il feed non ci conosce

Perché gli algoritmi dei social continuano a mostrarci le stesse cose


Indirizzo copiato

Basta lasciare un video sullo schermo per un istante e il feed può riempirsi dello stesso argomento. Gli algoritmi pubblicitari sembrano affidarsi al tempo di permanenza, trasformando distrazioni e segnali deboli in targeting, mentre la promessa di una profilazione precisa lascia spazio alla logica dei volumi

Pubblicato il 20 ott 2026

Gabriele Gobbo

Consulente e docente in digital marketing, divulgatore della cultura digitale



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 12 ott 2026, 15_52_36




Mi ricordo ancora con un certo entusiasmo quando si presentavano gli algoritmi capaci di seguire i nostri interessi. Quello di Netflix veniva presentato come l’algoritmo definitivo, quello che ci conoscerà meglio di noi. Poi sono arrivati gli algoritmi per l’advertising, con la promessa di mostrare la pubblicità giusta alla persona giusta nel momento giusto. Poi quelli di Spotify per le scelte musicali, che sembravano potentissimi. Tutto lo storytelling e tutto l’hype si reggevano su questo, il miglior algoritmo per le scelte personali, il miglior algoritmo contestuale e verticale, costruito sui tracciamenti e sugli interessi delle persone, per mostrare la cosa giusta nel momento giusto nel luogo giusto.

Delle promesse ambiziose, delle promesse a cui molti hanno creduto, a un certo punto sembravano addirittura promesse mantenute.

Poi, probabilmente, il castello è crollato.

Gli algoritmi pubblicitari scambiano una pausa per interesse

Navigando ovunque, ma soprattutto sui social, e soprattutto su quelli che hanno promesso l’advertising basato sugli interessi veri delle persone, ho la sensazione che tutto questo grande algoritmo si sia ridotto a una regola sola. Se hai guardato un contenuto, soprattutto se è un video, per più di un secondo o forse anche meno, da quel momento ti mostrerò decine di contenuti su quell’argomento. E montagne di pubblicità correlate.

Mi succede sempre più spesso che, mentre scrollo il feed, per sbaglio mi gratti il naso, mi distragga, cambi canale alla tv. Sullo schermo in quel momento c’è una pubblicità buttata lì a caso, completamente slegata dai miei interessi. Ma grattandomi il naso la faccio restare sullo schermo per un secondo. Da lì in avanti sarò bombardato da quell’argomento.

Ultimamente è capitato con le promesse di prompt magici per usare ChatGPT e cancellare le informazioni personali da internet. Già detta così fa ridere, ma era un advertising vero, con un video che prometteva la cancellazione dalle liste, dalle banche dati, dei reel, di tutto quello che ci risulta sgradito. Davvero assurda come cosa. Purtroppo mi sono grattato il naso in quel momento, e da lì ho iniziato a vedere montagne di pubblicità con promesse di cose magiche ottenibili con un clic, un’app o un paio di prompt. Compresa la cancellazione dei reel che non ci piacciono.

Se questo è il potentissimo algoritmo basato sugli interessi delle persone, quello che dovrebbe mostrarci solo cose che ci riguardano, forse le promesse erano un po’ esagerate.

Dal singolo contenuto alla ripetizione del feed

Non è solo l’advertising a essere colpito da questo comportamento stravagante. Se guardiamo un contenuto casualmente, o solo per capire nei primi cinque secondi se ci interessa, da lì in poi vedremo montagne di quello stesso argomento anche quando non ci interessa affatto. Ho la netta sensazione che qualsiasi interazione con un argomento faccia partire una riproduzione a ripetizione di quell’argomento, a prescindere. Anche se l’interazione è per nasconderlo o segnalarlo.

C’è poi la questione delle lingue, che è forse l’esempio più semplice di tutti. Ho tutte le interfacce dei miei dispositivi in inglese, ma visito quotidianamente siti italiani e vivo in Italia. Questi potentissimi algoritmi che dovevano mostrarmi solo cose dei miei interessi mi propongono indistintamente contenuti in italiano e in inglese, e location che non potrei raggiungere se non prendendo un aereo. Se una profilazione non azzecca nemmeno la lingua in cui leggo e il posto in cui vivo, diventa difficile immaginare che stia ricostruendo con accuratezza qualcosa di più sfumato come i miei interessi.

Algoritmi e profilazione: dalla scoperta alla monocoltura

Profilare per interessi funziona, quando è fatto con criterio. Fatto in maniera massiva, con un parametro di ingresso bassissimo, diventa un mostra tutto a tutti in qualsiasi momento e in qualsiasi luogo.

Qualcuno potrebbe obiettare che un po’ di imprecisione serve, perché se ci venisse mostrato soltanto quello che già conosciamo finiremmo chiusi in una bolla, e una certa dose di casualità è quello che ci fa scoprire cose nuove. È un’obiezione sensata, e in astratto la condivido. Quello che vediamo, però, con la scoperta ha poco a che fare. La scoperta è varia per sua natura, cambia direzione, propone cose lontane tra loro. Quello che arriva nel feed dopo il gesto sbagliato è una monocoltura costruita su un singolo segnale accidentale e ripetuta per settimane, che assomiglia molto più all’ostinazione che alla curiosità.

Pubblicità contestuale contro gli algoritmi pubblicitari

Questi grandi algoritmi, che sulla carta dovevano risolvere il problema dell’advertising, mi sembrano oggi uno dei problemi dell’advertising. Ne ho già scritto su Agenda Digitale ragionando sul ritorno ai banner contestuali al contenuto anziché agli interessi presunti dell’utente. Il contestuale è una tecnologia vecchia e semplice, e in molti casi può centrare il bersaglio meglio di una macchina che pretende di conoscerci, perché se leggo un articolo sulla fotografia una pubblicità di obiettivi ha senso, e per capirlo non serve sapere niente di me.

Il tempo di permanenza riduce i costi della profilazione

Una spiegazione che mi sono dato, e che resta un’ipotesi personale, riguarda i costi. Misurare quanto a lungo un contenuto resta sullo schermo è banale, è un numero e si conta. Ricostruire davvero cosa interessa a una persona è tutta un’altra cosa, perché bisognerebbe capire perché quel contenuto è rimasto lì, distinguere la curiosità dall’intenzione e l’intenzione dalla distrazione, tenere insieme quello che uno cerca con quello che uno evita, e poi aggiornare tutto in continuazione perché le persone cambiano. Un secondo di permanenza, invece, è facilissimo da misurare. Non serve capire perché siamo rimasti lì, basta contare quanto ci siamo rimasti.

Dopo tanti anni passati a lavorare con l’advertising, una cosa l’ho vista succedere spesso. Quando una metrica è comoda da raccogliere finisce per pesare più di quanto dovrebbe, anche nei casi in cui misura la cosa sbagliata. Il tempo di permanenza ha esattamente questa forma. È comodo, è ovunque, e ha il vantaggio di sembrare un indizio di interesse anche quando è soltanto un dito fermo sullo schermo.

Banner blindness e incentivi degli algoritmi pubblicitari

C’è poi un secondo motivo, e credo sia quello più interessante. Le persone hanno imparato a ignorare molta pubblicità online, e non è una mia impressione. Il Nielsen Norman Group studia il fenomeno da decenni con test di eyetracking e continua a confermare la stessa cosa, cioè che gli utenti tendono a ignorare quello che somiglia a una pubblicità, che poi lo sia davvero oppure no. La chiamano banner blindness, e nel frattempo è diventata un riflesso.

Allargare il filtro per moltiplicare le visualizzazioni

Quando molta pubblicità ha poche probabilità di ottenere attenzione, una delle strade per tenere in piedi i numeri complessivi è aumentare il numero di visualizzazioni. Uno dei modi per aumentarle è allargare le maglie del filtro.

Detta così, il filtro largo smette di sembrare un difetto. Un perimetro stretto porta la pubblicità davanti a poche persone. Un perimetro largo la porta davanti a molte di più. In un mercato che vive di volumi enormi, allargare il perimetro può convenire più che restringerlo troppo.

Il prezzo del targeting impreciso per gli inserzionisti

Se una parte del targeting viene davvero alimentata da segnali così deboli, a rimetterci non è soltanto chi si ritrova il feed invaso. Ci perde anche chi compra pubblicità, perché una fetta del budget finisce davanti a persone scelte più per una distrazione che per un interesse reale. Forse è anche per questo che il contestuale, di cui oggi si parla molto meno, continua a sembrarmi sensato. Resta il paradosso di un mercato che continua a vendere precisione mentre, nell’esperienza quotidiana, produce troppo spesso volume.

Cosa succeda davvero dentro le piattaforme non lo so. Ma guardando gli incentivi e quello che arriva ogni giorno nel feed, il conto torna troppo bene per non farsela venire in mente, l’idea.

Insomma, mi pare che promettere troppo vada sempre a finire col scontrarsi contro il muro della realtà.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x