Un audit PDP per team DTC: allineare fatti visibili, Product JSON-LD, feed Merchant Center, immagini, varianti, localizzazione e misurazione.
La ricerca AI non sostituisce la SEO classica delle pagine prodotto. Rende più visibili i punti deboli. Una pagina prodotto ha ancora bisogno di titolo chiaro, contenuto crawlable, esperienza mobile stabile e URL canonico. In più, contenuto visibile, Product JSON-LD, attributi di variante, immagini, policy e feed Merchant Center devono descrivere gli stessi product facts.
Questa checklist è pensata per team DTC che hanno già PDP e vogliono renderle più comprensibili per Google Search, Google Shopping, esperienze tipo AI Mode e altri sistemi di product discovery. L'obiettivo operativo è ridurre l'ambiguità in modo che crawler, feed e report leggano gli stessi dati: contenuto pagina, Product JSON-LD, dati Merchant Center, immagini, varianti, shipping, returns e label analytics.
La documentazione Product structured data di Google distingue product snippets e merchant listings. Product snippets riguarda dati come recensioni, prezzo e disponibilità. Merchant listings si applica alle pagine acquistabili e supporta informazioni più commerciali come spedizione, taglie, resi e varianti. Google consiglia anche di combinare dati strutturati di pagina e feed Merchant Center, perché le due fonti aiutano a capire e verificare i dati prodotto.
L'AI shopping aumenta il peso della completezza degli attributi. Nell'aggiornamento AI Mode shopping del 20 maggio 2025, Google spiega che AI Mode combina capacità Gemini e Shopping Graph, che include product listings con recensioni, prezzi, colori e disponibilità. Il 27 maggio 2026 Merchant Center ha annunciato AI performance insights con product attribute insights e attribute completeness score.
La PDP SEO diventa quindi un workflow di qualità dei dati prodotto, non solo un lavoro di copywriting.
Prima di intervenire su schema, controlla le basi.
Se queste basi sono sbagliate, i dati strutturati non correggono il problema; rendono solo il conflitto più evidente.
Il Product JSON-LD di una PDP dovrebbe descrivere ciò che l'acquirente vede nella stessa pagina. Controlla prima:
Non inserire claim nascosti, recensioni inventate o policy non visibili nella pagina. Schema deve essere la versione machine-readable dei fatti presenti nella PDP.
Product schema non è una singola casella. Google separa product snippets, merchant listings, variants, shipping, returns, loyalty e policies. Un audit PDP deve porre due domande.
Prezzo e disponibilità possono comparire sia in markup sia nel feed. Shipping e returns possono arrivare da Merchant Center, merchant listing markup a livello prodotto o policy markup a livello organizzazione. Valori contraddittori in più sistemi creano rischio operativo.
Le superfici di ricerca e shopping AI sono sensibili ai product facts obsoleti. Confronta questi campi tra PDP, feed e backend records.
La regola pratica: pagina, schema e feed non devono contraddirsi su cosa sia il prodotto, se sia disponibile e quanto costi.
Gli acquirenti fanno domande in linguaggio naturale. Non guardare solo una keyword nel titolo; verifica se la pagina risponde ai filtri di acquisto più comuni.
Product attribute insights e attribute completeness score di Merchant Center sono segnali utili per stabilire le priorità.
Le immagini prodotto non sono decorazione. Verifica che:
Un'immagine non accessibile non aiuta una presentazione prodotto più ricca.
Dopo il deploy usa report, non impressioni.
Il workflow è un ciclo: correggere invalid items, ispezionare live URLs, chiedere validation e confrontare dopo recrawl.
Foundax aiuta a mantenere coerenti i product facts tra pagine pubbliche, structured data, Search Console, Merchant Center e analytics.
Per la ricerca AI conta ridurre il disallineamento tra product record, pagina pubblica e merchant feed.
Product schema esprime i fatti reali della pagina in formato machine-readable: identità, immagini, offers, rating reali, shipping, returns e contesto variante. Aiuta a confrontare PDP, markup e merchant feed.
Inizia da title, description, images, SKU o identifiers, brand, price, currency, availability, canonical URL e variant attributes.
Product snippets riguarda risultati prodotto in Search, come recensioni, prezzo e disponibilità. Merchant listings riguarda pagine acquistabili e include dettagli commerce come shipping, returns, taglie e varianti.
Solo se la pagina contiene FAQ visibili per l'acquirente e l'implementazione supporta quel markup. Structured data invisibile aggiunto solo per la checklist è un rischio di qualità.
Dopo cambi template, cambi feed, automazioni prezzo o inventory, grandi update di localizzazione e warning Search Console o Merchant Center. Gli SKU ad alto traffico richiedono controllo ricorrente.
Foundax mette product records, PDP metadata, Product JSON-LD, sitemap/Google workflows e GMC preflight/sync nello stesso percorso operativo, riducendo mismatch tra pagina, schema e feed.
Per il modello di discovery più ampio, leggi Product Data Is Becoming the SEO Layer for AI Commerce Discovery. Per dare priorità ai campi tra catalog, feed e storefront, usa Agentic Commerce Product Data Guide.