L’algoritmo è il nuovo direttore creativo?

L’algoritmo non entra mai ufficialmente in una sala riunioni con noi. Eppure, in qualche modo, è presente durante il nostro processo creativo.

È presente quando ragioniamo sull’hook, quando decidiamo quanto aspettare prima di far comparire il messaggio, quando scegliamo una durata o valutiamo se riprendere un format che ha già funzionato.
Non perché sia l’algoritmo a creare al posto nostro, ma perché anni di dati, test e comportamenti osservati sulle piattaforme sono inevitabilmente entrati nel nostro modo di progettare i contenuti.
Ed è giusto così: conoscere le logiche delle piattaforme e saperle usare fa parte del nostro lavoro.La questione interessante è capire dove finisce l’ottimizzazione e dove, invece, comincia il condizionamento.

Pubblichiamo e arriva una delle domande più frequenti - e assolutamente corrette - del nostro lavoro: com’è andato il post?
Per rispondere, però, ne serve prima un’altra: rispetto a cosa?

Abbiamo progressivamente trasformato la performance in un sinonimo di numeri alti. Più views, più interazioni, più follower: contenuto migliore. È una scorciatoia comprensibile, perché rende il successo immediatamente leggibile e le scelte giustificate.
Ma la performance non è un obiettivo: è un risultato rispetto a un obiettivo.

Cinquecento salvataggi possono essere un ottimo risultato per un contenuto educational, ma irrilevanti per una campagna progettata per generare conversioni. Un milione di views può essere un successo enorme oppure un numero che, preso da solo, ci dice poco.

Ed è qui che performance e creatività iniziano a intrecciarsi. Perché se ciò che definiamo “performante” determina quello che produrremo dopo, la domanda cambia: stiamo usando l’algoritmo per distribuire meglio le nostre idee o gli stiamo permettendo di decidere quali idee meritano di esistere?

Un Reel funziona, ne analizziamo i motivi e proviamo a replicarli. Funziona di nuovo e quel format entra stabilmente nella strategia. Al contrario, qualcosa di nuovo parte male e viene accantonato. Presa singolarmente, ogni decisione ha senso. Ripetuta abbastanza volte, però, può costruire un circuito chiuso in cui i risultati di ieri stabiliscono i confini di ciò che saremo disposti a sperimentare domani.

E c’è un ulteriore paradosso: spesso non stiamo creando soltanto per l’algoritmo, ma per l’algoritmo che immaginiamo.
Perché l’algoritmo di cui parliamo continuamente non lo conosciamo davvero fino in fondo. Ne osserviamo alcuni segnali, seguiamo le indicazioni ufficiali, analizziamo le performance e, a partire da questi elementi, costruiamo un modello mentale di ciò che potrebbe premiare.

Di fronte a sistemi che non possiamo conoscere completamente, tendiamo a costruirci delle idee sul loro funzionamento. È quello che Taina Bucher definisce attraverso il concetto di algorithmic imaginaries: interpretazioni e convinzioni sugli algoritmi che finiscono per influenzare il nostro comportamento e, di conseguenza, anche le nostre strategie di contenuto (Behind the screens: how algorithmic imaginaries shape science content on social media, 2025) . Il punto, quindi, non è tanto che l’algoritmo ci dica esplicitamente cosa creare. È che impariamo progressivamente ad anticipare ciò che pensiamo possa funzionare, finendo per dare più spazio a ciò che sappiamo già misurare e meno a ciò che non abbiamo ancora avuto modo di testare.

Questo processo, però, non dipende soltanto da noi. Attraverso linee guida, strumenti, comunicazioni e best practice, sono le piattaforme stesse a contribuire alla costruzione della nostra idea di ciò che l’algoritmo premia. In questo senso, si parla di algorithmic pedagogy: la piattaforma non si limita a distribuire i contenuti, ma contribuisce anche a insegnarci come interpretare e anticipare le logiche della loro distribuzione, come evidenziano Liang e Ye (2025).
L’algoritmo, quindi, non interviene soltanto dopo che la creatività è stata prodotta. Entra molto prima nel processo. E forse ancora prima delle nostre singole decisioni creative: contribuisce a costruire l’ambiente in cui quelle decisioni vengono prese.

Nel libro Filterworld, il giornalista del New Yorker Kyle Chayka analizza come la diffusione dei sistemi di raccomandazione abbia cambiato il modo in cui entriamo in contatto con i contenuti culturali. Non è più soltanto il contenuto a cercare il proprio pubblico: sempre più spesso è il feed a determinare ciò che vediamo e, di conseguenza, quali riferimenti culturali diventano più visibili. L’algoritmo non influenza quindi soltanto la distribuzione delle idee, ma anche l’ambiente dentro cui osserviamo, impariamo e ne costruiamo di nuove (Il rumore degli algoritmi, il Tascabile, 2024) . 

Quando ciò che funziona inizia ad assomigliarsi

È qui che le best practice diventano interessanti. Nascono perché funzionano e, proprio per questo, vengono replicate: da noi, dai creator, dai competitor, da chiunque stia osservando più o meno gli stessi segnali.

Il risultato è familiare. Basta scrollare pochi minuti per incontrare gli stessi hook, gli stessi montaggi, le stesse strutture narrative, gli stessi modi di catturare l’attenzione. Non necessariamente perché manchino le idee, ma perché stiamo imparando tutti dallo stesso ambiente.
Il feed diventa così una sorta di curriculum creativo informale: ci mostra ciò che emerge, noi lo assorbiamo come riferimento e produciamo nuovi contenuti che tornano nello stesso sistema.

È un feedback loop: ciò che emerge diventa più visibile; ciò che è più visibile viene osservato di più; ciò che osserviamo di più ha maggiori probabilità di diventare un riferimento per quello che creeremo dopo.

La soluzione, però, non è ignorare i codici delle piattaforme. Anzi.
Il concetto di optimal distinctiveness aiuta a spiegare un altro equilibrio importante: quello tra familiarità e novità. Una combinazione tra uno stile riconoscibile e un contenuto semanticamente nuovo può infatti favorire la performance dei contenuti. È quanto emerge da una ricerca del 2026 pubblicata sul Journal of Business Research, basata sull’analisi di quasi 97.000 contenuti social. 

In altre parole, non dobbiamo scegliere tra essere nativi e essere originali. Dobbiamo capire quali codici permettono al contenuto di appartenere alla piattaforma e quali permettono alla piattaforma di non cancellare il brand dal contenuto.
Immaginiamo due post. Il primo ottiene 500 like, ma colori, tono di voce, struttura, personaggi e linguaggio fanno sì che il brand sia riconoscibile ancora prima di vedere il logo.
Il secondo ne ottiene 5.000, ma è costruito intorno a un meme molto generico che avrebbe potuto pubblicare praticamente qualsiasi competitor. Quale dei due ha performato meglio?

La risposta, per quanto poco soddisfacente, è: dipende da cosa dovevano fare.
Ed è esattamente il punto. Il problema non sono le vanity metrics. Views, like, follower e interazioni possono essere segnali estremamente utili. Il problema nasce quando diventano automaticamente la nostra definizione di successo.

Lo stesso vale per la viralità. Un confronto pubblicato da Forbes nel 2025, che raccoglie le opinioni di venti professionisti della comunicazione e del marketing, parte proprio dalla domanda: andare virali è ancora davvero un obiettivo? Le risposte sono diverse, ma convergono su un punto: la viralità può produrre attenzione e visibilità, ma non garantisce da sola impatto sul business o una relazione duratura con il pubblico.
Può essere un risultato straordinario. Può persino essere l’obiettivo, quando è coerente con ciò che vogliamo ottenere. Più difficilmente può essere una strategia in sé. 

Per questo “com’è andato il post?” rimane una domanda utile solo se sappiamo cosa chiedere ai numeri. Se l’obiettivo era generare awareness, milioni di views possono essere esattamente il risultato che cercavamo. Se invece dovevamo costruire riconoscibilità, portare persone qualificate sul profilo o generare conversioni, lo stesso numero racconta una storia molto diversa.

L’algoritmo e il brand non hanno necessariamente lo stesso obiettivo

Una piattaforma ha interesse a mostrarci contenuti capaci di catturare attenzione, generare permanenza e alimentare interazione. Un brand deve certamente conquistare attenzione, ma deve anche essere riconosciuto, ricordato, considerato e, prima o poi, scelto.
Le due cose possono coincidere. Ma non sono sinonimi. 

Ed è qui che emerge un rischio meno evidente: diventare sempre più bravi con i social e sempre meno bravi a costruire il brand sui social.

Se ogni decisione creativa viene presa osservando soprattutto ciò che ha generato più reach, watch time o engagement, possiamo diventare estremamente efficienti nel produrre ciò che la piattaforma premia e, contemporaneamente, indebolire gli elementi che rendono il brand riconoscibile.
Non tutto ciò che funziona subito è necessariamente ciò che costruisce più valore nel tempo. Alcune attività puntano a ottenere una risposta immediata, altre lavorano più lentamente sulla riconoscibilità e sul valore del brand. Les Binet e Peter Field, in The Long and the Short of It, distinguono proprio questi due approcci: short-term activation e brand building. Una strategia efficace, quindi, non può essere valutata solo da ciò che succede nell’immediato.

Sui social questo principio diventa particolarmente rilevante, perché ciò che è più facile misurare subito rischia di diventare anche ciò che consideriamo automaticamente più importante.
Pensiamo, per esempio, alla differenza tra traffico e pubblico.
Un contenuto può raggiungere milioni di persone senza necessariamente raggiungere le persone giuste. Può portare migliaia di utenti sul profilo per qualche ora senza costruire alcun motivo perché tornino il giorno dopo (The Viral Trap - Why Going Viral Isn’t the Holy Grail of Marketing).

Il traffico racconta una distribuzione. Il pubblico implica qualcosa di più stabile: persone che riconoscono un linguaggio, comprendono il contesto del brand, tornano, ricordano.
Un contenuto può quindi essere bravissimo a trovare traffico e molto meno bravo a costruire il proprio pubblico.

Questo non significa che ogni singolo post debba contenere tutto il brand al suo interno. Significa riconoscere che colori, linguaggio, sound, personaggi, format ricorrenti e codici visivi acquistano valore anche attraverso la ripetizione coerente.
Ed è difficile misurare questo effetto guardando soltanto l’engagement di martedì scorso.

Partire dalla domanda, non dalla dashboard

Per questo in AQuest cerchiamo di partire da una domanda leggermente diversa. Non soltanto “cosa funziona sui social? ”, ma “cosa deve funzionare per questo brand, con queste persone, in questo momento? ”
Può sembrare una sfumatura. In realtà cambia parecchio il processo.
Non tutti i contenuti hanno lo stesso lavoro: alcuni devono raggiungere persone nuove, altri spiegare, intrattenere, convertire, generare conversazioni o contribuire nel tempo alla costruzione di un linguaggio riconoscibile.
Prima definiamo quindi il ruolo del contenuto e il suo obiettivo. Poi decidiamo cosa osservare per capire se abbia funzionato.

Reach, retention, engagement, traffico, conversioni, interazioni con la community, riconoscibilità: il KPI arriva dopo la domanda, non prima.

Per noi i dati sono un input creativo, non il brief creativo. Servono a capire comportamenti, leggere segnali, individuare opportunità e verificare ipotesi, ma acquistano senso quando vengono messi insieme a ciò che una dashboard, da sola, non può raccontare: identità del brand, contesto culturale, obiettivi di business e qualità dell’idea.

Per questo strategia, creatività e dati non possono essere tre momenti separati. L’analisi orienta la strategia, la strategia dà un perimetro alla creatività e ciò che impariamo dalle performance torna nel processo. Non per replicare automaticamente ciò che ha funzionato, ma per decidere meglio cosa fare dopo.
E decidere meglio significa anche accettare una cosa piuttosto scomoda: non tutto ciò che vale la pena provare può avere già dei dati a proprio favore.
Ci servono format consolidati, perché costruiscono continuità e permettono di ottimizzare. Ma serve anche uno spazio di sperimentazione. Altrimenti chiediamo ai dati di dimostrarci in anticipo che un’idea nuova funzionerà utilizzando dati che possono esistere soltanto dopo averla provata.

Una strategia costruita esclusivamente sulla replica di ciò che ha appena performato può essere molto efficiente nel breve periodo e molto fragile appena cambia qualcosa: piattaforma, algoritmo, formato, linguaggio o comportamento delle persone.
Non significa ignorare i segnali. Significa non confondere un segnale con una direzione strategica.
Ottimizzare ciò che sappiamo, quindi, ma proteggere anche uno spazio per ciò che ancora non sappiamo.

Quindi, l’algoritmo è il nuovo direttore creativo?

Probabilmente no. E forse è meglio così. Ma deve stare nella stanza.
Deve raccontarci cosa è successo, aiutarci a leggere i comportamenti delle persone, mettere alla prova le nostre intuizioni e, ogni tanto, dimostrarci che avevamo torto. Quello che non dovrebbe fare è decidere da solo quale sarà la prossima idea.


Una strategia social efficace non nasce scegliendo tra creatività e performance, ma facendo lavorare insieme strategia, creatività e dati: abbastanza consapevoli delle regole della piattaforma da saperle usare, abbastanza concentrati sul brand da sapere quando non seguirle.
Forse, allora, quando qualcuno ci chiede “com’è andato il post?”, prima ancora di aprire la dashboard dovremmo farci un’altra domanda: “cosa doveva fare?”
Solo a quel punto i numeri iniziano davvero a significare qualcosa.

Perché l’algoritmo può dirci molto su ciò che ha funzionato ieri.
Il nostro lavoro è capire cosa vale la pena creare domani.



Autore:
Sofia Zansavio | Social Media & Content Manager @AQuest

Hai una storia o un progetto da raccontare? 

Condividi con noi le tue idee e obiettivi:
troveremo insieme la migliore strategia di comunicazione digitale.