Customer Match Google Ads: cos’è e come funziona, raccontato con due storie che si incrociano

Tempo di lettura: 18 minuti

Se voi sapeste di me quello che sa Google, sapreste che sono interessato alle storie: leggo libri, ne compro online un bel po’ all’anno e guardo video di persone che qualcuno dei miei colleghi chiamerebbe storyteller. Allora non vi sorprenderebbe questo mio tentativo di scrivere di un tema tecnico come solitamente si racconta una storia. Vedremo alla fine se ci sarò riuscito ma, intanto, avrete imparato qualcosa di chi scrive e, si sa, ogni dato è il pezzo di un puzzle preziosissimo.

Vi racconto due storie intrecciate: quelle di Giulia e di (un nome a caso) Alessandro.

Lei si chiama Giulia, ha una passione per il trekking e da qualche settimana gira intorno a un paio di scarponi nuovi.

Alessandro invece è un tipo disordinato, che prova a fingersi giovane; fa pubblicità su Google da parecchi anni e gestisce le campagne di un e-commerce di attrezzatura outdoor. Ogni riferimento a chi scrive, come potete immaginare, è del tutto casuale.

In questo momento i due non sanno nulla l’uno dell’altra. Giulia sta navigando online. Alessandro, dal canto suo, guarda una dashboard che ogni anno vede un po’ meno di quello che vedeva prima: utenti che rifiutano i cookie, browser che li bloccano, percorsi di acquisto spezzati tra smartphone e computer. Ogni volta un nuovo pezzo del puzzle che manca, appunto.

Il Customer Match di Google Ads è lo strumento che collega i due. Vediamo come.

1. Dati di prima parte e consenso

Martedì sera, divano, smartphone. Giulia è sulla scheda degli scarponi per la terza volta in una settimana. Un banner le promette il 10% di sconto sul primo ordine in cambio dell’iscrizione alla newsletter. Inserisce la sua email, legge (più o meno) l’informativa, spunta le caselle e conferma.

In quel preciso momento è nato un dato di prima parte (first-party data): un’informazione che l’utente ha fornito direttamente all’azienda, senza intermediari. È esattamente il tipo di dato su cui si fonda il Customer Match, e le norme di Google sono molto chiare in proposito:

• Si possono caricare solo dati raccolti direttamente dall’inserzionista, in un contesto di prima parte: un acquisto sul sito, un’iscrizione, una registrazione al programma fedeltà in negozio. Le liste acquistate da terzi non sono ammesse;
• L’informativa privacy deve dichiarare che i dati dei clienti possono essere condivisi con terze parti che svolgono servizi per conto dell’azienda;
• Il consenso va raccolto dove richiesto dalla legge e dalle norme di Google, a partire dalla norma sul consenso degli utenti dell’UE.

Su quest’ultimo punto conviene essere precisi. Da marzo 2024, in seguito agli obblighi introdotti dal Digital Markets Act (DMA), per gli utenti dello Spazio Economico Europeo Google richiede che ogni dato caricato sia accompagnato da due segnali di consenso: ad_user_data, l’uso dei dati per finalità pubblicitarie, e ad_personalization, la personalizzazione degli annunci. Senza questi segnali, i dati degli utenti SEE vengono trattati come privi di consenso: non vengono elaborati e non possono essere usati per la personalizzazione tramite Customer Match.

Tradotto: quelle caselle che Giulia ha spuntato distrattamente sono il fondamento legale di tutto ciò che succederà dopo. Se il form non le prevede, o le prevede male, la storia finisce qui. Il modo esatto in cui formularle è materia per il DPO o per il consulente privacy dell’azienda; il compito dell’advertiser è sapere che senza quel passaggio il resto non sta in piedi. Ed è già abbastanza complicato così.

Una precisazione, perché la confusione è frequente: il Consent Mode v2 è un’altra cosa. Riguarda i tag del sito e il modo in cui comunicano a Google le scelte fatte sul banner cookie, ed è fondamentale per remarketing e misurazione. Il consenso delle liste Customer Match, invece, viaggia insieme alla lista stessa. Servono entrambi, ma non sono la stessa cosa.

2. Il mitico CSV: cosa è stato il Customer Match

Mercoledì mattina, ufficio, secondo caffè. Alessandro apre l’export del CRM e trova qualche centinaio di nuove iscrizioni. Tra queste, senza che lui lo sappia, c’è anche Giulia.

Il gesto che sta per fare non è nuovo. Google ha lanciato il Customer Match nel 2015, e per anni il suo utilizzo ha seguito un copione abbastanza semplice, che Alessandro, nella versione più giovane e con meno acciacchi, conosce bene: si esportava una lista di email, la si caricava in CSV su Google Ads e la si usava in due modi. Per includere, cioè mostrare un annuncio dedicato a chi era già cliente (lo sconto per chi non comprava da un po’, per esempio), oppure per escludere, evitando di pagare clic di persone già acquisite.

Utile, certo. Ma per molti inserzionisti anche abbastanza inaccessibile: l’utilizzo era riservato a una platea limitata, e solo dalla fine del 2021 Google ha in parte aperto il Customer Match a tutti gli account in regola con le norme.

Poi è cambiato il contesto. I segnali anonimi hanno perso precisione, lo Smart Bidding è diventato il motore delle campagne e il Customer Match ha cambiato ruolo: da lista da includere o escludere a segnale di altissima qualità per il machine learning. Non più soltanto “a chi mostro l’annuncio”, ma “chi sono, davvero, i miei clienti”.

Tabella 1 — Customer Match ieri e oggi

3. Il viaggio del dato: preparazione, hashing e matching

Ora l’email di Giulia deve arrivare a Google. Ed è qui che la storia si fa tecnica, quindi allacciate le cinture.

La preparazione

Prima del caricamento, i dati vanno normalizzati. Sembra un dettaglio da stagisti, e invece decide quante persone Google riuscirà a riconoscere:

• niente spazi superflui all’inizio o alla fine;
• email tutte in minuscolo;
• numeri di telefono nel formato internazionale E.164: prefisso internazionale con il +, solo cifre, senza spazi né trattini (+39…);
• per gli indirizzi gmail.com e googlemail.com, eliminazione dei punti prima della chiocciola.

Giulia, per esempio, si è iscritta con “Giulia.Rossi@Gmail.com”, maiuscole e spazio finale compresi. Dopo la normalizzazione diventa “giuliarossi@gmail.com”. Stessa persona, ma solo la seconda versione ha buone possibilità di essere riconosciuta.

L’hashing, o forse no!

I dati personali non arrivano a Google in chiaro. Per anni il copione è stato rigidamente questo: email, telefono, nome e cognome venivano trasformati con l’algoritmo SHA-256 in una stringa di 64 caratteri esadecimali, un’impronta digitale da cui non si risale al dato di partenza. Paese e CAP, invece, restavano in chiaro per costruire la chiave di corrispondenza degli indirizzi.   

Su questo fronte, però, c’è una novità importante annunciata da Google per Google Ads Data Manager, con decorrenza dal 16 novembre 2026. L’hashing SHA-256 preventivo fatto dall’inserzionista non è più un passaggio obbligatorio: i dati acquisiti (tramite CRM, cloud, file o API) vengono inviati in formato crittografato e gestiti di default all’interno di un Trusted Execution Environment (TEE), un ambiente protetto e isolato a livello hardware. In questo caveau digitale, Google decrittografa, normalizza e associa i dati direttamente ai suoi account. 

Il grande vantaggio? Ridurre a zero gli errori dovuti a spazi di troppo o maiuscole fuori posto, aumentando l’accuratezza del matching. Chi ha già flussi automatici con l’hashing SHA-256, comunque, può stare tranquillo: continueranno a funzionare come prima.Precisazione per i più rigorosi (e per i DPO, che lo sono per mestiere): che si tratti di hashing SHA-256 o di crittografia gestita in TEE, ai sensi del GDPR siamo sempre nell’ambito della pseudonimizzazione (art. 4, punto 5) e non dell’anonimizzazione. Il dato resta personale, ed è proprio per questo che il passaggio del consenso raccontato prima non è facoltativo.

Il caricamento

Le strade sono tre:

• Manuale, da Gestione segmenti: si carica il file e si spunta l’apposita casella con cui si dichiara che i dati sono stati raccolti e condivisi nel rispetto delle norme di Google. Vale una regola semplice: si caricano solo dati di utenti che hanno dato il consenso;
• Tramite partner o integrazioni CRM, che si occupano anche di trasmettere i segnali di consenso;
• Via API: oggi Google raccomanda Data Manager e la Data Manager API, e sconsiglia la Google Ads API per le nuove integrazioni. Dal 1° aprile 2026, inoltre, i caricamenti Customer Match tramite Google Ads API non funzionano più con i developer token che non li hanno usati negli ultimi 180 giorni.

Alessandro, che a forza di sbagliare qualche trucchetto l’ha imparato (il primo: mai fidarsi di un CSV caricato il venerdì pomeriggio), ha automatizzato il flusso: le nuove iscrizioni partono ogni giorno, con i rispettivi segnali di consenso.

Il matching

Google confronta le impronte caricate con quelle degli utenti che hanno un account Google. Se trova una corrispondenza, quell’account entra nel segmento. Il processo può richiedere fino a 48 ore; alla fine, dopo le verifiche di conformità alle norme, il file caricato viene contrassegnato per l’eliminazione. I record senza corrispondenza non vengono usati né per Customer Match né per altri prodotti Google.

L’email di Giulia è collegata al suo account Google: corrispondenza trovata. Bingo.

Non per tutti va così. Secondo Google, i tassi di corrispondenza della maggior parte degli inserzionisti sono compresi tra il 29% e il 62%: un intervallo ampio, che dipende dalla qualità del database e, diciamolo, dalla nostra fede nei form compilati bene. Per migliorarlo, la leva più efficace è caricare più identificativi per la stessa persona, nella stessa riga: email, telefono e indirizzo postale.

E poi c’è la soglia: per essere usato su Rete di ricerca, Display e YouTube, un segmento deve contare almeno 100 utenti attivi negli ultimi 30 giorni. Sotto quella cifra, gli annunci rivolti al segmento semplicemente non vengono pubblicati.

Ed ecco il colpo di scena, che poi tanto colpo di scena non è: Alessandro non saprà mai che Giulia è nel segmento. Google non restituisce all’inserzionista l’elenco delle persone riconosciute; restituisce un pubblico, con una dimensione e un tasso di corrispondenza. Giulia è diventata un’impronta dentro un insieme. Ed è giusto così.

4. Il Customer Match usato bene

Il segmento è pronto. Adesso arriva la parte che distingue chi carica liste da chi le fa lavorare.

Targeting, osservazione, esclusione

Una lista Customer Match può essere usata in tre modi:

• Targeting: gli annunci vengono mostrati solo agli utenti presenti nella lista;
• Osservazione: la lista non restringe il pubblico, ma permette di monitorarne le performance e resta un segnale utile per le strategie di offerta automatiche;
• Esclusione: gli utenti della lista vengono tenuti fuori dalla campagna.

Attenzione ai requisiti di idoneità, che molti scoprono a lavoro iniziato: per usare il Customer Match l’account deve avere uno storico positivo di conformità alle norme e di pagamenti. Ma per l’impostazione “Targeting” e per gli aggiustamenti manuali delle offerte servono anche almeno 90 giorni di storico in Google Ads e oltre 50.000 dollari di spesa complessiva. Gli account conformi che non raggiungono queste soglie possono comunque usare le liste in osservazione e come esclusioni. Meglio saperlo prima di presentare al cliente una strategia basata sul targeting diretto.

La lista come segnale per lo Smart Bidding

È qui che il Customer Match di oggi si allontana davvero da quello di ieri. Quando Alessandro fornisce a Google i dati di chi ha già comprato, gli dà un riferimento solido per riconoscere i profili di maggior valore: clienti reali, non ipotesi. Lo Smart Bidding usa questi segnali per stimare meglio la probabilità di conversione asta per asta, e quindi per decidere dove vale la pena investire e dove no.

Da qualche anno, inoltre, per alcune tipologie di campagna Google può usare le liste Customer Match dell’account come segnale per lo Smart Bidding e il targeting ottimizzato anche senza che siano aggiunte alle singole campagne (l’opzione si gestisce nelle impostazioni dell’account). Con le strategie di offerta manuali, invece, questo non avviene: è l’automazione a trarne il massimo beneficio.

Performance Max e Demand Gen

Nelle campagne Performance Max le liste fanno due lavori. Come indicatori del pubblico, orientano l’algoritmo verso i profili più simili ai clienti reali. E con l’obiettivo di acquisizione di nuovi clienti, servono a dire a Google chi è già cliente, così che la campagna possa offrire di più per gli utenti davvero nuovi, oppure puntare solo su di loro.

Nelle campagne Demand Gen, invece, le liste possono diventare il seed dei segmenti Lookalike: Google cerca utenti con caratteristiche simili a quelli della lista di partenza (la somma delle liste seed deve superare i 100 utenti attivi corrispondenti). Due note per chi lavora con queste campagne. La prima: i vecchi “segmenti simili”, disponibili un tempo anche su Search e Display, sono stati dismessi nel 2023; oggi i lookalike vivono solo in Demand Gen. La seconda: secondo quanto annunciato da Google, da marzo 2026 i Lookalike in Demand Gen funzionano di default come suggerimento per l’algoritmo, non più come vincolo rigido di targeting. Chi vuole mantenere il vecchio comportamento deve richiederlo espressamente.

Dove si vede tutto questo

Il Customer Match funziona su Rete di ricerca, scheda Shopping, YouTube, Gmail e Rete Display. Con un limite importante per chi lavora in Europa: da marzo 2024 le liste non sono più disponibili sull’inventario dei partner di Google e sugli exchange di terze parti per gli utenti di SEE, Regno Unito e Svizzera. Per Giulia, che vive a Bologna, il raggio d’azione sono quindi le proprietà di Google.

Intanto…

Che cosa cambia, per lei? Più di quanto immagini. Dopo il primo ordine, Giulia non vede più gli annunci “10% di sconto per i nuovi clienti”: Alessandro l’ha esclusa, insieme a tutti gli altri clienti, dalle campagne di acquisizione. Qualche giorno dopo, mentre guarda su YouTube un video su un sentiero delle Dolomiti, le compare un annuncio dei bastoncini da trekking e dei calzini tecnici da abbinare agli scarponi. Coincidenza? No, cross-selling. Alessandro qualcosina sulle campagne ormai la sa!

E intanto, senza saperlo, Giulia ha fatto anche un’altra cosa: insieme alle altre clienti e agli altri clienti del sito, sta insegnando all’algoritmo che faccia ha l’acquirente ideale di quell’e-commerce. Una specie di identikit, che Google usa per riconoscere chi ancora non è cliente ma potrebbe diventarlo.

5. Manutenzione, segmentazione e misurazione

Passa un anno. Gli scarponi hanno fatto qualche centinaio di chilometri, Giulia ha cambiato lavoro e la newsletter la apre sempre meno. Non compra da otto mesi. Nel linguaggio di Alessandro è diventata una cliente dormiente.

Le liste invecchiano (come gli advertiser)

Anche il Customer Match ha una scadenza: l’appartenenza a una lista scade dopo 540 giorni, e per restare idonea una lista deve vedere almeno 100 membri aggiunti o aggiornati in quella finestra. Google suggerisce di aggiornare le liste ogni settimana se si caricano a mano, e almeno una volta al giorno se il processo è automatizzato. Una lista caricata una volta e poi dimenticata non è un asset, è una fotografia sbiadita.

Segmentare, cioè decidere

Alessandro, che di errori sulle liste ne ha collezionati abbastanza da riempirci un quaderno (lo trovate qui sotto), una cosa l’ha imparata presto: mai caricare un’unica lista massiva. Ha diviso il database in segmenti che hanno un senso per il business:

• Clienti ad alto valore, per campagne di fidelizzazione e anteprime;
• Acquirenti recenti, il segmento ideale per il cross-selling;
• Dormienti, con un messaggio dedicato (il classico “ci manchi”, ma possibilmente scritto meglio);
• Iscritti che non hanno mai acquistato, da accompagnare verso il primo ordine.

A ogni segmento corrisponde una comunicazione, un formato, un canale e una tempistica. Questa parte, va detto con chiarezza, non la fa l’AI: la fa chi conosce il business. Ed è il motivo per cui Giulia, oggi, riceve un messaggio diverso da quello che riceveva un anno fa.

Misurare quello che conta

Per capire se il Customer Match sta funzionando, Alessandro guarda due livelli. Il primo è tecnico: match rate e dimensione dei segmenti, perché una lista che non trova corrispondenze o scende sotto i 100 utenti attivi è una lista che non lavora. Il secondo è di business: CPA, ROAS e tasso di conversione, confrontati segmento per segmento con il traffico freddo.

Le audience Customer Match tendono a convertire meglio, per una ragione intuitiva: parlano a persone che conoscono già il brand. Ma “tendono” non significa “sempre”, e il confronto va fatto sui propri dati.

Un riferimento utile è il caso di ImmoScout24, uno dei principali portali immobiliari tedeschi, riportato da Google. Dopo aver migliorato il sistema di tagging, caricato i dati dei clienti e adottato il Customer Match su tutti gli account Google Ads, l’azienda ha registrato +52% nel tasso di conversione e un costo per acquisizione inferiore del 15%. Un risultato notevole, da leggere per quello che è: l’effetto combinato di tracciamento, qualità del dato e Customer Match. Nessuna leva magica, ma più interventi fatti bene.

Il quaderno degli errori 

In tanti anni, dicevamo, qualche errore Alessandro l’ha fatto. Altri li ha visti fare. Eccoli, in ordine sparso.

Tabella 2 — Gli errori più frequenti con Customer Match

Epilogo

Una domenica di settembre Giulia sta guardando su YouTube il video di un’escursione in Val di Fassa. Prima del video parte un annuncio: la nuova collezione autunno-inverno, che sembra proprio dedicata a chi deve cambiare il proprio set da montagna. Gli scarponi, in effetti, cominciano a mostrare qualche segno. Clic, scheda prodotto, carrello. Ordine.

Dall’altra parte, il lunedì mattina, Alessandro vede la conversione nel report del segmento “dormienti”. E gli vengono gli stessi occhi a cuoricino di quando, l’inverno prima, in montagna, aveva conosciuto quella ragazza bellissima con gli scarponi nuovi. Di cui ora, però, non ricorda nemmeno il nome.

Ma questo, appunto, è solo storytelling. In realtà, che dietro quella conversione ci sia Giulia, Alessandro non lo saprà mai, e di Giulia giustamente non saprà mai nulla. Sa però che quella lista, preparata con cura, caricata con il consenso giusto e aggiornata ogni giorno, ha fatto esattamente il suo lavoro: dare all’algoritmo il dato più affidabile che esista, cioè i clienti veri.

Ed eccoci tornati all’inizio. Google sa di Giulia più o meno quello che voi, ora, sapete di me (in realtà molto di più, ma questa è un’altra storia). Alessandro, invece, di Giulia non sa nulla, e non dovrebbe saperlo (Alessandro in montagna manco ci è andato mai a dire il vero). È questo l’equilibrio su cui si regge il Customer Match di oggi: l’azienda mette i dati che le sono stati affidati, Google mette la sua capacità di riconoscere le persone, e nessuno dei due vede quello che non deve vedere. In mezzo c’è il consenso di Giulia, che rende tutto possibile.

Sono riuscito a raccontare un tema tecnico come una storia? Lo deciderete voi. Di sicuro, però, adesso sapete che dentro ogni database di contatti ci sono molte storie come quella di Giulia, e che farle diventare risultati è una questione di metodo, non di fortuna.

Se volete capire quante ce ne sono nel vostro, e come farle lavorare per le vostre campagne, facciamo una chiacchierata: analizziamo insieme la vostra situazione e costruiamo una strategia su misura.