra di avere spostato.

Enrico Giubertoni la descrive come un lavoro sulla cultura e sui processi prima che sul software: comprata come strumento, fallisce come strumento.

Esempio. Un direttore vendite introduce un assistente automatico per preparare le visite, e la rete continua a presentare l'offerta come prima, perché i materiali che il venditore usa davanti al cliente sono rimasti quelli del catalogo. L'abilitazione comincia dall'ascolto di ciò che i venditori fanno ogni giorno, e da lì decide quali contenuti riscrivere.

Poggia sulla FOMO (fear of missing out, la paura di perdersi qualcosa) e va maneggiata con misura: l'impresa che costruisce tutto il proprio modello sulla scarsità resta scoperta quando il mercato si sposta sull'abbondanza.

Esempio. In una vendita lampo (flash sale) la durata limitata e la disponibilità ridotta creano urgenza, l'accesso riservato agli iscritti aggiunge esclusività e lo sconto temporaneo alza il valore percepito senza svalutare il listino. Blockbuster aveva costruito i propri negozi sulla scarsità e sui grandi successi, e Netflix vinse con l'opposto, l'abbondanza e la personalizzazione.

Dice che cosa è successo alla cassa, e le ragioni per cui è successo stanno nei segnali a monte: ingressi, rapporto fra chi entra e chi compra, tempo di permanenza. Su quei segnali si può intervenire la settimana dopo.

Esempio. La sede di una catena misura iscrizioni, presenze e gradimento dei corsi rivolti alla rete di vendita; il negozio misura scontrino medio e riassortimento. Ciascuno misura ciò che controlla, il tratto che unisce le due misure resta senza padrone, ed è esattamente il tratto in cui il denaro si perde.

I criteri si sono spostati dall'anagrafica al comportamento effettivo, perché un gruppo costruito su età e provincia predice l'acquisto molto meno di un gruppo costruito su ciò che le persone hanno fatto davvero. Il suo limite si vede quando viene presentata come personalizzazione: un messaggio uguale per tutto il gruppo parla a un insieme, mentre chi lo riceve si aspetta una conversazione con sé.

Esempio. Una farmacia con un programma fedeltà può dividere i clienti per fascia d'età, oppure per ciò che comprano al cambio di stagione. Il secondo taglio fa partire una comunicazione che arriva nella settimana in cui quel bisogno esiste, il primo fa partire una comunicazione che arriva a tutti nello stesso giorno.

Nei testi di Enrico Giubertoni il senso tecnico compare in un punto preciso: Pinterest (la piattaforma di immagini che le persone usano per cercare ispirazione prima di comprare) è descritto come un social network basato sul segno grafico, con utenti emotivamente coinvolti dal segno grafico e dalle immagini impattanti e per questo più propensi all'acquisto. La conseguenza pratica è che il significato lo assegna chi guarda.

Esempio. Un'azienda rifà il listino e sposta gli sconti dalla colonna «promozione» alla colonna «condizioni riservate». I numeri restano gli stessi, il segno cambia, e la rete di venditori smette di trattare quel prezzo come un cedimento.

Enrico Giubertoni viene da lì: la formazione universitaria a Torino e la collaborazione con il Centro Ricerche Semiotiche stanno all'origine del modo in cui legge il marketing digitale, dove l'analisi del significato precede la scelta del canale. Applicata al marketing, serve a capire perché un messaggio corretto nei fatti può essere letto in un altro modo.

Esempio. Due campagne annunciano lo stesso sconto: la prima lo chiama «ultimi pezzi», la seconda «errore di listino». L'informazione è identica, la lettura cambia, e la semiotica è lo strumento con cui si prevede quella differenza prima di spendere il primo euro.

Riguarda le parole con cui il contenuto è scritto, la struttura del sito e i collegamenti interni, e si giudica su quante volte quella pagina viene letta, più che sul gusto di chi l'ha scritta. Negli articoli la disciplina si sta spostando: quando la risposta la scrive un'intelligenza artificiale, la battaglia per la visibilità diventa il grounding, cioè far sì che i propri dati aziendali siano la base su cui il modello costruisce la risposta.

Esempio. Un'impresa con dieci punti vendita scopre che le ricerche che portano fatturato contengono il nome della città: la scheda del negozio, gli orari e le pagine locali pesano più della pagina principale (la homepage), e il lavoro sul posizionamento comincia da lì.

Il nome fa pensare a qualcosa di clandestino, ed è il primo equivoco da smontare: quasi sempre c'è una persona con un lavoro ripetitivo da chiudere entro sera. Enrico Giubertoni ne rovescia il segno: la pratica produce esposizione e va governata, mentre il segnale che la genera è la migliore ricerca interna sui processi che l'azienda abbia mai avuto, e non l'ha pagata nessuno.

Esempio. In un'impresa di ottanta persone tre impiegate dell'amministrazione smettono di compilare a mano il riepilogo settimanale degli ordini e lo fanno generare da un servizio gratuito. Ogni volta che una persona automatizza un pezzo del proprio lavoro indica con precisione dove il processo aziendale perde tempo: chi punisce la pratica tiene l'esposizione e butta via la mappa.

Enrico Giubertoni, che ha coniato il termine, la descrive come la capacità del Marketing di fornire al Board non dei report, ma dei vantaggi predittivi.

Esempio. Lo stesso gestionale può fare da archivio o da radar: da archivio registra gli ordini arrivati, da radar segnala il cliente storico che ha smesso di chiedere preventivi, e riduce il tempo fra il primo segnale e la firma. Nel commercio al dettaglio, il punto vendita diventa anche un punto di raccolta dati per la Signal Intelligence™.

Nella vendita accorcia la distanza con il cliente e apre la conversazione. Fra due reparti serve il passo successivo: l'allineamento si regge sui confini scritti e sulle misure con cui ciascuna funzione viene valutata, ed è lì che si interviene.

Esempio. Marketing e Vendite si accusano a vicenda: il primo è misurato sul volume dei contatti, il secondo sul fatturato chiuso, e il tratto che unisce i due numeri non sta in nessuna scheda obiettivi. La riunione fra i due responsabili produce cordialità e ognuno torna al proprio pezzo di processo; cambiare la misura condivisa cambia il comportamento di entrambi i reparti.

Enrico Giubertoni usa il termine per descrivere il proprio lavoro con le direzioni: non aggiungere dati, ma far sì che tutti li leggano allo stesso modo.

Esempio. Marketing e Vendite guardano lo stesso calo di ordini: per il primo è colpa dei prezzi, per il secondo delle campagne. Finché ciascuno legge il dato a modo suo, nessuno interviene. La Sincronia organizzativa comincia quando i due reparti concordano che cosa il dato dice e fissano quella lettura nel modo di lavorare.

Nel marketing è l'accordo fra Marketing e Vendite: il Marketing si impegna a consegnare un certo numero di lead qualificati secondo una definizione condivisa, le Vendite si impegnano a contattarli entro un tempo stabilito e a dire che fine hanno fatto. Senza SLA ogni reparto giudica l'altro con il proprio metro; con lo SLA il contatto che si perde fra i due ha un responsabile e un orario.

Esempio. Lo SLA di un'azienda B2B stabilisce che ogni richiesta di preventivo arrivata dal sito venga richiamata entro quattro ore lavorative, e che il venditore registri l'esito nel CRM (il gestionale dei clienti) entro una settimana. Al primo mese si scopre quante richieste restavano senza risposta, un numero che prima nessuno aveva mai visto.

Negli articoli compare con la forma «social ads» (gli annunci a pagamento dentro le piattaforme sociali), e il criterio che conta è chi vede il messaggio, deciso prima di quante persone lo vedono. L'effetto misurabile arriva dopo: l'approvazione pubblica di chi lo riceve diventa riprova sociale, e la vendita ne è la conseguenza.

Esempio. Una persona apre un blog sulla propria passione e ci affianca un piccolo negozio online, poi usa i social ads per portare i propri contenuti davanti a un pubblico di appassionati. Like, condivisioni e commenti costruiscono la riprova sociale, e gli ordini arrivano dopo: quando la spesa si sposta dai contenuti ai soli prodotti le vendite scendono, perché quello che convince è il perché delle scelte.

Negli articoli ha il rango degli altri canali: per la farmacia contemporanea Enrico Giubertoni lo chiama «una leva strategica fondamentale per la crescita e la rilevanza», e quando arriva l'intelligenza artificiale la affianca a queste attività invece di metterla al loro posto. Il suo motore è la condivisione fra pari: chi condivide un contenuto ci mette la propria reputazione, e per questo il coinvolgimento dei clienti pesa più della dimensione del pubblico raggiunto.

Esempio. Una farmacia apre un profilo e pubblica le offerte della settimana, poi comincia a rispondere in pubblico alle domande sui prodotti. I clienti condividono le risposte e lasciano stare le offerte, perché condividere qualcosa di utile mette in gioco anche il loro nome.

Il suo motore è il viaggio: il cliente è l'eroe che passa da uno stato di mancanza a uno di soddisfazione, e il prodotto è l'aiutante che rende possibile quel passaggio. Il corporate storytelling (il racconto che l'azienda fa di se stessa) funziona quando dichiara valori in cui una comunità può identificarsi, e si spegne quando elenca la cronologia della fondazione.

Esempio. Un produttore di macchine per il caffè può raccontare i suoi trent'anni di attività, oppure la mattina del barista che apre alle cinque e ha novanta secondi per servire il primo cliente. La seconda storia contiene gli stessi dati tecnici e li fa ricordare.

Esempio. I dipendenti usano già l'intelligenza artificiale per lavorare, e l'azienda non sa chi, né con quali dati: l'informazione esiste, ma nessuno la guarda. È la Strategic Blindness nella sua forma più costosa.

Cambia significato a seconda di dove si taglia il rapporto, quindi numeratore e denominatore vanno dichiarati ogni volta. È uno degli indicatori quantitativi che dicono quanto un pubblico si muove, e le ragioni per cui si muove stanno nei dati qualitativi.

Esempio. Una rete di punti vendita legge quattro indicatori insieme: afflusso, tasso di conversione, scontrino medio e vendite totali. Un calo di vendite con afflusso stabile è un problema di conversione, con conversione stabile è un problema di traffico, e la combinazione dice in quale reparto sta la causa.

Sostituisce un'opinione con una misura, e il suo valore dipende dall'avere scelto prima quale numero conta e quanto a lungo si aspetta.

Esempio. Il responsabile e-commerce di un'azienda usa l'archivio storico del web per ricostruire come i concorrenti hanno cambiato negli anni le proprie chiamate all'azione. Quelle varianti sono test A/B già fatti da altri, e leggerle indirizza i test che conviene fare sul proprio sito.

Nei testi compare anche come brand voice (la voce della marca) e serve a tenere armonica la comunicazione su canali diversi, adattando la forma a ciascuno e mantenendo la stessa identità. Vive nelle occasioni minori: negli articoli il tono di voce del Customer Service (l'assistenza clienti) ottiene quello che si chiede all'ultima tecnologia, cioè semplificare e velocizzare un servizio.

Esempio. La stessa azienda risponde a un reclamo con «la pratica è stata presa in carico dall'ufficio competente», oppure con «me ne occupo io, le scrivo entro domani». Il contenuto è identico, e il tono di voce dice al cliente chi c'è dall'altra parte.

Enrico Giubertoni li tratta come sensori oltre che come vetrine, perché ciascuno produce un dato, e il compito di chi guida il Marketing è orchestrarli perché raccontino tutti la stessa azienda.

Esempio. Una catena di negozi promette sul sito il ritiro in giornata, il commesso alla cassa non vede l'ordine e l'assistenza risponde dopo due giorni. Sono tre punti di contatto e tre versioni della stessa impresa: il cliente ricorda la peggiore e la racconta agli altri.

Lo esegue un frammento di codice che la pagina carica apposta per segnalare a una piattaforma esterna l'azione appena avvenuta, e che di solito vive dentro un gestore dei tag. Il punto in cui si rompe è il contatto che lascia il minimo di traccia: la telefonata al negozio ha l'intenzione d'acquisto più alta e la tracciabilità più bassa, quindi il canale che la genera nei cruscotti risulta muto.

Esempio. Una rete di punti vendita compra ricerche locali e misura i clic, mentre le richieste arrivano al telefono del negozio e finiscono su un foglio accanto alla cassa. Chi risponde del budget vede il costo e resta cieco sull'ordine, e il rimedio comincia da una domanda sola: chi scrive la fonte nel momento in cui quella chiamata diventa una trattativa.

Enrico Giubertoni ne elenca quattro pilastri, e il primo è quello che l'elenco tradizionale lascia fuori: cultura, persone, processi, tecnologie. La cultura d'impresa fa da motore o da freno, e dove resta ferma anche l'investimento tecnologico più grande produce poco.

Esempio. Un'impresa acquista un gestionale dei clienti evoluto e lascia invariati gli obiettivi dei venditori, che restano misurati sui contratti del mese. I dati entrano nel sistema a fine trimestre, tutti insieme e a memoria, e della trasformazione digitale resta il costo della licenza.

Serve a decidere quanto conviene spendere per acquisirlo: sta dall'altra parte del costo di acquisizione, e con quel solo numero davanti la spesa si giudica sul prezzo dell'ingresso.

Esempio. Un'impresa di servizi a canone ricorrente scopre che i clienti arrivati da un canale costano poco e disdicono presto, mentre quelli arrivati da un altro costano il doppio e restano anni. Il costo di acquisizione premia il primo canale, il valore del cliente nel tempo premia il secondo, e la decisione si prende leggendo i due numeri insieme.

Enrico Giubertoni ci fa rientrare anche il modo in cui l'azienda si fa raggiungere: la facilità con cui gestisce una richiesta arrivata da un canale digitale è parte di ciò che il cliente sta comprando, e viene giudicata insieme al prodotto.

Esempio. Due fornitori di macchinari offrono lo stesso modello allo stesso prezzo. Il primo risponde al modulo del sito in ventiquattro ore con un preventivo leggibile, il secondo telefona dopo una settimana chiedendo di ripetere i dati già inviati. La proposta di valore percepita è già diversa, e nessuno dei due ha ancora parlato di specifiche tecniche.

Nei testi di Enrico Giubertoni si è spostato dal possedere qualcosa al saperlo usare: con i dati ormai alla portata di tutti, il vantaggio nasce dalla maestria con cui gli algoritmi li trasformano in decisioni e dalla velocità con cui quelle decisioni arrivano al mercato.

Esempio. Una banca sviluppa in casa il sistema che riconosce le frodi, perché quella capacità è il suo vantaggio competitivo, e acquista da fuori il servizio che gestisce le buste paga. La scelta fra costruire e comprare si risolve con una domanda: quale delle due cose un concorrente può copiare in un trimestre.

La parola cambia prefisso a seconda della qualità esibita: greenwashing per l'ambiente, AI washing per l'intelligenza artificiale, pinkwashing per i diritti delle persone LGBTQ+, social washing per l'impegno sociale. Il meccanismo è sempre lo stesso: si spende nel racconto quello che non si è speso nella sostanza.

Esempio. Un'azienda chiama «basato sull'intelligenza artificiale» un gestionale che applica regole scritte a mano dieci anni fa. È AI washing: la parola attira l'attenzione di chi compra, e il primo cliente che chiede come decide il sistema scopre che non c'è niente da governare.

Serve da controllo finale su una presentazione, una email o una pagina: quando la risposta arriva soltanto alla fine, il lettore ha già smesso di leggere.

Esempio. Una proposta di formazione che apre con la storia del fornitore e i suoi anni di attività lascia la domanda scoperta; la stessa proposta che apre con le ore che il reparto smette di perdere ogni settimana la chiude alla prima riga.