Come preparare i feed di prodotto per la ricerca IA in ChatGPT, Gemini e Perplexity

I commercianti di moda possono aumentare la visibilità nella ricerca IA generativa ottimizzando i feed di Google Shopping e implementando markup schema.org Product completo. Le ricerche relative allo shopping sulle piattaforme di IA generativa sono cresciute del 4.700 per cento tra il 2024 e il 2025, e le funzionalità di Google AI Shopping ora attingono dai feed del Merchant Center, rendendo la qualità dei dati di prodotto la leva principale per le raccomandazioni degli agenti IA.

Quali agenti di shopping IA leggono i feed di prodotto?

ChatGPT ha restituito una scheda prodotto strutturata sull'87 per cento dei prompt di shopping e Google AI Mode sul 91 per cento, rendendoli le due superfici principali per il commercio nel 2026. Perplexity ha mostrato una scheda sull'1 per cento e Gemini sullo 0 per cento, rispondendo invece con citazioni delle fonti. Google Shopping Feed, markup schema.org Product e un OpenAI Shopping Feed formano la base e raggiungono simultaneamente ChatGPT, Gemini, Perplexity e Copilot.

Durante la stagione delle festività del 2025, il traffico verso i siti web di vendita al dettaglio da fonti IA come ChatGPT, Gemini e Perplexity è aumentato di quasi il 700 per cento anno su anno. Il traffico riferito dall'IA verso i siti di vendita al dettaglio statunitensi è cresciuto di circa il 393 per cento anno su anno nel primo trimestre del 2026, secondo Adobe Analytics.

Cosa richiede il markup Product schema?

Il markup schema.org Product è lo standard che tutti i principali sistemi IA e motori di ricerca comprendono. Il markup deve essere scritto in formato JSON-LD e incorporato nell'HTML della pagina. Il Product schema di Google richiede name, image, offers, price e priceCurrency.

I campi essenziali per la visibilità IA includono:

• name: il nome del prodotto esattamente come appare agli acquirenti
• image: un URL di una fotografia del prodotto, minimo 250 per 250 pixel per l'abbigliamento
• brand: uno dei tre identificatori univoci del prodotto
• sku: unità di tenuta delle scorte interna
• gtin o mpn: aggiungere GTIN o MPN a ogni prodotto per la corrispondenza dei riferimenti incrociati
• offers: un oggetto Offer nidificato contenente price, priceCurrency, availability e URL
• availability: i valori validi includono https://schema.org/InStock, https://schema.org/OutOfStock, https://schema.org/PreOrder, https://schema.org/LimitedAvailability e https://schema.org/Discontinued
• AggregateRating e Review: includere markup AggregateRating e Review solo con dati di recensioni reali

MerchantReturnPolicy è richiesto da Google per i Merchant Listings dal 2025. Google scrive che non è necessario alcun markup speciale per le sue funzionalità di IA generativa, mentre Microsoft afferma che lo schema aiuta i suoi sistemi, Copilot incluso, a comprendere i contenuti.

In che modo i feed di moda differiscono dalle altre categorie?

Google Shopping richiede gli attributi colour, size, gender e age_group per i prodotti di abbigliamento e moda. La mancanza di uno qualsiasi di questi causa il rifiuto immediato del prodotto. L'attributo colour deve corrispondere al nome del colore visibile sulla pagina di destinazione. Utilizzare fino a 3 colori separati da barra per gli articoli multicolore.

I prodotti di abbigliamento venduti in più taglie e colori richiedono item_group_id per collegare le varianti dello stesso stile. La connessione avviene in due punti contemporaneamente: nel feed tramite item_group_id e sul sito tramite dati strutturati ProductGroup. Una maglietta in 6 taglie e 4 colori crea 24 SKU unici per uno stile, e ogni variante necessita della propria riga nel feed con taglia e colore specificati.

Le linee guida di Google per l'abbigliamento raccomandano Brand più Product Type più Important Attributes, con i dettagli chiave nei primi 70 caratteri. Un esempio pratico: "Nike Scarpe da Corsa Donna Nere Taglia 8 Mesh".

Quali attributi del feed sono più importanti per gli agenti IA?

Gli agenti IA interrogano i dati di prodotto strutturati, e se gli attributi sono incompleti, le descrizioni sono vaghe o i dettagli di compatibilità mancano, l'IA consiglia un concorrente con dati migliori. Gli attributi ad alto impatto per i caroselli di AI Overview sono product_highlight, product_detail e lunghezza e struttura della description.

product_detail utilizza coppie di nome e valore strutturate per specifiche misurabili come durata della batteria, dimensioni e materiali, che alimentano le query di confronto in AI Mode. Gli agenti IA rispondono a domande in linguaggio naturale come mostrami scarpe da corsa leggere per piedi larghi sotto 150 libbre, quindi le descrizioni devono contenere quegli attributi in linguaggio naturale, non solo campi strutturati.

Come possono i commercianti mantenere i feed accurati?

Gli agenti IA verificano l'accuratezza dei dati prima di raccomandare, e una discrepanza di prezzo tra feed e sito segnala i dati come inaffidabili, causando il passaggio dell'agente a un concorrente. La sincronizzazione dell'inventario in tempo reale è critica. Collegare lo schema a un feed del Merchant Center live in modo che Google possa convalidare in modo incrociato i dati strutturati rispetto all'inventario dei prodotti in tempo reale.

I commercianti possono testare la visibilità interrogando direttamente gli assistenti IA. Chiedere agli assistenti IA informazioni sulla propria categoria di prodotti e digitare query target in ChatGPT, Perplexity e Gemini. Per Perplexity, provare query di categoria di prodotto; per Gemini, cercare su Google con domande come miglior prodotto per caso d'uso e guardare i risultati di AI Overview e Gemini Shopping.

Gli strumenti di validazione includono:

• Google Rich Results Test per l'idoneità ai risultati ricchi
• Schema Markup Validator per la validità generale di schema.org
• Diagnostica dei feed di Google Merchant Center per la completezza degli attributi
• Query manuali su ChatGPT, Perplexity e Gemini per la visibilità effettiva

Quali sono gli errori di implementazione più comuni?

Dichiarare un prezzo, una valutazione o una disponibilità che non corrisponde a ciò che l'utente vede sulla pagina porta Google a penalizzare questo divario duramente, fino a rimuovere tutti i risultati ricchi. Una voce Product senza prezzo, stato delle scorte o un riferimento immagine valido viene spesso completamente ignorata dai parser IA, non utilizzata parzialmente.

Altri errori frequenti includono:

• Utilizzare testo normale come "InStock" invece dell'URI schema.org completo https://schema.org/InStock
• Lasciare vuoti i campi brand, GTIN o MPN sui prodotti di marca
• Mescolare tipi di schema, come contrassegnare un post del blog come Product
• Aggiungere markup di recensioni per recensioni di terze parti estratte anziché recensioni autentiche dei clienti
• Dimenticare di aggiornare le date priceValidUntil, che segnalano dati scaduti
• Mancanza di colour, size, gender o age_group sull'abbigliamento, causando rifiuto immediato

I contenuti generati dall'IA che vanno direttamente nei feed possono attivare flag di policy del Merchant Center come misrepresentation o website-needs-improvement. I commercianti che utilizzano l'IA per redigere descrizioni dovrebbero rivedere ogni riga prima del caricamento.