Lead generation AI: il funnel che uso davvero, ricevute incluse

Cerchi lead generation AI e trovi otto volte lo stesso articolo. Una lista numerata di tool. Un paragrafo sulla personalizzazione at scale. Una call to action per il tool che, guarda caso, vende chi pubblica. Il primo risultato su Google in questo momento è un thread su Reddit che si lamenta del fatto che esistono troppi tool di AI per lead gen. Quando un thread di lamentele supera Salesforce e IBM, il mercato sta parlando: ha tool in abbondanza e nessun metodo.

Io sono un marketer, non un vendor. Lavoro con l’AI ogni giorno da due anni e mezzo, nel mio impiego in SSI Schäfer, un’azienda svizzera di intralogistica, e nella mia attività di consulenza. Il resoconto completo di questi anni l’ho scritto qui. Questo articolo è la fetta lead generation, e non contiene nessuna lista di tool. Contiene il funnel che uso davvero, con le ricevute.

Una premessa prima delle ricevute. Un lead è una persona che sta decidendo se fidarsi di te. L’AI non crea quella fiducia, la accelera. La macchina ordina, classifica, abbozza e toglie tempo di attesa. La promessa, il prezzo e la responsabilità restano tuoi. Ogni progetto di lead generation AI fallito che ho visto da vicino ha confuso queste due metà, quindi questo articolo le tiene volutamente separate.

In sintesi

• La lead generation AI è un lavoro da funnel, non un lavoro da tool. Le liste classificano tool. Il lavoro avviene in cinque stazioni: qualifica, form, attribuzione, follow-up e decisioni sui canali.
• La migliore vittoria di conversione che ho spedito è stata un form più corto. Cinque campi, Stripe Checkout e un webhook che semina la scheda draft del cliente: 9 file, +164 e -506 righe, 97 test unitari. Il nuovo funnel è letteralmente più piccolo del vecchio.
• L’attribuzione first-touch è il pezzo meno glamour e più influente. Il mio kit traccia 44 vettori di attribuzione e classifica ogni sorgente lead in modo identico su client e server.
• L’AI non crea fiducia, la velocizza. Ordinare, abbozzare e classificare passa da ore a minuti. La promessa e il prezzo restano umani.
• Un canale nuovo non è una lead machine gratis. Ad agosto 2026 ho valutato ChatGPT Ads e ho detto no con un budget di 600 CHF: targeting solo contestuale e geografico, e un test B2B significativo parte da 5-10k USD al mese.
• La mia sorgente di lead più economica compone interessi. Questo blog e i suoi contenuti pensati per la ricerca AI portano lead di consulenza mentre dormo. Le pubblicità si fermano nel momento in cui smetti di pagare.

Perché ogni lista sulla lead generation AI suona uguale

Prima di scrivere ho tirato giù i risultati in cima, perché volevo sapere cosa riceve davvero chi cerca. La risposta: un thread su Reddit sull’eccesso di tool, due spiegazioni aziendali di Salesforce e IBM e cinque pagine di aziende che vendono software per lead generation. Sei risultati su otto posizionano una categoria da cui guadagnano. Nessuno mostra un form vero. Nessuno mostra una tabella di attribuzione. Nessuno mostra una decisione di non spendere.

Il difetto strutturale è pensare prima al tool. Se parti da quale tool comprare, ogni problema sembra un abbonamento mancante. Parti invece dal funnel e la domanda cambia: dove, esattamente, una macchina aiuta a trasformare uno sconosciuto in una conversazione? Io conto cinque punti, e solo uno riguarda l’acquisto di qualcosa. Il livello strategico sopra tutto questo vive nel mio playbook di AI marketing.

I cinque punti in cui l’AI tocca un lead

Ecco la mappa da cui lavoro, dall’alto verso il basso.

Qualifica. Un lead arriva come email, come invio di un form, come messaggio. Il primo lavoro è ordinare: ci sta?, quanto è urgente, chi deve vederlo. L’AI abbozza l’ordinamento. Io lo confermo.

Il form. Il momento della conversione in sé. Il mio l’ho ricostruito attorno a un’idea semplice: chiedere meno, automatizzare il passaggio. Il risultato converte meglio e contiene meno codice.

Attribuzione. Da dove è arrivata questa persona. Quarantaquattro segnali catturati al primo tocco, classificati allo stesso modo nel browser e sul server.

Follow-up. La risposta che decide se una richiesta diventa una conversazione. L’AI la abbozza in minuti. Io rileggo e invio.

Decisioni sui canali. Dove spendere e, più spesso, dove rifiutare. L’AI alimenta l’analisi. Il rifiuto resta mio, e più sotto ne leggi uno.

Quattro delle cinque stazioni girano su tool che già possedevo. Questa è la verità silenziosa della lead generation AI: i vantaggi che compongono interessi sono strutturali, non comprati.

Qualifica dei lead: l’AI ordina, la persona giudica

I lead in ingresso arrivano in disordine. Un’email di una riga. Un form con tre campi compilati e due abbandonati. Un messaggio che dice solo: è ancora disponibile? Prima dell’AI, ordinare un gruppo di quelli significava un pomeriggio di schede aperte e fogli di calcolo.

Oggi il passaggio di ordinamento richiede minuti. Il modello legge la richiesta grezza e abbozza una classificazione: sorgente, bisogno dichiarato, lingua, aderenza approssimativa al profilo di cliente ideale, segnali di urgenza. Ogni bozza finisce in una coda. Niente si invia da sé. Io rileggo, correggo forse un’etichetta su dieci e decido chi riceve una risposta oggi.

La linea che tengo è questa: l’AI prepara la decisione, non la prende mai. Un modello può stimare l’aderenza, ma non può portare le conseguenze di una stima sbagliata. Se boccia automaticamente un lead che sembrava piccolo e in realtà era il primo passo di un’azienda verso un progetto più grande, nessun modello si scusa per quello. Lo faccio io, oppure mi assicuro che non ce ne sia mai bisogno.

C’è un secondo motivo per cui l’umano resta nel giro. I prospect riconoscono un rifiuto automatico a distanza. La loro richiesta ha richiesto impegno. Una risposta evidentemente in template dice loro che quell’impegno valeva uno script. L’ordinamento può essere istantaneo. Il giudizio deve rispondere.

Il form è il funnel: cinque campi, un checkout, un webhook

Ora le ricevute, perché tutti dichiarano miglioramenti di conversione e nessuno mostra il diff. Gestisco un progetto che si chiama aiexhibitions.net, una directory di mostre immersive e spettacoli da planetario con più di 900 pagine generate in modo statico con Astro. Le venue possono abbonarsi per essere elencate. È in quel funnel di abbonamento che ho ricostruito il percorso di conversione.

La ricostruzione è andata pay-first. Il nuovo flusso chiede quasi nulla in partenza: nome della venue, email, piano scelto, intervallo di fatturazione e una checkbox di consenso. Cinque campi. Poi dritto in Stripe Checkout. Quando il pagamento va a buon fine, un webhook semina automaticamente la scheda draft del nuovo abbonato. Il cliente vede l’inizio del suo valore prima ancora che io abbia letto l’email di benvenuto.

I numeri, perché questa è una ricevuta. La ricostruzione ha toccato 9 file, ha aggiunto 164 righe, ne ha cancellate 506, ed è uscita con 97 test unitari. L’ho costruita guidando l’AI nel modo che descrivo nella mia guida allo spedire tool senza un dev team, ed è l’altra metà della storia della lead generation AI che nessuno racconta: il modello aiuta anche a costruire l’infrastruttura, non solo a riempirla.

La lezione vale oltre i siti in abbonamento. La conversione non nasce dal porre più domande per qualificare più duro. Nasce dal porre meno domande e lasciare che l’automazione faccia la qualifica dopo l’impegno, quando il prospect è caldo invece che diffidente.

Attribuzione first-touch: 44 vettori e una sola versione della verità

Chiedi a un team di marketing da dove arrivano i suoi lead e spesso ottieni un’alzata di spalle in direzione di un bucket della dashboard che si chiama Altro. La mia risposta è un piccolo kit che ho costruito io, ed è il tubo più utile del mio funnel.

Cattura al primo tocco 44 vettori di attribuzione e classifica ogni lead in bucket puliti. Gira in Node e in PHP, perché i miei siti non sono tutti sullo stesso stack. E classifica in modo identico su client e su server, che sembra un dettaglio finché non hai fatto debugging su due contatori che non si trovano d’accordo.

La tassonomia è il punto in cui il noioso diventa prezioso. Un lead da youtube, whatsapp, telegram o tiktok è Social. Un lead da duckduckgo, ecosia o brave è Organico, non Diretto. Senza quella mappatura, i motori di ricerca rispettosi della privacy e le app di messaggistica collassano tutte in un bucket che si chiama none, e le tue decisioni sui canali si prendono sulla finzione.

L’attribuzione è anche la precondizione di tutto il resto che sta su questa pagina. La qualifica senza sorgente è mezzo giudizio. Il follow-up senza sorgente è generico. Il budget sui canali senza sorgente è una donazione. Se in questo trimestre sistemi una cosa sola del tuo funnel, sistema questa, e fallo prima di comprare un singolo tool nuovo.

Follow-up: velocità di risposta con firma umana

Il lead che aspetta si raffredda. Ogni ora tra una richiesta e una risposta costa intenzione. La mia politica è la risposta a bozza: ogni lead in ingresso riceve una risposta abbozzata entro pochi minuti, e la rileggo e la invio io.

La bozza è il punto in cui l’AI si guadagna il posto, perché non è generica. L’attribuzione le dice da dove è arrivato il lead, quindi la bozza può aprirsi con il contesto: l’articolo che la persona ha letto, il canale da cui è arrivata, il piano che ha scelto. Una risposta che parte dal contesto di chi legge comunica attenzione, e l’attenzione è la maggior parte di ciò che vende una prima risposta.

La linea, di nuovo: bozza, non invio. Le risposte automatiche si riconoscono a una frase da distanza, e convertono la fiducia in fastidio alla velocità della macchina. Il lato broadcast del restare in contatto gira sulla pipeline che ho documentato nell’articolo sull’automazione della newsletter. Il lato uno-a-uno resta manuale di proposito, perché il momento uno-a-uno è dove la fiducia si costruisce davvero.

Il test da 600 CHF che ho rifiutato

Ad agosto 2026 mi sono seduto a valutare ChatGPT Ads come canale di lead per la mia consulenza. Il budget di test sul tavolo era 600 CHF. Ragionevole, pensavo, per un primo segnale.

La valutazione ha ucciso l’idea prima che il budget si muovesse. Il targeting è contestuale e geografico. Non c’è targeting per ruolo, non c’è targeting per azienda, niente che mi permetta di raggiungere le persone che comprano ciò che vendo. Per un’offerta B2B, 600 CHF con quelle regole comprano rumore. Un test abbastanza grande da scavalcare quel limite parte da 5-10k USD al mese, che è una decisione completamente diversa.

Quindi ho detto no, e ho scritto il motivo, perché la lezione è più grande del canale. Un canale nuovo non è una lead machine gratis. L’hype dice che i primi adottanti ottengono attenzione a buon mercato. Forse, ma solo se il targeting riesce a esprimere chi è il tuo cliente. Fai quel controllo contro la tua matematica del costo di acquisizione cliente prima che il budget lasci il conto, non dopo.

Mentre rifiutavo quel canale, la mia vera sorgente di lead continuava a lavorare. Questo blog è da dove arrivano i lead della mia consulenza: articoli che rispondono a domande vere, strutturati perché persone e motori AI possano citarli. Questo comporre interessi è il punto di tutto. Un pezzo che viene citato produce richieste per anni a costo marginale zero, mentre le pubblicità producono esattamente finché paghi, e non un giorno di più. L’articolo che stai leggendo fa parte di quella macchina.

Cosa non delego mai all’AI nella lead generation

Tengo una lista sull’AI nel mio funnel, ed è una lista di rifiuti. La macchina non fa mai promesse. Non fissa mai un prezzo e non lo difende. Non si scusa mai per un fallimento, perché una scusa generata da un template non è una scusa. E non dice mai no a un prospect, perché rifiutare qualcuno è un giudizio con conseguenze.

Le regole pratiche seguono da lì. Niente parte senza la mia rilettura. Nessun dato cliente finisce in un modello pubblico, regola che tengo per i dati del mio datore di lavoro con la stessa durezza che per i miei. E ogni risposta abbozzata dall’AI esce col mio nome, il che significa che la leggo tutta, ogni volta.

Se parti da zero, l’ordine conta. Sistema prima l’attribuzione, così vedi. Accorcia poi il form, così più gente arriva in fondo. Adotta terzo la risposta a bozza, così la velocità smette di dipendere dal tuo umore. Compra i tool per ultimo, e solo dove una stazione resta lenta dopo le prime tre sistemazioni. Questa sequenza costa quasi nulla, ed è tutto il metodo.

Domande frequenti

L’AI può generare lead da sola?

No, e l’inquadratura è già il problema. L’AI non genera fiducia, e un lead è fiducia con un form attaccato. Ciò che la macchina fa è togliere l’attesa e le congetture a ogni passo dopo che qualcuno ti nota: ordina, classifica, abbozza e alimenta l’analisi. L’essere notati arriva ancora dai tuoi contenuti, dalla tua offerta o dalla spesa sui canali. I team che si aspettano che il modello evochi domanda sono quelli che finiscono nel mucchio dei fallimenti.

Cosa dovrei automatizzare prima nel mio funnel di lead?

L’attribuzione, senza esitazione. È invisibile, poco glamour, e rende oneste tutte le decisioni successive. La seconda automazione è la bozza del follow-up, con una rilettura severa prima di ogni invio. L’ultima cosa da automatizzare è il giudizio, che vuol dire mai.

La lead generation AI funziona con un piccolo budget?

Con un piccolo budget funziona meglio, perché i guadagni strutturali costano quasi nulla. Accorciare un form costa un pomeriggio. La bozza del follow-up costa l’abbonamento che probabilmente già paghi. La risposta onesta sulla lead generation AI con budget tirato è che i risultati vengono dalla struttura, non dalla spesa: guarda da dove arrivano i lead, chiedi loro meno, rispondi più in fretta e rifiuta i canali il cui targeting non riesce nemmeno a descrivere il tuo cliente. Tieni da parte gli esperimenti da 5-10k al mese per quando il funnel sotto di loro merita quel traffico.