Un testo, due motori: perché la scheda prodotto decide sia ChatGPT sia la tua barra di ricerca
Si parla molto di come farsi raccomandare da ChatGPT e dalle AI Overviews, e quasi per niente di cosa succede dopo, dentro il negozio. Eppure i due problemi hanno la stessa origine: il testo con cui sono scritte le schede prodotto.
Negli ultimi mesi le riviste di settore si sono riempite di guide su come farsi citare dalle intelligenze artificiali: studi su milioni di risposte, metriche nuove come la "visibilità AI", strumenti per tracciare quante volte ChatGPT nomina un marchio. Quasi tutte si fermano allo stesso punto: il momento in cui l'AI pronuncia il nome del negozio.
Ma per un e-commerce quello è solo l'inizio. Dopo la raccomandazione, il cliente o l'agente che lo rappresenta entra nel negozio e cerca il prodotto. E lì entra in gioco un secondo motore, la ricerca interna, che di solito nessuno guarda.
La tesi di questo articolo è semplice: i due motori leggono lo stesso testo. E quando quel testo è scritto male, il negozio perde due volte.
Cosa legge l'AI di un e-commerce
Un'analisi di Trendos su 107 milioni di risposte generate dalle AI ha confrontato da dove arrivano le citazioni in tre settori diversi. Nei beni di consumo il quadro è diverso da tutti gli altri: metà delle fonti viene da community come Reddit e YouTube, e quasi tutto il resto da pagine commerciali, cioè schede prodotto, siti dei venditori e marketplace. Le testate indipendenti contano pochissimo.
In altre parole, quando un'AI risponde a una domanda su un prodotto, in buona parte legge le schede prodotto. Il consiglio che ne deriva è trattare quelle pagine come risposte: misure, materiali, compatibilità e usi scritti in modo esplicito, non lasciati intuire da una foto.
A questo si aggiunge un dato di Ahrefs: la grande maggioranza delle citazioni di ChatGPT proviene dall'indice di ricerca tradizionale. Le pagine che l'AI usa sono quelle che un motore riesce a capire e a posizionare. E un motore, prima di tutto, legge il testo.
Cosa legge la ricerca interna
La ricerca interna di un negozio funziona allo stesso modo: confronta le parole della richiesta con le parole del catalogo. Se non le trova, non restituisce niente, o restituisce prodotti sbagliati.
Misuriamo ogni giorno come rispondono le ricerche interne di migliaia di e-commerce italiani. Alle richieste scritte come le scriverebbe una persona, la maggior parte dei negozi trova una risposta pertinente meno di quattro volte su dieci. La causa principale non è il motore di ricerca, è il catalogo: nel 24% dei casi il nome di un prodotto non contiene nessuna delle parole con cui il negozio stesso descrive le proprie categorie.
È lo stesso problema che abbiamo descritto parlando di commercio agentico: un agente consegna alla ricerca la richiesta del cliente così com'è, e lavora con quello che riceve.
Lo stesso difetto, due conseguenze
Prendiamo una scheda intitolata «XK-2205 nero», con una foto e un prezzo. Un cliente che la vede capisce subito che è una borraccia termica. Ma né l'AI né la ricerca interna guardano la foto: leggono il testo, e nel testo la parola "borraccia" non c'è.
Le conseguenze sono due, in due momenti diversi.
Fuori dal negozio, quando qualcuno chiede a un assistente AI una borraccia che non perda da portare in ufficio, quella scheda difficilmente diventa una fonte o una raccomandazione: non risponde a nessuna domanda che un cliente farebbe.
Dentro il negozio, anche se il cliente arriva lo stesso, magari da Google o da un annuncio, e scrive "borraccia termica" nella barra di ricerca, il prodotto non compare. Per lui, e per l'agente che cerca al suo posto, non esiste.
Due motori diversi, un solo difetto: un catalogo scritto con codici e nomi interni invece che con le parole di chi compra.
Un intervento, due risultati
La buona notizia è che, se il difetto è uno, anche l'intervento è uno. Non serve una strategia per le AI esterne e un'altra per la ricerca interna: serve un catalogo scritto nella lingua del cliente.
In pratica significa dare a ogni prodotto un nome che dice cosa è, con la parola della categoria accanto al codice o al nome commerciale. Significa scrivere nel testo, e non lasciare solo alle immagini, gli attributi che contano: misure, materiali, compatibilità, usi. E significa usare le parole dei clienti, compresi i termini popolari e i sinonimi, non solo quelle tecniche del fornitore.
Non è riempire le schede di parole chiave. È scrivere quello che un commesso direbbe a voce a chi entra in negozio.
Una differenza però c'è, ed è importante. L'effetto sulle AI esterne dipende anche da fattori che il negozio non controlla, come recensioni, menzioni su altri siti e posizionamento su Google. L'effetto sulla ricerca interna, invece, si misura subito: stesse domande prima e dopo, e si vede se il negozio ha cominciato a rispondere.
Da dove partire
Il primo passo è sapere quanto è grande il problema sul proprio negozio. Si può cominciare da soli: dieci richieste scritte come le scriverebbe un cliente, e un conto di quante trovano il prodotto giusto. Oppure si può vedere dove si colloca il proprio sito nella classifica degli e-commerce italiani.
Per un quadro completo, con le domande costruite sul vocabolario del catalogo e il confronto con il mercato, c'è l'audit della ricerca interna. Da lì si capisce quali schede riscrivere per prime.
Si parla tanto di come farsi raccomandare dall'AI. Ma la raccomandazione porta il cliente fino alla porta. Che trovi quello che cerca dipende da come è scritto il catalogo, e quel testo lavora per entrambi i motori.