BlogRicerca AI e commercio
La ricerca AI sta diventando un canale di vendita
Lo shopping con l’AI sta cambiando la scoperta dei prodotti, i consigli e il checkout. Cosa significano i dati più recenti per la visibilità e la misurazione delle vendite di un e-commerce.
Un cliente può scegliere il tuo prodotto su ChatGPT, cercare un rivenditore su Google e comprare tramite la sua app. Il tuo brand ha influenzato la decisione. Il tuo sito potrebbe non ricevere nemmeno una visita. E i tuoi strumenti di analisi potrebbero non attribuire il merito né a ChatGPT né alla tua azienda.
È questo il peso commerciale della ricerca AI: può contribuire a indirizzare la domanda prima che una transazione diventi visibile a chi vende. Per le aziende la domanda non è più soltanto se un assistente sa rispondere a una domanda su un prodotto. È se include il prodotto giusto, spiega correttamente pro e contro e manda il cliente in un posto dove può comprarlo.
I dati di ottobre 2026 giustificano di prendere la cosa sul serio. Non giustificano di trattare l’AI come il canale di acquisto dominante, né di dare per scontato che più consigli significhino automaticamente più fatturato. Le aziende devono tenere separati la decisione, il referral e l’ordine.
La shortlist sta diventando un’interfaccia commerciale
La scoperta tradizionale dei prodotti offre a chi compra una serie di pagine da esaminare. La scoperta conversazionale può trasformare un’esigenza in una shortlist: un portatile leggero per chi viaggia spesso, una lavastoviglie per una cucina stretta, un fornitore in grado di consegnare un certo componente all’interno dell’UE.
Il cambiamento importante riguarda il lavoro che viene delegato. Chi compra può chiedere all’assistente di decidere quali caratteristiche contano, escludere le opzioni non adatte e confrontare quelle rimaste. Un’azienda quindi compete su quanto la sua offerta si adatta a una situazione specifica, oltre che sulla capacità della sua pagina di attirare un clic.
Prendiamo un acquirente ipotetico che cerca una sedia da ufficio sostitutiva sotto le 400 £, adatta a una scrivania piccola e consegnabile la settimana successiva. Un’affermazione generica sul design ergonomico offre poche basi per un confronto. Dimensioni, regolazioni, limiti di consegna, disponibilità, garanzia e resi rendono l’offerta valutabile. Questi dettagli aiutano il cliente a decidere anche se alla fine la vendita avviene altrove.
Questa è un’interpretazione editoriale del percorso che sta emergendo, non la pretesa di conoscere il peso che ogni piattaforma dà ai fattori di ranking. L’opportunità sta nel rendere disponibili e credibili le informazioni commerciali. È comunque la piattaforma a decidere cosa mostrare.
Cosa è cambiato nel 2026
L’annuncio di OpenAI del 24 marzo ha spostato l’attenzione del suo shopping verso un confronto e una scoperta dei prodotti più ricchi, estendendo ai dati di prodotto ACP, l’Agentic Commerce Protocol. Descriveva confronti fianco a fianco, feed dei merchant e l’integrazione con Shopify Catalog, lasciando ai merchant più libertà sul checkout. Era un cambio di direzione del prodotto, non la prova che chi compra avesse adottato l’acquisto autonomo su larga scala. L’annuncio di prodotto di OpenAI
L’attuale pagina per i merchant rafforza questa direzione: descrive una scoperta seguita dall’acquisto sul sito o sull’app del merchant, e dice che si sta allontanando da un’esperienza di Instant Checkout autonoma. Il suo programma per i merchant descrive ancora lo shopping come attivo negli Stati Uniti, con un’espansione ad altre aree prevista. Questo non va letto come un’affermazione che ogni funzione conversazionale di ricerca dei prodotti non sia disponibile altrove. Le indicazioni di OpenAI per i merchant, verificate il 28 ottobre
C’è una precisazione. La guida allo shopping di OpenAI per i consumatori dice ancora che alcuni prodotti e merchant idonei possono offrire Instant Checkout. La stessa pagina ora documenta la prova virtuale dei capi d’abbigliamento e il salvataggio dei prodotti nella Library. Sono funzioni utili per scoprire e valutare; una prova illustrativa non dimostra che un capo calzi. Le pagine ufficiali descrivono ambiti diversi, quindi né «tutto lo shopping avviene dentro ChatGPT» né «il checkout in chat è scomparso del tutto» sono sintesi affidabili. La guida allo shopping di ChatGPT
Google sta costruendo un’infrastruttura commerciale più ampia. L’11 gennaio ha annunciato lo Universal Commerce Protocol, poi a maggio ha descritto Universal Cart e altre funzioni di UCP. Quest’ultimo annuncio comprende sia il checkout con Google Pay sia il passaggio al sito del merchant. UCP collega sistemi commerciali; non è un tag SEO che rende una normale pagina prodotto idonea a ogni funzione d’acquisto. L’annuncio di Google di gennaio, l’aggiornamento commerciale di maggio
L’attuale hub per sviluppatori di Google comprende liste d’attesa e funzioni specifiche per ciascuna superficie. Un rivenditore britannico o europeo dovrebbe verificare la sua integrazione effettiva e l’idoneità del suo mercato prima di mettere a budget un’esperienza di checkout sulla piattaforma. La pubblicazione di un protocollo, l’annuncio dell’integrazione di un rivenditore e la disponibilità di una funzione per un determinato cliente sono tre traguardi diversi. L’hub UCP di Google per sviluppatori
Una crescita forte può convivere con un canale piccolo
La sintesi del report di settembre di Similarweb colloca i referral dall’AI generativa allo 0,4% delle visite all’e-commerce retail, nonostante una crescita del 203% su base annua. Entrambi i dati possono essere veri: un canale piccolo può crescere in fretta. La sintesi pubblica non offre abbastanza dettagli sui campioni per trattare quella quota come una previsione per un singolo negozio. La panoramica del report di Similarweb
Il comunicato che lo accompagna dice anche che l’89% delle volte, i consumatori che usano l’AI per informarsi sugli acquisti usano anche la ricerca. È un dato sulla sovrapposizione dei percorsi nell’analisi di Similarweb, non una percentuale di tutti i consumatori o di tutti gli acquisti. La lettura sensata per un’azienda è che i canali si stanno combinando. Un piano di marketing costruito sulla sostituzione completa della ricerca andrebbe oltre ciò che questi dati dicono. Il comunicato di Similarweb
Adobe offre un punto di vista diverso, misurato sui siti dei rivenditori. I suoi dati di luglio riportano che i visitatori arrivati dall’AI sui siti retail statunitensi convertono il 60% più spesso rispetto al traffico non proveniente dall’AI. È una differenza relativa nel tasso di conversione, non un tasso di conversione del 60%. Descrive i visitatori che sono arrivati, non tutti quelli che hanno consultato un assistente. I risultati di Adobe di luglio
Una conversione più alta tra chi arriva è interessante dal punto di vista commerciale. Non dimostra che sia stata l’AI a causare quegli acquisti. Chi clicca dopo un lungo confronto potrebbe essere già particolarmente motivato, e il mix di categorie, rivenditori e clienti può essere diverso da quello degli altri canali. La ricerca precedente di Adobe descrive un insieme di dati sulle transazioni che copre oltre mille miliardi di visite ai siti retail statunitensi, più un sondaggio separato su oltre 5.000 persone. Sono basi consistenti, ma nessuna delle due è un test randomizzato del contributo incrementale dell’AI. Il contesto metodologico di Adobe
OpenAI ora pubblica un’altra misura: la sua pagina pubblicitaria per le festività riporta oltre 1,7 miliardi di prompt a settimana su retail ed e-commerce, da dati interni di settembre, e dice che circa il 43% delle conversazioni legate allo shopping riguardava confronto e valutazione, in una finestra successiva di quattro settimane. Prompt, conversazioni, visitatori e ordini sono unità diverse. Questi dati della piattaforma indicano attività; non si possono sommare alle statistiche sui referral né usare per calcolare un tasso di conversione del mercato. Inoltre provengono da una pagina che vende pubblicità. I dati di OpenAI sulle festività e le finestre temporali
01 I dati in sintesi
Crescita rapida. Quota piccola.
L’AI sta guadagnando terreno nei percorsi d’acquisto, ma crescita, quota di traffico e conversione sono misure diverse.
+203%
Crescita dei referral dall’AI generativa
Su base annua, nell’analisi di Similarweb sull’e-commerce retail.
0,4%
Quota delle visite all’e-commerce retail
Referral dall’AI generativa, nello stesso report di Similarweb.
| Risultato | Cosa è stato misurato | Fonte |
|---|---|---|
| 89% | La ricerca per gli acquisti si sovrappone alla ricerca tradizionaleTra i consumatori che usano l’AI per informarsi sugli acquisti, nell’analisi di Similarweb veniva usata anche la ricerca. | Similarweb |
| +60% | Tasso di conversione più alto tra i visitatori arrivati dall’AIRispetto al traffico non proveniente dall’AI, nello studio di Adobe sui visitatori dei siti retail statunitensi; non è un tasso di conversione del 60%. | Adobe |
Fonte: Similarweb, State of Ecommerce 2026 e il comunicato che lo accompagna; i risultati di Adobe di luglio. Questi dati descrivono popolazioni, misurazioni e denominatori diversi. Non vanno confrontati come statistiche equivalenti di conversione o di quota di mercato.
Consigliare il prodotto non decide chi ottiene la vendita
Un produttore, un rivenditore e un marketplace possono trarre vantaggi diversi dalla stessa risposta.
Se un assistente consiglia un certo aspirapolvere ma rimanda a un grande rivenditore, il produttore può guadagnare domanda mentre il suo negozio diretto perde l’occasione di prendere l’ordine. Il rivenditore guadagna un cliente; il brand potrebbe ricevere solo il fatturato all’ingrosso. Uno strumento che traccia le citazioni del brand non coglierebbe questa differenza.
Una piccola indagine di WISLR di ottobre illustra il problema. Su quattro brand di prodotto monitorati, ha rilevato che tra il 10 e il 13 ottobre il 56% dei pulsanti verso i rivenditori puntava a grandi catene e circa il 5% al negozio del brand stesso. Ha anche rilevato una perdita temporanea delle informazioni che identificano il referral nei suoi test sui link. È uno studio breve, di un osservatore con interessi commerciali, con numeri piccoli per ciascun brand. È un motivo per controllare destinazioni e tracciamento, non una stima per l’intero mercato né la prova di un algoritmo di selezione. Le osservazioni di WISLR e i loro limiti
Per i produttori, quindi, una ricerca sulla visibilità nell’AI dovrebbe registrare separatamente il prodotto consigliato, la fonte citata e la destinazione d’acquisto. Le schede dei rivenditori meritano attenzione quanto il sito del brand: disponibilità errate, varianti incomplete o specifiche incoerenti possono incidere sul cliente indipendentemente da chi possiede la pagina.
Un sistema di misurazione ha bisogno di quattro registri separati
Le prove sui consigli vengono da risposte conservate a un insieme definito di domande d’acquisto. Registra se il prodotto è un consiglio adatto, come viene descritto, le pagine citate e dove portano i link per l’acquisto. Questo misura le risposte testate, non la domanda totale.
Le prove sui referral vengono dagli strumenti di analisi e dalle osservazioni lato server delle visite. Conserva i parametri delle campagne attraverso i redirect, controlla le fonti AI riconosciute e testa un piccolo numero di link in uscita reali. Una modifica al tracciamento può cambiare l’etichetta senza che cambi il comportamento dei clienti. Al contrario, non ogni aumento del traffico diretto è traffico AI nascosto.
Le prove sulle transazioni vengono dagli ordini completati e deduplicati. Collega le visite identificabili agli acquisti dove la configurazione di misurazione lo permette, e verifica fatturato, margine, annullamenti e resi. Un pulsante di checkout, un’aggiunta al carrello o l’integrazione di un protocollo non sono una vendita completata.
Il valore incrementale pone una domanda più difficile: cosa è successo grazie al canale che altrimenti non sarebbe successo? I report di attribuzione assegnano il merito secondo una regola. Non forniscono quel controfattuale. Dove i volumi lo giustificano, interventi controllati o confronti progettati con cura possono aiutare; per un piccolo rivenditore, il punto di partenza onesto può essere un report descrittivo con un’incertezza dichiarata.
Tieni i registri uno accanto all’altro. Un tasso di conversione alto non può salvare un canale con volumi trascurabili e margini scarsi. Un numero basso di referral non può escludere un’influenza nelle fasi precedenti della decisione. Il compito è spiegarli entrambi senza trasformare in silenzio nessuno dei due in una stima del fatturato.
02 Schema di misurazione
Quattro registri. Quattro domande diverse.
Un consiglio non è una visita. Una visita non è un ordine. Un ordine da solo non può dimostrare un valore incrementale.
| Prova | Cosa può stabilire | Cosa non può stabilire da sola |
|---|---|---|
| 01Consiglio | Se un prodotto è stato consigliato per un’esigenza d’acquisto definita, in un campione registrato di risposte. | Che il cliente abbia visitato un sito o fatto un acquisto. |
| 02Referral | Se una visita misurabile è arrivata da una fonte AI identificabile. | Tutta l’influenza dell’AI nelle fasi precedenti del percorso del cliente. |
| 03Transazione | Se un ordine completato e deduplicato è stato registrato e, dove possibile, collegato a una visita. | Che sia stata l’esposizione all’AI a causare l’ordine. |
| 04Valore incrementale | Con un confronto o un esperimento adeguati, se un canale ha generato risultati aggiuntivi. | Una conclusione causale basata solo sui report di attribuzione. |
Misura consiglio, referral e acquisto separatamente prima di affermare qualcosa sull’impatto commerciale.
Schema editoriale di Search Orchard, basato sulla discussione della misurazione in questo articolo. Il «valore incrementale» richiede un disegno causale adeguato; non è una metrica osservabile direttamente nei normali report su referral od ordini.
Cosa dovrebbero fare le aziende adesso
L’investimento più difendibile è nelle informazioni commerciali che restano utili su tutti i percorsi d’acquisto. Mantieni corretti codici identificativi dei prodotti, varianti, specifiche, prezzi, disponibilità, condizioni di consegna e resi. Tieni coerenti i feed e le pagine pubbliche. Spiega vincoli e casi d’uso reali invece di affidarti a descrizioni intercambiabili.
Tratta l’integrazione come una decisione separata. Verifica se esiste già un percorso supportato per il catalogo, se il mercato di riferimento è idoneo e se i volumi attesi giustificano altro lavoro di sviluppo. OpenAI dice che un feed diretto è facoltativo dove i suoi sistemi scansionano già un sito; un feed può migliorare il controllo sulle informazioni di prodotto, ma non garantisce la selezione. Le indicazioni sui feed dei merchant
Non abbandonare la SEO tradizionale. I clienti usano ancora la ricerca per verificare un’affermazione, trovare un rivenditore e tornare su un prodotto. Le indicazioni di Google stessa dicono che le pratiche SEO consolidate restano valide per le sue funzioni AI. Idoneità e contenuti utili contano ancora; non esiste uno schema speciale che garantisca la comparsa nelle risposte AI. Le indicazioni di Google sulle funzioni AI
Per un’azienda che deve decidere da dove partire, la prima analisi dovrebbe collegare qualità dei dati di prodotto, accesso tecnico e misurazione. È qui che un audit SEO può definire i vincoli pratici prima di un più ampio programma di visibilità nella ricerca AI.
La vendita può iniziare prima della visita
La ricerca AI sta diventando un canale di vendita perché può influenzare la scelta e indirizzare i clienti verso un acquisto. Possedere la schermata di pagamento è solo uno dei modi in cui può svolgere questo ruolo.
L’opportunità immediata è rendere la tua offerta facile da valutare e capire quale organizzazione riceve la domanda che ne deriva. Misura consiglio, referral e acquisto separatamente. Investi dove i dati mostrano clienti pertinenti e valore commerciale, mantenendo nelle giuste proporzioni le promesse sperimentali sul checkout.
Per il livello successivo di misurazione, leggi perché ChatGPT potrebbe non consigliare un’azienda e cosa misurano davvero i nuovi report AI di Google.