Perché il CPI della mia app sale o il ROAS è in stallo? Trova prima cosa è cambiato.

Quando un cliente mi dice che il CPI è salito, non parto dal report dell’asta. Apro il change log. Un aumento del CPI o uno stallo del ROAS può nascere nel prodotto, nello stack di misurazione o nell’età delle coorti, ed è facile dare la colpa all’asta perché è la parte del sistema che arriva con un grafico.

Due identità reggono l’intera diagnosi. Il CPI è il CPM diviso per gli install per mille impression. Il ROAS a qualsiasi età è il valore per install a quell’età diviso per il CPI. Tutto ciò che muove l’uno o l’altro numero è uno dei loro termini, o un cambiamento nel modo in cui un termine viene misurato, e il lavoro è trovare quale termine si è mosso per primo. I casi qui sotto vengono dai miei account e sono già pubblicati, ognuno su un solo account. Ogni numero degli esempi svolti è un’illustrazione etichettata come tale, e ogni altra cifra riporta la sua fonte.

Cosa è cambiato nelle ultime due o tre settimane?

Prima di guardare qualsiasi metrica, scrivo ogni modifica delle ultime due o tre settimane, da parte di chiunque possa toccare il sistema. Release dell’app e aggiornamenti dell’SDK. Test di paywall, prezzo, durata del trial e onboarding. Scheda dello store, screenshot, rating. Eventi, mappatura degli eventi, schema di conversion value, finestre di attribution del mobile measurement partner (MMP), impostazione di attribution dell’ad platform, un nuovo connettore nel BI. Bid, budget, eventi di ottimizzazione, nuove campagne, consolidamenti. Nuovi creative, e la data in cui è partito l’ultimo concept nuovo. Poi metto il punto di rottura della metrica accanto a quella lista.

Due miei casi mostrano dove può stare la causa. In un casual game, una messa in evidenza sullo store entro la settimana 6 ha portato il CPI da una fascia tra £4 e £6 a £10 e il valore dell’ordine da £10 a £29, e il ROAS D0 è risultato sopra il 20% entrambe le volte, con un profilo utente completamente diverso. Senza la messa in evidenza nel change log, il salto del CPI sembra un problema d’asta. In un’app fitness il costo per trial non scendeva sotto 30 $ contro un target di 15 $, e la causa stava nel prodotto, non nell’account. Il prodotto convertiva un’audience e faceva churn sull’altra, e l’audience che convertiva era troppo piccola perché Meta riuscisse a trovarla su scala.

Un meccanismo rende il change log più importante di quanto sembri. Se l’evento di ottimizzazione è il trial start o l’acquisto, una modifica di prodotto che abbassa quel tasso abbassa anche il segnale da cui la piattaforma impara. Meta, TikTok e Google danno tutti peso ai tassi di azione previsti nell’asta, quindi una o due settimane dopo una regressione di prodotto può salire anche il prezzo effettivo di un’impression. Un problema di prodotto diventa un problema d’asta apparente con un certo ritardo, e il report dell’asta ti mostra il secondo evento, non il primo.

Quale dei tre input del CPI si è mosso?

CPI = CPM ÷ IPM, e l’IPM, cioè gli install per mille impression, è 1.000 × tasso di click (CTR) × tasso da click a install. Tre input, e un aumento del 30% del CPI può venire interamente da uno solo di essi mentre gli altri due restano fermi. Trova quello che si è mosso prima di indicare una causa.

Un’illustrazione, due settimane di una stessa campagna:

La maggior parte dell’aumento del CPI viene dal tasso di click. Se vuoi le quote, prendi il logaritmo di ogni rapporto. La variazione del CPM spiega circa il 30% della variazione del CPI e il tasso di click circa il 70%. Lo store non ha fatto niente. Quindi il primo posto dove guardare sono il creative e il mix di posizionamenti, l’asta è il secondo, e il solo grafico del CPM avrebbe indicato la direzione opposta.

Dalla tabella qui sopra, le quote della variazione logaritmica del CPI. Una barra piena è l'intero aumento.

Ogni input ha la sua lista di cause.

CPM in salita, tasso di click e tasso da click a install piatti. Concorrenza, stagionalità, uno spostamento della spesa verso paesi o posizionamenti più costosi, oppure un tasso di azione previsto più basso dopo una modifica all’evento o all’audience. Ogni asta documentata combina un bid con una previsione di risposta. La pagina di aiuto di Meta indica il bid, i tassi di azione stimati e la qualità dell’annuncio come le parti del valore totale che vince. TikTok dice che la sua asta classifica gli annunci in base al prezzo del bid e alla pertinenza. Apple Ads dice che i bid vengono combinati con pertinenza, bid degli altri inserzionisti, prezzi di riserva ed esperienza complessiva dell’utente secondo i principi del second price. Quindi il CPM è in parte un risultato del tuo creative e della qualità del tuo segnale, e un CPM in salita non prova che il mercato si sia mosso. Scomponi il CPM per paese e posizionamento, e controlla le stesse settimane di calendario dell’anno precedente prima di chiamarla stagionalità.

Tasso di click o IPM in calo. L’usura dei creative, detta anche creative fatigue, è il sospettato abituale e quello controllato meno spesso. Il sintomo che posso osservare è l’IPM di un creative specifico che scende mentre la sua frequenza sale, con il CPM stabile, e la spesa che si concentra su meno annunci. Le cause che le persone indicano, come un’audience satura o l’algoritmo che penalizza gli annunci, di solito sono congetture. La migliore evidenza causale che conosco dice che l’usura non è una curva sola, anche se riguarda la pubblicità display del 2010. Nei 30 esperimenti naturali di Lewis sulla home page di Yahoo, che coprono 2,8 miliardi di impression, quattro campagne si sono usurate dopo una o due esposizioni, dieci hanno mostrato poca usura dopo cinquanta esposizioni, e le stime osservazionali ingenue sovrastimavano l’usura in 26 casi su 30. Il team di analytics di Meta dissente sull’enfasi. In un post del 2023 modella la probabilità di click come una curva che scende all’incirca come (N+1) elevato alla potenza di meno 0,43, dove N è il numero di visualizzazioni precedenti dello stesso creative. Stima la probabilità di conversione circa il 45% più bassa con quattro visualizzazioni precedenti. Non trova nessun periodo di “wear in” sulla direct response, dove ogni ripetizione costa soltanto di più. È la regressione osservazionale di Meta sui propri dati, senza campione dichiarato, e la leggo come una forma e non come un numero. Il suo split test, che aggiunge creative nuovi agli ad set in fatigue su circa 26.000 casi, ha migliorato la conversione in proporzione alla fatigue. Quindi testo il risultato e lascio aperta la causa. In una campagna tROAS l’algoritmo continuava a scalare cinque annunci che non avevano mai raggiunto il target del 30% di D0. Ho duplicato la campagna senza di loro e le ho fatte girare entrambe per 30 giorni. Nell’originale, nessuno dei primi cinque per spesa ha raggiunto il target. Nella copia, quattro su cinque sì, e l’algoritmo ha fatto emergere sei nuovi creative sopra il target. L’IPM da solo non ti dice quale creative fare dopo, ma ti dice quale ha smesso di funzionare.

Da click a install in calo. L’annuncio prende ancora il click e la scheda dello store lo perde. Un cambio di screenshot, un calo del rating, un prezzo ora mostrato sulla pagina, una messa in evidenza finita, o uno scarto tra ciò che l’annuncio prometteva e ciò che mostra la pagina. La product page optimization di Apple permette di testare fino a tre varianti contro l’originale per un massimo di 90 giorni, e il Tech Talk di Apple sull’argomento passa in rassegna due test in cui il vincitore atteso ha perso. Un set di screenshot a tema festività ha perso contro il controllo evergreen, e in un altro test uno screenshot ha battuto l’app preview che sostituiva. Una modifica alla scheda dello store muove il CPI senza che l’asta c’entri, ed è nel change log se qualcuno l’ha annotata.

Un’avvertenza di misurazione sulla scomposizione stessa. Gli install accreditati a una view non hanno click, quindi dividere gli install per i click sovrastima il tasso di conversione. Usa l’IPM di una sola fonte invece del tasso di click moltiplicato per la conversione di due fonti, e aspettati che la versione della piattaforma e quella dell’MMP differiscano. AppsFlyer dice che l’eCPI calcolato da Meta e quello calcolato da AppsFlyer di solito differiscono, perché Meta fornisce il costo e AppsFlyer conta gli install secondo le proprie regole.

Il ROAS può calare mentre il CPI resta piatto?

Sì. Il ROAS all’età t è il valore per install a t diviso per il CPI. Per una subscription app, il valore per install è all’incirca da install a trial × da trial a pagamento × proceeds per primo pagamento × (1 + rinnovi realizzati entro t). Per un gioco è tasso di paganti × valore per pagante + ad revenue per install. Ogni termine tranne il CPI sta a valle dell’annuncio, e l’età t è a sua volta un termine.

Torno al caso del gioco, perché è il più pulito che ho. In quattro settimane il valore dell’ordine è sceso da £29 a £25 a £23 a £18 sulla stessa campagna, con lo stesso setup e lo stesso obiettivo di ottimizzazione, e il ROAS D0 si è dimezzato dal 22% all’11% mentre il CPI si è mosso a malapena. Si stava indebolendo l’intero gioco. L’ARPDAU era giù del 30%, la revenue da acquisti per utente giù del 33% e l’ad revenue per utente giù del 25%. Il revenue mix era passato dall’85% di acquisti a una ripartizione alla pari con la pubblicità, quindi il valore dell’ordine dipendeva ormai anche dagli eCPM pubblicitari. Il problema andava quindi oltre l’acquisizione. Il numero che ha retto è stato il costo per acquisto, sotto £30 in ogni settimana in cui il D0 superava il 20%.

Un’illustrazione per una subscription app. Il CPI resta a 2,00 $, da install a trial resta al 10%, e dopo un redesign del paywall da trial a pagamento scende dal 40% al 30% su un primo pagamento da 40 $. Il valore per install a D30 scende da 1,60 $ a 1,20 $ e il ROAS D30 dall’80% al 60%, con asta, creative e targeting intatti. Succede anche il contrario. Sposta la spesa verso paesi dove un install vale di più e il CPI sale da 2,00 $ a 2,50 $ mentre il valore per install sale da 1,60 $ a 2,40 $, quindi il ROAS passa dall’80% al 96%. Taglia la campagna costosa sul solo CPI e tagli quella migliore. Penso al ROAS come intent per fit per forza del funnel, diviso per il costo, e il CPI è solo il denominatore.

È la misurazione e non la performance?

Diverse cose cambiano il numero riportato senza che cambino gli utenti, e le escludo prima di toccare qualsiasi cosa.

Finestre di attribution. L’Ads Insights API di Meta ha smesso di restituire le finestre 7 day view e 28 day view il 12 gennaio 2026, come Meta ha comunicato agli sviluppatori a ottobre 2025 e come Supermetrics ha documentato per il suo connettore. Qualsiasi report che le richiedesse ancora mostrava un calo delle conversioni che era una modifica del reporting, non della performance. Non l’ho visto nei miei account, quindi questo è un controllo basato su fonti e non un’osservazione. Anche l’MMP e la piattaforma differiscono per design. AppsFlyer indica 7 day click e 1 day view come massimo e default di Meta, e in un account che ho misurato le campagne su 1 day view riportavano circa il 20% di install in più rispetto all’MMP. Un divario stabile è un fattore di calibrazione. Un divario che si è mosso in una data precisa è una modifica delle impostazioni.

SKAN e AdAttributionKit. Con SKAN 4 una campagna riceve tre postback, giorni da 0 a 2, da 3 a 7 e da 8 a 35, con il fine value solo nel primo. AdAttributionKit, da iOS 18.4, permette a ogni network di configurare le proprie finestre, quindi controlla le durate nel tuo setup e non darle per scontate. La documentazione di Apple dice che il conversion value è condizionale e incluso solo quando sono rispettate le soglie di crowd anonymity. Un volume più basso può far scendere una campagna di un tier e rendere null i suoi valori, così il ROAS iOS crolla nella dashboard mentre la revenue in RevenueCat resta invariata. Una modifica di schema o di finestra fa lo stesso. Ho scritto come il pagamento del trial cade in quelle finestre e perché Google Ads, l’MMP e SKAN non concordano.

Mappatura degli eventi, valuta e duplicati. Un acquisto inviato senza valore. Revenue in valuta locale etichettata come dollari. Eventi di trial e di pagamento scambiati. Rimborsi o rinnovi non inviati. Eventi di test in produzione. Due pipeline che inviano lo stesso acquisto, cosa che conta perché AppsFlyer segnala che Meta deduplica gli install tra MMP ma non gli eventi in app. E un livello di BI che è passato silenziosamente da gross a proceeds. Allineo le date di release dell’SDK con il punto di rottura della metrica, e faccio i tre confronti tra la piattaforma, l’MMP e RevenueCat prima di credere a un calo.

Le nuove coorti sono semplicemente giovani?

Scalare abbassa da solo il ROAS blended. Prendi una curva illustrativa di ROAS cumulato per età della coorte del 10% alla settimana 0, 25% alla settimana 1, poi 33%, 38%, 42% e 45% entro la settimana 5. Spendi 10.000 $ a settimana per sei settimane e il ROAS blended di tutto a oggi è del 32,2%. Tieni le quattro settimane più vecchie a 10.000 $ e raddoppia le due più recenti a 20.000 $, con qualità delle coorti identica, e il ROAS blended a oggi è del 28,5%. L’account non è peggiorato. È diventato più giovane. Un taglio di budget recupererebbe meccanicamente il numero blended, ed è questa la trappola.

La soluzione è la regola dell’articolo sulle coorti. Confronta a parità di età, D7 contro D7 e D28 contro D28, per settimana di install. La vera domanda dopo che hai scalato la spesa è se le coorti marginali siano peggiori di quelle precedenti a parità di età, dato che i rendimenti decrescenti esistono davvero, e quella domanda non si legge affatto su un numero blended. Per la lettura precoce uso il D0, perché nel mio studio da 606K $ il D0 ha classificato 38 campagne quasi allo stesso modo del D28.

L’account ha cambiato forma?

Mix di paesi e posizionamenti. Un CPI blended può salire anche se il CPI di ogni paese resta invariato, perché la spesa si è spostata tra paesi. Dividi la variazione tra la parte che avviene dentro ogni paese e la parte che viene dal mix, e fai lo stesso per i posizionamenti, dato che le impression economiche con IPM basso abbassano il CPM e alzano il CPI allo stesso tempo. Nel mio audit per paese un paese ha girato al 28% di ROAS per tre mesi dentro una campagna che stampava il 70%, e il numero blended non ha mai battuto ciglio.

Reset del learning. Cambiare l’evento di ottimizzazione, la bid strategy o la struttura fa ripartire il learning e cambia gli utenti che la piattaforma compra. TikTok dice agli inserzionisti di non modificare un bid di più del 10% durante la fase di apprendimento. Google dice di valutare Smart Bidding su periodi con almeno 30 conversioni, 50 per il ROAS target, e definisce bid constrained una App campaign quando il CPA ottenuto segue da vicino o supera a tratti il target. La pagina di Meta dice che un ad set di solito esce dal learning dopo circa 50 risultati nella settimana successiva all’ultima modifica significativa, e questo è un numero di Meta, non una legge. Qualsiasi confronto che attraversa una modifica significativa è falsato, quindi aspetta un ciclo di learning prima di giudicarlo.

Troppe campagne. In un account US quattro campagne su otto non avevano mai superato 50 eventi di ottimizzazione a settimana e ne avevano prodotti 70 in tutto, il segnale di una sola campagna spalmato su quattro. Hanno preso il 23% del budget e restituito il 54% al giorno 28 contro l’80% delle altre quattro, e il 54% contro il 75% con l’età di lancio tenuta costante. È un account solo, e in quell’account il budget ha seguito la performance. Tratta la soglia dei 50 eventi come un controllo da fare per primo e non come una regola.

È la stagionalità?

Solo se riesci a dimostrarlo rispetto alla tua baseline. Non ho trovato nessun dataset primario sulla stagionalità del CPM mobile, e i sovrapprezzi del Q4 citati da agenzie e vendor di strumenti discordano tra loro di oltre un fattore due, quindi nessuno compare qui. Il controllo sono le stesse settimane di calendario dell’anno scorso, per paese e posizionamento, normalizzate sulla tua spesa. Un CPM in salita con tasso di click e tasso da click a install stabili è coerente con la concorrenza. Un CPM in salita con tasso di click in calo è una questione di creative con una scusa stagionale attaccata. La stagionalità muove anche il lato prodotto, quindi se il tasso di trial di un’app fitness sale a gennaio, è stagionalità al numeratore.

Che aspetto ha l’albero decisionale?

1. La misurazione è cambiata? SDK, impostazioni dell’MMP, finestre di attribution, schema di conversion value, connettori, valuta, gross o net. Se sì, correggila e fissa una nuova baseline prima di qualsiasi decisione di budget.
2. Le coorti hanno la stessa età? Se no, ricostruisci per settimana di install a un giorno fisso.
3. Il CPI si è mosso, e quale input? Il CPM indica concorrenza, mix o qualità del segnale. Il tasso di click o l’IPM indica creative e posizionamento. Da click a install indica la scheda dello store.
4. La conversione dopo l’install si è mossa? Da install a trial, da trial a pagamento, tasso di paganti, per versione dell’app, rispetto al log delle release.
5. Il valore per pagante si è mosso? Prezzo, mix di piani, rimborsi, rinnovi, valore dell’ordine, eCPM pubblicitari, il setup della mediation.
6. Il divario è solo tra la piattaforma e l’MMP? Allora sono le finestre o i duplicati, non gli utenti.
7. Non si è mosso niente su coorti di pari età e dati affidabili? Allora sei al margine della domanda a questa efficienza, e il passo successivo è un holdout o un geo test, poi una decisione di budget.

Quando tagliare il budget è la scelta giusta?

La mia regola è che taglio quando coorti di pari età sforano il tetto di CPA su dati riconciliati, e niente nel change log spiega lo scarto. L’app fitness è il caso più vicino che ho, con un target da 15 $ che fa le veci di un tetto. Al giorno 25 il costo per trial era a 30 $ contro un target di 15 $, su una misurazione che avevamo impostato tra Meta, App Store Connect, RevenueCat e Mixpanel. Avevano girato più di 40 creative e l’algoritmo aveva messo il 90% della spesa su due che mancavano comunque il target, e la diagnosi era il prodotto che serviva due audience con un solo funnel. Abbiamo messo in pausa, con il lavoro sul prodotto e le condizioni di ritorno messe per iscritto. I 30 $ di costo per trial erano un minimo reale, e piccoli ritocchi non lo avrebbero spostato.

Cosa non fa un taglio. Non risolve una regressione del paywall, perché il ROAS resta basso a qualsiasi spesa. Non risolve un errore di mappatura degli eventi, perché la piattaforma continua a ottimizzare verso il segnale sbagliato. Non risolve l’usura, perché una spesa più bassa può ridurre la frequenza per una settimana e non fa alcun refresh dei creative. Non risolve le coorti giovani, perché migliora il numero blended solo in modo cosmetico. E una modifica ampia su Meta, TikTok o Google può far ripartire il learning e aggiungere un secondo problema al primo. Se la decisione è grossa, un holdout o un geo test viene prima del taglio, come ne farei uno per un network.

Cosa dovresti controllare prima della prossima modifica di budget?

1. Congela e annota. Ogni modifica delle ultime due o tre settimane, da app, scheda dello store, eventi, impostazioni di attribution e campagne.
2. Riconcilia. Piattaforma contro MMP contro RevenueCat per install, trial e acquisti. Finestre allineate, valuta e base confermate, nessun evento duplicato.
3. Controlla le finestre. Nessun report che chieda ancora una finestra che la piattaforma non restituisce più.
4. Controlla il segnale iOS. Volume dei postback, quota di valori null o coarse, qualsiasi modifica di schema o di finestra.
5. Ricostruisci su coorti di pari età. D0, D7 e D28 per settimana di install, mai un numero blended di calendario.
6. Scomponi il CPI. CPM, tasso di click o IPM, e da click a install, per paese e posizionamento.
7. Separa il mix dal tasso. La variazione dentro ogni paese contro lo spostamento della spesa tra paesi.
8. Controlla il funnel per versione dell’app. Da install a trial, da trial a pagamento, tasso di paganti, valore per pagante, rinnovi, rispetto al log delle release.
9. Controlla i creative. IPM per età e frequenza del creative, concentrazione della spesa, data dell’ultimo concept nuovo.
10. Controlla lo stato del learning. Se una modifica significativa cade dentro la finestra di confronto, aspetta un ciclo.
11. Controlla la stagionalità rispetto all’anno scorso, oppure lascia cadere l’ipotesi.
12. Poi decidi, sul ROAS marginale a parità di età contro il tetto, con un holdout prima, quando la cifra è alta.

Se sei al primo punto e il log è vuoto perché nessuno ne ha tenuto uno, nel growth audit lo ricostruisco io per un account e faccio i dodici controlli, e puoi prenotarlo da solo a qualsiasi livello di spesa.

Fonti e ambito

Tutte verificate il 5 ottobre 2026. La documentazione delle piattaforme cambia senza preavviso, quindi controlla la data prima di citare una soglia o una finestra. La scomposizione del CPI, l’esempio del paywall, l’esempio del mix di paesi e l’esempio dello scaling sono aritmetica su ipotesi dichiarate, non un account. I casi a cui rimando sono account su cui ho lavorato, uno ciascuno, e non esperimenti controllati. Le pagine di aiuto di Meta bloccano il recupero automatico, quindi le ho fatte aprire in un browser.

• Meta, About ad auctions e About the learning phase, Meta Business Help Center
• TikTok, Available bidding methods e Available bid strategies for App Event Optimization, TikTok Ads Manager Help
• Google, Best practices for App campaigns e About Smart Bidding, Google Ads Help
• Apple, Apple Ads glossary, Create a product page optimization test, Make the most of product page optimization, Tech Talk, e Measuring ad performance with AdAttributionKit
• Adjust, How SKAdNetwork 4 works, Adjust Help Center
• AppsFlyer, Meta ads FAQ e Measuring attribution with multiple MMPs, AppsFlyer Help Center
• Meta, Ads Insights API Metric Availability Updates, Meta for Developers, 16 ottobre 2025
• Supermetrics, Facebook Ads: new historical limitations, attribution window and metric removals, January 12, 2026, la documentazione dello stesso cambiamento da parte di un vendor di connettori
• Lewis, Worn Out or Just Getting Started? The Impact of Frequency in Online Display Advertising, AEA 2015, working paper senza una versione peer reviewed trovata, autore all’epoca a Google, annunci display sulla home page di Yahoo del 2010
• Analytics at Meta, Creative Fatigue, Medium, 10 maggio 2023, regressione osservazionale di Meta più uno split test di circa 26.000 casi, ricerca del vendor