Meta Ads Library e AI: come monitorare i competitor. Il caso Lavazza

Il concorrente ha lanciato una nuova offerta. Un collega manda lo screenshot su WhatsApp, un altro lo salva in una cartella, qualcuno commenta: «Dobbiamo fare qualcosa di simile». Una settimana dopo nessuno ricorda dove sia finita l’immagine. L’analisi della concorrenza, a quel punto, assomiglia a una collezione di figurine senza album.

Con Meta Ads Library e intelligenza artificiale possiamo costruire un processo più utile: raccogliere inserzioni Facebook e Instagram, conservare le prove, classificare messaggi e offerte, produrre un report e aggiornare un Excel. Ho provato il metodo su Lavazza. Il risultato interessante è la possibilità di distinguere proposte commerciali diverse e trasformarle in domande per il nostro marketing.

Che cos’è Meta Ads Library e cosa permette di vedere

La Libreria inserzioni di Meta, spesso chiamata Facebook Ads Library, è l’archivio pubblico da cui partire per esaminare le inserzioni delle piattaforme Meta. Nella consultazione possiamo trovare testo, creatività, pagina inserzionista, data di avvio, stato, piattaforme e collegamenti, con dettagli che dipendono dall’inserzione e dal perimetro di trasparenza disponibile.

Una precisazione evita molti report sbagliati: la libreria mostra inserzioni e varianti, ma non ricostruisce automaticamente la struttura campagne, gruppi di inserzioni e annunci del concorrente in Ads Manager. Se raccolgo 80 ID non posso scrivere di aver scoperto 80 campagne. Posso organizzare messaggi simili in famiglie, purché dichiari che il raggruppamento è una mia analisi.

La guida di Tim Jensen su Search Engine Journal, pubblicata nel 2021, offre una buona griglia per osservare formati, tono, offerte e varianti. La uso come riferimento metodologico: l’interfaccia e i dati disponibili vanno controllati nella versione attuale. Anche la guida di Search Engine Land sul benchmarking PPC invita a osservare creatività e pagine di destinazione. Fermarsi alla bella immagine significa perdere metà della proposta commerciale.

Come cercare le inserzioni dei competitor su Facebook e Instagram

1. Apri Meta Ads Library e scegli il Paese che vuoi analizzare, per esempio Italia.
2. Seleziona la categoria pertinente, normalmente “Tutte le inserzioni” per una ricerca commerciale.
3. Cerca il marchio e identifica la pagina corretta. Controlla nome, URL e ID: cercare una parola nel testo può restituire rivenditori, omonimi e altri inserzionisti.
4. Imposta i filtri disponibili per piattaforma, stato, formato e periodo. Conserva l’URL della ricerca e annota le scelte.
5. Apri i dettagli delle inserzioni interessanti, verifica la destinazione e acquisisci screenshot con ID e data visibili.
6. Ripeti la raccolta con lo stesso perimetro e confronta gli ID con quelli già archiviati.

Nel mio test, cercare genericamente “Lavazza” ha restituito anche inserzioni di altri operatori che citavano il marchio. Ho quindi identificato la pagina Lavazza Italia nella libreria, ID 734995519865563. È un controllo banale, ma un’AI che parte da un insieme sbagliato può produrre un’analisi elegantissima del concorrente sbagliato.

“Ultima settimana”: nuove inserzioni o inserzioni presenti nel periodo?

Prima di chiedere un Excel completo bisogna definire “completo rispetto a che cosa”. Un report settimanale può includere le inserzioni avviate negli ultimi sette giorni oppure quelle presenti almeno in parte nel periodo, comprese quelle iniziate mesi prima. Sono due insiemi diversi. Nel secondo caso la regola temporale è: inizio entro la fine della settimana e cessazione non precedente al suo inizio, quando la cessazione è documentata.

Per questo esempio ho impostato la finestra 9-15 ottobre 2026, inclusi, e raccolto il 16 ottobre un campione di 80 ID mediante l’Actor Apify dedicato alla libreria. Il limite di estrazione è stato raggiunto: la copertura non è certificata come esaustiva. L’estrazione parte dall’URL della pagina italiana senza imporre un filtro geografico esplicito; la verifica visuale degli esempi è stata fatta nell’interfaccia con Italia selezionata. Il file documenta questa differenza e non va letto come censimento di tutte le inserzioni erogate in Italia.

19 degli 80 ID del campione hanno una data di avvio fra il 9 e il 15 ottobre. Gli altri risultano avviati prima. Non sono percentuali di investimento né quote di mercato. Inoltre l’estratto può riportare una data finale anche per inserzioni segnalate attive: ho conservato il valore grezzo senza trasformarlo in una cessazione certa. Questo è un caso concreto in cui pulire troppo i dati significa falsificarli.

L’esempio Lavazza: tre inserzioni, tre letture commerciali

Gli screenshot seguenti provengono dalla consultazione reale di Meta Ads Library del 16 ottobre 2026. Le osservazioni descrivono il materiale visibile; gli intenti sono interpretazioni motivate. Prezzi, date e offerte sono riportati come contenuto delle inserzioni osservate e possono cambiare.

1. Moka Style: portare le persone a una degustazione

La scheda 2586128291898931, avviata il 14 ottobre, presenta una prova di Moka Style al Mercato San Silverio e rimanda a una mappa. Nella schermata sono visibili Facebook e Instagram. La creatività verticale rosa, il luogo e le indicazioni temporali rendono immediato l’invito.

Commento: il messaggio combina una promessa di gusto familiare con un’occasione concreta di prova. Intento ipotizzato: favorire visite e assaggio del prodotto. Keyword nel copy: Moka Style, moka, capsule, Nespresso, Mercato San Silverio. Nota: un luogo nel testo non dimostra che il targeting sia limitato a quel quartiere. Il link di una variante estratta, 1120289817141746, ha aperto la scheda 2586128291898931: nel file ho registrato entrambe le identità.

2. Kit Tablì: rendere l’offerta acquistabile

L’inserzione 1542194044607419, avviata il 14 ottobre, propone una macchina e 96 tab a 249,99 euro, con pulsante “Shop Now”. Il visual concentra l’attenzione sul kit e il testo rende espliciti quantità e prezzo. La scheda mostra Facebook, Instagram e altre piattaforme: è corretto conservare anche queste informazioni nel report.

Commento: il bundle rende confrontabile la proposta e porta verso una destinazione commerciale. Intento ipotizzato: vendita del kit. Keyword nel copy: kit, Tablì, macchina, 96 tab, prezzo. Nota: il pulsante d’acquisto sostiene l’interpretazione, ma non ci rivela l’obiettivo di ottimizzazione selezionato in Ads Manager. Non sappiamo quante persone abbiano acquistato.

3. Flagship Store: promuovere un’esperienza locale

La scheda 28538127642480782, avviata il 13 ottobre e indicata su Instagram, invita a una colazione nel Flagship Store di Milano e rimanda a Eventbrite. La creatività richiama il tema dell’evento, mentre il testo fornisce luogo e orario.

Commento: il marchio costruisce un’occasione di incontro oltre al consumo del prodotto. Intento ipotizzato: partecipazione all’evento e relazione con il brand. Keyword nel copy: Colazione Italiana, Flagship Store, Milano. Nota: il collegamento a Eventbrite non è una misura di iscrizioni o presenze.

Nel campione compaiono anche abbonamenti, contenuti editoriali su Matera e macchine Inovy Soul per l’ufficio. La mia lettura è che convivano messaggi di prodotto, incentivo economico, contenuto ed esperienza. È un’ipotesi sulla comunicazione osservata, non la ricostruzione del piano media Lavazza.

Come usare l’AI per creare il report dei competitor

Il lavoro può essere manuale, caricando nel chatbot screenshot e tabella, oppure assistito da strumenti di raccolta. Nel test ho usato Facebook Ads Library Scraper di Apify, che documenta filtri e formati di esportazione. È uno strumento di terze parti, distinto dalle API ufficiali Meta. Accessi, costi e campi disponibili vanno verificati prima di impostare un monitoraggio esteso.

L’AI riceve dati e immagini effettivamente acquisiti. Può leggere il testo nei visual, raggruppare offerte, classificare CTA e proporre una lettura del messaggio. Per i video, uno screenshot rappresenta soltanto un fotogramma: per commentare montaggio, audio e sviluppo narrativo servono il filmato o una trascrizione con fotogrammi pertinenti. Se vede un segnaposto come {{product.brand}}, deve registrare un dato incompleto, senza inventare il testo che l’utente finale avrebbe visto.

Questo è un prompt operativo da adattare al proprio progetto:

Agisci come analista di comunicazione pubblicitaria. Analizza solo il dataset e gli screenshot allegati.

Perimetro: pagina e ID [inserire], Paese [inserire], piattaforme Facebook e Instagram, periodo [date inclusive]. Specifica se analizzi inserzioni avviate nel periodo o presenti nel periodo.

Per ogni ID conserva fonte, data di raccolta, date grezze, stato, piattaforme, formato, copy, CTA e destinazione. Aggiungi commento, intento commerciale ipotizzato, evidenza che sostiene l’ipotesi, keyword effettivamente presenti e note.

Separa dati osservati e inferenze. Non dedurre budget, CTR, CPC, CPA, ROAS, targeting dettagliato o obiettivo Ads Manager quando non sono documentati. Non trasformare dati mancanti in zero. Segnala segnaposto dinamici, contraddizioni nelle date e varianti che aprono un altro ID.

Crea un Excel filtrabile, una riga per ID, con screenshot incorporati o collegati e riepilogo. Non chiamare campagne i singoli annunci. Dichiara limiti, filtri e copertura. Proponi tre esperimenti originali per il nostro brand, ciascuno con ipotesi e metrica da misurare sui nostri account.

Come organizzare l’Excel delle inserzioni

Ho preparato un file con tre fogli: riepilogo del perimetro, 80 righe analizzate e screenshot reali dei tre esempi. La tabella comprende ID, pagina, date, stato, piattaforme, formato, nuova pubblicazione nella settimana, testo, CTA, URL, tema, intento ipotizzato, commento, keyword e note. I campi di obiettivo e rendimento restano esplicitamente non disponibili.

Scarica l’Excel del campione Lavazza, 9-15 ottobre 2026.

Gli screenshot sono tre, non ottanta: per le altre righe il file segnala che la schermata non è stata acquisita e conserva il link alla creatività quando restituito. Una miniatura della creatività e uno screenshot della scheda sono prove diverse: la seconda conserva anche identità, stato e contesto. In un processo completo, salverei una schermata per ogni ID, collegandola alla riga e registrando eventuali errori di acquisizione.

Le keyword richiedono un’altra distinzione. Qui sono parole presenti nella comunicazione, utili per capire promesse e temi. Non sono un elenco di parole acquistate né una ricostruzione degli interessi usati per il targeting. Allo stesso modo, molte varianti simili non dimostrano un A/B test e un’inserzione longeva non dimostra un ROAS elevato.

Che cosa dicono i paper sulla trasparenza pubblicitaria

Rose Marie Santini e colleghi, nello studio Seeing through opacity: The limitations of digital ad transparency in Brazil, presentato ad ACM FAccT 2024, confrontano gli strumenti di trasparenza di diverse piattaforme nel contesto brasiliano. Rilevano il valore della libreria Meta per le indagini, insieme a limiti di accesso e informazione. Non è uno studio sulle prestazioni delle inserzioni Lavazza in Italia: serve a ricordare che un archivio pubblico resta una vista parziale.

Jane Castleman e Aleksandra Korolova, nel lavoro Why am I Still Seeing This, accettato ad AIES 2024, studiano controlli pubblicitari e spiegazioni del targeting. Nei temi analizzati rilevano limiti nell’efficacia dei controlli e nelle spiegazioni fornite. Anche qui l’applicazione al nostro metodo è prudenziale: il messaggio di un annuncio e la spiegazione disponibile non bastano a ricostruire l’intero sistema di distribuzione.

Un video per vedere la raccolta con Apify

La documentazione ufficiale dell’Actor Apify collega questo tutorial alla procedura di estrazione. È un approfondimento sulla raccolta, non una dimostrazione di accesso ai risultati economici dei concorrenti.

Dal monitoraggio a tre esperimenti per il proprio marketing

Un report utile deve finire con una decisione verificabile. Dall’esempio Lavazza ricaverei tre esperimenti, da progettare sul proprio pubblico: confrontare un’offerta di prodotto singolo con un bundle, misurando il costo per acquisto; confrontare un invito generico con una prova locale, misurando prenotazioni e presenze; confrontare un messaggio tecnico con uno sensoriale, misurando l’azione coerente con l’obiettivo scelto. Non sono ricette già validate dai dati Lavazza: sono ipotesi da testare sui nostri account.

Per un monitoraggio continuativo proporrei raccolte regolari, archivio degli ID, conservazione delle prove e revisione settimanale. La prima volta si costruisce una fotografia; solo confrontando più rilevazioni possiamo parlare di nuove apparizioni, modifiche e scomparse osservate. Scriverei “non più rilevata” quando manca una prova di cessazione. E prima di dichiarare la completezza controllerei paginazione, limiti, filtri, errori e pagine regionali.

La competenza che mi interessa insegnare è questa: usare l’AI per trasformare materiale pubblico in osservazioni controllabili e in esperimenti originali. Se vuoi applicare il metodo al tuo settore, possiamo lavorarci in un corso aziendale o in una consulenza su AI e comunicazione digitale. Nel modulo qui sotto puoi indicarmi i competitor, il mercato e il tipo di decisione che vuoi prendere.