Il report delle query di ricerca Shopping che Google non ti dà

Aggiungi un parametro URL alle tue campagne Shopping e Performance Max e, entro una settimana, GA4 ti consegna il report che Google ha ritirato in silenzio: ogni clic a pagamento accoppiato come query × prodotto — con sessioni, conversioni e ricavi attaccati. Quella singola coppia è dove si nascondono i soldi — quali prodotti attirano traffico spazzatura, quali titoli mancano la domanda reale, quali query bruciano budget e non vendono mai. La costruzione è quell’unico parametro; il resto di questo articolo è cosa fai con ciò che torna indietro.

Se gestisci campagne Shopping o Performance Max, conosci il report delle query di ricerca. Ciò che potresti non aver notato — perché Google non te lo fa mai notare — è cosa manca: il prodotto.

Vedi che qualcuno ha cercato “aspirapolvere senza filo sotto i 200”. Vedi clic e costo. Non vedi quale dei tuoi 5.000 prodotti quella query ha attivato, su quale è atterrata o quale ha venduto.

Anni fa, l’API di AdWords ti dava questa coppia. Oggi non lo fa più. E per un account e-commerce non è un gap cosmetico — query-prodotto è dove vive la vera ottimizzazione: se i tuoi titoli corrispondono alla domanda reale, quali prodotti attirano traffico spazzatura, perché un prodotto riceve clic ma non converte mai.

Prima che tu lo chieda: no, non c’è alcuna impostazione per questo. Nessun report, nessun campo API, nessuno script che lo riporti indietro dal lato di Google. Devi ricostruirlo da te — e la ricostruzione è quasi imbarazzantemente semplice.

La soluzione: un parametro, due dimensioni GA4

L’auto-tagging e l’UTM manuale non si pestano i piedi: gclid continua a gestire origine, mezzo e campagna; il tuo UTM porta solo l’ID prodotto.

Sappi cosa stai ottenendo (e cosa no)

Tirare fuori il report da GA4

Nell’interfaccia: Esplora → formato libero. Dimensioni: Session manual ad content + Session Google Ads query. Metriche: sessioni, conversioni, ricavi da acquisto. Filtro: origine/mezzo sessione = google / cpc.

Tramite la Data API — per qualsiasi cosa seria, questo alimenta una dashboard o un join in BigQuery:

from google.analytics.data_v1beta import BetaAnalyticsDataClient
from google.analytics.data_v1beta.types import (
    RunReportRequest, DateRange, Dimension, Metric, FilterExpression, Filter
)

request = RunReportRequest(
    property=f"properties/{GA4_PROPERTY_ID}",
    dimensions=[
        Dimension(name="sessionManualAdContent"),  # product ID
        Dimension(name="sessionGoogleAdsQuery"),    # search term
    ],
    metrics=[
        Metric(name="sessions"),
        Metric(name="conversions"),
        Metric(name="purchaseRevenue"),
    ],
    date_ranges=[DateRange(start_date="30daysAgo", end_date="today")],
    dimension_filter=FilterExpression(filter=Filter(
        field_name="sessionSourceMedium",
        string_filter=Filter.StringFilter(value="google / cpc"),
    )),
)

Unisci sessionManualAdContent al tuo product feed (id → titolo, prezzo, categoria) e il report è completo: query × prodotto × titolo × economia.

Verificato, non teorizzato

Lo abbiamo messo in produzione su un account reale — un retailer di elettronica ceco con 22 campagne Shopping attive — e abbiamo controllato GA4 sette giorni dopo:

Ora la parte divertente: cosa ti dicono le coppie

1 · Il title gap

Metti le query accanto al titolo e alla descrizione che hanno attivato. Il disallineamento salta all’occhio:

La roadmap del feed si scrive da sola. Ed è qui che l’arricchimento del feed con l’AI smette di essere un atto di fede e diventa un loop misurabile: riscrivi il titolo attorno alla domanda che hai appena dimostrato, poi guarda CTR e tasso di conversione per query muoversi.

2 · Chi altro c’è sulla “tua” query — e con quale prodotto

Una cosa che non puoi fare: aggiungere parole chiave escluse per prodotto. Google non ti dà questa leva in Shopping o PMax. Quindi quando una coppia query × prodotto rende poco, la domanda non è “come la escludo” — è “perché rende poco”.

Prendi la query e fai lo scraping della pagina dei risultati live per essa. Concretamente: DataForSEO, endpoint serp/google/organic/live/advanced — un POST con il testo della query e il location_code del tuo mercato, e ti restituisce l’intera pagina dei risultati come JSON strutturato: annunci a pagamento, blocchi shopping con nomi dei merchant e prezzi, organico sotto. A ~0,0035 $ per query, controllare 200 query costa circa 0,70 $.

Un risultato tipico: il tuo sacco a pelo di fascia media raccoglie clic su una query generica — e la stessa query mostra tre brand economici nella stessa categoria a metà del tuo prezzo. Il tuo prodotto non è scadente; è battuto sul prezzo in quella specifica asta.

Ora hai opzioni reali: ritoccare il prezzo; portare il fattore differenziante nel titolo (“imbottitura in piuma, comfort −15 °C”); spostare il prodotto in una campagna con una strategia di offerta che corrisponde alla sua realtà di margine; o accettare la query come upper-funnel e giudicarla sulle metriche assistite invece che sull’ultimo clic.

3 · Decisioni di struttura e di offerte

I prodotti che attirano query ad alto intento meritano i propri gruppi di asset e budget. I prodotti che raccolgono solo traffico generico stanno nei gruppi catch-all con target conservativi. Questo report è la base di prove per la segmentazione shopping — non l’istinto.

4 · Un check di salute per PMax

PMax ti dice quasi nulla sulla rete di ricerca. Questo report è la cosa più vicina che otterrai a un audit di ciò che PMax compra davvero per te sulla superficie search — per prodotto.

Guardami percorrere un export reale, passo per passo

Tutto ciò che precede è il perché. Ecco il com’è davvero — ogni passo, cosa scarichi, cosa fissi e il numero reale che torna indietro.

I dati sono di un secondo account: un diverso e-shop ceco di medie dimensioni (non il retailer di elettronica del box GA4 qui sopra — lo uso perché il suo catalogo è abbastanza ampio da far emergere ogni pattern a pieno regime). Ho estratto il suo report grezzo delle query di ricerca Shopping tramite la Google Ads API in una tabella SQLite locale e ho eseguito le aggregazioni qui sotto. Una precisazione prima: questo report grezzo ti dà il gruppo di annunci / gruppo di prodotti sotto cui la query è stata servita, non il singolo prodotto. È esattamente il gap che chiude il trucco dell’UTM — ma anche a livello di gruppo di prodotti, gli output intermedi sono abbastanza eloquenti da rendere l’idea.

Fonte per ogni numero in questa sezione: report delle query di ricerca Shopping di Google Ads, un account e-shop ceco di medie dimensioni, ~22,6 mln di righe, dati estratti ad aprile 2026.

Passo 1 · Estrai il report grezzo e misura il mucchio

Cosa fai: esporta il report delle query di ricerca Shopping tramite la Google Ads API (search_term_view) in una tabella locale — SQLite o BigQuery, qualsiasi cosa su cui tu possa eseguire GROUP BY. Perché per primo: prima di unire qualunque cosa, devi sentire quanto è grande e quanto è rumoroso il mucchio grezzo. Quel singolo fatto azzera ogni aspettativa che segue.

Esegui un semplice COUNT(*) e un paio di SUM ed ecco cosa atterra:

Cosa hai ottenuto: 22,6 milioni di righe, 5,4 milioni di query uniche. Nessun umano le legge. L’unico compito del numero è dirti la mossa successiva — collassa questo mucchio in base alla dimensione che paga le bollette — e avvertirti che qualsiasi triage manuale riga per riga è senza speranza.

Passo 2 · Butta via il 96% prima di analizzare qualsiasi cosa

Cosa fai: conta le righe con zero clic, poi filtrale via. Perché: il report delle query di ricerca Shopping registra ogni query per cui il tuo annuncio è apparso, la maggior parte delle quali nessuno ha cliccato. Quelle righe di sole impressioni non possono costarti né convertire — sono rumore che fa sembrare la tabella spaventosa.

Situazione: 22,6 mln di righe, non sai da dove iniziare. Azione: WHERE clicks > 0. Risultato: la tabella collassa a 738.444 righe — una dimensione gestibile.

Cosa hai ottenuto: il 96,7% del numero spaventoso non è mai stato altro che rumore. Ora lavori su una tabella da 738K righe, non da 22,6 mln — e ogni aggregazione qui sotto gira sulla parte che spende davvero soldi.

Passo 3 · Poni l’unica domanda che riformula l’account

Cosa fai: sulle righe cliccate, dividi la spesa tra “convertito almeno una volta” e “mai convertito”, e somma il costo di ciascuna. Perché: questo è il numero che trasforma “l’account va bene, il ROAS è 6,8” in “la maggior parte del budget non fa nulla”. È l’output intermedio di punta — calcolalo prima di qualsiasi idea di ottimizzazione.

Cosa hai ottenuto: l’85% del budget è fluito attraverso combinazioni query × gruppo di prodotti che non hanno convertito nemmeno una volta. Non è un errore di arrotondamento da ottimizzare dopo — è l’evento principale. E hai potuto vederlo solo perché hai collassato la query fino al prodotto a cui era abbinata.

Passo 4 · Verifica se lo spreco è qualche cattivo o tutta la folla

Cosa fai: ordina le righe cliccate per costo, prendi il top 1% e il top 10%, e vedi quanta spesa totale tengono. Perché: questo decide la tua tattica. Se una manciata di termini brucia il budget, li metti in pausa e hai finito. Se lo spreco è distribuito in modo sottile, mettere in pausa i termini è inutile — ti servono correzioni strutturali.

Cosa hai ottenuto: il peso morto è long-tail, non qualche colpevole — il top 1% delle righe costose tiene a malapena un decimo della spesa. Quindi mettere in pausa 20 termini cattivi non cambia nulla. Questa è la ragione supportata dai dati per sistemare la struttura (quali prodotti stanno in quale campagna con quale target) invece di inseguire singole query — e un promemoria che Google comunque non ti lascia nemmeno aggiungere una parola chiave esclusa per prodotto.

Passo 5 · Scopri perché la long tail perde: una query, molti prodotti

Cosa fai: per ogni query di ricerca, conta sotto quanti gruppi di prodotti distinti è stata servita. Perché: spiega lo spreco a livello meccanico. Shopping abbina una query ai segnali del tuo intero feed, non alla pertinenza di un singolo prodotto — quindi una singola query si disperde tra angoli scorrelati del tuo catalogo, e tu paghi per ogni buco a vuoto.

Situazione: “dissuasore antiabbaio” continua a bruciare budget. Azione: COUNT(DISTINCT ad_group) per quel termine. Risultato: è stato servito sotto 139 diversi gruppi di annunci / prodotti per 976 CZK e ~0 conversioni. “lego technic” ne ha toccati 300.

Cosa hai ottenuto: quasi metà delle tue query è spalmata su più gruppi di prodotti, e i peggiori ne raggiungono migliaia. È questo il motore del peso morto a conversione zero del Passo 3 — e proprio la cosa che puoi finalmente vedere una volta che ogni clic porta il suo ID prodotto.

Passo 6 · Osserva i disallineamenti peggiori — sono assurdi

Cosa fai: estrai le righe a costo più alto che non hanno mai convertito e leggi la query accanto al gruppo di prodotti a cui è stata abbinata. Perché: i numeri aggregati convincono il tuo foglio di calcolo; queste tre righe convincono il tuo capo. Sono il volto leggibile dall’uomo del Passo 5.

Una query per collare da addestramento pagata sotto il tuo gruppo Borse. Un dissuasore antiabbaio abbinato a Prodotti per bambini. Il gruppo di prodotti non ha nulla a che fare con la query — Google ha abbinato su segnali ampi del feed, ha raccolto il clic e te lo ha addebitato. Con query × prodotto vedi questo in un colpo d’occhio; con il report standard di Google non lo farai mai. (Esempio illustrativo — categorie tradotte e anonimizzate.)

Passo 7 · Ora la ricompensa: lo 0,25% che paga l’intero account

Cosa fai: inverti il Passo 3 — isola solo le righe che hanno convertito e somma il loro costo e ricavo. Perché: è la ragione per cui l’intero esercizio conta. Una volta che puoi separare i vincitori dal peso morto, proteggi i vincitori e affami il resto.

Cosa hai ottenuto: un quarto dell’uno percento delle righe gira a 46,8× ROAS e di fatto regge l’account; l’altro 99,75% trascina il dato misto giù a 6,8×. Trovare quella fetta, proteggerne il budget e strutturare tutto il resto lontano da essa è l’intero lavoro — e niente di tutto questo è possibile finché ogni riga non porta il prodotto a cui è stata abbinata. È questo che ti compra l’UTM a un parametro all’inizio di questo articolo.

{lpurl}?utm_content={product_id}

FAQ