Dalle keyword al budget: come trasformare volume, CPC e concorrenza in un unico numero

Tra l'export di un tool per keyword e una decisione di budget c'è un passaggio che nessuna piattaforma fa al posto tuo. Il tool ti consegna una tabella: volume di ricerca, CPC e livello di concorrenza per ogni termine. A te, però, non serve una tabella: serve un numero, cioè quanto budget assegnare questo mese a quel set di keyword. Vediamo come ricondurre tre metriche scollegate a una stima di budget e dove un modello può davvero farti risparmiare tempo — oppure peggiorare il risultato.

Prima un confine chiaro: tutti i dati citati qui provengono dalle librerie pubbliche degli annunci e dai creative center delle rispettive piattaforme, consultati con il proprio account. Nessuna firma, nessun aggiramento. L'obiettivo è trasformare dati pubblici, visibili a chiunque, in una decisione di budget.

Volume, CPC e concorrenza: le tre trappole

La tabella delle keyword viene spesso letta come se le sue tre colonne contenessero valori fissi. Non è così per nessuna delle tre.

Il volume di ricerca dipende dalla finestra temporale. La stessa keyword può mostrare volumi molto diversi su 7, 30 o 180 giorni; spesso accanto compaiono anche le variazioni mese su mese e anno su anno. Una keyword con volume basso ma raddoppiato rispetto all'anno precedente e una con volume alto ma dimezzato anno su anno raccontano situazioni opposte. Copiando soltanto la colonna del volume, finiscono per sembrare identiche.

Il CPC è un intervallo, non un valore puntuale. Il planner restituisce una fascia dal minimo al massimo. Scegliere al volo la mediana cancella proprio l'incertezza che la piattaforma sta dichiarando. Per una previsione prudente del budget va considerato l'estremo alto; per un ritorno ottimistico, quello basso. Fissare un singolo valore significa fingere di sapere ciò che non si sa.

Anche la concorrenza è una fascia relativa, non una difficoltà assoluta. L'etichetta "bassa / media / alta" viene assegnata rispetto all'intero bacino di keyword della piattaforma nel momento in cui applichi il filtro. Dice soltanto che, tra quei termini, uno è relativamente più difficile; non quantifica quanto sia difficile vincere in assoluto. Cambiando mercato o categoria, cambia anche la fascia. Trattarla come un punteggio assoluto, confrontabile tra pool di keyword diversi, è la più subdola delle tre trappole.

Il calcolo va fatto sul set, non sulle singole keyword

Capito che tutte e tre le metriche hanno i loro limiti, viene naturale chiedersi perché non basti calcolare "volume x CPC" per ogni keyword e poi sommare tutto.

Il motivo è che i volumi di ricerca di quasi-sinonimi non sono additivi. Chi cerca "comprare X" e chi cerca "prezzo X" con ogni probabilità sta compiendo ricerche legate allo stesso acquisto. Sommare direttamente i due volumi significa contare la stessa persona due volte e gonfiare il budget dal nulla.

Per questo un planner evoluto non si limita alla vista per singola keyword: offre anche un'aggregazione per set. Inviando un gruppo di termini come set, ottieni l'intervallo di volume dell'intero gruppo e una fascia di stima del budget. Il totale tiene già conto delle sovrapposizioni tra keyword, invece di essere una semplice somma riga per riga. La piattaforma stessa calcola il budget per set. Le tre colonne per keyword servono a ordinare e raggruppare, non a essere sommate.

Le parole del prodotto non sono quelle cercate dal mercato

Questa è la trappola più importante dell'articolo, e anche quella in cui cadono più persone: il modo in cui chiami il tuo prodotto e quello che il mercato digita nella barra di ricerca spesso non coincidono.

Una keyword di business appartiene al linguaggio interno: nome del prodotto, nome della funzionalità, termine di posizionamento nella presentazione. Una keyword di ricerca usa invece il linguaggio dell'utente, più colloquiale e orientato al problema. Tu puoi occuparti di "AI video generation" e usare "AI video generation" come termine di business, mentre chi cerca digita davvero "how to turn a photo into a video" oppure "text to video free". I due gruppi non condividono necessariamente volume, CPC o concorrenza.

Questa discrepanza è particolarmente dannosa nei lanci cross-market, quando il termine interno viene tradotto letteralmente ma nel mercato di destinazione nessuno si esprime così, e nelle categorie nuove, dove hai coniato un termine mentre il mercato descrive il nuovo bisogno usando parole già esistenti. La correzione è semplice: la keyword di business è solo un seme; nella tabella del budget devono entrare termini nati dalle ricerche reali del mercato. Un flusso maturo tratta "creative topic words" e "market search words" come due campi distinti. Il topic word decide di cosa parla la creatività; il search word decide dove investire il budget. Se li confondi, finirai per acquistare una serie di keyword che nessuno cerca, formulate nel tuo linguaggio.

Espansione con il modello: semi, contesto e intento

Il primo punto in cui un modello può farti risparmiare davvero tempo è l'espansione di pochi semi in una tabella di keyword capace di coprire le ricerche reali del mercato. A patto di porre la domanda giusta. Se chiedi semplicemente di espandere le keyword correlate, riceverai una pila di sinonimi senza struttura. Il prompt efficace fornisce il contesto di business e obbliga il modello a restituire tre elementi per ogni termine:

Sto facendo pubblicità sulla ricerca per <descrizione del prodotto in una frase> in
<mercato/Paese di destinazione>.
Semi: <da 3 a 10 parole che già conosci>

Espandi le keyword e restituisci ciascuna nel formato seguente, senza testo aggiuntivo:

1. Keyword
2. Fase dell'intento a cui appartiene (awareness / comparison / decision / brand)
   awareness: l'utente sta descrivendo un problema e non conosce ancora la soluzione
   comparison: l'utente sta valutando più soluzioni
   decision: l'utente è pronto ad acquistare e cerca un canale/prezzo/alternativa
   brand: l'utente sta cercando un nome di brand specifico
3. Perché è adiacente al seme (una formulazione diversa dello stesso bisogno?
   il passaggio successivo nel percorso? un bisogno vicino nello stesso scenario?)

Il secondo punto è ciò che trasforma una keyword in una leva di budget. Senza una fase di intento, una keyword espansa è solo una stringa. Il terzo serve alla revisione: i termini inventati dal modello ma in realtà estranei al business tendono a rivelarsi proprio lì. Queste due colonne costringono il modello a produrre una struttura verificabile, non una semplice associazione plausibile da leggere.

La convalida a feedback: le ipotesi del modello devono passare dal volume reale

Questo è il varco obbligato dell'intera catena. È anche il passaggio che molti saltano, per poi lanciare campagne basate su una tabella di keyword allucinate. Le keyword espanse da un modello sono ipotesi finché non vengono reinserite nel tool. Un modello può proporre un termine grammaticalmente impeccabile, plausibilmente etichettato per intento, che nessuno cerca neppure una volta al mese. Non dispone di volumi di ricerca in tempo reale: valuta se una query sembra realistica, non se qualcuno la cerchi davvero.

Il metodo è meccanico: reinserisci ogni termine nel planner, recuperi volume reale, CPC e concorrenza e tieni soltanto le keyword con volume non nullo il cui tag di intento risulta coerente con le metriche reali. Per coerenza si intende questo: un termine etichettato dal modello come "decision intent" di solito presenta un CPC reale più alto e concorrenza più intensa. Se è classificato come decision intent ma ha un CPC irrisoriamente basso e la fascia di concorrenza minima, non hai scoperto un'opportunità: l'intento è stato classificato male e va rimandato indietro.

La divisione dei compiti — il modello formula l'ipotesi, i dati reali decidono — segue la stessa logica usata nel far riconoscere a un modello gli algoritmi nel codice offuscato e poi nel bloccarne le allucinazioni con differential testing nel reverse engineering. Il modello è forte nel generare candidati e debole nel verificare i fatti: non gli si deve affidare entrambe le funzioni insieme. Per le keyword, la "feedback validation" equivale al differential test, e l'asserzione volume > 0 ha molta più autorità di un modello che afferma "questa è una buona keyword".

Il budget prende forma per fase dell'intento

A questo punto la tabella validata ha una struttura utilizzabile: ogni keyword presenta un intervallo reale di volume di ricerca, una fascia di CPC, un livello di concorrenza e un tag di fase dell'intento. Solo ora si può calcolare il budget. La logica non è distribuire la spesa uniformemente tra i termini, ma ripartirla per fase dell'intento:

• Keyword con intento decisionale ("X price," "X alternative," "buy X"): sono le più vicine alla conversione e quelle con maggior valore per clic, ma hanno volume ridotto, concorrenza più intensa e tetto di CPC più alto. Meritano alta priorità e una maggiore tolleranza di prezzo, con un limite: le persone pronte a comprare sono comunque in numero finito.

• Keyword con intento di confronto: stanno nel mezzo sia per conversione sia per volume e assorbono il budget che eccede dalle keyword decisionali.

• Keyword con intento di awareness ("how to do X," "what is X"): hanno il volume più alto, il CPC più basso e sono più lontane dalla conversione. Ricevono una quota contenuta per garantire copertura, senza pretendere da loro le conversioni attese da una keyword decisionale.

All'interno di ogni gruppo, ordina ulteriormente in base a "intervallo di volume x quota target x fascia di CPC". Alla fine, un set di keyword non si riduce a un numero estratto dal nulla, ma a una struttura di budget divisa per fasi di intento, con un intervallo per ciascuna fase.

Il modello giusto per ogni passaggio

I compiti svolti dal modello lungo questa catena richiedono capacità molto diverse. Usarne uno solo per tutto porta a sprecare denaro o precisione:

Vale la pena soffermarsi sul primo passaggio: espansione e classificazione dell'intento sono l'unico punto in cui cambiare modello modifica visibilmente il risultato. Qui si misura sia la comprensione del business sia la capacità di riconoscere che una keyword è, in realtà, irrilevante. Un modello più debole può restituire una tabella completa in cui ogni intento è etichettato come "decision"; un solo ciclo di feedback mostrerà un tasso di corrispondenza deludente. Un modello di reasoning più forte segnala autonomamente i termini non adiacenti. Puoi verificare la differenza in prima persona con un protocollo semplice:

1. Scegli un set iniziale di keyword, da 5 a 10 termini di cui conosci il contesto di business.

2. Invia gli stessi "semi + contesto di business" a claude-opus-5 e gpt-5.6-sol; chiedi a entrambi 50 keyword nel formato "keyword + fase dell'intento + perché è adiacente".

3. Reinvia entrambi gli elenchi al planner per ottenere volume reale, CPC e concorrenza.

4. Osserva due aspetti: quante keyword espanse hanno volume reale non nullo, quindi non sono stringhe inventate, e se i tag di intento sono coerenti con CPC e concorrenza reali. Le keyword decisionali dovrebbero essere più costose e più affollate.

5. Questo tasso di corrispondenza è il criterio di selezione: stabilisce direttamente quante keyword allucinate dovranno essere scartate più avanti. Basta un ciclo per vedere la differenza, più chiaramente di qualsiasi benchmark.

Il vero freno è il costo del cambio di modello

Quattro modelli di tre vendor, tre SDK, tre sistemi di autenticazione, tre formati di errore. Riscrivere il client tre volte per cambiare modello tra espansione, tagging massivo e attribuzione non conviene. Il risultato è che molti usano un solo modello per l'intero flusso, scelgono per l'espansione un livello che non gestisce bene la classificazione dell'intento e ottengono un basso tasso di corrispondenza nel feedback senza capirne il motivo.

AIReiter elimina questo livello di complessità: una chiave, un'interfaccia compatibile con OpenAI, tutti e quattro i livelli dietro la stessa API. Per cambiare basta modificare il campo model nel body della richiesta.

# Espansione delle keyword + classificazione dell'intento: il tier di reasoning
curl https://aireiter.com/api/v1/chat/completions \
  -H "Authorization: Bearer $AIREITER_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "messages": [{"role": "user", "content": "<prompt di espansione + semi + contesto di business>"}]
  }'

# Taggare in massa centinaia di keyword espanse: cambia il campo model, lascia invariato il resto
#   "model": "claude-sonnet-5"
# Attribuzione degli scostamenti dopo il feedback:
#   "model": "gpt-5.6-sol"

Se usi già l'SDK OpenAI, imposta base_url su https://aireiter.com/api/v1 e non modificare altro. Con l'SDK Anthropic, usa POST /api/v1/messages con la stessa chiave.

Sul fronte prezzi, i modelli Claude hanno uno sconto del 30% sul listino e i modelli GPT costano la metà. Il costo principale di questo flusso non è l'espansione, che richiede poche chiamate al tier di reasoning perché un set di keyword si costruisce in pochi cicli. A consumare davvero volume è il tagging massivo: centinaia o migliaia di termini candidati per ogni passaggio di pianificazione, classificati per intento e deduplicati elemento per elemento. Qui servono l'alta concorrenza del tier economico e il 30% di sconto di Claude, proprio sulla chiamata più densa.

• Ottieni una chiave API

• Provalo senza registrarti: espandi prima a mano un set di keyword e confronta il tasso di corrispondenza nel feedback dei termini prodotti dai due tier; poi decidi se integrarlo.

Conclusioni

Un tool per keyword restituisce tre metriche imperfette: il volume di ricerca dipende dalla finestra temporale, il CPC è un intervallo e la concorrenza è una fascia relativa. Per un lancio, invece, serve una struttura di budget divisa per fase dell'intento. Il percorso intermedio è questo: deduplicare per set anziché sommare keyword singole; partire dai termini cercati dal mercato, non dai topic word interni; usare il modello per espandere le keyword associando l'intento, ma validare ogni termine con il volume reale; distribuire infine il budget per intento, non in modo uniforme tra le keyword. Il modello accelera l'espansione e l'intent tiering, ma non decide il budget.

Una volta calcolata questa cifra di budget, diventa l'input per la fase di validazione commerciale della pipeline che porta dalle keyword alla creatività pubblicitaria finita: solo i set di keyword il cui budget supera la soglia meritano di passare al matching con i creator e alla generazione degli asset. La linea decisionale parallela è l'analisi della curva di retention di un annuncio, secondo per secondo: una stabilisce su quali parole investire, l'altra su quali creatività investire.