TL;DR — Il funnel di marketing ha 126 anni, zero validazione empirica e un tasso di fallimento devastante per le PMI. Le evidenze accademiche sono inequivocabili: i consumatori non seguono percorsi lineari (Google, BCG), gli A/B test sono statisticamente impossibili con volumi da PMI (Larsen et al., 2024), il 67% del martech acquistato non viene nemmeno usato (Gartner), e i brand costruiti sui funnel DTC stanno implodendo con perdite miliardarie (CNBC). Questo articolo raccoglie i dati che l'industria dei funnel non vuole farvi leggere.
Il funnel ha 126 anni. È ora di lasciarlo andare
Nel 1898, un pubblicitario americano di nome Elias St. Elmo Lewis formulò il modello AIDA: Awareness, Interest, Desire, Action. L'idea era semplice e intuitiva — il consumatore attraversa una sequenza lineare di stati mentali fino all'acquisto, come acqua che scorre in un imbuto. Era il XIX secolo. Non esistevano internet, gli smartphone, i social media, le recensioni online, i comparatori di prezzo, la pubblicità programmatica. Non esisteva nemmeno la psicologia cognitiva come disciplina.
Quel modello, concepito prima che le donne potessero votare nella maggior parte dei Paesi occidentali, è ancora il fondamento su cui migliaia di consulenti e agenzie vendono strategie digitali nel 2026. La domanda che nessuno fa mai è: AIDA è mai stata validata empiricamente?
La risposta è no. In 126 anni di storia, il modello del funnel lineare non ha mai ricevuto una validazione scientifica robusta come descrizione accurata del comportamento d'acquisto reale. È rimasto ciò che era all'origine: una metafora utile per semplificare un fenomeno complesso. Il problema è che la metafora è diventata dogma — e il dogma è diventato un'industria multimiliardaria che si autoalimenta indipendentemente dai risultati che produce.
Il modello è sopravvissuto non per merito scientifico, ma per convenienza commerciale: è facile da spiegare, facile da vendere, e crea una struttura di dipendenza naturale tra consulente e cliente. Ogni step del funnel richiede un tool, ogni tool richiede un esperto, ogni esperto richiede un budget mensile ricorrente.
Il Messy Middle: come decidono davvero le persone
Nel 2020, Alistair Rennie e Jonny Protheroe, due ricercatori di Google, hanno pubblicato uno studio che avrebbe dovuto chiudere definitivamente il dibattito. Si chiama "Decoding Decisions: Making Sense of the Messy Middle", ed è basato sull'analisi di migliaia di percorsi d'acquisto reali.
La scoperta centrale: i consumatori non attraversano un funnel. Oscillano in un loop caotico e potenzialmente infinito tra due modalità cognitive — esplorazione (espansione delle opzioni considerate) e valutazione (restringimento delle opzioni). Non c'è una sequenza. Non c'è una direzione prevedibile. Un consumatore può esplorare per settimane, restringere a due opzioni, poi riesplodere a dieci dopo aver letto una recensione negativa. Il "funnel" non ha forma di imbuto. Ha forma di labirinto.
Google ha identificato sei bias cognitivi che guidano le decisioni all'interno di questo loop:
- Euristica di categoria — scorciatoie cognitive che semplificano la scelta (es. "più megapixel = fotocamera migliore")
- Potere dell'immediatezza — preferenza per ciò che è disponibile subito
- Prova sociale — le recensioni e le raccomandazioni di altri influenzano la decisione
- Bias di scarsità — la percezione di disponibilità limitata aumenta il desiderio
- Bias di autorità — la fiducia in esperti e fonti autorevoli
- Potere della gratuità — un omaggio, anche irrilevante, può spostare la preferenza
Questi bias non operano in sequenza. Si attivano simultaneamente, in ordine variabile, con pesi diversi per ogni consumatore e ogni categoria merceologica. Tentare di "ottimizzare" un funnel lineare per catturare un processo intrinsecamente caotico è come cercare di imbottigliare il fumo.
La ricerca accademica ha confermato e rafforzato questa visione. Varnali (2019), in uno studio pubblicato su The Service Industries Journal, ha dimostrato che i customer journey soddisfano la definizione formale di sistema complesso non-lineare: sensibile alle condizioni iniziali, con feedback loop multipli, comportamento emergente imprevedibile e proprietà che non possono essere dedotte dalla somma delle parti. In altre parole: anche conoscendo perfettamente ogni singolo touchpoint, non è possibile prevedere il percorso complessivo.
Più recentemente, una review bibliometrica pubblicata su ScienceDirect nel dicembre 2024 ("Unravelling the Customer Journey") ha analizzato l'intera letteratura scientifica sul tema, confermando il passaggio definitivo dalla visione lineare del funnel a modelli di tipo "costellazione" — mappe di punti di contatto interconnessi senza una gerarchia o sequenza predefinita.
In sintesi: il funnel descrive come vorremmo che i consumatori si comportassero. Google, la ricerca accademica e la teoria dei sistemi complessi ci dicono come si comportano davvero. Le due cose non coincidono. E quando la mappa non corrisponde al territorio, bisogna cambiare la mappa — non fingere che il territorio sia sbagliato.
BCG ha rincarato la dose nel gennaio 2025 con il report "Move Beyond the Linear Funnel", identificando quattro comportamenti che chiamano "4S" — streaming, scrolling, searching e shopping — che frantumano ogni residua pretesa di linearità nel percorso d'acquisto. Il report rileva che le aziende che hanno abbracciato l'intelligenza artificiale per gestire questa complessità (anziché tentare di forzarla in un funnel) hanno registrato una crescita dei ricavi superiore del 60%.
I numeri che nessun consulente di funnel vi mostrerà
Qui arriviamo al punto più tecnico — e più devastante per chiunque venda ottimizzazione di funnel alle PMI. La premessa è semplice: per "ottimizzare" un funnel, bisogna testare varianti (A/B test). Per un A/B test statisticamente valido, servono campioni di dimensione adeguata. Le PMI non hanno questi campioni. Eppure pagano lo stesso.
Larsen et al. (2024), in una review pubblicata su The American Statistician — una delle riviste di statistica più autorevoli al mondo — hanno analizzato sistematicamente le sfide statistiche degli A/B test nel contesto digitale. La conclusione è netta: le organizzazioni di piccole dimensioni affrontano limitazioni fondamentali di potenza statistica che rendono la maggior parte delle ottimizzazioni prive di significato.
Il problema non è solo teorico. Evan Miller, statistico e creatore di uno dei calcolatori di sample size più usati al mondo, ha dimostrato un fenomeno che dovrebbe far rabbrividire chiunque faccia A/B test: controllare i p-value a ogni incremento di campione — la pratica standard di quasi ogni consulente — produce una probabilità del 55% di falso positivo dopo appena 2.000 osservazioni. In altre parole: più della metà delle volte, la variante "vincente" non è realmente migliore. È rumore statistico interpretato come segnale.
Nota: calcoli basati su alpha = 0,05, potenza statistica = 0,80, test a due code. Questi sono i requisiti minimi per considerare un risultato non casuale.
La PMI media italiana che compra un "pacchetto funnel" a 5.000–15.000 euro ha tra 300 e 2.000 visitatori mensili e un tasso di conversione tra l'1% e il 3%. In queste condizioni, ogni ottimizzazione A/B è statisticamente indistinguibile dal lancio di una moneta. Il consulente legge il risultato, lo interpreta come miglioramento, modifica il funnel, e fattura il mese successivo. Il ciclo si ripete. Il dato è casuale. La fattura è reale.
L'industria del martech: 14.106 prodotti e il 33% di utilizzo
I funnel non vivono nel vuoto. Vivono dentro un ecosistema di strumenti tecnologici — il cosiddetto "martech stack" — che è cresciuto a dismisura.
Secondo il censimento di Scott Brinker (2024), il numero di prodotti martech disponibili sul mercato è arrivato a 14.106. Nel 2011 erano 150. Si tratta di una crescita del 9.304% in tredici anni. Ogni tool promette di risolvere un pezzo del puzzle: email automation, CRM, analytics, landing page builder, heatmap, session recording, attribution modeling, customer data platform, chatbot. Un funnel complesso può richiedere 5-10 di questi strumenti contemporaneamente.
Il problema è che le aziende non riescono a usare quello che comprano. Gartner, nell'agosto 2023, ha rilevato che il tasso di utilizzo del martech è crollato al 33% — in calo dal 58% del 2020. Due terzi della tecnologia acquistata resta inutilizzata o sottoutilizzata. Il 25,4% dei budget marketing viene assorbito dal martech, e il 69% dei CMO intervistati dichiara che il basso tasso di utilizzo ha danneggiato i propri budget.
Il paradosso del martech: un quarto del budget viene speso per comprare strumenti. Due terzi di questi strumenti non vengono usati. Il risultato è un'industria da miliardi di dollari che si autogiustifica con la propria complessità.
Per le PMI la situazione è ancora peggiore. Secondo Ascend2 (2024), solo il 9% delle aziende ha un marketing completamente automatizzato. Il 52% cita la qualità dei dati come la sfida principale, e solo il 44% delle aziende con budget limitato può permettersi gli strumenti necessari. La promessa del funnel automatizzato che "lavora mentre dormi" si scontra con una realtà fatta di tool costosi, dati sporchi, integrazioni rotte e competenze tecniche che la PMI media semplicemente non ha.
Il cimitero dei brand DTC
Se i funnel funzionassero come promesso, i brand Direct-to-Consumer dovrebbero essere i loro migliori testimonial. Nati online, costruiti interamente su funnel digitali, ottimizzati con A/B test continui, alimentati da performance marketing e sequenze email sofisticate. Sono il caso d'uso perfetto per il modello.
E stanno implodendo.
CNBC, nel febbraio 2024, ha pubblicato un'analisi sullo stato dei brand DTC più celebrati dell'ultimo decennio. I numeri:
Questi brand avevano tutto ciò che la teoria del funnel prescrive: dati proprietari, team di growth hacking interni, budget pubblicitari consistenti, stack martech sofisticati, A/B test continui, sequenze email multi-step, retargeting avanzato. Erano i poster child del funnel digitale. Le loro perdite cumulate superano i 450 milioni di dollari.
Il pattern è sempre lo stesso: costi di acquisizione cliente che crescono più velocemente dei ricavi, dipendenza dal paid advertising che rende la crescita fragile, e incapacità di costruire brand equity sufficiente a sostenere la domanda quando il rubinetto della pubblicità viene chiuso.
Il costo nascosto: $29 per ogni nuovo cliente
La crisi dei brand DTC non è un'anomalia. È il sintomo di un problema strutturale che riguarda tutto il marketing digitale basato sui funnel: il costo di acquisizione cliente è fuori controllo.
Secondo SimplicityDX (2022-2023), il costo medio per acquisire un nuovo cliente online è arrivato a $29. Nel 2013 era $9. Un aumento del 222% in dieci anni. Per molte categorie merceologiche — soprattutto quelle con margini ridotti tipiche delle PMI — questo significa che l'azienda perde denaro su ogni nuovo cliente acquisito, sperando di recuperare con acquisti ripetuti che, nella maggioranza dei casi, non arrivano nella misura sperata.
A questa tendenza strutturale si è aggiunto uno shock esogeno che ha devastato i funnel basati su Facebook e Instagram. Nel febbraio 2022, CNBC ha riportato che la App Tracking Transparency (ATT) di Apple è costata a Facebook circa 10 miliardi di dollari in ricavi pubblicitari. L'impatto sugli inserzionisti è stato altrettanto severo: il piccolo inserzionista medio ha visto un taglio del 60% e oltre nelle vendite per dollaro speso in pubblicità.
Per le PMI che avevano costruito l'intero modello di acquisizione su un funnel Facebook Ads → Landing Page → Email sequence → Conversione, l'aggiornamento iOS 14.5 è stato l'equivalente di un terremoto: da un giorno all'altro, il retargeting ha perso efficacia, l'attribuzione è diventata inaffidabile, e il costo per conversione è esploso. Molti funnel che "funzionavano" si sono rivelati per quello che erano: sistemi fragili, dipendenti da una singola piattaforma, privi di brand equity che li proteggesse dalla volatilità.
Retargeting: quando la ripetizione fa danni
Il retargeting è il cuore meccanico di ogni funnel digitale: mostrare ripetutamente annunci a chi ha già interagito con il brand per "spingerlo" alla conversione. La logica sembra solida — più esposizioni, più probabilità di acquisto. I dati raccontano una storia diversa.
Meta Analytics (2023) ha misurato un fenomeno che i gestori di funnel preferiscono ignorare: dopo 4 esposizioni allo stesso creative pubblicitario, le performance subiscono un calo del 45%. Non un calo marginale. Quasi dimezzate. Il consumatore non viene "nutrito" dalla ripetizione — viene alienato.
Questo risultato empirico è stato corroborato dalla teoria. Guo e Jiang (2024), in uno studio pubblicato su Decision Support Systems, hanno fornito una dimostrazione matematica dell'esistenza di un tetto di frequenza ottimale oltre il quale ogni investimento aggiuntivo in esposizioni è controproducente. Non marginalmente meno efficiente — attivamente dannoso. Il rendimento diventa negativo.
La conseguenza per i funnel è devastante: il retargeting aggressivo, venduto come strumento per "recuperare" i lead persi, supera quasi sempre la soglia ottimale di frequenza. Chi era vicino all'acquisto viene allontanato dall'overexposure. Chi non era interessato viene irritato. In entrambi i casi, il denaro speso non solo non produce conversioni — danneggia la percezione del brand.
Il paradosso del retargeting: il meccanismo centrale dei funnel — mostrare più volte il messaggio — è matematicamente controproducente oltre una soglia molto bassa. E le campagne di retargeting delle PMI superano quasi sempre quella soglia, perché il budget ridotto viene concentrato su audience piccole, generando frequenze altissime.
Email marketing: la metrica fantasma
L'email marketing è il secondo pilastro dei funnel. Ogni guida, ogni corso, ogni consulente lo ripete: "la lista email è il tuo asset più importante". Le sequenze automatizzate di nurturing — 7, 10, 12 email che "accompagnano" il lead dalla consapevolezza alla conversione — sono il cuore di qualsiasi strategia di funnel.
Il problema è che le metriche su cui si basa l'ottimizzazione dell'email marketing sono diventate fondamentalmente inaffidabili.
La DMA (Data & Marketing Association) ha riportato nel 2023 che gli open rate sono schizzati al 31,83%. Un dato apparentemente eccellente — se non fosse che l'aumento è in gran parte artificiale. Dalla fine del 2021, Apple Mail Privacy Protection (MPP) pre-carica tutte le email ricevute su dispositivi Apple, registrando un'apertura indipendentemente dal fatto che l'utente legga o meno il messaggio. Su iOS e macOS — che rappresentano oltre il 50% del mercato email in molti Paesi — l'open rate è diventata una metrica fondamentalmente inaffidabile.
Il consulente che vi mostra un miglioramento dell'open rate dal 25% al 32% come prova che il funnel "funziona" potrebbe semplicemente mostrarvi l'effetto di Apple MPP su un campione con alta penetrazione iOS. La metrica è rumore. La fattura è reale.
Dall'altro lato della medaglia, MailerLite (2025) ha rilevato che il tasso di disiscrizione è raddoppiato: 0,22% contro lo 0,08% precedente. La causa principale è l'introduzione del pulsante di unsubscribe con un solo click da parte di Gmail, che ha reso drasticamente più facile per gli utenti cancellare le iscrizioni. Le sequenze email lunghe — quelle da 7-12 messaggi che "nutrono il lead" — sono le più colpite, perché ogni email aggiuntiva è un'opportunità per il destinatario di cliccare quel pulsante.
Il risultato netto: le metriche positive sono gonfiate artificialmente, le metriche negative sono in peggioramento reale. L'email marketing non è morto, ma l'ottimizzazione delle sequenze di funnel basata su queste metriche è un esercizio di interpretazione di dati corrotti.
Il B2B: 13 stakeholder e il 41% ha già deciso
Se nel B2C il funnel è problematico, nel B2B è una finzione completa.
Gartner ha rilevato che i buyer B2B spendono solo il 17% del tempo totale del processo d'acquisto interagendo con i fornitori. Il restante 83% è dedicato a ricerca indipendente, discussioni interne, comparazione tra alternative e valutazione di documentazione. In questo 17%, il tempo è ulteriormente frammentato tra tutti i fornitori in competizione — il che significa che ogni singolo fornitore ha accesso a una finestra temporale minima per influenzare la decisione.
Ma non è solo una questione di tempo. Gartner ha anche documentato che ogni decisione d'acquisto B2B coinvolge da 6 a 10 decision maker, ciascuno dei quali conduce autonomamente 4-5 ricerche indipendenti prima di convergere verso una raccomandazione di gruppo. Il funnel lineare presuppone un unico decisore che attraversa una sequenza. La realtà è un comitato frammentato che opera in parallelo.
Forrester (2024) ha aggiornato il quadro con dati ancora più netti: le decisioni d'acquisto B2B coinvolgono in media 13 stakeholder. E qui arriva il dato che rende il funnel B2B un esercizio di futilità: il 41% dei buyer ha già un fornitore preferito prima ancora di iniziare il processo formale di valutazione.
Forrester (2023) aggiunge un ultimo tassello: il 71% dei buyer B2B oggi è composto da Millennials e GenZ, che però hanno meno autorità decisionale rispetto alle generazioni precedenti. Chi interagisce con il funnel (il buyer giovane che scarica il white paper e risponde alle email) spesso non è chi firma l'ordine. L'intero framework del lead scoring — assegnare punteggi alle interazioni con il funnel per identificare il "lead qualificato" — sta misurando l'engagement della persona sbagliata.
Cosa funziona al posto dei funnel
Demolire un modello senza proporre alternative sarebbe sterile. Le evidenze suggeriscono che per le PMI con budget limitati, la strategia con il miglior rapporto costo/efficacia documentato non è il funnel — è la costruzione di comunità e fiducia.
Il Community Flywheel di McKinsey
Nel 2022, McKinsey ha pubblicato un framework chiamato "Community Flywheel" che propone un'alternativa strutturale al funnel. Il punto chiave: il Community Flywheel non richiede uno stack martech esteso. È un modello che abilita una crescita rapida a basso rischio, basato sulla creazione di comunità attorno al brand che generano advocacy organica, contenuto generato dagli utenti, e passaparola strutturato.
A differenza del funnel, che è un meccanismo di estrazione (catturare lead, spingerli alla conversione, ottimizzare il passaggio), il flywheel è un meccanismo di generazione: ogni cliente soddisfatto alimenta il sistema portando altri clienti, che a loro volta alimentano il sistema.
La fiducia come canale di acquisizione
Nielsen (2021) ha confermato ciò che i dati mostrano da decenni: l'88% dei consumatori si fida delle raccomandazioni di amici e familiari più di qualsiasi altro canale. Non più degli annunci Facebook. Non più delle email automatizzate. Non più del retargeting. La raccomandazione personale resta il canale di conversione più potente in assoluto.
La conseguenza strategica è controintuitiva per chi è abituato a pensare in termini di funnel: il miglior investimento per acquisire clienti potrebbe non essere un tool da $200/mese e una sequenza email, ma rendere il prodotto e l'esperienza del cliente talmente buoni che la raccomandazione avviene spontaneamente.
Cosa fare concretamente
- Investire nella customer experience, non nella conversione. Un cliente soddisfatto è un funnel vivente. Costa meno e funziona meglio. Ogni euro risparmiato su tool di automazione complessi può essere reinvestito in qualità del prodotto e servizio al cliente
- Costruire presenza, non sequenze. SEO, content di valore, PR, presenza sui canali dove i clienti già si informano. L'obiettivo non è "catturare il lead" ma essere presenti e riconoscibili quando il bisogno emerge — nel momento e nel modo che il cliente sceglie, non in quello che il funnel prescrive
- Misurare ciò che conta. Il CAC (Costo di Acquisizione Cliente) confrontato con il LTV (Lifetime Value) è l'unica metrica che conta. Se il rapporto LTV/CAC è inferiore a 3, il modello di acquisizione non è sostenibile — indipendentemente da quanto siano "buoni" gli open rate e i click-through
- Semplificare radicalmente. Per la maggior parte delle PMI italiane, fare bene 4 cose — SEO, una presenza Google Ads focalizzata, recensioni verificabili, un programma di referral — produce un ROI superiore a un funnel a 10 step con 6 tool integrati e un consulente a 3.000 euro al mese
- Alimentare il passaparola. Programmi di referral, eventi (anche piccoli), presenza nella comunità locale, partnership strategiche. L'88% della fiducia viene da persone vere, non da sequenze email. Costruire sistemi che facilitano e incentivano la raccomandazione personale
La sintesi: i funnel tentano di meccanizzare un processo — la decisione d'acquisto — che è intrinsecamente umano, caotico e sociale. Le alternative non sono necessariamente più economiche o più facili, ma sono allineate con il modo in cui le persone realmente decidono, e non richiedono di fingere che il comportamento umano segua un diagramma di flusso.
FAQ — Domande Frequenti
I funnel non funzionano mai, in nessun caso?
I funnel funzionano in contesti specifici: e-commerce con volumi molto alti (dove l'A/B testing è statisticamente valido), prodotti digitali con margini elevati, e aziende con brand già affermato e audience consolidate. Il problema non è il funnel come concetto — è il funnel come soluzione universale venduta a PMI con 500 visitatori al mese e un tasso di conversione dell'1%, dove le ottimizzazioni sono statisticamente prive di significato.
Se non faccio un funnel, cosa faccio domani mattina?
Tre azioni concrete: (1) verificate che il vostro sito sia indicizzato correttamente e che le landing page principali rispondano alle query di ricerca dei vostri clienti reali; (2) chiedete ai vostri 10 clienti migliori di lasciarvi una recensione verificabile; (3) create un meccanismo di referral — anche semplice, anche non automatizzato. Queste tre azioni, combinate, producono risultati misurabili per la maggior parte delle PMI, senza richiedere tool costosi né consulenti specializzati.
L'email marketing è morto?
No. L'email marketing resta un canale efficace per comunicare con chi ha già scelto di ascoltarvi. Ciò che è morto — o dovrebbe esserlo — è l'illusione di poter ottimizzare le sequenze email usando gli open rate come metrica affidabile (non lo sono più dal 2021 per via di Apple MPP) e la pratica di inviare sequenze di 7-12 email a lead freddi, che oggi produce il doppio delle disiscrizioni rispetto al passato a causa dell'unsubscribe one-click di Gmail.
Come faccio a sapere se il mio consulente di marketing sta vendendo fumo?
Tre domande rivelatrici: (1) Vi mostra metriche di business reali (ricavi, CAC, LTV) o solo metriche intermedie (impression, CTR, open rate)? (2) Sa spiegare quanti visitatori servono per rendere statisticamente significativo un A/B test con i vostri volumi? (3) La sua strategia vi rende più autonomi nel tempo o più dipendenti? Se le risposte sono "solo metriche intermedie", "non ne ha mai parlato" e "più dipendenti" — avete la risposta.
Il modello del Messy Middle di Google vale anche per gli acquisti B2B?
La dinamica è ancora più pronunciata nel B2B, dove 13 stakeholder conducono ricerche parallele e indipendenti, il 41% ha già un fornitore preferito prima della valutazione formale, e il buyer che interagisce con il vostro contenuto spesso non è chi ha l'autorità decisionale. Il funnel B2B — con il suo lead scoring, le sequenze di nurturing e il concetto di "marketing qualified lead" — sta misurando l'engagement di una persona che nella maggior parte dei casi non firmerà l'ordine.
Esistono dati che dimostrano che il funnel funziona per le PMI?
Questa è la domanda chiave — e la risposta è rivelatrice. La letteratura accademica è ricca di studi che documentano le limitazioni del modello lineare del funnel. È notevolmente povera di studi peer-reviewed che ne dimostrino l'efficacia specifica per le piccole e medie imprese con volumi limitati. Le evidenze a favore del funnel provengono quasi esclusivamente da case study pubblicati dalle stesse piattaforme e agenzie che vendono funnel — il che non le rende necessariamente false, ma le rende strutturalmente non indipendenti.
Fonti e Riferimenti
- BCG (Gennaio 2025). Move Beyond the Linear Funnel. Boston Consulting Group.
- Rennie, A., & Protheroe, J. (2020). Decoding Decisions: Making Sense of the Messy Middle. Google / Think with Google.
- Varnali, K. (2019). Understanding customer journey from the lenses of complexity theory. The Service Industries Journal, 39(11-12), 820–835.
- ScienceDirect (Dicembre 2024). Unravelling the Customer Journey: A Bibliometric Review.
- Larsen, N. et al. (2024). Statistical Challenges in Online Controlled Experiments: A Review of A/B Testing Methodology. The American Statistician.
- Miller, E. How Not to Run an A/B Test. evanmiller.org.
- Ascend2 (2024). Marketing Automation Trends Survey.
- Gartner (Agosto 2023). Marketing Technology Survey.
- Brinker, S. (2024). Marketing Technology Landscape 2024. chiefmartec.com.
- CNBC (Febbraio 2024). DTC brands financial performance analysis.
- SimplicityDX (2022–2023). The Rising Cost of Customer Acquisition.
- CNBC (Febbraio 2022). Apple ATT impact on Facebook advertising revenue.
- Forrester (2023). B2B Buyer Behavior Study.
- Gartner. B2B Buying Journey Research.
- Forrester (2024). B2B Buying Study: Stakeholder Dynamics.
- Meta Analytics (2023). Creative fatigue and ad frequency analysis.
- Guo, X., & Jiang, Z. (2024). Optimal advertising frequency in digital marketing. Decision Support Systems.
- DMA — Data & Marketing Association (2023). Email Benchmarks Report.
- MailerLite (2025). Email Marketing Benchmarks.
- McKinsey (2022). The Community Flywheel.
- Nielsen (2021). Trust in Advertising Study.
- Lewis, E. St. E. (1898). AIDA model. Historical reference.
