C’è un modo pigro di raccontare un trimestre di release notes: elencarle. C’è un modo più utile: capire cosa hanno in comune.

Tra giugno e settembre 2026, Google ha pubblicato otto release per Google Analytics 4, ha riscritto l’interfaccia di Tag Manager e ha iniziato a fondere GTM con il Google tag. Microsoft Clarity ha costruito, quasi in silenzio, il primo stack gratuito e strutturato per misurare la visibilità dentro le risposte AI. E l’accesso conversazionale ai dati via Model Context Protocol è passato da esperimento per smanettoni a endpoint ospitato da Google.

Messe in fila, queste novità raccontano una cosa sola: il measurement sta smettendo di essere un cruscotto che si consulta e sta diventando un sistema che si interroga. Cambia lo strumento, ma cambia soprattutto il lavoro di chi lo usa.

Vediamo cosa è successo, piattaforma per piattaforma, e cosa conviene fare adesso.

I tre filoni per leggere gli aggiornamenti analytics del 2026

Prima di scendere nel dettaglio, vale la pena fissare le coordinate. Ogni release di questo trimestre appartiene ad almeno uno di questi tre filoni.

Misurare l’AI. Il traffico dagli assistenti generativi ottiene un canale dedicato in GA4, e la visibilità dentro le risposte AI diventa una metrica con strumenti propri in Clarity. Nasce di fatto una disciplina di misurazione della Generative Engine Optimization.

Analizzare con l’AI. Gli insight automatici lasciano il posto agli agenti. Ask Advisor dentro GA4, Copilot dentro Clarity, i server MCP che collegano i dati ai client conversazionali. Il punto di ingresso ai dati non è più il report.

Unificare lo stack. GTM e Google tag convergono in un’unica piattaforma di tagging, GA4 assorbe Business Profile, AdMob e gli eventi server-to-server di Shopify. Meno export custom e meno soluzioni artigianali, in cambio di una dipendenza maggiore dall’ecosistema Google. È un trade-off, e vale la pena esserne consapevoli.

Novità GA4: otto release tra giugno e agosto 2026

Source Group e filtro hostname: la novità GA4 più utile per il reporting

L’11 giugno GA4 ha introdotto Source Group, una nuova dimensione che consolida i valori di sorgente frammentati in un unico valore di reporting. “facebook”, “fb” e “Meta-facebook” diventano semplicemente “Facebook”. Le piattaforme terze come TikTok, Pinterest e Amazon ottengono la stessa granularità che l’inventory Google ha sempre avuto, e c’è già un raggruppamento predisposto per le sorgenti AI emergenti come ChatGPT (OpenAI) e Perplexity.

Chi ha passato anni a scrivere regex e gruppi di canali personalizzati per normalizzare le sorgenti social capisce immediatamente il valore. Il dettaglio che rende la funzionalità ancora più interessante è che la dimensione viene popolata retroattivamente: le analisi storiche di acquisizione si possono rifare subito, senza migrazioni né ricostruzioni.

Nella stessa release è arrivato il filtro hostname tra i Data Filter dell’Amministrazione. Permette di escludere gli eventi in base all’hostname di provenienza, tenendo fuori dalla raccolta staging, scraper e proxy. È igiene di base che prima richiedeva workaround, ed è il primo intervento da fare su tutte le property: ogni punto percentuale di rumore in meno si traduce in stime più stabili e, per chi fa CRO, in minimum detectable effect più bassi.

Il canale AI Assistant in GA4: come funziona e cosa non misura

Annunciato a maggio, il rollout si è completato sulla maggior parte delle property a inizio giugno. Le visite provenienti da assistenti riconosciuti come ChatGPT, Gemini e Claude vengono classificate automaticamente in un canale dedicato del Default Channel Group, con mezzo ai-assistant e nome campagna (ai-assistant). Non serve alcuna configurazione.

È genuinamente utile ed è altrettanto genuinamente incompleto. Tre limiti vanno dichiarati ogni volta che il numero finisce davanti a un cliente o a un board:

• Perplexity resta classificato come Referral, perché non rientra nell’elenco riconosciuto al lancio.
• AI Overviews e AI Mode di Google contano come Organic Search, quindi la visibilità AI dentro la SERP non è in questo canale.
• Gran parte del traffico AI arriva senza referrer e finisce in Direct. È il cosiddetto dark traffic, e strutturalmente non è misurabile lato browser.

A questi si aggiunge un quarto punto, tecnico ma decisivo: la classificazione è solo in avanti. GA4 non riclassifica il traffico arrivato prima del rilascio, quindi qualunque confronto anno su anno su questo canale è, semplicemente, impossibile.

Ask Advisor in GA4: l’assistente Gemini dentro la property

Il 18 giugno l’assistente conversazionale basato su Gemini è arrivato embedded dentro le property GA4. A luglio Google ne ha aggiornato il backend con i modelli Gemini 3, e il salto è documentato dai test indipendenti: dalla semplice interrogazione di metriche top-level si è passati al calcolo di metriche custom, alla generazione di dashboard complete, alla cross-segmentazione e alla diagnosi di problemi di data quality.

L’effetto pratico è la compressione di sessioni esplorative da trenta o sessanta minuti in un singolo scambio conversazionale. Per un team snello, senza analista dedicato, è un cambio di passo reale.

Restano due limiti da mettere in conto. Il primo è che l’agente non ha alcun contesto di business: non conosce margini, stagionalità o obiettivi se non glieli fornisci nel prompt. Il secondo è di governance, ed è il più delicato: le conversazioni possono essere utilizzate da Google per migliorare il prodotto, e non esiste un’impostazione amministrativa per disattivarlo. Prima di aprirlo a tutto il team serve una policy interna su chi lo usa, su quali property e con quali dati.

Nuove integrazioni GA4: Google Business Profile e AdMob

L’8 giugno è arrivato il collegamento diretto con Google Business Profile, configurabile dal pannello di amministrazione. Porta in GA4 sette metriche local — interazioni, chiamate, prenotazioni, richieste di indicazioni stradali, click al sito, messaggi e menù — dentro una collection di report dedicata, con una finestra mobile di sei mesi.

Per chi lavora con clienti retail o multi-sede è il pezzo mancante: un proxy dell’intento in-store accanto ai dati web e app, senza passare dagli export manuali di Business Profile.

Il 13 luglio è toccato ad AdMob, con un flusso di collegamento nativo sotto Product Links. Oltre a metriche utente più complete e a un flusso dati più trasparente, il collegamento abilita l’uso delle impression pubblicitarie come conversioni per le campagne Google Ads tROAS sul revenue da advertising.

Import dei costi: tre release per la qualità dei dati di campagna

Sono le meno appariscenti del trimestre e probabilmente le più importanti per chiunque importi costi da piattaforme non-Google.

• 28 luglio. L’import dei costi richiede ora obbligatoriamente il campo valuta, mappabile da una colonna del dataset o applicabile in modo fisso a tutto l’upload. Serve a garantire che il reporting resti corretto anche cambiando la valuta della property.
• 30 luglio. Nuova diagnostica che segnala quando gli identificatori aggregati GBRAID e gad_ mancano dalle URL, mostrando le URL problematiche e le modalità di risoluzione. Sono parametri critici per l’accuratezza dei dati di campagna, e la loro assenza è una delle cause silenziose delle discrepanze.
• 10 agosto. Validation report per gli import di campagne: individua le campagne prive di dati di performance utili (costo, click, impression) e permette di rivedere gli import già effettuati.

Se il tuo ROAS blended in GA4 non è mai tornato del tutto, questo trimestre ti ha dato tre strumenti per scoprire perché.

Finestre di conversione personalizzabili in GA4: EVC e CTC

L’11 agosto è caduto l’ultimo vincolo rigido dell’attribuzione in GA4. Le finestre di conversione accettano ora qualunque numero intero:

• Engaged-view conversions (EVC): da 1 a 30 giorni, dove prima erano fisse a 3.
• Click-through conversions (CTC): da 1 a 90 giorni, dove prima esistevano solo i preset 1, 7, 14, 30, 60 e 90.

Si configurano da Pubblicità › Gestione conversioni › Impostazioni, e anche dall’interfaccia di gestione conversioni di Google Ads collegata. Insieme all’attribuzione regolabile per singola conversione arrivata a gennaio, completano un disegno: la misurazione può finalmente seguire il ciclo d’acquisto reale, che sia un B2B a sei mesi o un impulso a due ore.

Shopify server-to-server e Data Manager API

Da luglio 2026 gli store Shopify che hanno installato l’app Google & YouTube inviano gli eventi purchase direttamente dai server Shopify a GA4, bypassando il browser. La funzionalità è attiva di default con possibilità di opt-out, e restano aperte domande concrete sulla gestione del consenso, dato che Shopify non conserva gli stati di consenso. Se gestisci store Shopify in Europa, è una conversazione da avere con chi si occupa di privacy, non un dettaglio tecnico.

Sul fronte sviluppo, la Data Manager API è ora l’alternativa indicata al Measurement Protocol per inviare eventi raccomandati e custom agli stream web e app: è la strada da prendere per i nuovi progetti server-side. I dati di conversione cross-channel del report Conversion performance sono inoltre accessibili in alpha dalla Data API, aprendo la porta a dashboard e automazioni sulla stessa vista paid più organic disponibile in interfaccia.

Novità Google Tag Manager: il redesign e l’unificazione con il Google tag

La nuova interfaccia di GTM: Settings, Advanced e navigazione

Il rollout è iniziato in modo incrementale da fine giugno, con annuncio ufficiale il 20 agosto. La pagina Overview del container diventa il centro di controllo, pensata per far capire a colpo d’occhio come sono collegati i tag e dove finiscono i dati. La configurazione del container si sposta in una sezione Settings, mentre trigger, variabili, template e cartelle vengono raggruppati sotto una sezione Advanced collassabile. Anche home page, navigazione e posizione del workspace switcher cambiano.

Non c’è nulla da migrare. C’è però tutto da riaggiornare: procedure interne, screenshot nella documentazione, materiali di onboarding. E c’è da mettere in conto qualche giorno in cui il team non trova le cose dove le cercava, con il rischio operativo che ne consegue.

GTM e Google tag: dual-ID, trigger gtm init e container ristretti

La parte interessante è strutturale: Google sta fondendo Tag Manager e Google tag in un’unica piattaforma di tagging.

Arriva un modello di deployment dual-ID, in cui lo stesso snippet può caricare in modo coordinato il container GTM e le destinazioni del Google tag. I nuovi snippet non includono più il comando gtag config: l’inizializzazione si configura con il nuovo trigger gtm init, che può comunque essere impostato per attendere un comando config e preservare i setup legacy. E da inizio settembre il Google tag è deployabile direttamente dentro Tag Manager, sostituendo la vecchia logica del tag di configurazione GA4.

Collegata a questo disegno c’è una release del 9 luglio che cambia il comportamento dei container caricati da path non supportati come /gtag/js o /gtag/destination. Prima questi container degradavano in uno stato ristretto in cui solo tag e variabili forniti da Google potevano essere eseguiti. Ora a decidere è l’ID utilizzato per caricare il container: con un ID GTM-XXXX il container non è ristretto, mentre con ID di prodotto come G-XXXX o AW-XXXX sì.

Visual tagging in GTM: quando usarlo e quando evitarlo

Insieme al redesign è arrivato in beta un event builder visuale, inizialmente per il tracciamento delle conversioni Google Ads. Permette di selezionare gli elementi direttamente sulla pagina per creare eventi, senza scrivere codice né configurare trigger manualmente.

Abbassa in modo significativo la barriera d’ingresso, ed è perfetto per micro-conversioni e quick win. Ma chiunque faccia CRO sa quanto siano fragili i selettori CSS: basta un redesign della pagina e l’evento smette di funzionare senza che nessuno se ne accorga. Per l’ecommerce e per tutti gli eventi che alimentano esperimenti e revenue, lo standard resta il dataLayer strutturato con una naming convention. È anche la posizione della parte più esperta della community.

Google Tag Gateway su Akamai, Fastly e CloudFront

La raccolta first-party via CDN è diventata molto più accessibile. Su Akamai e Fastly è possibile autorizzare Google a rilevare automaticamente le zone CDN e a iniettare le regole di routing direttamente dall’interfaccia del Google tag, senza configurazione manuale nei pannelli del provider. Per Amazon CloudFront esiste un workflow guidato in Tag Assistant che accompagna passo passo la configurazione nella console AWS.

Una release separata ha inoltre migliorato il recupero delle conversioni sotto-contate nei setup server-to-server privi di contesto cookie: in presenza di un GCLID, i dati server vengono uniti ai segnali browser paralleli per un’attribuzione Floodlight più accurata.

La domanda ricorrente è Tag Gateway o server-side GTM. La risposta breve: il Gateway è la via rapida per recuperare contesto first-party via CDN, sGTM resta la scelta per chi vuole controllo pieno su trasformazione, arricchimento e governance del dato. Se hai già Akamai, Fastly o CloudFront, il costo di attivazione del Gateway è crollato e vale una valutazione.

Novità Microsoft Clarity: Citations, Bot Analytics e MCP server

Mentre Google lavorava sul tagging, Microsoft ha costruito qualcosa che nessun altro offre gratuitamente: uno stack completo per capire il rapporto tra il tuo sito e gli ecosistemi AI.

Clarity Citations: misurare la visibilità nelle risposte AI

Dopo la general availability di maggio, il dashboard Citations è cresciuto con tre release in due mesi.

Il 9 luglio sono arrivati i Topic Insights: misurano come i contenuti del sito alimentano le risposte AI, confrontano la visibilità per topic e mostrano le citazioni ottenute dai competitor sugli stessi temi.

Il 22 luglio le query che generano citazioni hanno iniziato a essere raggruppate per topic, facendo emergere i filoni su cui il sito ha autorità riconosciuta e quelli in cui è assente.

Il 3 agosto è arrivata la segmentazione branded contro non-branded, con filtri dedicati. È la stessa distinzione che in SEO si fa da vent’anni, applicata alla visibilità nelle risposte generative: comparire quando qualcuno cerca il tuo nome è un risultato diverso dal comparire quando qualcuno cerca la soluzione a un problema.

Messi insieme, questi tre pezzi trasformano una domanda vaga — “le AI ci citano?” — in un’analisi con dimensioni, trend e benchmark competitivo.

Clarity Bot Analytics: crawler AI, robots.txt e Scrape-to-Referral

Dal 23 giugno Clarity Bot Analytics segnala le violazioni del robots.txt: quali crawler ignorano le direttive del sito, con trend nel tempo e filtri dedicati. È la base fattuale che serviva per decidere se bloccare qualcuno a livello di WAF o CDN, o per negoziare con i provider AI da una posizione informata.

Dal 13 agosto, gli AI Scrape-to-Referral Insights collegano l’attività di crawling alle sessioni reali che ne derivano, mostrando quali crawler portano effettivamente visite umane e con quale livello di engagement.

Come contesto, vale la pena ricordare la ricerca pubblicata da Clarity ad aprile: i visitatori che arrivano come referral da AI mostrano segnali di intento più forti e un engagement più profondo e focalizzato, su meno pagine, rispetto ai canali tradizionali.

Il server MCP di Microsoft Clarity

Dal 18 agosto i dati comportamentali di Clarity sono interrogabili dai client MCP. “Mostrami le pagine con più rage click della settimana e il trend rispetto al mese scorso” diventa una domanda in linguaggio naturale invece di una sessione di navigazione nel dashboard.

Nello stesso periodo l’ecosistema di integrazioni si è mosso nella direzione più interessante per la CRO: le piattaforme di testing hanno iniziato a taggare le sessioni Clarity con esperimento, variante e audience. Significa poter filtrare registrazioni e heatmap per variante, e quindi passare dal sapere quale variante ha vinto al capire perché ha vinto. Che è, poi, l’unica parte del risultato di un test che si può riutilizzare altrove.

MCP per Google Analytics: il server ufficiale e l’endpoint hosted

Quali strumenti espone il server MCP di Google Analytics

Il Model Context Protocol è lo standard aperto che permette a un client AI di chiamare strumenti esterni. Google mantiene un server MCP ufficiale per Google Analytics, pubblicato sul repository googleanalytics/google-analytics-mcp, che espone tool come get_account_summaries, get_property_details, run_report, run_funnel_report, run_realtime_report, get_custom_dimensions_and_metrics e list_google_ads_links.

Due caratteristiche lo rendono relativamente semplice da adottare: è in sola lettura, quindi interroga i dati senza modificare nulla, ed è documentato ufficialmente. Una lo rende da maneggiare con attenzione: Google lo etichetta come Experimental, quindi interfacce e tool possono cambiare.

L’endpoint MCP hosted e l’ecosistema del measurement

La novità dell’estate è che Google ha pubblicato un endpoint MCP ospitato all’indirizzo analyticsdata.googleapis.com/mcp/v1, che espone run_report, run_realtime_report, get_metadata e check_compatibility. Restano necessarie autenticazione Google e configurazione OAuth su Google Cloud, ma sparisce la necessità di ospitare e mantenere il server in locale. La barriera d’ingresso, di fatto, è crollata.

Intorno, l’ecosistema copre ormai l’intero stack di measurement: GA4 con il server ufficiale, l’endpoint hosted e diverse implementazioni community; GTM e server-side GTM con server di terze parti; Clarity con il server Microsoft; Search Console con server community per query, URL inspection e sitemap.

Casi d’uso e limiti dell’MCP per l’analisi dei dati

Tre pattern d’uso sono maturi.

Il Q&A ad hoc è il più immediato: “qual è il conversion rate del checkout per il traffico AI Assistant rispetto all’organico questo mese?” ottiene risposta in secondi, senza costruire un’esplorazione.

Il reporting ricorrente guadagna la possibilità di incrociare fonti diverse nello stesso documento: metriche GA4 e segnali di frizione da Clarity, in un’unica bozza settimanale.

La ricerca CRO accorcia il ciclo da ipotesi a evidenza: analisi funnel conversazionali per generare ipotesi di test partendo dai dati invece che dalle opinioni.

Cosa cambia per la CRO e la sperimentazione

Quattro conseguenze pratiche, per chi porta avanti un programma di sperimentazione.

Il traffico AI è un segmento, non una curiosità. È ancora piccolo in volume, ma arriva da persone che hanno già fatto metà del lavoro di valutazione parlando con un assistente. Merita segmenti dedicati negli esperimenti e landing page pensate per chi arriva già informato, con esigenze di riprova e di dettaglio diverse da quelle di chi atterra da una ricerca generica.

L’attribuzione può seguire il funnel reale. Finestre di conversione personalizzabili e attribuzione regolabile per singola conversione permettono metriche di esperimento aderenti al ciclo d’acquisto. A una condizione non negoziabile: ogni modifica va documentata, o i confronti temporali perdono senso.

Dati più puliti significa test più affidabili. Filtro hostname, Source Group e validazione degli import riducono il rumore. Meno rumore significa minimum detectable effect più bassi, quindi test più corti o più sensibili a parità di traffico. È il ritorno meno visibile e più alto dell’intero trimestre.

La ricerca accelera, il rigore no. Ask Advisor, Copilot e i server MCP accorciano drasticamente il tempo tra una domanda e un’evidenza. Il vantaggio competitivo si sposta dalla capacità di costruire report alla capacità di formulare buone domande e di validare le risposte. Il che, per inciso, è sempre stato il lavoro vero.

Piano operativo 30-60-90 giorni

Primi 30 giorni: igiene del dato e visibilità

Configura il filtro hostname su tutte le property. Aggiungi il canale AI Assistant e la dimensione Source Group ai report ricorrenti. Attiva Clarity Citations e Bot Analytics. Aggiorna procedure e materiali interni alla nuova interfaccia di GTM.

Entro 60 giorni: configurazione avanzata

Allinea le finestre di conversione al ciclo d’acquisto reale e annotale nel change log. Collega Google Business Profile e AdMob dove pertinenti. Rifai l’audit degli import di costo con il nuovo validation report. Avvia un pilota MCP su un team ristretto, definendo la governance degli accessi prima di allargarlo a tutti.

Entro 90 giorni: scala e sperimentazione

Lancia i primi test sul segmento di traffico AI. Valuta Google Tag Gateway o un progetto server-side in base alla CDN esistente. Struttura un workflow di reporting assistito da agenti. Istituisci una review trimestrale della visibilità AI lungo il funnel completo: letti, citati, cliccati, convertiti.

Domande frequenti sulle novità analytics 2026

Conclusioni

L’estate 2026 non ha portato una singola novità epocale. Ha portato una direzione coerente: strumenti che si interrogano invece di cruscotti che si guardano, dati che vengono raccolti lato server invece che lato browser, e una nuova superficie di visibilità — le risposte generative — che per la prima volta ha strumenti di misura gratuiti e strutturati.

Per chi lavora con i dati, la parte di mestiere che si automatizza è quella meccanica: costruire il report, normalizzare le sorgenti, estrarre il numero. La parte che resta, e che pesa di più, è decidere quale domanda vale la pena porre e riconoscere quando la risposta non è quella che sembra.

Le nuove funzionalità non fanno questo lavoro. Lo rendono solo più veloce da fare bene, e più veloce da fare male.

Video Webinar