Un processo operativo per team DTC che vogliono misurare la scoperta dei prodotti in Google AI, ChatGPT Shopping, Merchant Center, dati strutturati, feed e analytics first-party.
La visibilità nello shopping AI sta diventando un nuovo livello del SEO ecommerce. Non basta sapere se una pagina prodotto è indicizzata. Conta se Google, ChatGPT, Gemini e altri assistenti riescono a leggere i fatti del prodotto, considerarli aggiornati e coerenti, e collegarli alle domande reali degli acquirenti.
Per un team DTC, la domanda utile non è “siamo visibili ovunque?”. La domanda operativa è: quando una persona descrive un bisogno vicino al nostro prodotto, i sistemi di discovery capiscono il catalogo, descrivono bene il prodotto e riportano traffico qualificato verso una pagina che controlliamo?
Si misura con una routine: set fisso di prodotti, set fisso di query, diagnosi piattaforma, test manuali, review dei dati strutturati, review del feed e analytics first-party.
Uno screenshot isolato non basta. Prima del test, definite quattro segnali.
Questa scorecard evita reazioni eccessive a una singola risposta AI e rende la visibilità una review mensile tra merchandising, SEO e growth.
Non iniziate da tutto il catalogo. Scegliete 20-50 prodotti.
Per ogni prodotto registrate URL canonico, titolo, brand, prezzo, prezzo promo, disponibilità, immagine principale, mercato, lingua e versione della pagina testata. Quando pagina o feed cambiano, saprete quale versione ha generato quale segnale.
Le query nello shopping AI sono spesso più lunghe delle keyword classiche. Esempi:
Create 5-10 query per prodotto: uso, budget, materiale o attributo, confronto e contesto di mercato. Mantenete stabile la formulazione. Se cambia ogni volta, non saprete se è cambiata la visibilità o il test.
Partite dai sistemi che danno feedback diretto al merchant.
Merchant Center AI insights è il primo punto quando disponibile. La guida Merchant Center descrive insight per AI Mode, AI Overviews in Search e Gemini, con segnali di visibilità, termini prodotto, funnel e completezza degli attributi. Serve a collegare discovery AI, vocabolario del prodotto e qualità del catalogo.
Merchant Center diagnostics viene dopo: disapprovals, eligible limitato, identifier mancanti, problemi di immagini, prezzo, disponibilità, spedizione, resi e feed per paese. Un prodotto disordinato in Merchant Center parte svantaggiato anche nello shopping AI.
Search Console mostra il lato pagina pubblica. La documentazione Google sulle AI features spiega come clicks, impressions e positions da queste funzioni entrano in Search Console. Guardate impression PDP, query lunghe, landing pages e differenze prima/dopo sullo stesso gruppo di prodotti.
I sistemi di shopping AI costruiscono fiducia da più fonti. Su ogni PDP controllate:
L’obiettivo non è aggiungere keyword a caso. È ridurre ambiguità. Se pagina, feed, guida taglie e recensioni raccontano fatti diversi, il prodotto ha bisogno di una base informativa coerente.
Qui emerge spesso il lavoro vero. Confrontate copy PDP, Product JSON-LD, campi Merchant Center, dati immagine, varianti, policy di spedizione/resi/pagamento e pagina localizzata del mercato target.
Cercate prima i conflitti: prezzi vecchi, sale price assente dal feed, mappatura confusa di colore o taglia, immagine non coerente con lo SKU, policy diverse per mercato, claim nel testo senza fatti strutturati corrispondenti.
Nello shopping AI, la coerenza è un asset di crescita. Aiuta sistemi di ricerca, superfici shopping e clienti reali a capire lo stesso prodotto nello stesso modo.
I test manuali mostrano come l’AI comprende la categoria. Registrate data, mercato, device, stato account, URL prodotto, prompt esatto, superficie testata, tipo di risultato, fatti ripetuti, fatti mancanti e prossima azione.
Non segnate solo se il prodotto appare. Guardate quali argomenti l’assistente ripete. Se compaiono spesso “lavabile in lavastoviglie”, “per piedi stretti”, “senza solfati” o “spedito dagli USA”, quei dati devono essere chiari come fatti prodotto.
Tracciate sessioni PDP, engaged sessions, cambiamenti search/referral, add-to-cart, conversioni assistite, visite ripetute, ricerche brand e variazioni per mercato dopo localization o correzione feed.
Annotate le date: update Product JSON-LD, fix feed, riscrittura PDP, guida acquisto, invio sitemap. Così potete confrontare lavoro operativo e variazioni di traffico o conversione.
| Segnale | Problema probabile | Azione successiva |
|---|---|---|
| Il prodotto appare ma i fatti sono sbagliati | Pagina, feed e schema non coincidono | Correggere i fatti prodotto e reinviare i dati |
| I competitor escono su query di attributo | Attributi mancanti o copy generico | Aggiungere attributi, usi e contesto comparativo |
| Molte impression, pochi click | Snippet o positioning poco chiari | Migliorare title, meta description, intro e offerta |
| Merchant Center segnala problemi | Feed o policy incompleti | Risolvere prima i blocchi |
| L’AI resta su consigli di categoria | Manca contesto attorno al prodotto | Creare guida, confronto o FAQ collegata |
| Traffic cresce, conversione ferma | Trust o offerta deboli | Rivedere prezzo, spedizione, resi, recensioni e velocità |
Foundax riunisce le parti che un team DTC può controllare: fatti prodotto, pagine pubbliche, preparazione feed, contenuti, localizzazione e misurazione.
Il workflow: dati prodotto puliti, PDP con Product JSON-LD server-side, Google Merchant Center preflight prima del sync, verifica Search Console, invio sitemap, contenuti di supporto in Content Studio e lettura dei risultati con analytics first-party, usando GA4 come diagnosi supplementare.
È la capacità degli assistenti shopping e delle esperienze AI search di capire, citare, descrivere e inviare traffico ai tuoi prodotti per query di acquisto rilevanti.
Da un piccolo set di prodotti; poi Merchant Center AI insights, diagnostics, Search Console, Product structured data, coerenza feed, prompt manuali e analytics.
Usa prompt ripetibili per mercato e lingua. Registra se appare il tuo prodotto o un competitor, quali fatti vengono ripetuti, cosa manca e quali dati prodotto correggere.
Mensile per cataloghi stabili. Prima dopo cambi di prezzo, stock, feed, immagini, template, policy o localization.