Per la scoperta dei prodotti in Google AI Mode non esiste un nuovo livello tecnico da chiamare “AI SEO”, né un markup dedicato da installare. Google indica che per le funzionalità AI valgono le normali pratiche SEO: le pagine devono poter essere indicizzate, essere idonee allo snippet e rispettare requisiti tecnici e norme applicabili.

Questo non garantisce scansione, indicizzazione o presenza in AI Mode, nelle schede gratuite o in altre superfici di Google. È però un criterio utile per decidere dove intervenire: non inseguire un feed parallelo “per l’AI”, ma rendere ogni prodotto una risposta chiara a domande di confronto reali.

Per un e-commerce, il lavoro concreto è allineare tre livelli: la scheda che legge la persona, i dati strutturati Product e Offer nella pagina, e il feed inviato a Google Merchant Center. Google spiega che non servono requisiti aggiuntivi per AI Overview e AI Mode; una pagina solida resta il punto di partenza anche in questo contesto. Consulta la documentazione di Google sulle funzionalità AI nella Ricerca.

Scheda, markup e feed: tre funzioni diverse dello stesso dato

I tre elementi contengono spesso informazioni simili, ma non sono intercambiabili.

Il tema di fondo è la governance del dato. Prezzo, stock, SKU, immagini e varianti dovrebbero derivare da fonti affidabili e sincronizzate, anziché essere corretti separatamente nella scheda, nel feed e nel markup.

La priorità non è un “feed AI”, ma un catalogo affidabile

In un catalogo incompleto, aggiungere campi avanzati prima di avere dati essenziali corretti aumenta la complessità senza risolvere le cause principali degli avvisi. Conviene procedere per livelli.

Prima: minimo affidabilePoi: arricchimento utile
id stabile, URL della variante corretta, title, descrizione, immagine, prezzo e disponibilitàSpecifiche comparabili con product_detail, immagini aggiuntive e caratteristiche di categoria
condition quando il prodotto è usato o ricondizionatoproduct_highlight per punti salienti realmente utili
Marca, GTIN assegnato dal produttore e MPN quando pertinenteDati tecnici più granulari: materiali, compatibilità, dimensioni, alimentazione, ingredienti
Spedizioni configurate e condizioni di reso accessibiliProcessi di controllo e correzione a monte nel gestionale, PIM o CMS

Per le free listings, Google indica fra gli attributi fondamentali id, title, link, image_link, price, description e availability. Per i prodotti usati o ricondizionati rileva anche la condizione. In Italia occorre configurare la spedizione in Merchant Center oppure fornire il costo con l’attributo shipping. La guida alle free listings di Merchant Center dettaglia requisiti e idoneità.

Marca, GTIN e MPN non sono dettagli decorativi. Il GTIN va usato se è stato assegnato dal produttore; quando non esiste, l’MPN può essere pertinente insieme alla marca. Un identificatore inventato o assegnato impropriamente crea un problema di qualità, non un vantaggio.

Scrivere titoli che aiutano a distinguere prodotti e varianti

Un buon titolo non è una lista di parole chiave. Deve permettere di capire rapidamente quale articolo e quale variante si stanno confrontando. Un modello semplice, da adattare alla categoria, è:

Tipo prodotto + marca + modello o linea + caratteristica decisiva + variante

Marca, modello, materiale, capacità, colore, taglia o compatibilità sono utili solo quando distinguono davvero quell’articolo. “Borsa donna elegante” è troppo vago; un titolo che ripete “borsa donna elegante economica offerta spedizione veloce” sostituisce le caratteristiche con promozioni e affermazioni poco informative.

Promozioni, urgenza e condizioni di consegna hanno campi e spazi dedicati. Non rendono il titolo più preciso. Google raccomanda titoli che descrivano il prodotto e specifichino le varianti rilevanti. Le indicazioni di Merchant Center su title e structured title mostrano questo principio anche per attributi come colore, taglia o modello.

Product detail: specifiche che rispondono alle domande di confronto

L’attributo facoltativo product_detail è particolarmente interessante perché Google afferma che può aiutare le persone a scoprire informazioni sui prodotti nelle superfici AI, incluso AI Mode, oltre che nella ricerca tradizionale. Non garantisce esposizione o vendite: rende disponibili dati più strutturati, se accurati.

Funziona come una serie ripetibile di coppie sezione–attributo–valore. Il valore non sta nella quantità di testo, ma nella possibilità di verificare una caratteristica concreta.

CampoEsempio: lampada da scrivania LED Orion
titleLampada da scrivania LED Orion, nero, 8 W, dimmerabile
product_detailIlluminazione : Potenza : 8 W
product_detailIlluminazione : Temperatura colore : 2700–6500 K
product_detailFunzioni : Regolazione intensità : Sì
product_detailAlimentazione : Cavo USB-C incluso : Sì
product_detailDimensioni : Altezza : 42 cm

Sono adatti dati confermati quali materiali, dimensioni, ingredienti, compatibilità, connettività, alimentazione, installazione, contenuto della confezione e funzionalità. Non sono adatti prezzo, sconti, spedizione, consegna, slogan, keyword ripetute o claim promozionali. La documentazione italiana su product_detail chiarisce struttura e utilizzi dell’attributo.

Una domanda utile durante la compilazione è: questa riga consente a una persona di escludere o preferire il prodotto rispetto a un’alternativa? Se la risposta è no, probabilmente non è una specifica.

Varianti, immagini e dati strutturati: dove nascono gli errori più costosi

Una variante non è soltanto una scelta grafica nel configuratore. Nel feed, ogni SKU dovrebbe avere un identificatore id stabile; i prodotti dello stesso gruppo possono essere collegati con item_group_id. Il link della variante deve portare alla selezione corretta o a una pagina in cui colore, taglia, capacità o altra opzione siano immediatamente riconoscibili.

Per ogni variante è opportuno verificare che coincidano:

Errori frequenti sono una pagina generica per tutte le varianti, una foto di un colore diverso, stock aggiornato solo nel feed, prezzi divergenti e GTIN attribuiti senza conferma.

Per l’abbinamento con Merchant Center, Google indica che i dati strutturati devono essere disponibili nel codice HTML che Google riceve e coerenti con ciò che l’utente vede. Per questo non è prudente affidarsi soltanto a un’iniezione JavaScript successiva al caricamento, senza verificarne l’effettiva elaborazione. La pagina deve rappresentare un Product con un Offer annidato. Leggi i requisiti di Merchant Center per i dati strutturati.

Checklist operativa per un catalogo più pronto alla scoperta

  1. Scegli un perimetro. Parti da una categoria rilevante oppure da 20–50 schede importanti. Evita di modificare l’intero catalogo senza aver individuato errori e priorità.
  2. Controlla il minimo affidabile. Per ogni SKU verifica identificatore, URL, titolo, variante, immagini, prezzo, stock, spedizione, resi e condizione quando applicabile.
  3. Completa le domande di confronto. Aggiungi in pagina specifiche verificabili su misure, materiali, compatibilità, confezione, installazione o limiti d’uso. Riportale in product_detail quando il campo è disponibile e pertinente.
  4. Valida il markup e il feed. Usa il Rich Results Test per Product e Offer; in Merchant Center controlla gli avvisi, con attenzione alla sezione “Richiede attenzione”.
  5. Correggi la fonte primaria. Se possibile intervieni nel gestionale, PIM o CMS: una correzione soltanto nel feed rischia di lasciare incoerente la scheda o di essere sovrascritta al successivo aggiornamento.

Come misurare senza attribuire tutto ad AI Mode

Merchant Center consente di osservare prodotti approvati, problemi di dati, copertura del catalogo e disallineamenti. Search Console permette invece di analizzare impressioni, clic, query e pagine prodotto.

Google indica che il traffico dalle funzionalità AI è incluso nel report Prestazioni con tipo di ricerca Web; non necessariamente esiste una voce isolata per AI Mode. Per questo è più corretto confrontare periodi omogenei, annotare le modifiche effettuate e osservare insieme qualità dei dati, pagine coinvolte e andamento del traffico.

Accanto ai dati di visibilità, possono essere utili segnali operativi: domande pre-vendita ricorrenti, errori di selezione della variante, resi dovuti a aspettative errate e conversioni per pagina. Non è invece possibile dimostrare con questi strumenti una quota ufficiale di vendite generata soltanto da AI Mode, né trattare product_detail come un fattore di ranking dedicato.

Domande frequenti

Google AI Mode richiede un markup speciale?

No. Google indica che non esistono requisiti aggiuntivi specifici per AI Overview e AI Mode. Feed e markup restano importanti per le loro funzioni: dati di catalogo per Merchant Center e dati strutturati coerenti con la pagina.

Product_detail garantisce visibilità?

No. È un attributo facoltativo che può rendere disponibili specifiche strutturate per la scoperta del prodotto sulle superfici AI e nella ricerca, ma non garantisce comparsa, clic o vendite.

Un testo generato dall’AI nel feed è sufficiente?

No. Il testo deve essere accurato, comprensibile e coerente con prodotto, pagina e dati operativi. Un testo generato automaticamente richiede controllo editoriale e operativo: non deve introdurre specifiche, compatibilità, materiali o promesse che l’azienda non può verificare.

Da dove iniziare con un catalogo grande?

Dalle categorie prioritarie e dai problemi più ricorrenti: prodotti non approvati, varianti incoerenti, identificatori mancanti, prezzo o disponibilità non sincronizzati. Solo dopo ha senso estendere il modello di specifiche al resto del catalogo.

Conclusione: il lavoro utile è rendere confrontabile l’offerta

Una scheda prodotto completa non serve a “convincere l’AI”. Serve a ridurre l’ambiguità per chi deve scegliere e per i sistemi che devono interpretare l’offerta. Pagina, markup e feed coerenti rendono il catalogo più comprensibile nella ricerca classica, nelle free listings e nelle superfici AI, senza trasformare l’idoneità in una promessa di visibilità.

Il passo successivo realistico è un audit di una categoria: definire le specifiche essenziali per il confronto, individuare la fonte primaria di prezzo e stock, poi correggere le incoerenze prima di aggiungere nuovi campi. Questo lavoro riguarda dati organici di catalogo e qualità dell’offerta; non va confuso con la gestione di campagne pubblicitarie.

Fonti e approfondimenti