Ottimizzare una pagina prodotto per la ricerca AI significa fare in modo che ChatGPT, Gemini o Perplexity possano recuperarla, leggerla e citarla facilmente. In pratica: consenti l'accesso ai crawler AI, inserisci una risposta autonoma nella prima frase, aggiungi lo schema Product e tabelle HTML e fai inserire il prodotto nei siti di terze parti che questi motori citano già.
Posizionarsi su Google non basta più. Se un assistente AI non riesce a leggere la tua pagina, citare i tuoi testi e confermare che il prodotto è acquistabile, in quella risposta non esisti. I cinque passaggi qui sotto coprono l'intero processo, dall'accesso per i crawler alla distribuzione su siti terzi.
Come i motori AI decidono quali fonti citare
I motori di ricerca AI non navigano sul web come farebbe una persona. Eseguono un processo in tre fasi: recuperano le pagine candidate, ne leggono ed estraggono i contenuti, poi sintetizzano una risposta selezionando i passaggi più chiari e affidabili. Il tuo compito è superare tutte e tre le fasi, nell'ordine corretto.
Il recupero è una questione di accessibilità alla scansione. Se un bot non riesce a recuperare la tua pagina, sei fuori prima ancora che inizi la competizione. La lettura è una questione di struttura. Il modello analizza il tuo HTML e decide quale testo sia il contenuto effettivo e quale invece sia navigazione, footer e rumore. La sintesi è una questione di copy. Il modello cerca frasi che possa citare senza modificarle.
Conta anche dove si trova una frase nella pagina. Lo studio di Kevin Indig su 18.012 citazioni verificate di ChatGPT ha rilevato che il 44,2% proveniva dal primo 30% del contenuto di una pagina e solo il 24,7% dall’ultimo terzo [1]. Lo studio misurava solo ChatGPT, quindi consideralo un forte indizio per gli altri motori, non una regola. Resta il fatto che un’affermazione sul prodotto nascosta sotto la piega è un’affermazione che il modello ha meno probabilità di citare.
La tua pagina non è nemmeno l’unica candidata. Siti di recensioni, aggregatori e articoli stampa che menzionano il tuo prodotto competono con essa per lo stesso spazio di citazione.
Correggi la pipeline nell’ordine giusto. Prima l’accesso tecnico, poi la struttura, poi il copy, poi la distribuzione.
Passaggio 1: rendi la tua scheda prodotto tecnicamente accessibile ai crawler AI
I crawler AI non sono browser. Non eseguono JavaScript, non cliccano su "accetta i cookie" e non aspettano contenuti caricati in lazy loading. Se la tua pagina dipende da uno di questi elementi per mostrare il titolo, il prezzo o la descrizione del prodotto, il crawler se ne va con una pagina vuota.
Inizia dal tuo robots.txt file. I token che determinano la ricerca AI sono OAI-SearchBot (ricerca ChatGPT), Googlebot (Google Search, incluse AI Overviews), ClaudeBot (Anthropic) e PerplexityBot (Perplexity). Se ne blocchi uno, quel motore non può recuperare la tua pagina. Due token vengono spesso confusi: GPTBot decide solo se OpenAI può addestrarsi sulle tue pagine, non se la ricerca ChatGPT le mostra [2], e Google-Extended copre l’addestramento e il grounding di Gemini, ma non ha alcun effetto su Google Search [3]. Controlla la configurazione robots.txt per i bot AI prima di qualsiasi altra cosa, perché nessuna ottimizzazione di schema o copy aiuta una pagina bloccata all’ingresso.
Poi controlla le impostazioni del tuo WAF (web application firewall) e della protezione bot. Molti store Shopify e WooCommerce usano Cloudflare o servizi simili. A volte questi strumenti classificano i crawler AI come traffico malevolo e restituiscono un 403 o una richiesta CAPTCHA. Il crawler registra un errore e passa oltre. E tu non te ne accorgi mai.
Per verificarlo direttamente, esegui un fetch dalla riga di comando usando una stringa user-agent di un crawler AI noto e leggi l’output HTML grezzo. Se il titolo, il prezzo e la descrizione del prodotto compaiono nell’output, la pagina è recuperabile. Se invece ottieni una pagina di verifica o un reindirizzamento a una schermata di login, hai un problema di blocco da risolvere prima di qualsiasi altro passaggio.
Anche la velocità della pagina influisce sul recupero. I crawler operano con timeout molto stretti. Una pagina che impiega più di qualche secondo per restituire una risposta HTML completa può essere abbandonata a metà fetch. Punta a un tempo di risposta del server inferiore a 200 ms e assicurati che i dati del prodotto siano presenti nell’HTML iniziale, non iniettati da JavaScript dopo il caricamento.
Esegui il rendering lato server dei contenuti del prodotto.
Passaggio 2: quali elementi HTML sono più facili da estrarre per i modelli AI?
Una volta che un crawler recupera la tua pagina, il modello legge l’HTML e decide quale sia il contenuto. L’HTML semantico rende questa decisione più semplice e accurata. Un HTML ambiguo costringe il modello a indovinare, e spesso sbaglia.
Usa questi elementi, in questo ordine di priorità:
<h1>per il nome del prodotto. Uno per pagina, corrispondente al nome canonico del prodotto. Il modello tratta<h1>come soggetto della pagina.<p>tag per la descrizione del prodotto. Evita di racchiudere il testo della descrizione in<div>o<span>elementi senza ruolo semantico. I semplici tag paragrafo segnalano contenuti testuali.<table>per le specifiche. Una tabella a due colonne con una riga di intestazione (attributo, valore) è il formato più chiaro possibile per specifiche come dimensioni, materiali, compatibilità e peso. I modelli estraggono i dati dalle tabelle con alta precisione perché la struttura è inequivocabile.<dl>,<dt>,<dd>(lista di definizioni) per coppie brevi di attributi quando una tabella completa è eccessiva. Usala per elementi come "Compatibile con: iOS 16 e versioni successive".- Landmark ARIA quando il tuo tema non usa tag semantici. Se la descrizione del prodotto si trova dentro un generico
<div>, aggiungirole="main"oaria-label="Product description"così l’albero di accessibilità del modello può identificarla.
La struttura semantica aiuta anche nel posizionamento: un modello che riesce a trovare rapidamente il tuo <h1> e il primo <p> li legge prima di arrivare al rumore più in basso nella pagina.
Un controllo pratico: incolla l’HTML grezzo della tua pagina in un editor di testo semplice e leggi la prima schermata. Se il nome del prodotto, una descrizione di una frase e un prezzo sono visibili nel primo scroll, la struttura funziona. Se vedi menu di navigazione, script e pixel di tracciamento prima di qualsiasi contenuto prodotto, ristruttura il template.
La struttura non è decorazione. È il segnale che il modello usa per capire di cosa parla la tua pagina.
Passaggio 3: aggiungere lo schema Product migliora le probabilità di essere citati?
Lo schema Product fornisce ai modelli AI un riepilogo strutturato e leggibile dalle macchine del tuo prodotto, affiancato al contenuto HTML. Non garantisce una citazione, ma riduce le ambiguità nella fase di sintesi. Quando un modello deve scegliere tra due pagine che rispondono entrambe a una query, quella con dati strutturati puliti è più facile da citare con sicurezza.
Aggiungi questi campi, in questo ordine di importanza:
name, il nome canonico del prodotto, che deve corrispondere esattamente al tuo<h1>. Le incoerenze tra schema e HTML sono un problema di segnale di affidabilità.description, una o due frasi autonome che rispondano a cosa sia il prodotto e per chi sia pensato. Non copiare qui il copy marketing. Scrivilo come se stessi rispondendo a una domanda.offers, includiprice,priceCurrency,availability, eurl. La disponibilità è particolarmente importante: gli agenti AI per gli acquisti verificano che un prodotto sia acquistabile prima di consigliarlo. Seavailabilitymanca o è impostato suOutOfStock, l’agente ignora il tuo prodotto.aggregateRating,ratingValueereviewCount. Le recensioni sono un segnale di affidabilità nella fase di sintesi. Un prodotto con dati di valutazione compilati è più citabile di un prodotto identico senza dati di valutazione.brand, un oggettoBrandconname. Questo aiuta i modelli ad attribuire il prodotto al produttore corretto durante la sintesi dei confronti.
Per validare il markup, incolla l’URL del prodotto nel Rich Results Test di Google e controlla gli errori. Poi usa il validatore di Schema.org per confermare che il JSON-LD sia ben formato. Correggi gli errori prima di passare al copy. Uno schema non valido è peggiore dell’assenza di schema perché può confondere l’estrazione del modello.
Per un riferimento completo campo per campo, la checklist dei dati strutturati per le schede prodotto ecommerce copre tutte le proprietà obbligatorie e consigliate.
Lo schema non è un trucco per il ranking. È un aiuto alla lettura per le macchine.
Passaggio 4: scrivi un copy prodotto che l’AI voglia citare
È qui che la maggior parte delle schede prodotto perde la citazione. Il lavoro tecnico porta il modello sulla tua pagina. Il copy determina se il modello citerà te o un concorrente.
I modelli AI preferiscono frasi che possono estrarre e usare senza modifiche. Questo significa affermazioni brevi, dichiarative e autonome. Una frase come "La X200 è una scarpa da trail running impermeabile progettata per superfici sterrate in condizioni di bagnato" può essere citata direttamente. Una frase come "Scopri il massimo delle prestazioni outdoor con la nostra innovativa tecnologia per calzature" non può essere citata senza risultare assurda.
Metti subito l’affermazione più importante. La prima frase della descrizione del prodotto dovrebbe rispondere alla domanda "cos’è e per chi è?" senza richiedere lo scroll. Se la risposta si trova sotto una hero image e tre paragrafi marketing, la maggior parte dei modelli AI non ci arriverà mai.
Ecco una riscrittura prima/dopo per la descrizione ipotetica di una scarpa da trail:
Prima: "Pensata per gli avventurieri che pretendono il massimo, la nostra scarpa da trail X200 combina materiali avanzati con un look audace che offre prestazioni in ogni condizione."
Dopo: "La X200 è una scarpa da trail running impermeabile progettata per terreni bagnati e fangosi. È adatta ai runner che si allenano su superfici non asfaltate e hanno bisogno di grip su rocce sconnesse. Non è progettata per la corsa su strada o per l’uso in palestra."
La seconda versione definisce il caso d’uso, nomina il tipo di terreno ed esclude esplicitamente un utilizzo. Questa esclusione è importante: i modelli AI la usano per associare il prodotto a query specifiche ed evitare di consigliarlo per quelle sbagliate.
Dai anche al modello qualcosa di credibile da citare. Lo studio GEO dei ricercatori di Princeton e partner (2023, pubblicato al KDD 2024) ha rilevato che aggiungere citazioni, statistiche e riferimenti a fonti credibili erano le modifiche più efficaci che una pagina potesse fare, aumentando la visibilità nelle risposte generate fino al 40%. Le sole citazioni l’hanno aumentata del 22% su Perplexity [4]. In una scheda prodotto, questo significa un risultato di laboratorio, una certificazione o la frase di un recensore identificato, non un altro aggettivo.
Scrivi il copy prodotto come se stessi rispondendo a una domanda, non scrivendo una pubblicità. Prima la risposta. Poi le qualifiche. Vendere, eventualmente, viene dopo.
Passaggio 5: distribuisci i contenuti del prodotto su siti di terze parti
La tua scheda prodotto compete per lo spazio di citazione con ogni altra pagina che menziona il tuo prodotto. Questo include siti di recensioni, aggregatori comparativi, articoli stampa e feed di dati. Distribuire i contenuti del prodotto su queste superfici aumenta il numero di pagine che un modello AI può recuperare e citare.
Per domande del tipo "miglior [prodotto]", molte delle fonti citate da un motore sono pagine di recensioni e confronti di terze parti, non siti di brand. Se il tuo prodotto non compare in quelle pagine, manca anche da quelle risposte.
Segui questa checklist di distribuzione nell’ordine indicato:
- Invia i dati agli aggregatori di dati prodotto. Google Merchant Center, Bing Shopping e feed simili inviano i tuoi dati prodotto strutturati alle piattaforme da cui attingono i modelli AI. Mantieni aggiornato il feed, soprattutto prezzo e disponibilità.
- Ottieni una presenza sulle piattaforme di recensioni rilevanti per la tua categoria. G2, Trustpilot e i siti di recensioni verticali vengono tutti sottoposti a crawling e citati. Una scheda prodotto con recensioni su un sito autorevole di terze parti rappresenta un’ulteriore opportunità di citazione.
- Proponi il prodotto alla stampa specializzata. Una breve presentazione del prodotto basata sui fatti, inviata a newsletter o pubblicazioni di settore pertinenti, crea pagine indicizzate che citano il nome del prodotto, la categoria e le specifiche principali. Come nella descrizione del prodotto, metti la risposta all’inizio della presentazione.
- Distribuisci le specifiche prodotto ai siti comparativi. Molti aggregatori comparativi accettano invii diretti di dati. Una scheda tecnica coerente e accurata su più siti rafforza la fiducia del modello nei dati del tuo prodotto.
La distribuzione non è un’attività una tantum. Aggiorna le tue schede di terze parti quando cambi prezzo, disponibilità o specifiche del prodotto. Dati obsoleti sui siti esterni creano contraddizioni che riducono la fiducia nelle citazioni. Mantieni i dati coerenti.
ChatGPT vs. Google AI Overviews: checklist specifica per piattaforma
ChatGPT e Google AI Overviews usano pipeline diverse, quindi reagiscono a segnali differenti. Trattarli come un unico motore è un errore comune.
Penso che la differenza emerga nelle risposte stesse. AI Overviews tende a costruire un insieme classificato di raccomandazioni da più pagine. Le risposte shopping di ChatGPT cercano di confermare che un prodotto sia disponibile e di associarlo a un’esigenza dichiarata, quindi disponibilità e copy orientato al caso d’uso hanno più peso lì.
Usa questa checklist per separare il lavoro per piattaforma:
| Segnale | ChatGPT | Google AI Overviews |
|---|---|---|
| Robots.txt | Consenti OAI-SearchBot |
Consenti Googlebot |
| Priorità dello schema | offers.availability e offers.price |
aggregateRating e brand |
| Formato del copy | Risposta in apertura, caso d’uso preciso, esclusioni esplicite | Affermazioni comparative, claim a livello di categoria, specifiche complete |
| Citazioni di terze parti | Copertura stampa, aggregatori di dati | Piattaforme di recensioni, siti comparativi indicizzati da Google |
| Feed e checkout | Prezzo e stock accurati nei dati prodotto; gli acquirenti completano l’acquisto sul tuo store | Feed Google Merchant Center mantenuto aggiornato |
| Struttura della pagina | HTML renderizzato lato server, dati prodotto nella parte alta del DOM | Dati strutturati validati nel Rich Results Test |
Correggi prima le voci del robots.txt, perché un crawler bloccato rende irrilevante ogni altra riga. Poi affronta lo schema in base alla piattaforma: per ChatGPT, availability e price sono i campi che un agente controlla prima di consigliare un prodotto. Per Google AI Overviews, aggregateRating e un oggetto brand completo aumentano la fiducia nelle citazioni nelle risposte comparative.
La colonna dedicata ai testi evidenzia dove la maggior parte delle pagine prodotto si discosta dalle esigenze di ciascuna piattaforma. ChatGPT risponde bene a definizioni esplicite dei casi d’uso e delle esclusioni, secondo la stessa struttura con la risposta in apertura descritta al Passaggio 4. Google AI Overviews favorisce le pagine che formulano affermazioni chiare a livello di categoria e riportano specifiche complete, perché il sistema costruisce una graduatoria anziché rispondere alla domanda di un singolo acquirente.
Non ottimizzare per una piattaforma ignorando l’altra. Le correzioni si sovrappongono abbastanza da permetterti di soddisfare entrambe con una pagina ben strutturata e un feed aggiornato.
Dove si inserisce ecentic
Ogni passaggio di questa guida richiede di trovare il problema, scrivere la correzione e pubblicarla. Questo ciclo è gestibile per dieci prodotti. Crolla a cento.
È esattamente ciò che risolviamo in ecentic. Si collega al tuo store Shopify o WooCommerce o al tuo feed prodotto, fa confrontare a ChatGPT, Claude e Gemini ogni prodotto con quello di un concorrente specifico e ti mostra perché l’agente ha scelto l’altro: dati di disponibilità mancanti, una descrizione debole, un campo schema assente. Scrive la correzione per titolo, descrizione e dati strutturati e, nei piani Scale, Dominate e pay-as-you-go, facendo clic su Apply la pubblica nel tuo store. Su Shopify conta anche le visite provenienti dagli assistenti AI settimana dopo settimana, mostrando se arrivano più acquirenti, non quali risposte ti hanno citato.
Una precisazione corretta: questo copre i passaggi relativi a schema e copy qui sopra. L’accesso dei crawler e le schede su siti di terze parti restano responsabilità tua.
La scansione gratuita copre i tuoi 10 prodotti principali senza carta di credito richiesta. È sufficiente per capire dove i tuoi attuali dati prodotto non superano la pipeline.
FAQ
I bot AI possono indicizzare pagine che richiedono JavaScript per il rendering?
La maggior parte dei crawler AI non esegue JavaScript come farebbe un browser. Se titolo, prezzo e descrizione del prodotto compaiono solo dopo che un framework JavaScript esegue il rendering lato client della pagina, il crawler recupera un guscio vuoto. Esegui il rendering lato server dei contenuti prodotto oppure usa la generazione statica, così i dati saranno presenti nella risposta HTML iniziale. Verificalo recuperando la pagina con uno strumento da riga di comando che utilizzi una stringa user-agent di un crawler AI noto e leggendo l’output grezzo.
Con quale frequenza dovrei aggiornare le descrizioni prodotto per continuare a essere citato dall’AI?
Aggiorna le descrizioni quando il prodotto cambia, quando un concorrente lancia qualcosa di simile o quando noti un calo del tasso di citazione. Non esiste una cadenza fissa valida per ogni store. Conta più la coerenza della frequenza: nome del prodotto, prezzo e disponibilità dovrebbero corrispondere tra scheda prodotto, schema, feed ed eventuali schede di terze parti. Le contraddizioni tra queste fonti riducono la fiducia nelle citazioni, indipendentemente da quanto recentemente hai aggiornato.
Le recensioni dei clienti su una scheda prodotto aiutano il tasso di citazione dell’AI?
Sì, in due modi. Le recensioni popolano il campo schema aggregateRating , che è un segnale di affidabilità nella fase di sintesi, soprattutto per Google AI Overviews. Aggiungono anche contenuti in linguaggio naturale che possono contenere frasi citabili corrispondenti a query specifiche degli acquirenti. Un prodotto senza dati di valutazione è più difficile da consigliare con sicurezza per un modello quando esiste un concorrente con valutazioni. Mantieni ratingValue e reviewCount aggiornati nel tuo schema.
È possibile monitorare quanto traffico arriva dagli assistenti AI?
Su Shopify, ecentic monitora direttamente le visite provenienti dagli assistenti AI. Al di fuori di questo, puoi configurare parametri UTM su qualsiasi URL controlli su piattaforme di terze parti e filtrare l’analytics in base a tali parametri. Alcuni sistemi AI, inclusa Perplexity, passano una stringa referrer riconoscibile che gli strumenti di analytics possono acquisire. I dati sono ancora limitati rispetto al traffico da ricerca organica, ma stanno crescendo. Controlla i log del server per le stringhe user-agent dei crawler AI noti come segnale separato dell’attività di crawling rispetto alle visite referral.
La lunghezza della pagina influisce sul fatto che l’AI citi una scheda prodotto?
La lunghezza della pagina conta meno del posizionamento dei contenuti. Una scheda prodotto di 400 parole con una risposta chiara nella prima frase avrà risultati migliori di una pagina di 2.000 parole che nasconde l’affermazione principale sotto una hero image e tre paragrafi marketing. Scrivi ciò di cui il prodotto ha bisogno, metti prima le informazioni più importanti ed elimina tutto ciò che spinge più in basso nella pagina il tuo messaggio principale.
Fonti
- La scienza di come l’AI presta attenzione, Kevin Indig, Growth Memo, febbraio 2026, verificato a ottobre 2026.
- Panoramica dei crawler OpenAI, OpenAI, verificato a ottobre 2026.
- I crawler comuni di Google, Google Search Central, verificato a ottobre 2026.
- GEO: Generative Engine Optimization, Aggarwal et al., KDD 2024, verificato a ottobre 2026.
Esplora questi argomenti