Da 3x a 6x ROAS: un case study di lead gen nel settore degli uffici

Un ROAS di 3x spesso sembra un risultato rispettabile. Stai guadagnando tre euro per ogni euro investito in Google Ads, ed è meglio che andare in pareggio. Ma nel settore degli uffici, dove i valori medi dei contratti sono elevati e il ciclo di vendita è più lungo, il 3x è raramente il limite massimo. Di solito è solo il punto di partenza. In questo case study, illustriamo come un approccio per fasi basato sull'AI abbia portato una campagna di lead gen nel settore degli uffici da 3x a oltre 6x ROAS — in quattro trimestri, senza alcun aumento del budget.

Il punto di partenza: una base solida, ma la crescita si era fermata

La campagna che abbiamo ereditato non era mal strutturata. L'account aveva una struttura chiara, gli annunci erano dotati di estensioni pertinenti e l'inserzionista aveva una certa esperienza con Smart Bidding. Eppure il ROAS era rimasto fermo intorno a 3,1x per tre mesi. Ogni tentativo di migliorare le performance attraverso aggiustamenti manuali delle offerte o nuovi testi pubblicitari produceva picchi temporanei, ma nessuna crescita strutturale.

Questo schema è comune nei settori orientati ai servizi, incluso quello degli uffici. Google Ads funziona, ma senza i giusti dati in ingresso, i giusti segnali e un ciclo di ottimizzazione continuo, il sistema si stabilizza. La campagna gira a un ottimo locale mentre il vero potenziale è significativamente più alto.

L'analisi ha rivelato tre problemi principali. In primo luogo, i segnali di conversione erano incompleti: il conversion tracking era implementato lato client, il che significa che una parte delle effettive richieste di preventivo non veniva trasmessa a Google Ads. In secondo luogo, l'analisi dei termini di ricerca veniva eseguita manualmente una volta alla settimana, consentendo a termini irrilevanti di consumare budget per giorni prima di essere aggiunti come parole chiave a corrispondenza inversa. In terzo luogo, i Responsive Search Ads (RSAs) erano rimasti invariati per mesi, con punteggi Ad Strength di "Nella media" o peggio.

Fase 1: rafforzare i segnali di conversione con il server-side tracking

Andamento del ROAS per trimestre

Campagna lead gen nel settore degli uffici — prima e dopo l'ottimizzazione AI (2026)

Q1 — Baseline (manuale)

3,1x

Q2 — Dopo l'ottimizzazione della struttura

4,2x

Q3 — Dopo il passaggio a Smart Bidding

5,1x

Q4 — Completamente guidato dall'AI

6,3x

Il primo passo è stato risolvere il problema del tracking. Utilizzando la nostra infrastruttura server-side GTM (sGTM), tutti i momenti di conversione sono stati ricostruiti con Enhanced Conversions e l'arricchimento con dati di prima parte. Ciò significa che Google Ads riceve ora segnali più ricchi su chi effettivamente invia una richiesta di preventivo: l'indirizzo email hashato, i dati geografici e il tipo di dispositivo vengono tutti trasmessi insieme all'evento di conversione.

L'effetto diretto è stato immediato: entro due settimane dall'implementazione, veniva tracciato il 28% di conversions in più rispetto a prima. Non si trattava di nuovi lead — erano lead che erano sempre esistiti ma che in precedenza non venivano misurati. Questo influisce direttamente su Smart Bidding, perché l'algoritmo riceve più dati da cui apprendere. Segnali più forti portano a decisioni di bidding migliori, che a loro volta abbassano il costo per lead (CPL) e spingono il ROAS verso l'alto.

Per le campagne di lead gen, questo effetto è ancora più significativo che nell'e-commerce, perché i valori delle conversions non sono sempre immediatamente visibili nel pixel. Assegnando un valore modellato a ogni richiesta di preventivo — basato sul tasso di chiusura storico e sul valore medio del contratto — siamo stati in grado di attivare Target ROAS come strategia di bidding invece della più semplice Maximize Conversions. Questo fornisce al sistema un obiettivo più chiaro e rende l'ottimizzazione considerevolmente più precisa.

Fase 2: ricerca giornaliera dei termini di ricerca e parole chiave a corrispondenza inversa

Parallelamente ai miglioramenti del tracking, è iniziata la ricerca automatizzata dei termini di ricerca. Dove in precedenza il report sui termini di ricerca veniva esaminato manualmente ogni settimana, la nostra AI analizza ora tutti i termini di ricerca in arrivo ogni giorno. I termini irrilevanti vengono rilevati immediatamente e aggiunti come parole chiave a corrispondenza inversa, spesso entro 24 ore dalla prima comparsa.

Nel primo mese di ricerca automatizzata, più di 140 termini di ricerca unici sono stati aggiunti come parole chiave a corrispondenza inversa che avrebbero consumato budget per almeno una settimana con la gestione manuale. Gli esempi includono termini come "mobili per ufficio gratuiti", "sedie da ufficio di seconda mano", o query informative come "quanto costa mediamente una ristrutturazione di un ufficio" — termini che generano click ma che raramente portano a richieste di preventivo serie.

Il budget liberato è stato ridistribuito verso i termini di ricerca con le migliori performance, che sono stati prima testati in sicurezza tramite il nostro Keyword Incubator in una campagna incubatore separata prima di passare alla campagna di produzione. Questo garantisce che solo le parole chiave che hanno dimostrato di generare conversions ricevano l'allocazione di budget completa.

• Il Quality Score medio è salito da 6,2 a 7,8 su tutte le parole chiave attive
• Il CPC medio è sceso del 18% grazie al miglioramento della pertinenza degli annunci e della corrispondenza dei termini di ricerca
• La percentuale di click irrilevanti è scesa da circa il 22% a meno del 6%
• Il volume totale di lead è aumentato del 31% senza alcun aumento del budget
• Il ROAS ha raggiunto 4,2x nel Q2, un miglioramento del 35% rispetto al punto di partenza

Fase 3: ottimizzazione degli RSA e miglioramento delle performance degli annunci

Funnel di conversione lead gen nel settore degli uffici

Flusso medio dopo l'ottimizzazione AI (benchmark 2026)

Impressions

Impressions mirate tramite Search e PMax

Click

CTR medio del 7% dopo l'ottimizzazione degli RSA

Pagina lead visitata

Il 38% dei visitatori che hanno cliccato raggiunge la pagina del modulo di preventivo

Preventivo inviato

Tasso di conversione del 18% sulla landing page

Lead efficienti in termini di costo tramite Smart Bidding guidato dall'AI

Nella terza fase, l'ottimizzazione AI si è concentrata sul testo degli annunci. Gli RSAs esistenti avevano per lo più un Ad Strength di "Nella media" o addirittura "Scarso" al momento dell'audit. Questo segnala che Google non considera ottimali le combinazioni di titoli e descrizioni per le query di ricerca target.

Il nostro sistema di miglioramento degli RSA analizza automaticamente i punteggi Ad Strength per gruppo di annunci e genera nuovi titoli e descrizioni basati sulle combinazioni con le migliori performance nel settore, integrati con segnali provenienti dalla landing page. Gli annunci con stato "Scarso" vengono automaticamente riscritti e inviati per l'approvazione prima della pubblicazione.

Entro sei settimane, tutti gli RSAs della campagna sono stati portati ad almeno "Buono", con una quota significativa che ha raggiunto "Eccellente". Questo ha un impatto diretto sull'Ad Rank e quindi sulla posizione dell'annuncio nell'asta. Un Ad Rank più alto con un CPC uguale o inferiore è lo scenario ideale per il miglioramento del ROAS.

Parallelamente ai miglioramenti degli RSA, è stata automatizzata anche la strategia audience. Tramite il nostro sistema di gestione delle audience, le audience RLSA venivano create e aggiornate automaticamente ogni settimana: i visitatori della pagina del modulo di preventivo che non avevano convertito ricevevano un'offerta aumentata, mentre i visitatori già convertiti venivano esclusi dalla campagna. Questo riduce ulteriormente gli sprechi e aumenta la qualità dell'audience raggiunta.

Come l'AI di AdBrains gestisce tutto questo in modo strutturale

Ciò che questo case study illustra è che raddoppiare il ROAS non è il risultato di un unico intervento magico, ma di un insieme di processi di ottimizzazione che operano in modo continuo e coordinato. È esattamente per questo che è stata sviluppata la tecnologia AI proprietaria di AdBrains.

La base è il nostro sistema di verifica multi-agente. Ogni decisione di ottimizzazione — che si tratti di un aggiustamento dell'offerta, di una parola chiave a corrispondenza inversa o di una modifica a un RSA — viene esaminata da quattro agenti AI indipendenti prima dell'esecuzione. Questo elimina gli errori che si verificano nella gestione manuale o nei sistemi AI a singolo agente. Un agente che vuole aggiungere un termine di ricerca come parola chiave a corrispondenza inversa viene segnalato se un altro agente indica che lo stesso termine ha storicamente generato conversions in un'altra campagna. Questo previene conflitti che, nella gestione manuale, portano a seri sprechi di budget.

Sopra questo sistema di verifica opera l'ottimizzazione automatica tCPA/tROAS: le strategie di bidding per campagna vengono aggiustate quotidianamente in base al volume di conversioni corrente e agli obiettivi di margine impostati per ciascun cliente. Quando una campagna scende temporaneamente al di sotto della soglia minima di conversioni, il nostro sistema di cambio strategia passa automaticamente a una strategia di bidding più sicura per prevenire la perdita di qualità, e riattiva la strategia originale una volta che il flusso di dati si riprende.

Il Keyword Incubator svolge un ruolo cruciale nella crescita sicura. Le nuove parole chiave rilevate tramite la ricerca dei termini di ricerca come potenzialmente promettenti vengono prima inserite in una campagna incubatore controllata con un budget limitato. Solo una volta che hanno accumulato dati di conversione sufficienti migrano automaticamente alla campagna di produzione, proteggendo in ogni momento le performance della campagna principale.

Infine, il nostro arricchimento dei segnali server-side garantisce che i segnali di conversione ricevuti da Google siano sempre il più ricchi e completi possibile. Tramite la nostra infrastruttura sGTM, dati di prima parte come segnali CRM, punteggi di qualità dei lead e valori del ciclo di vita del cliente vengono reimmessi in Google Ads come Enhanced Conversions. Questo fornisce a Smart Bidding il quadro più dettagliato possibile su quali click generano clienti davvero di valore, a diretto vantaggio dell'ottimizzazione Target ROAS.

Risultati: da 3x a 6x in quattro trimestri

Gestione manuale vs. AdBrains AI

Confronto delle performance della campagna lead gen nel settore degli uffici

Gestione manuale

• ROAS: 3,1x (stagnazione dopo 3 mesi)
• Revisione manuale settimanale dei termini di ricerca
• Strategia di bidding statica (Maximize Clicks)
• RSA raramente aggiornati
• Parole chiave a corrispondenza inversa aggiunte in modo reattivo
• Nessuna segmentazione dell'audience
• Segnali di conversione di base (lato client)
• Espansione della campagna: mensile, manuale

AdBrains AIConsigliato

• ROAS: 6,3x (crescita ogni trimestre)
• Ricerca automatizzata giornaliera dei termini di ricerca
• Target ROAS dinamico tramite Smart Bidding
• Sistema di miglioramento degli RSA (correzione automatica stato SCARSO)
• Parole chiave a corrispondenza inversa aggiunte proattivamente ogni giorno
• Gestione automatizzata di RLSA e audience
• Arricchimento dei segnali server-side (Enhanced Conversions)
• Espansione automatica della campagna basata sui dati di crescita

L'impatto combinato di tutte le fasi di ottimizzazione è visibile nei dati trimestrali. Partendo da un ROAS di 3,1x nel Q1, la campagna è cresciuta a 4,2x nel Q2 a seguito dei miglioramenti al tracking e ai termini di ricerca. Nel Q3, il passaggio a Smart Bidding combinato con i miglioramenti agli RSA ha portato il ROAS a 5,1x. Entro la fine del Q4, con il sistema completamente automatizzato operante a piena capacità, la campagna ha raggiunto un ROAS di 6,3x.

Per contestualizzare nell'ambito della lead gen: per ogni euro di spesa pubblicitaria, venivano generati 6,30 euro di valore pipeline al termine del processo. Con un budget mensile costante, questo si è tradotto in più del doppio delle richieste di preventivo qualificate — senza costi aggiuntivi. Il CPL è sceso del 41% nello stesso periodo, mentre la qualità media dei lead (misurata tramite dati CRM e tassi di chiusura) è migliorata in modo dimostrabile.

Questo schema è coerente con altri clienti di lead gen come Clima-Active.nl, che offre l'installazione di climatizzatori e pompe di calore. Nel settore HVAC, proprio come in quello degli uffici, le richieste di preventivo sono l'obiettivo di conversione principale e i valori dei contratti sono sufficientemente elevati da rendere Target ROAS una strategia di bidding praticabile. L'approccio AI per fasi offre costantemente risultati più solidi in questo tipo di campagna rispetto alla gestione manuale o all'automazione generica.

La tabella seguente riassume le differenze più significative tra la gestione manuale e il sistema AI di AdBrains nel contesto della lead gen:

La tabella rende chiaro che il raddoppio del ROAS non è casuale: è il risultato logico di decine di piccoli miglioramenti applicati quotidianamente, mentre la gestione manuale rimane sistematicamente indietro su ognuna di queste dimensioni.

Cosa manca strutturalmente alla gestione manuale

Il contrasto tra la gestione manuale delle campagne e l'ottimizzazione guidata dall'AI è particolarmente netto nel settore degli uffici. Le ragioni sono molteplici:

• Tempi di reazione lenti: l'ottimizzazione manuale avviene settimanalmente o ogni due settimane. In un'asta Google Ads in tempo reale, è troppo lento per rispondere ai cambiamenti nel comportamento di ricerca o alla pressione competitiva.
• Analisi dei dati incompleta: un account manager umano non può analizzare migliaia di termini di ricerca, centinaia di combinazioni di annunci e decine di segmenti di audience ogni giorno. L'AI lo fa in modo continuo.
• Bidding non ottimale: la gestione manuale delle offerte porta a aggiustamenti basati sull'intuizione o su dataset limitati, anziché su tutti i dati di conversione disponibili.
• Reattivo, non proattivo: le parole chiave a corrispondenza inversa vengono aggiunte manualmente dopo che il budget è già stato sprecato; il nostro sistema rileva e blocca ogni giorno i termini irrilevanti prima che consumino spesa significativa.
• Nessuna efficienza di scalabilità: espandere manualmente una campagna richiede tempo e risorse aggiuntive; con AdBrains AI, l'ottimizzazione scala automaticamente con la crescita della campagna.

Domande frequenti sull'ottimizzazione del ROAS nella lead gen

Quanto tempo ci vuole per crescere da 3x a 6x ROAS?

In questo case study, il percorso ha richiesto quattro trimestri — un anno intero. La velocità di crescita dipende da tre fattori: la qualità della struttura dell'account esistente, il volume di conversioni disponibile (più conversions significa algoritmi Smart Bidding che apprendono più velocemente) e il livello di implementazione del server-side tracking. Per le campagne che hanno già una base solida, miglioramenti significativi del ROAS sono talvolta visibili dopo soli due trimestri. Il primo mese è tipicamente il più impattante, poiché i miglioramenti al tracking e la ricerca delle parole chiave a corrispondenza inversa producono effetti immediati.

Target ROAS è adatto come strategia di bidding per tutte le campagne di lead gen?

Target ROAS funziona meglio quando sono disponibili dati di conversione sufficienti (linea guida: almeno 30-50 conversions al mese per campagna) e quando a ogni conversione è stato assegnato un valore. Per le campagne di lead gen, questo significa definire un valore modellato per ogni richiesta di preventivo basato sul tasso di chiusura storico e sul valore medio del contratto. Senza questa assegnazione di valore, Target Conversions o Maximize Conversions è un punto di partenza migliore. AdBrains AI aiuta a definire i valori di conversione corretti e passa automaticamente tra le strategie di bidding in base al volume di conversioni disponibile.

Quali sono le insidie più comuni nell'ottimizzazione del ROAS nella lead gen?

La trappola più grande è ottimizzare per i lead anziché per la qualità dei lead. Un CPL basso sembra attraente, ma se i lead non si convertono in clienti, il ROAS reale è molto più basso di quanto suggerisca il ROAS misurato. Ecco perché è essenziale alimentare i dati CRM in Google Ads, in modo che l'algoritmo Smart Bidding impari a ottimizzare per i lead che diventano effettivamente clienti. Un secondo errore comune è alzare troppo velocemente gli obiettivi di Target ROAS, facendo sì che il sistema operi in un volume di ricerca troppo ristretto e perda impressions. AdBrains AI monitora automaticamente questa soglia.

Come funziona in pratica il Keyword Incubator?

Il Keyword Incubator è una campagna separata all'interno dell'account Google Ads che funge da ambiente di test per le nuove parole chiave. Quando la nostra ricerca dei termini di ricerca rileva un termine che sembra potenzialmente promettente ma non ha uno storico di conversioni comprovato, quel termine viene aggiunto come parola chiave in exact match o phrase match alla campagna incubatore con un budget limitato. Una volta accumulati dati di conversione sufficienti e superate le soglie di performance CPA o ROAS definite, la parola chiave migra automaticamente alla campagna di produzione. Questo protegge le performance della campagna principale consentendo al contempo una crescita sicura e basata sui dati del portafoglio di parole chiave.