ChatGPT, Gemini e Shopify: i prodotti stanno cambiando modo di essere trovati

Per anni abbiamo ottimizzato i cataloghi e-commerce pensando soprattutto a Google Search, Google Shopping e ai marketplace.

Nel 2026 questo schema sta cambiando.

Shopify sta introducendo gli Agentic Storefronts, un sistema che permette ai prodotti dei merchant idonei di essere scoperti attraverso canali basati sull’intelligenza artificiale come ChatGPT, Google AI Mode e Gemini, Microsoft Copilot e Meta.

Non significa che la SEO tradizionale sia improvvisamente finita. Significa però che i dati del catalogo stanno iniziando a essere letti e utilizzati anche da sistemi che non funzionano come una classica pagina dei risultati di ricerca.

Ed è qui che un catalogo ordinato smette di essere soltanto una questione gestionale.

Cos’è un Agentic Storefront di Shopify

Shopify definisce gli Agentic Storefronts come un modo per rendere i prodotti disponibili sui canali AI.

Un utente può descrivere quello che sta cercando in linguaggio naturale, per esempio una determinata tipologia di prodotto, una fascia di prezzo, una caratteristica o un utilizzo specifico. Il sistema può quindi individuare prodotti compatibili con quella richiesta e mostrarli direttamente nella conversazione.

Per i negozi Shopify idonei, una parte di questa scoperta passa attraverso Shopify Catalog, cioè il livello che struttura e rende interrogabili i dati prodotto sui canali supportati.

Per Google AI Mode e Gemini entrano inoltre in gioco il canale Google & YouTube e Google Merchant Center.

ChatGPT diventa anche un punto di scoperta prodotto

Nel modello attuale descritto da Shopify, ChatGPT funziona come un canale orientato alla scoperta.

Il cliente può trovare un prodotto durante una conversazione con ChatGPT e poi completare l’acquisto attraverso il checkout del negozio Shopify.

Questo cambia una cosa importante: il percorso di acquisto può iniziare prima ancora che l’utente abbia visitato il sito.

La prima interazione può avvenire dentro un’interfaccia AI.

Di conseguenza diventa ancora più importante che il sistema riesca a capire con precisione:

• che prodotto stai vendendo;
• quali varianti esistono;
• quanto costa;
• se è disponibile;
• in quale mercato può essere acquistato;
• quali caratteristiche lo distinguono;
• quali immagini lo rappresentano;
• come è identificato all’interno del catalogo.

Il catalogo diventa il linguaggio con cui l’AI capisce il prodotto

Quando una persona visita direttamente un e-commerce può interpretare molte informazioni anche visivamente.

Può leggere una descrizione incompleta, guardare tre fotografie e capire comunque che cosa ha davanti.

Un sistema automatico ha invece bisogno di dati sufficientemente chiari e coerenti.

Per questo campi che fino a poco tempo fa potevano sembrare puramente tecnici diventano ancora più importanti:

• titolo prodotto;
• vendor;
• categoria;
• varianti;
• SKU;
• EAN o GTIN;
• prezzo;
• disponibilità;
• metafield;
• informazioni tecniche;
• immagini;
• dati di spedizione;
• mercato di destinazione.

Un catalogo incoerente rischia di diventare difficile da interpretare non soltanto per Google Shopping, ma per tutti i nuovi sistemi di scoperta prodotto.

Il problema delle varianti diventa ancora più evidente

Prendiamo un catalogo reale.

Nel progetto Calzature Lupis gestiamo attualmente 1.410 prodotti attivi, 3.067 varianti e 207 collezioni.

Una scarpa non è soltanto una pagina prodotto.

Può avere taglie differenti, disponibilità differenti e codici identificativi differenti.

Se una variante è esaurita, un sistema deve poterlo capire. Se esiste soltanto in una determinata taglia, l’informazione deve essere corretta. Se il prodotto dispone di un EAN, quel codice deve corrispondere alla variante giusta.

Con migliaia di varianti, la qualità del dato non è un dettaglio.

EAN, SKU e Merchant Center diventano ancora più strategici

Da tempo utilizziamo SKU ed EAN per mantenere ordinati catalogo, magazzino e canali esterni.

Nel caso Lupis questi codici vengono utilizzati anche nel negozio fisico attraverso lettori barcode per lavorare su disponibilità e rimanenze.

Gli stessi dati aiutano inoltre a strutturare correttamente i prodotti destinati a Google Merchant Center.

Con l’espansione dello shopping basato sull’AI, questo lavoro acquisisce un significato ulteriore.

Non stiamo più preparando un feed soltanto per una scheda Shopping tradizionale. Stiamo costruendo una base dati che può essere utilizzata da sistemi differenti per comprendere e consigliare prodotti.

SEO e agentic commerce non sono due mondi separati

Si potrebbe pensare che l’arrivo dei canali AI renda inutile la SEO tradizionale.

È una conclusione troppo semplice.

Shopify stesso indica che i prodotti possono essere scoperti attraverso Shopify Catalog, ma anche tramite crawling, indicizzazione del web e feed prodotto già condivisi con piattaforme esterne.

Questo significa che sito, dati strutturati, catalogo e feed continuano a convivere.

Per questo il lavoro di SEO su un e-commerce rimane importante.

La differenza è che oggi dobbiamo iniziare a pensare alla qualità dei dati non soltanto in funzione della SERP tradizionale.

Un titolo prodotto scritto male può diventare un problema più grande

Immaginiamo due prodotti.

Il primo si chiama:

Scarpa donna nera

Il secondo:

Mocassino donna in pelle nera con tacco Eva Picci

Il secondo titolo contiene molte più informazioni utili per capire il prodotto.

Questo non significa riempire i titoli di keyword. Significa descrivere correttamente quello che si vende.

Lo stesso principio vale per metafield e informazioni tecniche.

Nel settore automotive, per esempio, un prodotto può avere compatibilità con modelli, motori, cilindrate o configurazioni specifiche.

Nel progetto DBR Factory gestiamo un catalogo con oltre 17.000 varianti. In un contesto del genere, distinguere correttamente le varianti tecniche è essenziale anche per un sistema che deve consigliare il prodotto giusto.

Il rischio è avere prodotti visibili ma poco comprensibili

Essere presenti su un canale AI non significa automaticamente essere scelti.

Se due prodotti rispondono alla stessa richiesta, il sistema deve avere abbastanza informazioni per distinguerli.

Un catalogo povero può quindi avere problemi come:

• titoli troppo generici;
• descrizioni quasi identiche;
• varianti non distinguibili;
• EAN mancanti;
• SKU incoerenti;
• categorie troppo generiche;
• metafield non compilati;
• compatibilità non strutturate;
• immagini non coerenti;
• disponibilità non aggiornata.

Questi problemi esistevano già prima dell’agentic commerce.

La differenza è che ora possono influenzare un numero maggiore di superfici di scoperta.

Cosa conviene fare oggi

Non serve inventare una nuova disciplina chiamata “AI SEO” e riscrivere completamente il proprio e-commerce.

Conviene invece sistemare molto bene le fondamenta.

• usare titoli prodotto descrittivi;
• mantenere SKU coerenti;
• compilare EAN e GTIN quando disponibili;
• distinguere correttamente le varianti;
• tenere aggiornate le disponibilità;
• strutturare bene categorie e collezioni;
• utilizzare metafield per informazioni realmente utili;
• mantenere Merchant Center pulito;
• utilizzare immagini corrette e riconoscibili;
• controllare gli errori del catalogo;
• evitare prodotti duplicati o configurazioni incoerenti.

È meno spettacolare di parlare di “rivoluzione dell’intelligenza artificiale”, ma è probabilmente il lavoro che farà davvero la differenza.

Shopify sta trasformando il catalogo in un’infrastruttura di distribuzione

Con Shopify Catalog il catalogo non serve più soltanto al negozio online.

Diventa un livello attraverso il quale i prodotti possono essere resi disponibili a superfici diverse.

Shopify sta lavorando anche sul Universal Commerce Protocol (UCP), uno standard aperto pensato per permettere agli agenti AI di interagire con i merchant lungo il percorso commerciale.

Il concetto è interessante perché sposta una parte del commercio dalla pagina web all’interazione tra sistemi.

L’e-commerce rimane, ma potrebbe non essere più sempre il punto in cui comincia la ricerca del prodotto.

Cosa cambia per chi gestisce un e-commerce

Per chi lavora ogni giorno su Shopify, il cambiamento non consiste semplicemente nell’attivare un nuovo canale.

Significa iniziare a considerare il catalogo come una base informativa utilizzata da più sistemi contemporaneamente.

Il lavoro su prodotti, varianti, metafield, feed, SEO e automazioni diventa quindi ancora più collegato.

È anche il motivo per cui nel nostro lavoro di Digital Outsourcing dedichiamo molto tempo alla manutenzione del catalogo dopo la pubblicazione.

Un prodotto tecnicamente pubblicato ma descritto male, senza identificatori o con varianti incoerenti è un prodotto che può creare problemi ovunque venga distribuito.

La vera novità non è comprare dentro una chat

È probabilmente l’aspetto più visibile dell’agentic commerce, ma non è quello che consideriamo più interessante.

La vera novità è che il catalogo sta diventando interrogabile da sistemi che cercano di capire quale prodotto soddisfa meglio una richiesta espressa in linguaggio naturale.

Questo rende ancora più importante qualcosa che esisteva già:

avere dati prodotto comprensibili, coerenti e aggiornati.

Chi oggi sistema catalogo, varianti, EAN, metafield, immagini e Merchant Center non sta semplicemente facendo manutenzione.

Sta preparando l’infrastruttura con cui i propri prodotti potranno essere trovati anche nei nuovi percorsi di acquisto.