Google AI try-on e Doppl: che cosa significa per i brand di moda la prova virtuale integrata nella ricerca

Google ha trasformato la prova virtuale da funzione di nicchia dei singoli brand a funzione della ricerca stessa. Tra maggio 2025 e aprile 2026 ha portato una prova virtuale con l'IA da esperimento di Search Labs a Google Search e Shopping in diversi paesi, ha lanciato e poi chiuso un'app autonoma chiamata Doppl e ha reintegrato la tecnologia nelle schede prodotto. Per i brand di moda la lezione è che la prova virtuale avviene sempre più spesso sulla superficie di una piattaforma, usando le immagini di prodotto del brand stesso, e non solo sul sito del brand.

Che cosa ha lanciato Google per la prova virtuale?

Google ha annunciato la funzione alla sua conferenza per sviluppatori I/O il 20 maggio 2025. In un post sul blog ufficiale, l'azienda ha comunicato che quel giorno partiva negli Stati Uniti un esperimento di prova virtuale in Search Labs. Gli utenti potevano toccare un'icona “try it on” su una scheda prodotto di abbigliamento, caricare una propria foto a figura intera e vedere come il capo sarebbe stato indossato. I look potevano essere salvati o condivisi. Le prime categorie erano camicie, pantaloni, gonne e abiti.

Google ha descritto la tecnologia come un nuovo modello di generazione di immagini personalizzato per la moda, in grado di capire come i materiali si piegano, si tendono e cadono su corpi diversi. Ha inoltre dichiarato che la funzione avrebbe operato su miliardi di schede prodotto di abbigliamento del suo Shopping Graph, il database prodotti alla base di Google Shopping. Nello stesso annuncio Google ha descritto una funzione separata di checkout agentico e monitoraggio dei prezzi, che non fa parte della prova virtuale ma indica la direzione: scoperta, visualizzazione e acquisto avvengono sempre più all'interno dell'interfaccia di ricerca.

Come si è sviluppato il rollout dopo il lancio?

Dopo il test in Labs, Google ha introdotto la prova virtuale con l'IA per l'abbigliamento per gli utenti statunitensi; l'8 ottobre 2025, due mesi dopo quel lancio, TechCrunch ha riportato che Google stava estendendo la prova virtuale dell'abbigliamento ad Australia, Canada e Giappone e aggiungendo le scarpe, con lo stesso flusso: toccare “Try It On”, aggiungere una foto a figura intera e vedere in pochi secondi il capo su una versione digitale di sé. Lo stesso articolo osservava che Amazon e Walmart avevano introdotto funzioni di prova virtuale simili, quindi Google entrava in un campo già affollato anziché crearne uno nuovo.

Leggi anche

Come Zalando usa l'IA: assistente, personalizzazione e consigli sulla taglia

Che cos'era Doppl e perché è stata chiusa?

Doppl era un'app sperimentale di Google Labs, lanciata il 26 giugno 2025 negli Stati Uniti su iOS e Android. Gli utenti caricavano una foto o uno screenshot di un outfit, preso da un negozio, da un amico o dai social media, e Doppl lo mostrava su una versione digitale animata di loro stessi. Poteva anche trasformare immagini statiche in video generati dall'IA per suggerire come un outfit si sarebbe mosso. Google è stata franca sui limiti: il post di lancio affermava che l'app avrebbe potuto non essere sempre precisa e che vestibilità, aspetto e dettagli dei capi potevano non essere sempre accurati.

L'8 dicembre 2025 Google ha comunicato che Doppl aveva aggiunto un feed di scoperta con prodotti acquistabili. I suggerimenti si basavano su un profilo di stile costruito a partire dalle preferenze condivise dagli utenti e dagli articoli con cui avevano interagito; quasi tutto nel feed era acquistabile con link diretti ai merchant, e il feed includeva video generati dall'IA di prodotti reali. Era limitato agli utenti statunitensi dai 18 anni in su.

Google Labs ha poi annunciato che l'app Doppl sarebbe stata chiusa il 30 aprile 2026, dopodiché avrebbe smesso di funzionare e sarebbe stata rimossa dagli app store. La pagina ufficiale presentava la decisione come la conclusione dell'esperimento Doppl e rimandava gli utenti alla prova virtuale nelle schede prodotto e nei risultati delle immagini di Google, dove si può cliccare su un pulsante “try it on”. Google non ha pubblicato dati di utilizzo, quindi in base alle informazioni pubbliche non è possibile valutare quanto fosse diffuso l'uso di Doppl.

Che cosa significa per i brand di moda la prova virtuale integrata nella ricerca?

Il cambiamento principale riguarda il controllo. Un brand che integra la prova virtuale nel proprio sito decide quali prodotti abilitare, come fotografare i capi e come presentare i risultati. Quando la prova virtuale opera sulle schede del database shopping di un motore di ricerca, le immagini e i dati di prodotto esistenti del brand diventano la materia prima, ed è il modello della piattaforma a decidere come il capo viene reso sul corpo dell'utente.

• La qualità delle immagini diventa un input della prova virtuale. Immagini di prodotto pulite e ben illuminate che mostrano l'intero capo offrono a un modello generativo più elementi su cui lavorare rispetto a scatti tagliati o molto stilizzati.
• L'accuratezza dei dati di prodotto conta di più. Le informazioni su categoria, colore, materiale e taglia determinano come gli articoli compaiono nei risultati shopping, e gli errori si propagano più lontano quando la piattaforma vi costruisce sopra nuove esperienze.
• Le aspettative si formano prima che l'utente arrivi al brand. Se un'immagine di prova virtuale suggerisce una vestibilità più ampia o più lunga di quella reale, la delusione può arrivare al brand sotto forma di reso.
• La prova virtuale è visiva, non una garanzia di taglia. L'avvertenza di Google stessa su Doppl ricorda utilmente che la prova virtuale generativa mostra l'aspetto; non conferma che una determinata taglia calzerà.

La prova virtuale generativa riduce i resi?

Non esistono ancora evidenze pubbliche che la prova virtuale di Google riduca i resi, e l'azienda non lo ha affermato. La prova virtuale generativa lavora a partire da una foto dell'utente e da un'immagine del prodotto; non utilizza misure corporee precise né le dimensioni del modello del capo, quindi risponde meglio alla domanda “mi piace come mi sta?” che a “la taglia M mi andrà bene?”. I retailer che dichiarano riduzioni misurabili dei resi grazie alle tecnologie di vestibilità, come Zalando con i suoi consigli sulle taglie e i progetti pilota di camerino basati sulle misure, si affidano a misure corporee, motivi di reso e misure dei prodotti, non alle sole immagini.

Ciò non rende la prova virtuale integrata nella ricerca irrilevante per i resi. Un utente che ha già visto un capo su una propria immagine potrebbe essere meno propenso a ordinare più colori o modelli per confrontarli a casa. Ma finché piattaforme o ricercatori indipendenti non pubblicheranno risultati, i brand dovrebbero considerarla una funzione di scoperta e fiducia più che una soluzione per i resi.

Leggi anche

Come si usa l'IA nel servizio clienti della moda e dove fallisce?

Che cosa dovrebbero fare ora i brand di moda?

1. Verificare le immagini e i dati di prodotto forniti ai canali di ricerca e shopping in funzione della prova virtuale: viste del capo intero, colori accurati e attributi corretti di categoria e materiale.
2. Monitorare dove compaiono i propri prodotti con la prova virtuale attiva nei mercati in cui è disponibile, e controllare risultati campione per individuare vestibilità o lunghezze fuorvianti.
3. Mantenere solide le indicazioni su taglie e vestibilità sulle proprie pagine, perché la prova virtuale delle piattaforme non sostituisce i consigli sulle taglie basati sulle misure.
4. Monitorare separatamente, dove possibile, i resi provenienti dal traffico di ricerca e shopping, così che qualsiasi effetto della prova virtuale delle piattaforme diventi visibile nei propri dati.

L'anno di sperimentazione di Google mostra quanto rapidamente una piattaforma possa mettere la prova virtuale davanti a milioni di utenti, e quanto rapidamente possa cambiarne il formato. I brand che trattano le immagini e i dati di prodotto come un'infrastruttura, e non come materiale per le campagne, sono nella posizione migliore per trarne vantaggio, qualunque superficie prevalga.