Commercio agentico: guida completa per gli e-commerce italiani

l commercio agentico è un modello di acquisto online in cui un agente di intelligenza artificiale svolge attività per conto del cliente: interpreta una richiesta, cerca i prodotti, confronta le alternative e, quando dispone delle autorizzazioni e delle integrazioni necessarie, può arrivare a completare l’ordine.

Per un e-commerce, il cambiamento non riguarda soltanto il pagamento. Riguarda soprattutto il modo in cui i prodotti vengono trovati e valutati. Una persona può partire da una categoria, guardare le fotografie e modificare la ricerca dopo un tentativo poco utile. Un agente può consultare pagine, feed, API o altri strumenti: ciò che riesce a fare dipende dalle informazioni accessibili e dalle capacità del sistema.

Il punto di partenza resta quindi concreto: il negozio riesce a rispondere a una richiesta d’acquisto comprensibile, anche quando non contiene esattamente le parole usate nel catalogo?

In questa guida vediamo che cosa significa commercio agentico, come si collega alla SEO e quali interventi hanno senso per un e-commerce italiano. Per la ricerca interna utilizziamo un campione storico di circa 5000 negozi misurati, distinto dal totale corrente della classifica: i numeri descrivono quella rilevazione, non un aggiornamento in tempo reale.

Cos’è il commercio agentico e cosa cambia per chi vende online

L’espressione inglese agentic commerce indica un commercio nel quale un software può eseguire una sequenza di attività orientate all’acquisto. La differenza rispetto a un semplice assistente informativo non è la capacità di conversare, ma quella di agire.

Un cliente potrebbe chiedere di trovare uno zaino impermeabile adatto a un computer da 15 pollici, con un budget di 100 euro e consegna entro una certa data. Un assistente può limitarsi a suggerire alcuni modelli. Un agente integrato con servizi commerciali può anche verificare le varianti, confrontare il costo complessivo e preparare un ordine. L’eventuale pagamento resta subordinato alle autorizzazioni e ai vincoli previsti dal servizio.

È utile distinguere tre situazioni. La prima è essere citati: un assistente menziona un marchio o un negozio. La seconda è essere raccomandati: un prodotto viene proposto come risposta a un bisogno. La terza è consentire un’azione commerciale, come aggiungere una variante al carrello o completare un acquisto autorizzato.

Sono obiettivi collegati, ma non equivalenti. Un negozio può comparire nelle risposte di un’AI senza consentirle di acquistare. Allo stesso modo, avere un’integrazione per il pagamento non garantisce che i prodotti vengano trovati o selezionati.

Per chi vende online, la conseguenza è importante: una parte del confronto può avvenire prima che il cliente raggiunga il sito. Diventa ancora più utile fornire informazioni precise su caratteristiche, disponibilità, prezzo, spedizione e condizioni di vendita.

Come funziona un acquisto assistito da un agente AI

Il percorso inizia dall’interpretazione della richiesta. L’agente deve distinguere ciò che è indispensabile da ciò che è preferibile: una misura, un limite di prezzo, una compatibilità tecnica o una data di consegna possono cambiare completamente la selezione dei prodotti.

Segue la ricerca delle alternative. A seconda delle integrazioni disponibili, il sistema può usare un motore esterno, consultare un feed, interrogare un catalogo tramite API oppure navigare il sito. Non tutti gli agenti passano dalla barra di ricerca interna, ma tutti hanno bisogno di informazioni sufficienti per individuare e confrontare i prodotti.

Una volta selezionate le alternative, occorre verificare che siano davvero acquistabili. Una scheda prodotto può descrivere il modello giusto, ma la variante richiesta potrebbe essere esaurita. Il prezzo potrebbe cambiare con la configurazione, mentre spedizione e tempi di consegna potrebbero dipendere dall’indirizzo.

Solo dopo queste verifiche si arriva al carrello e, quando previsto, al pagamento. Qui entrano in gioco consenso, autenticazione, limiti di spesa e gestione degli errori.

Il commercio agentico non è quindi un unico automatismo. È una catena di passaggi, ciascuno dei quali richiede dati affidabili e strumenti adeguati. Rendere possibile il checkout risolve una parte del problema, non l’intero percorso.

Commercio agentico, SEO e visibilità nelle risposte AI

La SEO continua ad avere un ruolo: permette ai motori di ricerca di scoprire, comprendere e indicizzare le pagine del negozio. Il commercio agentico aggiunge un’esigenza operativa. Le informazioni non devono soltanto essere trovabili, ma anche sufficientemente precise da sostenere una decisione.

Una pagina può posizionarsi per una ricerca generica e lasciare irrisolti dubbi essenziali sull’acquisto. Il prodotto è compatibile con un certo dispositivo? La misura indicata riguarda il contenitore o il contenuto? Il prezzo comprende gli accessori mostrati nella fotografia?

Per questo, l’ottimizzazione AEO e GEO di un e-commerce non significa ripetere parole chiave o inserire dichiarazioni generiche sull’intelligenza artificiale. Significa prima di tutto descrivere bene ciò che si vende.

Schede prodotto chiare, dati strutturati corretti e feed aggiornati aiutano a ridurre le ambiguità, senza garantire automaticamente citazioni o raccomandazioni. Le piattaforme decidono quali fonti utilizzare e con quali criteri: nessun singolo intervento assicura la presenza nelle loro risposte. Per sapere se un intervento ha spostato qualcosa bisogna monitorare la visibilità nelle risposte AI con le stesse domande, a intervalli regolari.

Anche la coerenza conta. Se pagina, feed e checkout mostrano prezzi o disponibilità diversi, il problema non è soltanto SEO: riguarda l’affidabilità dell’intera esperienza d’acquisto.

Protocolli e pagamenti: che cosa deve sapere un e-commerce

Nel dibattito sul commercio agentico ricorrono diversi protocolli e programmi. Non sono tutti alternative dirette: alcuni riguardano il rapporto tra assistente e negozio, altri l’autorizzazione dei pagamenti, altri ancora l’accesso a strumenti e dati.

L’Agentic Commerce Protocol, o ACP, è associato alle iniziative di OpenAI e Stripe. L’Universal Commerce Protocol, o UCP, riguarda l’interoperabilità delle esperienze commerciali nell’ecosistema promosso da Google e dai suoi partner. L’Agent Payments Protocol, o AP2, affronta il tema dell’autorizzazione e della fiducia nei pagamenti avviati da agenti.

Anche Visa e Mastercard sviluppano iniziative dedicate ai pagamenti agentici. Il Model Context Protocol, o MCP, ha invece uno scopo più generale: permette di esporre strumenti e informazioni ai sistemi AI. Può contribuire a un’integrazione commerciale, ma non è, da solo, un sistema di checkout o un’autorizzazione a spendere.

Per un negozio italiano, conoscere questi nomi è utile soprattutto per porre le domande giuste ai fornitori. Quali funzioni sono effettivamente disponibili? In quali Paesi? Con quali piattaforme e prestatori di pagamento? Come vengono gestiti consenso, rimborsi e contestazioni?

L’annuncio di un protocollo non equivale alla disponibilità del servizio per tutti gli esercenti. Copertura geografica, requisiti e modalità operative vanno verificati nelle documentazioni aggiornate dei singoli operatori.

Perché la scoperta dei prodotti conta quanto il checkout

Le evoluzioni dei servizi di acquisto dentro gli assistenti mostrano quanto sia importante separare la scoperta dei prodotti dalla conclusione della vendita.

Un articolo di Retail Gazette del marzo 2026 descrive il ripensamento della strategia di checkout di OpenAI a favore della scoperta dei prodotti e dei percorsi gestiti dai commercianti.

Il punto, per un e-commerce, non è prevedere quale interfaccia prevarrà. È prepararsi a percorsi diversi: acquisti che iniziano nell’assistente e terminano sul sito, confronti che avvengono fuori dal negozio e operazioni eseguite attraverso integrazioni dedicate.

In tutti questi casi, la qualità delle informazioni sul prodotto rimane centrale.

La ricerca interna degli e-commerce italiani: che cosa mostrano i dati

Nel campione analizzato, le richieste formulate nella lingua di chi compra hanno ottenuto in media 3,7 risposte pertinenti su 10. Questo valore riguarda i 3.691 negozi che hanno ricevuto almeno 20 delle 25 domande previste dalla rilevazione.

Il dato descrive la capacità della ricerca interna di rispondere a domande costruite sul catalogo. Non misura le prestazioni di ChatGPT, Gemini o altri agenti, né dimostra che tutti utilizzerebbero lo stesso percorso.

È comunque rilevante per il commercio agentico: evidenzia una difficoltà nel collegare il linguaggio della richiesta ai prodotti disponibili. È un problema che può interessare sia le persone sia i sistemi che interrogano quella ricerca.

Nel campione di riferimento, il 49% dei negozi rimane sotto quattro risposte pertinenti su dieci alle richieste in lingua naturale; 461 non ne ottengono nessuna. Il 16% arriva invece a sette o più.

Guardando alle 95.806 ricerche complessive eseguite, il 53% arriva a un prodotto pertinente e il 21% restituisce una pagina senza risultati. In 1.207 negozi, almeno un terzo delle ricerche rimane a vuoto.

Una risposta vuota non prova che il prodotto manchi dal catalogo. Può dipendere da sinonimi non gestiti, attributi non indicizzati, descrizioni insufficienti o criteri di corrispondenza troppo rigidi. Per il cliente, però, l’effetto è lo stesso: il negozio non offre una risposta utile.

Un agente sufficientemente capace potrebbe riformulare la domanda o consultare un’altra fonte. Non è corretto presumere che si fermi sempre al primo tentativo. È altrettanto poco prudente progettare il negozio confidando nel fatto che un sistema esterno compensi tutte le sue difficoltà.

La classifica della ricerca interna degli e-commerce italiani permette di consultare le rilevazioni pubbliche aggiornate; per sapere come risponde il proprio negozio si può richiedere una misurazione gratuita della ricerca interna. Il rapporto tra questi problemi e gli acquisti delegati è approfondito anche nell’articolo Commercio agentico: il problema non è il checkout, è la ricerca interna.

Un motore di ricerca a pagamento non garantisce risultati migliori

Quando la ricerca interna non funziona, la prima reazione è spesso acquistare un nuovo strumento. Può essere la scelta giusta, ma i dati suggeriscono di verificare prima dove nasce il problema.

Nel campione, 540 negozi su 4.358 utilizzano un motore di ricerca di terze parti riconoscibile dalla rilevazione, circa il 12%. La mancata identificazione non dimostra che tutti gli altri usino esclusivamente la ricerca nativa: alcune integrazioni possono non essere riconoscibili dall’esterno.

I negozi con un motore identificato ottengono mediamente 41,3 punti, contro 32,4 per gli altri. Il confronto richiede però cautela: una parte del punteggio dipende proprio dalle caratteristiche tecniche riconosciute. Non sarebbe corretto interpretare tutta la differenza come un miglioramento della pertinenza.

Sulle richieste in lingua naturale, il divario è più contenuto: 3,96 risposte pertinenti su dieci contro 3,69.

Anche a parità di piattaforma e motore, i risultati possono variare molto. Nei 117 negozi PrestaShop che utilizzano uno stesso motore di terze parti, i punteggi osservati vanno da 9 a 75. Nei 49 negozi WooCommerce con quel motore, la metà dei risultati si colloca tra 25 e 51 punti, con estremi di 6 e 68.

La tecnologia è la stessa, ma catalogo, configurazione e gestione possono essere molto diversi.

Il confronto tra ricerca nativa e strumenti aggiuntivi

Nel gruppo Shopify analizzato, la ricerca nativa ottiene mediamente 5,8 risposte pertinenti su dieci alle richieste in lingua naturale. I tre gruppi associati ai motori indicati nella rilevazione come A, B e C raggiungono rispettivamente 5,1, 4,0 e 4,4.

Anche la presenza di un assistente conversazionale non coincide automaticamente con risultati migliori: nel campione Shopify, i negozi nei quali viene rilevato ottengono 4,0 risposte pertinenti su dieci, contro 5,4 negli altri.

Questi confronti non dimostrano che un motore aggiuntivo o un chatbot peggiorino la ricerca. I gruppi possono differire per dimensione del catalogo, settore, complessità e problemi preesistenti. Inoltre, la rilevazione della ricerca interna non equivale a un test completo delle capacità del chatbot.

La conclusione sostenibile è più semplice: acquistare uno strumento non basta a garantire un buon risultato. Bisogna misurare ciò che il cliente riesce effettivamente a trovare.

Shopify, WooCommerce, PrestaShop e Magento: come leggere le differenze

Nel campione storico, Shopify raggiunge un punteggio medio di 45,4 su 75, Magento di 35,5, PrestaShop di 33,7 e WooCommerce di 25,0. Le ricerche senza risultati vanno dal 9% osservato su Shopify al 32% su WooCommerce.

Sono differenze rilevanti, ma non costituiscono una graduatoria universale delle piattaforme. Descrivono i negozi rilevati, con le loro configurazioni, estensioni e caratteristiche di catalogo.

Non consentono nemmeno di attribuire tutto il divario a una singola scelta tecnica. Una ricerca può utilizzare titoli, descrizioni, attributi o indici dedicati, a seconda della piattaforma e delle personalizzazioni.

Per un esercente, la domanda più utile non è quindi quale piattaforma vinca in astratto. È quali richieste falliscano sul proprio negozio, perché falliscano e quali interventi migliorino il risultato.

Il catalogo è la base del commercio agentico

Nel campione analizzato, in media il 23% dei nomi dei prodotti non chiarisce che cosa venga venduto. In 530 negozi, questa situazione riguarda almeno metà del catalogo.

Un nome come “XK-2205 nero” può essere sufficiente per chi conosce già il codice, ma offre poche informazioni a chi cerca uno zaino da lavoro. Una fotografia può aiutare una persona e, in alcuni casi, anche un sistema multimodale. Non sostituisce però una descrizione testuale esplicita, soprattutto nei feed o nelle integrazioni che non utilizzano le immagini.

Questo non significa che ogni prodotto con un titolo poco descrittivo sia introvabile. La ricerca potrebbe indicizzare categorie, attributi e descrizioni. Significa che un nome chiaro riduce la dipendenza da questi meccanismi e rende l’informazione più comprensibile in contesti diversi.

Nei negozi senza nomi prodotto ambigui secondo la rilevazione, la media delle risposte pertinenti in lingua naturale è di 3,8 su dieci. Dove la quota di nomi ambigui è tra il 50% e il 75%, scende a 3,0. È un’associazione, non la misura dell’effetto causale di una riscrittura, ma indica un’area che merita attenzione.

Un catalogo chiaro lavora sia fuori sia dentro il sito, ed è per questo che l’arricchimento dei dati prodotto rende due volte. Aiuta a comprendere il prodotto nelle pagine indicizzate e nelle fonti consultate dagli assistenti; offre inoltre informazioni migliori agli strumenti di ricerca del negozio.

Come rendere le schede prodotto più utili

Il primo intervento riguarda il nome: dovrebbe identificare il prodotto e includere le caratteristiche che lo distinguono, senza diventare una sequenza artificiale di parole chiave.

La descrizione dovrebbe rispondere alle domande che precedono l’acquisto. Per chi è adatto? Quali dimensioni ha? Con che cosa è compatibile? Che cosa comprende la confezione? Quali limiti occorre conoscere?

Gli attributi devono essere coerenti e, quando possibile, strutturati. Materiale, colore, misura e destinazione d’uso non dovrebbero essere espressi in modi incompatibili tra prodotti simili.

Infine, prezzi, varianti e disponibilità devono concordare tra pagina, feed e checkout. Una scheda ben scritta perde utilità se descrive una configurazione che il cliente non può ordinare.

Come preparare un e-commerce italiano al commercio agentico

Il percorso più ragionevole parte da una misurazione, non dall’acquisto di una nuova tecnologia: è quello che facciamo con l’audit AEO, GEO e ricerca interna, che misura insieme le risposte AI e la ricerca del negozio.

Misurare la ricerca prima di modificarla

Occorre costruire un insieme di richieste rappresentative del catalogo e dei bisogni dei clienti. Non soltanto codici e nomi esatti, ma anche sinonimi, caratteristiche e frasi complete.

È importante distinguere almeno due problemi: la ricerca che non restituisce nulla e quella che restituisce prodotti non pertinenti. Richiedono spesso interventi diversi.

Ripetere le stesse prove dopo una modifica permette di capire se il risultato migliora davvero, anziché affidarsi a una singola ricerca riuscita.

Migliorare catalogo e configurazione

Una volta individuati gli errori, si può intervenire sulle informazioni mancanti e sulla configurazione: campi indicizzati, gestione delle varianti, sinonimi, tolleranza agli errori e ordinamento dei risultati.

Non tutte le richieste devono essere risolte aggiungendo nuove parole ai titoli. In molti casi è più corretto strutturare un attributo o modificare il modo in cui la ricerca lo utilizza.

Valutare un nuovo motore su prove concrete

Se gli strumenti disponibili non raggiungono i requisiti del negozio, cambiare tecnologia può essere opportuno. La valutazione dovrebbe però usare il catalogo reale e le stesse domande della misurazione iniziale.

Oltre alla pertinenza, contano tempi di risposta, costi, manutenzione, aggiornamento dell’indice e possibilità di analizzare gli errori. Un buon risultato dimostrativo non basta se non si mantiene con prezzi e disponibilità in continuo cambiamento.

Rendere accessibili i dati senza indebolire la sicurezza

Feed, dati strutturati e API possono facilitare l’accesso alle informazioni commerciali. L’apertura agli agenti va però gestita consapevolmente.

Non occorre disattivare indiscriminatamente i sistemi anti-bot. Occorre distinguere accessi autorizzati, traffico indesiderato e operazioni sensibili, applicando limiti e controlli adeguati.

Per le funzioni d’acquisto servono inoltre regole esplicite su identità, consenso, spesa e conferme. Il fatto che un agente possa leggere un catalogo non gli conferisce il diritto di acquistare per conto di una persona.

Che cosa sappiamo e che cosa resta incerto

È necessario separare i risultati osservati dalle previsioni sul mercato.

Le misurazioni descritte mostrano che molti negozi del campione faticano a rispondere alle richieste in lingua naturale. Non dimostrano quante vendite siano state perse, né quale sarebbe il comportamento di uno specifico agente AI.

Analogamente, l’esistenza di protocolli e integrazioni non dimostra che gli acquisti completamente delegati diventeranno rapidamente la modalità prevalente. Adozione, fiducia degli utenti, disponibilità dei servizi e responsabilità operative possono influenzarne lo sviluppo.

Nel campione originale, 852 negozi hanno respinto la rilevazione attraverso sistemi anti-robot. Per questi negozi non è possibile formulare un giudizio sulla qualità della ricerca sulla base di quelle prove. Il blocco del rilevatore non dimostra neppure che vengano bloccati tutti gli agenti autorizzati: le regole possono distinguere identità e modalità d’accesso.

La ragione per migliorare catalogo e ricerca, comunque, non dipende da una previsione estrema sul futuro. Rendere più semplice trovare e comprendere un prodotto è utile anche ai clienti che continuano a navigare e acquistare in prima persona.

Domande frequenti sul commercio agentico

Qual è la differenza tra commercio agentico e conversational commerce?

Il conversational commerce utilizza il dialogo come interfaccia commerciale. Il commercio agentico riguarda invece la possibilità di delegare attività a un software. Le due esperienze possono sovrapporsi: una conversazione può attivare un agente, ma non tutte le chat commerciali eseguono azioni autonome.

Un agente AI può acquistare senza conferma?

Dipende dal servizio e dalle autorizzazioni ricevute. Un agente può limitarsi a preparare il carrello oppure completare operazioni entro limiti prestabiliti. La delega deve prevedere consenso e controlli: non implica libertà illimitata di spesa.

Il commercio agentico è disponibile in Italia?

Non esiste una disponibilità unica valida per ogni funzione. Ricerca assistita, confronto dei prodotti, creazione del carrello e pagamento possono avere coperture differenti. Per un’integrazione operativa occorre verificare Paesi supportati, piattaforma, valuta e prestatore di pagamento.

Serve un chatbot per preparare il negozio?

Non necessariamente. Un chatbot è un’interfaccia possibile, non un requisito universale. Catalogo, dati affidabili e strumenti di ricerca efficaci restano utili anche senza una chat visibile sul sito.

Serve cambiare motore di ricerca?

Non sempre. Conviene prima misurare gli errori e verificare catalogo e configurazione. Un nuovo motore ha senso quando risolve limiti concreti, dimostrati con prove rappresentative del negozio.

La classifica misura se un negozio è pronto per gli agenti AI?

No. La classifica misura caratteristiche e risultati della ricerca interna secondo i criteri dichiarati. Può aiutare a individuare problemi rilevanti anche per alcuni percorsi agentici, ma non certifica la compatibilità con protocolli, assistenti o pagamenti delegati.

Metodo, campione e fonti

I dati numerici di questo articolo si riferiscono al campione storico della rilevazione di ottobre 2026: 4.358 e-commerce italiani con un punteggio, su quasi 7.000 negozi provati. Non devono essere confusi con il totale corrente della classifica.

Il protocollo prevede 25 ricerche costruite a partire dal catalogo di ciascun negozio. Dieci utilizzano il linguaggio di chi compra; cinque di queste sono frasi complete. Per consentire il confronto, le domande vengono mantenute identiche tra le rilevazioni.

La media di 3,7 risposte pertinenti su dieci riguarda i 3.691 negozi che hanno ricevuto almeno 20 delle 25 domande. Considerando tutti i 4.358 negozi, il valore riportato dalla rilevazione scende a 3,3: risultati di prove con livelli di completamento diversi non vanno interpretati come direttamente equivalenti.

Il punteggio è espresso su 75 punti e descrive caratteristiche verificabili dall’esterno. Non è un giudizio complessivo sul negozio, una stima del suo fatturato o una valutazione generale delle tecnologie adottate. La classifica pubblica include i siti con almeno 50 punti.

Prepararsi al commercio agentico significa prima di tutto rendere il negozio più comprensibile e affidabile. Un catalogo chiaro, una ricerca che risponde e informazioni commerciali coerenti aiutano i clienti di oggi e creano basi migliori per i percorsi d’acquisto delegati.