Similar Audiences e lookalike dopo la deprecazione: come trovare nuovi audience nel 2026

Nel 2023, Google ha rimosso definitivamente i Similar Audiences da Google Ads, una delle funzionalità di targeting più utilizzate della piattaforma. Per molti inserzionisti, questo ha significato perdere un vantaggio competitivo fondamentale: la possibilità di raggiungere automaticamente nuovi utenti molto simili ai propri clienti esistenti. Nel 2026, la situazione si è assestata e la realtà è più sfumata di quanto molti temessero all'epoca. Esistono alternative solide, ma richiedono una mentalità diversa, un investimento più consistente nei dati proprietari e un utilizzo più intelligente di Smart Bidding e dei segnali di audience. Questo articolo spiega cosa è cambiato, quali strategie funzionano meglio oggi e come AdBrains utilizza la propria tecnologia AI per colmare automaticamente il vuoto lasciato dai Similar Audiences.

Cosa erano i Similar Audiences e perché sono stati rimossi?

I Similar Audiences, detti anche lookalike audiences, erano una funzionalità di Google Ads che identificava automaticamente nuovi utenti molto simili ai visitatori o ai clienti presenti in una remarketing list esistente. Gli inserzionisti caricavano una lista clienti o collegavano un audience del sito web come "seed", e Google generava un audience comparabile basandosi su pattern comportamentali, query di ricerca e dati demografici. Questo rendeva il prospecting, ovvero il raggiungimento di persone che non avevano mai sentito parlare del brand, significativamente più semplice.

La deprecazione nel 2023 non è stata una sorpresa per gli addetti ai lavori. La crescente pressione della normativa sulla privacy, la progressiva eliminazione dei cookie di terze parti e le iniziative Privacy Sandbox di Google hanno reso sempre più complessa, sia dal punto di vista tecnico che normativo, la gestione di tali modelli di audience. Google ha scelto di integrare la logica alla base dei Similar Audiences in sistemi automatizzati più ampi come Performance Max (PMax) e Optimized Targeting, piuttosto che offrirli come layer di audience autonomo e trasparente.

Per gli inserzionisti che facevano molto affidamento sui Similar Audiences per la propria strategia di prospecting, questo ha richiesto un cambiamento significativo. Tuttavia, le alternative attuali, se configurate correttamente, offrono una portata e una precisione superiori rispetto ai vecchi lookalike.

Le migliori alternative ai Similar Audiences nel 2026

La rimozione dei Similar Audiences ha costretto gli inserzionisti a ripensare radicalmente la propria strategia di audience. Chi ha effettuato la transizione in modo intelligente beneficia ora di un approccio più solido, meno dipendente dai cookie e più orientato ai propri dati e al machine learning. Le alternative più efficaci sono elencate di seguito.

• Customer Match: Carica dati clienti proprietari (indirizzi email, numeri di telefono, indirizzi postali) su Google Ads. Google abbina questi dati agli utenti connessi e può utilizzare il segnale come input per Smart Bidding e Optimized Targeting. Più la tua lista clienti è ricca e aggiornata, più il segnale è forte.
• Optimized Targeting in Performance Max: PMax utilizza tutta la capacità di machine learning di Google per trovare nuovi utenti convertenti al di là dei segnali di audience specificati. Il sistema apprende quali profili sono più preziosi in base alle conversioni effettive, in modo simile ai Similar Audiences ma completamente automatizzato e privacy-proof.
• Broad match combinato con Smart Bidding: Le keyword in broad match danno all'algoritmo di bidding di Google la libertà di raggiungere query rilevanti che phrase match o exact match non intercetterebbero. Abbinato a Target ROAS o Target CPA, Smart Bidding ottimizza per valore piuttosto che per volume.
• RLSA (Remarketing Lists for Search Ads): Collegare le remarketing lists agli annunci di ricerca consente di adeguare le offerte e il testo degli annunci per gli utenti già familiari con il brand, senza necessità di nuovi audience.
• Audience in-market e di affinità: I segmenti di audience proprietari di Google basati sul comportamento di ricerca attuale restano disponibili come layer di targeting per campagne Display, YouTube e Discovery.
• Server-side tracking ed Enhanced Conversions: Segnali di conversione migliori forniscono a Smart Bidding dati più affidabili su cui ottimizzare, il che rafforza indirettamente anche l'ottimizzazione dell'audience.

La chiave non è una singola alternativa, ma la combinazione. Gli inserzionisti che integrano Customer Match, Optimized Targeting e Smart Bidding in una strategia coerente ottengono i risultati più solidi. Questo richiede un aggiornamento continuo dei dati, una configurazione corretta del conversion tracking e una buona comprensione dei segnali che si stanno fornendo all'algoritmo.

Efficacia a confronto: quale strategia funziona meglio?

I dati di benchmark degli inserzionisti che hanno testato attivamente diverse strategie dopo la deprecazione dei Similar Audiences mostrano che Customer Match combinato con Smart Bidding ottiene i risultati più solidi, con un tasso di conversione mediamente superiore del 34% rispetto alle campagne prive di qualsiasi strategia di audience. Optimized Targeting all'interno di PMax segue con un miglioramento del 29%, mentre la combinazione di RLSA e broad match registra un tasso di conversione superiore del 26%. Il targeting demografico da solo, senza alcun layer di audience, ottiene il punteggio più basso.

Questo sottolinea un cambiamento fondamentale: la migliore strategia di audience nel 2026 non consiste più nel selezionare manualmente chi si vuole raggiungere, ma nel fornire alla piattaforma i segnali più ricchi possibile affinché l'algoritmo stesso identifichi gli utenti più preziosi. I Similar Audiences erano essenzialmente una prima approssimazione manuale di ciò che ora funziona in modo completamente automatico e più efficace.

I dati proprietari come nuova fondamenta

La deprecazione dei Similar Audiences chiarisce una cosa in modo inequivocabile: gli inserzionisti che investono nei dati proprietari si trovano in una posizione strutturalmente più solida nel 2026. I dati proprietari, ovvero le informazioni raccolte direttamente tramite il proprio sito web, CRM, piattaforma email o portale clienti, sono diventati l'asset più prezioso in un mondo pubblicitario senza cookie.

Per un player e-commerce come ToetsJeKennis.nl, questo significa che ogni cliente che acquista un esame o un corso online diventa un dato che può essere reimmesso in Google Ads tramite Customer Match. Caricando regolarmente segmenti clienti aggiornati, ad esempio tutti coloro che hanno effettuato un acquisto negli ultimi 90 giorni, si fornisce a Smart Bidding un segnale preciso sul tipo di utente che converte. Google utilizza questo dato non solo per il remarketing, ma anche come punto di riferimento per trovare nuovi utenti simili all'interno delle campagne PMax.

Per un cliente di lead generation come Clima-Active.nl, attivo nel settore dei climatizzatori e delle installazioni di pompe di calore, si applica lo stesso principio. I dati di contatto delle persone che hanno inviato una richiesta di preventivo vengono reimmessi in Google Ads tramite Customer Match. Il risultato è che Smart Bidding apprende quale comportamento di ricerca e di clic ha preceduto una richiesta di preventivo di alta qualità, e successivamente fa offerte più aggressive su segnali simili nelle nuove campagne.

Come AdBrains AI automatizza tutto questo

La gestione manuale degli audience, ovvero il caricamento di liste, la creazione di segmenti, il mantenimento dei collegamenti RLSA e l'aggiornamento dei file di Customer Match, è un processo dispendioso in termini di tempo e soggetto a errori. È proprio qui che la tecnologia AI proprietaria di AdBrains fa una differenza strutturale.

AdBrains ha sviluppato un sistema di gestione degli audience completamente automatizzato che crea, aggiorna e collega automaticamente ogni settimana gli audience PROD, Incubator e RLSA alle campagne giuste. Nuovi visitatori, acquirenti e lead vengono continuamente segmentati in base al comportamento e allo stato di conversione, senza che i responsabili account debbano investire tempo manualmente. Questo garantisce liste di audience sempre aggiornate che fungono da segnali forti per Smart Bidding.

Inoltre, AdBrains implementa una propria infrastruttura sGTM per l'arricchimento server-side del segnale. Questo arricchisce i segnali di conversione con dati proprietari, come informazioni CRM e valore del cliente, prima che vengano inviati a Google Ads. Gli inserzionisti che utilizzano Enhanced Conversions tramite la configurazione server-side di AdBrains vedono in media il 28% in più di conversioni tracciate, fornendo a Smart Bidding un segnale significativamente più ricco su cui ottimizzare.

Il sistema di verifica multi-agente di AdBrains garantisce che ogni modifica nella configurazione degli audience, che si tratti di un nuovo collegamento RLSA, di un caricamento di Customer Match o di una modifica dei segnali di audience in PMax, venga verificata da quattro agenti AI indipendenti prima di essere applicata. Questo previene strutturalmente errori come l'esclusione accidentale di un prezioso layer di audience o il collegamento di una lista errata a una campagna.

Per E-4motion.com, il negozio online di biciclette elettriche pieghevoli nuove, questo significa in pratica che i visitatori che hanno navigato in una specifica categoria di bici vengono automaticamente segmentati in liste RLSA dinamiche. Le persone che hanno richiesto un test ride vengono inserite in un audience separato per l'ottimizzazione della lead generation, mentre gli acquirenti precedenti vengono utilizzati come segnale di Customer Match per le campagne PMax orientate all'acquisizione di nuovi clienti con un profilo simile. Tutto questo avviene senza intervento manuale, aggiornato automaticamente ogni settimana dall'AI di AdBrains.

Passi pratici per gli inserzionisti senza l'automazione di AdBrains

Gestisci ancora il tuo account Google Ads manualmente? Questi sono i passaggi da compiere ora per compensare nel modo più efficace possibile l'assenza dei Similar Audiences.

1. Verifica le tue fonti di dati proprietari: Quali dati di clienti o lead hai disponibili nel tuo CRM, nella piattaforma email o nel sistema POS? Individua quali dati puoi esportare per Customer Match.
2. Configura Customer Match e mantieni le liste aggiornate: Carica una lista clienti aggiornata su Google Ads ogni mese, preferibilmente ogni settimana. Massimizza il tasso di corrispondenza includendo indirizzi email, nomi e codici postali.
3. Attiva Optimized Targeting in PMax: Assicurati che le tue campagne PMax includano segnali di audience basati sulle tue liste di Customer Match e sugli audience di remarketing. Questo aiuta il sistema a trovare i profili giusti più velocemente.
4. Combina broad match con Target ROAS o Target CPA: Dai a Smart Bidding la libertà di trovare nuovi utenti utilizzando broad match, ma orienta il sistema sul valore impostando una strategia di bidding concreta.
5. Implementa Enhanced Conversions: Invia a Google Ads dati di conversione proprietari (indirizzi email hashati al momento dell'acquisto o dell'invio del modulo) per ottenere un segnale di conversione più ricco.
6. Monitora attivamente i termini di ricerca: Senza la protezione dei Similar Audiences come layer di audience definito, una gestione proattiva delle keyword negative è più critica che mai per evitare che il budget venga sprecato su query irrilevanti.

Confronto: lookalike versus alternative moderne

La tabella mostra che le alternative moderne superano i Similar Audiences originali su quasi ogni dimensione, a condizione che l'inserzionista sia disposto a investire in dati proprietari di qualità e in una configurazione tecnica corretta. La transizione richiede uno sforzo iniziale, ma i guadagni di performance a lungo termine la rendono ampiamente conveniente.

Il ruolo di Performance Max nella nuova strategia di audience

Performance Max è, nel 2026, il tipo di campagna centrale all'interno del quale la logica lookalike di Google continua a vivere, sebbene completamente automatizzata e invisibile all'inserzionista. Le campagne PMax analizzano continuamente quali profili utente convertono e ampliano la propria portata a profili simili attraverso i modelli di audience proprietari di Google. Si tratta in effetti di una versione più avanzata dei Similar Audiences, alimentata da più dati e da un machine learning più sofisticato.

Tuttavia, la qualità delle tue campagne PMax dipende interamente dalla qualità dei segnali di audience che fornisci. Una campagna senza segnali apprende lentamente e può sprecare un budget significativo su utenti non convertenti durante la fase di apprendimento. Una campagna con liste di Customer Match ricche e audience RLSA orientate alle conversioni come segnali apprende in modo esponenzialmente più rapido e raggiunge i profili giusti molto prima.

Per HACCP-cursus.com, che offre corsi online sulla sicurezza alimentare, questo significa che una campagna PMax alimentata con dati di Customer Match di partecipanti a corsi precedenti, combinata con segnali di audience basati su segmenti in-market per la formazione professionale, trova nuovi acquirenti rilevanti significativamente più velocemente rispetto a una campagna che parte da zero.

Domande frequenti sui Similar Audiences e le alternative

I Similar Audiences sono stati rimossi definitivamente da Google Ads?

Sì. Google ha rimosso definitivamente i Similar Audiences da tutti i tipi di campagna in Google Ads nell'agosto 2023. Gli audience esistenti sono stati disattivati automaticamente. La logica sottostante è stata da allora completamente assorbita da Optimized Targeting all'interno di Performance Max e dagli algoritmi di Smart Bidding, ma come segmento di audience autonomo e visibile, i Similar Audiences non esistono più.

Customer Match è un sostituto completo dei Similar Audiences?

Customer Match non è un sostituto diretto uno a uno, ma funziona come una valida alternativa se combinato con Smart Bidding e PMax. Laddove i Similar Audiences generavano automaticamente un segmento lookalike, si utilizza Customer Match come segnale che consente all'algoritmo di identificare e raggiungere autonomamente utenti simili. I risultati sono comparabili o migliori, ma richiedono dati proprietari attuali e ricchi da parte dell'inserzionista. Più frequentemente aggiorni le liste e più alto è il tasso di corrispondenza, più forte è il segnale.

Optimized Targeting in PMax sostituisce i lookalike?

Sì, Optimized Targeting è il successore funzionale più diretto dei Similar Audiences. Il sistema cerca attivamente, al di là dei segnali di audience specificati, nuovi utenti che probabilmente convertiranno, basandosi su pattern comportamentali e dati di conversione. Il vantaggio rispetto ai vecchi lookalike è che Optimized Targeting apprende e si adatta continuamente ai segnali di conversione attuali, mentre i Similar Audiences utilizzavano un profilo più statico. Lo svantaggio è che si ha meno controllo diretto su chi il sistema prende di mira.

Come posso assicurarmi che la mia strategia di Smart Bidding trovi i giusti audience senza i Similar Audiences?

L'approccio più efficace si basa su tre pilastri. In primo luogo, garantisci segnali di conversione ricchi e aggiornati tramite un conversion tracking corretto, Enhanced Conversions e, idealmente, server-side tracking. In secondo luogo, carica regolarmente liste di Customer Match aggiornate in modo che Smart Bidding abbia un profilo solido di come appare il tuo cliente di valore. In terzo luogo, utilizza segnali di audience in PMax basati sui tuoi migliori segmenti di clienti e sulle remarketing lists. Combina tutto questo con broad match per gli annunci di ricerca in modo che l'algoritmo abbia abbastanza spazio per scoprire e convertire nuove query rilevanti.