Per gli ecommerce, uno dei problemi più difficili dell’AI Search è sempre stato capire se un prodotto venga realmente preso in considerazione quando un consumatore fa shopping attraverso un’interfaccia generativa. Google sta iniziando a trasformare quella zona grigia in una metrica: gli AI Performance Insights di Merchant Center, inizialmente introdotti negli Stati Uniti, sono ora disponibili per account idonei anche in Australia, Canada, India e Nuova Zelanda.

L’espansione, analizzata da NetContentSEO nell’articolo “Google Expands AI Shopping Visibility Reports Beyond the US”, è geograficamente ancora limitata ma strategicamente importante. Per la prima volta un numero maggiore di retailer può osservare direttamente all’interno dell’ecosistema Google quanto il proprio brand e i propri prodotti siano visibili nelle query conversazionali con intento shopping, anziché tentare di ricostruire la presenza nell’AI esclusivamente attraverso test manuali, referral e strumenti esterni.

Google conferma cinque mercati, ma solo per query in inglese

La documentazione ufficiale di Google Merchant Center indica attualmente cinque Paesi supportati: Stati Uniti, Australia, Canada, India e Nuova Zelanda. Un dettaglio importante è che il report riguarda per ora le query in lingua inglese. Non siamo quindi davanti a una disponibilità globale e, al momento, la documentazione non include Italia o altri mercati europei.

La direzione del rollout è comunque chiara. Quando Google aveva presentato gli AI Performance Insights nel maggio 2026, aveva già annunciato l’intenzione di portarli in questi mercati. L’attuale aggiornamento segna il passaggio dalla promessa alla disponibilità effettiva e rende più concreta una nuova categoria di analytics dedicata alla discovery commerciale mediata dall’intelligenza artificiale.

La metrica centrale è la share of voice nell’AI

Uno degli elementi più interessanti del report è la share of voice. Google la calcola confrontando le impression AI ottenute dal brand o dai prodotti del merchant con il totale delle impression del merchant e dei concorrenti definiti da Merchant Center per query correlate. Il report mostra inoltre la quota media dei competitor, permettendo di capire se la visibilità del brand si colloca sopra o sotto il benchmark competitivo disponibile.

Questa metrica sposta l’analisi a monte del clic. Nelle dashboard ecommerce tradizionali si osservano impression, sessioni, visite alle pagine prodotto e conversioni; nell’AI shopping, però, un prodotto può non arrivare mai alla fase del clic semplicemente perché il sistema non lo ha selezionato nella risposta. La share of voice cerca di misurare proprio questo passaggio precedente: quanto spesso il brand riesce a entrare nella superficie generativa rispetto alle alternative considerate.

È un cambiamento importante per la GEO applicata all’ecommerce. Il problema non è più soltanto ottenere traffico dall’AI, ma comprendere se il catalogo venga mostrato quando il consumatore formula richieste rilevanti. Un basso numero di referral potrebbe infatti dipendere da scarsa visibilità a monte, da una risposta che soddisfa l’utente senza clic oppure da un problema successivo di attrattività dell’offerta. Senza una metrica di esposizione, questi scenari sono difficili da distinguere.

Google trasforma la conversazione di shopping in un funnel

Gli AI Performance Insights non trattano tutte le query allo stesso modo. Google classifica le conversazioni commerciali lungo tre fasi: discovery, evaluation e purchase. La prima comprende l’esplorazione iniziale del bisogno; la seconda include confronti, caratteristiche e ricerca più approfondita; la terza intercetta intenzioni più vicine alla decisione di acquisto.

Questo modello è particolarmente adatto alle interfacce conversazionali, dove il percorso non deve necessariamente essere suddiviso in diverse sessioni di ricerca. Un utente può iniziare chiedendo quale tipo di scarpa sia più adatto alla corsa su asfalto, continuare confrontando ammortizzazione e peso di diversi modelli e arrivare infine a una richiesta orientata all’acquisto nella stessa conversazione. Per il retailer diventa quindi utile capire non soltanto se compare, ma in quale fase riesce a entrare nel percorso.

Un brand potrebbe avere una forte presenza nelle query di discovery e scomparire quando l’utente passa alla valutazione dei requisiti tecnici. Un altro potrebbe essere quasi assente nella fase informativa ma emergere nelle richieste ready-to-buy. Sono profili di visibilità diversi e richiedono interventi differenti sul catalogo, sui contenuti e sulla qualità dei dati prodotto.

Termini, intenti e attributi mostrano come le persone parlano ai sistemi AI

Il report include anche segnali relativi ai termini prodotto, agli intenti di ricerca e agli attributi più popolari. Google fornisce una metrica di frequenza che rappresenta la popolarità relativa di determinate tipologie di ricerca, termini, intenti o caratteristiche, insieme al numero di prodotti del merchant che vengono mostrati per quei contesti.

Per un team ecommerce questi dati possono essere più interessanti di una semplice lista di keyword. Le persone che utilizzano AI Mode o AI Overviews possono formulare richieste molto più descrittive, includendo contemporaneamente materiale, colore, dimensione, utilizzo previsto e preferenze. Se emerge, per esempio, una domanda frequente per un determinato materiale e molti prodotti compatibili del catalogo non possiedono quell’attributo in forma chiara e strutturata, il problema non è necessariamente la domanda: può essere la qualità dei dati disponibili al sistema.

Il product feed diventa un asset di AI visibility

È forse questa la conseguenza più concreta dell’annuncio. Google raccomanda esplicitamente ai merchant di mantenere informazioni di alta qualità e aggiornate, utilizzare termini pertinenti nei titoli e nelle descrizioni e completare gli attributi mancanti evidenziati dal report. La gestione del feed e la strategia di visibilità generativa stanno quindi convergendo.

Nella ricerca shopping tradizionale, un attributo mancante può ridurre la rilevanza o impedire a un prodotto di essere intercettato correttamente da determinati filtri. Nell’AI Search il problema diventa ancora più evidente perché la richiesta può combinare numerosi vincoli in linguaggio naturale. Se il consumatore cerca una giacca leggera, impermeabile, di un certo materiale e adatta a una determinata situazione, il sistema ha bisogno di evidenze sufficientemente chiare per associare il prodotto a tutti quei requisiti.

La completezza strutturata del catalogo non è quindi semplice housekeeping tecnico. Titoli, descrizioni, categorie, materiali, colori, dimensioni, disponibilità e altre caratteristiche costituiscono il vocabolario machine-readable attraverso il quale Google può comprendere cosa vende un merchant e quando proporlo in risposta a un intento complesso.

Non bisogna confondere share of voice con quota di mercato

Come sottolinea anche l’analisi di NetContentSEO, le nuove metriche richiedono cautela. I merchant non scelgono liberamente il set di concorrenti utilizzato per il confronto: è Google a definire i competitor disponibili nell’account. In presenza di dati competitivi insufficienti, inoltre, il sistema può mostrare una share of voice del 100%, un valore che non significa automaticamente dominare l’intero mercato.

Anche valori pari a zero e campi senza dato devono essere interpretati nel loro contesto. Una variazione della share of voice può dipendere dalla performance del merchant, da quella dei concorrenti, dalla domanda per una determinata categoria o dalla composizione delle query osservate. La metrica è quindi preziosa come indicatore di visibilità relativa, non come KPI isolato da trasformare direttamente in una misura di vendite o market share.

Il report non comprende la pubblicità

Un altro limite importante è il perimetro del traffico. La documentazione di Google specifica che i dati attuali sono limitati al traffico AI organico, per esempio quello legato alle free listings, e non includono il traffico proveniente dagli annunci a pagamento. È una distinzione fondamentale in un momento in cui le piattaforme stanno costruendo contemporaneamente nuovi formati commerciali e nuove esperienze generative.

Gli ecommerce dovrebbero quindi leggere gli AI Performance Insights come una vista sulla visibilità organica all’interno delle superfici AI supportate, non come una rappresentazione completa di ogni esposizione commerciale possibile nell’ecosistema Google. Anche l’aggiornamento dei dati non è pensato per il real time: il report è più adatto a identificare tendenze e opportunità di ottimizzazione che a monitorare variazioni minuto per minuto.

Da keyword ranking a product eligibility

Per anni la domanda tipica dell’ecommerce SEO è stata “dove si posiziona il prodotto per questa keyword?”. Le interfacce generative introducono una domanda precedente: il prodotto dispone di informazioni abbastanza complete e pertinenti da essere considerato per quella richiesta? Il ranking resta importante, ma la selezione può dipendere da un matching più ricco tra caratteristiche del catalogo e intenzione conversazionale.

Questo sposta parte della competizione dalla pagina dei risultati alla qualità dell’informazione commerciale. Due retailer possono vendere lo stesso tipo di prodotto, ma quello che descrive in modo più preciso materiali, misure, compatibilità, utilizzi e caratteristiche fornisce al sistema un set di evidenze più ricco per rispondere alle richieste dettagliate degli utenti.

La conseguenza è che SEO, feed optimization, merchandising e GEO devono lavorare più vicino. Non perché esista una formula speciale per “ottimizzare per l’AI”, ma perché un catalogo accurato, completo e semanticamente chiaro aumenta la capacità dei sistemi di capire quando un prodotto soddisfa davvero un bisogno.

L’AI shopping sta diventando un canale misurabile

Google aveva presentato gli AI Performance Insights durante Google Marketing Live 2026 come uno strumento per capire come i prodotti vengono scoperti in AI Mode, AI Overviews e nelle esperienze AI del proprio ecosistema. La disponibilità in altri quattro mercati mostra che questo tipo di reporting sta passando dalla fase sperimentale a una componente più stabile della misurazione ecommerce.

La novità non elimina il problema dell’attribuzione e non rende improvvisamente trasparente ogni decisione presa dai sistemi generativi. Offre però ai retailer qualcosa che fino a poco tempo fa mancava quasi completamente: una misura proprietaria della presenza dei prodotti nelle conversazioni commerciali AI, con segnali utili per collegare domanda degli utenti e qualità dei dati del catalogo.

Per i merchant europei che non hanno ancora accesso, il cambiamento resta comunque da osservare con attenzione. Il rollout documentato oggi non comprende l’Europa, ma il modello di analytics è ormai definito: share of voice, shopping stage, frequenza, prodotti mostrati e completezza degli attributi. Quando la misurazione arriverà in altri mercati, i team che avranno già trattato il product feed come un asset di AI visibility partiranno con un vantaggio. L’AI shopping sta smettendo di essere una scatola nera e sta diventando un canale che i marketer possono iniziare a misurare, diagnosticare e ottimizzare.