“Alziamo il budget, così vinciamo l’asta” è qualcosa che ha assolutamente senso dire in un’asta normale, ma non per quella che ci permette di mostrare le nostre ads su Meta, che è davvero molto particolare.

Il 28 ottobre 2026 Meta ha messo nero su bianco come funziona, in un articolo che spiega come il suo sistema pubblicitario sceglie quale annuncio mostrare a ogni persona e come è stato aggiornato allo stato dell’arte.

Vediamolo insieme per capire bene una volta per tutte come ottenere risultati con le Facebook e Instagram Ads al giorno d’oggi.

Un’asta che si ripete centinaia di miliardi di volte al giorno

Ogni volta che qualcuno apre Facebook o Instagram e scorre il feed, si libera uno spazio per un annuncio. Gli spazi sono limitati, gli inserzionisti che vorrebbero occuparli sono tantissimi (pare più di 10 milioni), e per decidere quale ad mostrare Meta fa un’asta in tempo reale. Secondo Meta succede centinaia di miliardi di volte al giorno, su un pubblico di 3,64 miliardi di persone che usa quotidianamente almeno una delle sue app.

La divisione dei compiti è nett: noi inserzionisti decidiamo strategia, budget e obiettivo. Trovare, mettere in ordine e proporre l’annuncio giusto alla persona giusta è il lavoro dei modelli di machine learning e di AI.

C’è poi un dettaglio che a molti sfugge: il tuo annuncio non partecipa a tutte le aste. Entra solo in quelle in cui Meta prevede che il costo per risultato resti sotto il massimo che sei disposto a pagare (se non imposti un obiettivo di costo per risultato o un limite di offerta, è il sistema a stimarlo partendo da budget e obiettivo), cioè in quelle compatibili con le impostazioni che hai dato tu.

Dal negozio intero alla “giacca giusta”

Probabilmente avrai sentito parlare di Andromeda, GEM, Lattice: si tratta di motori e modelli AI estremamente sofisticati che guidano l’intero processo che porta dalla messa online dell’annuncio all’atto di mostrarlo proprio a quella persona anziché a un’altra.

Per semplificarlo, Meta usa la metafora del personal shopper.

Immagina di entrare in un negozio con decine di milioni di articoli e di avere accanto una persona che conosce ogni scaffale, sa cosa hai comprato l’ultima volta e ha capito che stile ti piace. Non ti mostra tutto: ti porta direttamente alle tre cose che fanno per te: è esattamente questo che dovrebbe fare Meta attraverso i vari step.

Vediamolo con un esempio pratico: Giulia, 34 anni, vive a Bologna. Nelle ultime settimane ha guardato scarponi da neve, ha salvato un post su un weekend in Trentino e ha cliccato su un berretto di lana.

1. Andromeda restringe il campo

Andromeda è il sistema di recupero: prende le decine di milioni di annunci disponibili e li riduce alle poche migliaia che vale la pena valutare per Giulia. Un annuncio di attrezzatura da pesca o di una crociera ai Caraibi, anche se Giulia rientra nel suo pubblico, esce qui perché per lei non è pertinente. Uno di abbigliamento da neve, invece, passa questa prima selezione insieme alle altre poche migliaia di annunci giudicati pertinenti per lei.

Poi gli annunci rimasti vengono messi in ordine. Qui lavorano insieme tre sistemi.

2. GEM capisce cosa fa per te

GEM (Generative Ads Recommendation Model) è un grande modello di fondazione per le raccomandazioni. Impara da moltissimi segnali e passa quello che ha imparato a modelli più piccoli che lavorano in tempo reale. Nel caso di Giulia, è grazie a GEM che questi modelli, quelli che scelgono gli annunci, colgono che preferisce l’abbigliamento tecnico a quello di moda, i colori accesi e una certa fascia di prezzo.

3. Il sequence learning legge cosa viene dopo

Il sequence learning guarda l’ordine delle azioni, non solo le azioni. Scarponi, poi berretto, poi weekend in montagna: la cosa che probabilmente viene dopo è una giacca imbottita, non altri scarponi da neve. È la differenza tra sapere cosa piace a una persona e capire a che punto del percorso d’acquisto si trova.

4. Lattice mette tutto in ordine

Lattice è un unico sistema di ranking che impara da obiettivi e app diverse, invece di avere un modello separato per ciascuno. In pratica quello che il modello impara, per esempio, dalle vendite su Instagram lo aiuta anche a prevedere chi lascerà un contatto su Facebook. Vale a livello di sistema: non significa che i dati di una tua campagna passino a un’altra.

Il risultato atteso è un annuncio, per una persona, in un momento preciso: la giacca giusta nel feed di Giulia il giovedì sera, mentre pensa al weekend.

Chi vince l’asta e perché non è chi spende di più

Meta lo scrive in modo esplicito: l’offerta più alta o il budget più grande non vincono automaticamente. Gli elementi che decidono l’asta sono tre.

Il primo è l’offerta, che deriva dal budget e dall’obiettivo che hai scelto e che Meta adatta di continuo a come si muove il mercato. Una parte di questo lavoro la fa il pacing, il meccanismo che distribuisce la spesa del budget nel corso della giornata e per tutta la durata della campagna: alza o abbassa l’offerta perché il budget non finisca troppo presto e venga speso quando le opportunità sono migliori.

Nella maggior parte delle campagne l’offerta è automatica: con la strategia predefinita, Volume più alto, non indichi nessuna cifra ed è il sistema a calcolarla asta per asta, partendo da budget e obiettivo.

Una cifra la inserisci tu solo con le altre strategie: con l’obiettivo di costo per risultato indichi il costo medio che vuoi ottenere, con l’obiettivo ROAS il ritorno minimo, con il limite di offerta il massimo da offrire in ogni asta. Solo in quest’ultimo caso la cifra è davvero l’offerta: negli altri due l’offerta della singola asta la calcola comunque il sistema.

Il secondo è la qualità dell’annuncio, e qui Meta intende l’esperienza intera, dall’annuncio a quello che succede dopo il clic. Ci torno tra poco perché è la parte più sottovalutata.

Il terzo è il tasso di azione stimato, cioè la probabilità, secondo il modello, che quella persona faccia proprio l’azione per cui stai ottimizzando: l’acquisto, il contatto, la visualizzazione del video.

Proviamo a fare un esempio con due negozi che vendono la stessa giacca. Il negozio A ha un budget doppio, una sola inserzione con la foto da catalogo e un sito dove le spese di spedizione compaiono solo all’ultimo passaggio del checkout. Il negozio B spende la metà, ha tre creatività diverse (la giacca indossata in montagna, il dettaglio dell’imbottitura, il video di una cliente che la prova) e le spese di spedizione scritte chiaramente nella scheda prodotto.

Per Giulia l’annuncio di B ha più probabilità di essere cliccato, l’acquisto ha più probabilità di andare in porto e l’esperienza dopo il clic è migliore. Probabilmente in molte di quelle aste B vince pur offrendo meno. Sto semplificando, ovviamente, ma la logica dell’asta è questa: un annuncio più pertinente e con un’esperienza migliore può superare un’offerta più alta.

La qualità non finisce al clic

Per valutare la qualità Meta usa il feedback di chi vede gli annunci, sistemi che rilevano le caratteristiche tipiche degli annunci di bassa qualità e oltre 200 milioni di risposte all’anno a sondaggi rivolti ai clienti: come è andato l’acquisto, come è andata la spedizione, se ci sono stati costi imprevisti, se la persona si è sentita ingannata (ci hai fatto caso? Sempre più spesso dopo che hai acquistato qualcosa da un annuncio ti compare un sondaggio che ti chiede come è andata l’esperienza).

Tradotto: nel costo delle tue campagne entra anche tutto quello che succede dopo il clic. Prima di tutto la landing page e il sito: per Meta conta che la pagina si carichi in fretta, soprattutto da telefono, che mantenga quello che l’annuncio promette e che non sia piena di pop-up, pubblicità invadenti o contenuti acchiappa-clic. Poi tempi di consegna, assistenza clienti e qualità del prodotto.

Un annuncio acchiappa-clic può anche portare traffico nel breve, se però chi arriva si sente preso in giro, quel giudizio torna nel sistema e lo paghi nelle aste successive.

Cosa significa per chi fa le campagne

Nello stesso articolo Meta dà una serie di indicazioni agli inserzionisti. Le riprendo una per una, con quello che significano nella pratica.

Ottimizza per l’obiettivo vero, non per quello più comodo da misurare

Meta lo dice chiaramente: una lead non è una vendita, un’installazione non è un abbonamento. Il sistema cerca persone che fanno esattamente l’azione per cui ottimizzi, e solo quella.

Se ottimizzi per le interazioni, trovi persone che mettono like e commentano, non persone che ti lasciano un contatto. Se ottimizzi per i clic sul link, trovi persone che cliccano, a volte per curiosità o per sbaglio, non necessariamente traffico qualificato che sul sito si ferma e lo visita davvero. Se ottimizzi per le lead, trovi persone che compilano un modulo, non per forza persone che poi comprano.

Per questo l’obiettivo va scelto il più vicino possibile al risultato che conta per l’azienda, compatibilmente con quello che riesci a misurare. Una piccola palestra in genere non ha un gestionale collegato a Meta che registri chi si abbona dopo la prova gratuita. In quel caso ottimizzare sulla richiesta di prova è la scelta giusta, e si lavora sulla qualità del contatto: un modulo con qualche domanda che filtri i curiosi e il conteggio, anche su un foglio di calcolo, di quanti contatti diventano abbonati. Chi invece può misurare un acquisto, un appuntamento confermato o una lead qualificata nel CRM e rimandata a Meta, ottimizza su quello.

Dai un valore alle conversioni

Un e-commerce che vende calze da 12 euro e giacche da 280 euro, se tratta tutte le vendite allo stesso modo, potrebbe finire col vendere soprattutto calze, perché sono vendite che, con ogni probabilità, costano meno da ottenere. Mandare a Meta il valore di ogni conversione, e usare strumenti come l’ottimizzazione per valore, le regole di valore e le offerte basate sull’obiettivo, permette al sistema di dare la precedenza ai risultati che valgono di più.

Scegli come misurare prima di partire

Meta propone tre strade: l’attribuzione standard, un’attribuzione personalizzata costruita su come conta l’azienda, oppure quella incrementale, che misura le conversioni che senza l’annuncio non ci sarebbero state. L’esempio classico è il retargeting di chi ha già il carrello pieno: molte di quelle vendite sarebbero arrivate comunque, e l’attribuzione standard le conta comunque come risultati della campagna, se avvengono entro la finestra di attribuzione. Decidere prima con quale metodo si giudicano i risultati evita discussioni infinite dopo.

Dai al sistema materiale su cui lavorare

Meta consiglia di usare Advantage+ e di fornire varietà creativa, così il sistema ha più cose da testare e da cui imparare. Varietà vuol dire angoli diversi: il prodotto in uso, il problema che risolve, la recensione di un cliente, il dietro le quinte. Cinque versioni della stessa foto con il bottone di un colore diverso non sono varietà. Se Andromeda deve trovare l’annuncio giusto per persone diverse, ha bisogno di annunci diversi tra cui scegliere.

Valuta su costo per risultato e ritorno sulla spesa

Il giudizio su una campagna di conversione si dà sul costo per risultato o sul ROAS, non sul CPM o sul CTR presi da soli. Per capire quanto le campagne aggiungono davvero, Meta suggerisce i test di incrementalità, come gli studi Conversion Lift o Brand Lift.

Controlla tutto quello che succede dopo il clic

Velocità di spedizione, assistenza, qualità del prodotto, attrito nel checkout. Sono voci che in genere non sono in mano a chi gestisce le campagne, ed è proprio per questo che vanno portate al tavolo: incidono sulla qualità dell’annuncio, quindi sui costi.

Pianifica i picchi

Nei periodi di alta domanda, come Black Friday e Natale, la competizione nell’asta sale. Meta consiglia di proteggere il budget per quelle finestre e di usare la programmazione del budget, invece di arrivarci con una cifra decisa a gennaio e mai più rivista.

I numeri che Meta dichiara

Nell’articolo Meta riporta anche alcuni risultati dei suoi sistemi. Nel secondo trimestre del 2026 i miglioramenti nei modelli che comprendono le persone, combinati con GEM e il sequence learning, hanno portato su Facebook un aumento dell’8,3% dei clic sugli annunci e del 15,7% delle conversioni. Nello stesso trimestre è arrivato GenRecs (Meta Generative Recommender), che usa modelli linguistici di grandi dimensioni per prevedere l’annuncio migliore per ogni persona.

Nel terzo trimestre il generative retrieval nel Feed di Facebook ha portato quasi il 2% di conversioni in più nei segmenti interessati, e i miglioramenti di Andromeda un aumento dell’1,4% delle conversioni su Facebook.

Li riporto come sono, con una precisazione: sono dati misurati da Meta, aggregati sull’intera piattaforma. Non dicono di quanto miglioreranno le tue campagne. Dicono che il sistema lavora sempre meglio quando riceve segnali chiari, e che quei segnali dipendono da come imposti l’account.

Cosa resta nelle nostre mani

Il lavoro di chi fa le campagne si sposta. Meno leve manuali sul pubblico, più responsabilità su quello che il sistema non può decidere da solo: l’obiettivo giusto, il valore delle conversioni, il metodo di misurazione, la varietà delle creatività, l’esperienza che una persona trova dopo il clic.

Il budget ti fa entrare nell’asta. Tutto il resto decide se la vinci e “tutto il resto” lo hai in mano tu, inserzionista.