Una domanda, venti ricerche: come l’AI sceglie quali pagine del tuo e-commerce aprire

Quando un cliente chiede a un assistente AI quale prodotto comprare, il modello trasforma la domanda in una serie di ricerche, legge i risultati e apre solo alcune pagine. Da questo passaggio dipende su quali ricerche un e-commerce deve farsi trovare e come va organizzato il catalogo.

Dal dialetto al prodotto in pochi secondi

Basta una domanda scritta in napoletano, con qualche errore di battitura e senza una sola parola chiave, che descrive un piccolo apparecchio da portare addosso capace di registrare l’intera giornata e di riassumerla con l’intelligenza artificiale, per ottenere da Gemini, in circa tre secondi, il nome esatto del prodotto. È uno degli esempi più efficaci per capire quanto sia cambiato il modo in cui le persone cercano ciò che vogliono comprare, in un momento in cui le conversazioni con gli assistenti pesano già sulle vendite, come abbiamo visto parlando del Black Friday.

Per un e-commerce l’esempio contiene due indicazioni pratiche. Dal lato del cliente, per trovare un prodotto non serve più conoscerne il nome o la categoria in cui lo collocheresti tu, perché basta descrivere l’esigenza, e il catalogo deve quindi poter essere trovato a partire dall’uso e dal problema che ogni prodotto risolve. Dal lato del lavoro di ottimizzazione, le domande rivolte agli assistenti sono lunghe, conversazionali e quasi sempre uniche, non hanno un volume di ricerca misurabile e lavorare sulla singola formulazione non porta risultati. Su che cosa si può intervenire lo mostra ciò che accade nei tre secondi tra la domanda e la risposta, il passaggio che nell’articolo su come funziona l’AI abbiamo descritto nelle sue fasi generali e che qui seguiamo dal punto di vista di chi vende.

Cinque, dieci, venti ricerche per ogni domanda

Google descrive questo passaggio nella propria documentazione: AI Overview e AI Mode possono usare una tecnica chiamata query fan-out, che consiste nell’eseguire più ricerche correlate su sotto-argomenti e fonti diverse per costruire la risposta. Una domanda d’acquisto si scompone così in un gruppo di ricerche più piccole, ciascuna dedicata a un aspetto della scelta, e i risultati di tutte confluiscono in un’unica risposta.

Google non pubblica quante siano. Ivano Di Biasi, CEO di SEOZoom, ne stima tra cinque e venti per ogni domanda e osserva che si concentrano nella parte centrale del percorso di ricerca: quasi mai le parole chiave principali di una categoria, poca coda lunga estrema, molte ricerche intermedie, specifiche e complementari tra loro. Una domanda come «quali sono le migliori scarpe da running per allenarsi su asfalto?» può tradursi in una ricerca sui modelli più adatti all’asfalto, una sull’ammortizzazione per le superfici dure, una sui modelli entro una certa fascia di prezzo e una sul confronto diretto tra i due modelli più citati, cioè le stesse verifiche che farebbe un cliente informato prima di scegliere.

C’è un dettaglio che riguarda da vicino chi si occupa di posizionamento. Per interrogare i motori il modello traduce la conversazione in ricerche brevi, scritte come le scriverebbe una persona su Google e fatte di parole chiave. La ricerca delle parole chiave resta quindi uno strumento centrale, con un cambio di priorità: il valore si sposta dalle poche parole chiave di grande volume alle ricerche intermedie che descrivono usi, caratteristiche e confronti.

Uno studio di Surfer, società che sviluppa software per l’ottimizzazione dei contenuti, misura quanto queste ricerche intermedie pesino sulle citazioni. Su un campione di oltre 173.000 URL, le pagine posizionate sia sulla domanda principale sia su almeno una ricerca derivata hanno il 161% di probabilità in più di essere citate negli AI Overview rispetto a quelle posizionate solo sulla principale, e le pagine presenti solo sulle ricerche derivate vengono citate il 49% più spesso di quelle presenti solo sulla principale. Gli autori precisano che si tratta di una correlazione e aggiungono un dato utile per decidere come lavorare: ripetendo la stessa domanda, solo il 27% circa delle ricerche derivate resta uguale. La stessa instabilità emerge dallo studio di SEOZoom sul query fan-out, che ha sottoposto le stesse domande a ChatGPT, Gemini e AI Mode: nessun sito è comparso nelle risposte di tutti e tre i motori, e ripetendo le domande il giorno dopo Gemini ha cambiato tutte le fonti in più della metà dei casi. Per questo l’obiettivo riguarda l’insieme delle ricerche intermedie di una categoria, che il catalogo deve coprire in modo da offrire una pagina adatta qualunque combinazione venga generata in quel momento.

Lo snippet decide quali pagine vengono aperte

Ogni ricerca restituisce al modello un elenco di candidati, e a questo punto avviene la selezione. Secondo la lettura dello stesso Di Biasi, il modello lavora in due passaggi: prima interroga il motore e ottiene l’elenco dei risultati, poi decide quali pagine aprire dopo averne letto titolo e descrizione, scaricando soltanto quelle che sembrano contenere più risposte. Né Google né OpenAI hanno pubblicato in dettaglio questi criteri, quindi si tratta dell’interpretazione di un comportamento osservato. La conseguenza pratica è chiara: comparire tra i risultati è la prima condizione, mentre essere scelti per l’apertura dipende da ciò che la pagina mostra di sé in quell’elenco.

Nella documentazione di Search Central Google spiega che lo snippet, la descrizione che accompagna ogni risultato, viene creato soprattutto dal contenuto della pagina e mette in evidenza la parte più vicina alla ricerca specifica, tanto che la stessa pagina può mostrare descrizioni diverse per ricerche diverse. La meta description viene usata quando descrive la pagina meglio del testo. Applicato al fan-out, questo meccanismo ha un effetto preciso: se una domanda genera venti ricerche e la stessa pagina compare in più elenchi, il modello la vede con una descrizione diversa in ciascuno e capisce a quali domande risponde prima ancora di aprirla. In questa logica, più ricerche una pagina intercetta con uno snippet pertinente, più appare ricca di risposte e più è probabile che venga scelta.

Il caso più comune è quello delle pagine di categoria composte solo da una griglia di prodotti, con nomi, prezzi e qualche filtro. Offrono a Google pochissimo testo da cui ricavare uno snippet capace di rispondere a una ricerca sull’uso, su una caratteristica tecnica o su un confronto, e nell’elenco che il modello valuta appaiono meno utili di una guida o di un comparatore che trattano lo stesso argomento. Altrettanto frequenti sono i titoli e le descrizioni generati in serie con lo stesso schema per tutte le categorie, come il nome della categoria seguito da una formula promozionale identica. Google indica che descrizioni uguali o simili su tutte le pagine non aiutano, e un modello che deve scegliere tra risultati che si somigliano non trova nel titolo un motivo per preferire il tuo. La generazione automatica resta legittima, purché produca testi leggibili e diversi tra loro, come la stessa documentazione raccomanda ai siti con migliaia di pagine.

Cosa cambia nell’architettura di un catalogo

Per vedere che cosa significa in pratica torniamo alla domanda sulle scarpe da running per l’asfalto e alle ricerche intermedie che può generare, chiedendoci per ciascuna quale pagina del catalogo dovrebbe rispondere.

L’uso su asfalto è l’esigenza da cui parte la domanda. In molti e-commerce questa informazione esiste già come filtro della categoria, ma la pagina filtrata è esclusa dall’indicizzazione oppure non ha un testo proprio, e per Google non esiste come risultato autonomo. Quando una combinazione di filtri corrisponde a una domanda reale e ricorrente, la scelta più efficace è trasformarla in una pagina indicizzabile, con un titolo specifico e qualche paragrafo che spieghi che cosa distingue una scarpa da asfalto da una da trail.

La ricerca sull’ammortizzazione segue un’altra logica, perché qui il cliente ha bisogno di capire il criterio prima di scegliere il prodotto. Una sezione di testo nella categoria principale, che spieghi i diversi livelli di ammortizzazione e a quale tipo di corridore servono, dà a Google il materiale per uno snippet utile senza moltiplicare le pagine.

La fascia di prezzo richiede prudenza, perché i prezzi cambiano spesso e le pagine filtrate per prezzo tendono a generare combinazioni senza fine e contenuti duplicati. Anche in questo caso la risposta più solida è testuale: una parte della pagina di categoria che indichi che cosa si trova nelle diverse fasce e con quali compromessi.

Il confronto tra due modelli, infine, raramente trova spazio in una pagina di categoria. Ha bisogno di una guida dedicata, oppure di schede prodotto che dichiarino a chi è destinato ciascun modello e in che cosa si differenzia dagli altri della stessa linea, secondo il lavoro descritto nell’articolo sulle schede prodotto.

Gli strumenti sono quelli che la SEO per e-commerce (link alla pagina servizio da confermare) usa da anni: la gestione della navigazione a faccette, i testi di categoria, la scelta delle pagine da indicizzare e di quelle da escludere. Il fan-out aggiunge un criterio per applicarli, perché le combinazioni da trasformare in pagine si scelgono in base alle ricerche intermedie che una domanda d’acquisto genera, e il testo di ogni pagina si scrive pensando allo snippet che Google ne ricaverà per ciascuna di quelle ricerche. Una volta aperta, la pagina deve poi offrire blocchi di testo che il modello possa riprendere, e per la forma di questi testi vale quanto spiegato nell’articolo sulle FAQ.

Un primo controllo è alla portata di qualunque e-commerce: scegliere la categoria che vale di più in fatturato, raccogliere le domande che i clienti rivolgono più spesso al servizio clienti o ai venditori e cercare, per ciascuna, una pagina del sito che la tratti con un testo proprio. Le domande che restano senza pagina indicano dove il catalogo, oggi, non partecipa alla selezione.

Il metodo che applichiamo ai cataloghi dei nostri clienti

È il metodo che applichiamo ogni giorno ai cataloghi degli e-commerce che seguiamo. Partiamo dalle categorie che pesano di più sul fatturato, perché è lì che una presenza in più nelle ricerche intermedie si traduce più rapidamente in vendite, e per ciascuna ricostruiamo le ricerche che una domanda d’acquisto tipica può generare, confrontandole con le posizioni che il catalogo occupa già su Google e con gli snippet con cui si presenta. Con il GEO Audit aggiungiamo a questa analisi la presenza attuale del brand nelle risposte degli assistenti, che diventa la base di confronto per tutto ciò che segue.

Da qui nasce un piano condiviso con il cliente, con un ordine di priorità legato al valore commerciale di ogni categoria, che sviluppiamo con la SEO per e-commerce: quali combinazioni di filtri diventano pagine, quali categorie hanno bisogno di testo, dove serve una guida, quali titoli vanno riscritti. Con il servizio di AI Search seguiamo poi nel tempo le risposte degli assistenti per gruppi di intenti, accanto alle posizioni su Google, e aggiorniamo le priorità con il cliente sulla base di ciò che misuriamo, perché le singole domande cambiano di continuo mentre gli intenti di una categoria restano stabili.

Ogni domanda d’acquisto rivolta a un assistente si trasforma in un insieme di ricerche che il cliente non vede, e la risposta che riceve dipende dalle pagine che quelle ricerche incontrano lungo il percorso. Un catalogo progettato su quelle ricerche permette al tuo e-commerce di trovarsi su quel percorso in più punti, ed è un lavoro che richiede insieme l’esperienza di chi ottimizza cataloghi da anni e la conoscenza di come i modelli scelgono le fonti, le due competenze su cui SEO Cube Agency ha costruito il proprio metodo.