Come funziona il GEO per l'e-commerce e i negozi online?

"Best running shoes for flat feet under $150" non è più una query di ricerca — è una conversazione, e l'assistente risponde nominando tre prodotti invece di mostrare dieci link blu. I prompt di raccomandazione prodotto sono la classe di domande più commerciale che i motori IA trattano, e la superficie si sta allargando in fretta proprio su quel territorio: la quota di query commerciali che attivano le AI Overviews di Google è cresciuta del 71% nei sei mesi fino ad aprile 2026 (Semrush).

L'economia del clic è cambiata insieme. Quando in Google compare un riassunto IA, gli utenti cliccano un risultato classico nell'8% delle visite contro il 15% senza riassunto, e il 26% di quelle sessioni finisce senza nessun clic (Pew Research, luglio 2025). Per un negozio significa che il momento della decisione — quali tre prodotti vengono nominati — avviene sempre più dentro la risposta, prima che qualcuno arrivi a una pagina di listing.

La disciplina che punta a questo momento ha diversi nomi — GEO (Generative Engine Optimization), AEO (Answer Engine Optimization), LLM SEO — e descrivono lo stesso lavoro: rendere i vostri prodotti abbastanza recuperabili, citabili e corroborati da essere quelli che l'assistente consiglia. Li trattiamo come sinonimi; quel che conta è se il vostro negozio è nella risposta.

I dati di citazione sono abbastanza precisi da costruirci un piano. Un'analisi di 30 milioni di fonti citate dalla ricerca IA mette G2 e Yelp al sesto e al settimo posto fra tutti i domini citati — le piattaforme di recensioni stanno quasi in cima a ciò su cui i motori si appoggiano per le domande commerciali (Peec AI). Intorno a loro, guide d'acquisto, rassegne dei media e articoli di confronto portano le query di raccomandazione: l'assistente vuole una fonte indipendente che abbia già classificato le opzioni.

La sorpresa nei dati è quanto conti il contenuto di proprietà del brand. Uno studio di 379.321 citazioni di Claude su query SaaS e tech ha trovato circa il 64% verso siti di proprietà dei brand (Otterly, giugno 2026). I motori non citano solo i recensori sui vostri prodotti; citano direttamente le vostre schede prodotto, purché specifiche, prezzi e affermazioni siano enunciati in forma estraibile. Un negozio che tratta le proprie pagine come fonti di citazione — non solo come pagine di conversione — copre entrambe le metà dello schema.

L'implicazione tattica dello studio GEO fondativo di Princeton si applica direttamente ai contenuti di prodotto: aggiungere citazioni, statistiche e riferimenti a una pagina ne ha alzato la visibilità nelle risposte generative fino al 40%. Una guida d'acquisto con affermazioni misurate — pesi, ore di autonomia, finestre di reso, fonti di test nominate — è una candidata alla citazione migliore della stessa guida scritta come copy di marketing.

Un assistente che compone un "best under $150" ha bisogno del prezzo, della disponibilità e della specifica che differenzia come fatti estraibili — non come frammenti sparsi in un widget JavaScript idratato. I dati strutturati di prodotto (schema.org/Product con offers, prezzo, disponibilità e valutazioni aggregate) enunciano quei fatti nel formato che i sistemi di retrieval analizzano con più affidabilità, e le stesse affermazioni devono comparire anche come testo visibile sulla pagina, perché l'estrazione lavora sui passaggi, non solo sul markup.

Le regole sui passaggi della nostra guida alle citazioni di ChatGPT valgono qui con ancora più forza, perché le query di prodotto sono un abbinamento di vincoli: "under $150", "for flat feet", "ships to Germany". Una scheda prodotto che enuncia «pesa 240 g, drop di 8 mm, costa 139 $, resi gratuiti entro 30 giorni» in un unico blocco autonomo può essere abbinata ai vincoli dell'acquirente; una pagina che dice «progettata per il massimo comfort» no. Destinazioni di spedizione, finestre di reso e stato del magazzino sono materia da risposta — trattateli come affermazioni da pubblicare, non come note in piccolo.

Il rendering lato server resta il vincolo binario: il retrieval recupera HTML e non aspetta in modo affidabile che un framework di storefront si idrati. Il controllo a costo zero: caricare la scheda prodotto con JavaScript disattivato e verificare che prezzo, specifiche e disponibilità siano presenti nel markup.

ChatGPT ha ora un'esperienza dedicata di scoperta prodotto — navigazione visiva, confronto affiancato, prezzi aggiornati — basata sull'Agentic Commerce Protocol (ACP), che OpenAI ha esteso dal checkout alla scoperta nel 2026. I commercianti forniscono feed prodotti strutturati (titolo, descrizione, URL, immagine, prezzo, disponibilità) tramite caricamento file o API; i commercianti Shopify sono integrati automaticamente tramite Shopify Catalog, e l'attivazione del feed per tutti gli altri passa per ora da un processo di approvazione, non da un self-service aperto (OpenAI).

Due cose sullo stato attuale vanno sapute prima di costruirci un piano. Prima: OpenAI ha fatto un passo indietro rispetto all'Instant Checkout autonomo verso il checkout del commerciante — il focus strategico è la scoperta, e l'acquisto si conclude in gran parte sul vostro sito. Seconda: il feed non è l'unica porta — la documentazione di OpenAI dice che le schede prodotto pubbliche possono comparire nei risultati shopping di ChatGPT quando OAI-SearchBot può scansionarle. Il feed vi dà una scheda prodotto controllata e aggiornata; la via del web aperto premia la stessa struttura di pagina che il GEO costruisce comunque.

La sequenza pratica per la maggior parte dei negozi: sistemare prima l'accesso dei crawler e la struttura delle pagine, perché alimenta tutti i motori — ChatGPT, Perplexity, Gemini, AI Overviews. Poi aggiungere la via del feed dove siete ammessi (i commercianti Shopify ed Etsy ci sono in gran parte già), così prezzi e stato del magazzino in ChatGPT arrivano dai vostri dati, non da una scansione che può essere in ritardo.

I prompt della fase di decisione — "Brand X vs Brand Y", "alternatives to X" — sono dove i negozi vincono o perdono le raccomandazioni nominate, e la maggior parte dei negozi rifiuta di pubblicare confronti onesti che nominano i concorrenti. Quel rifiuto è l'opportunità: quando non esiste una fonte migliore, l'assistente assembla il confronto da chi ne ha pubblicato uno. Un negozio che pubblica pagine di confronto fattuali, al livello delle specifiche, tende a diventare la fonte dei prompt di decisione della propria categoria.

I negozi transfrontalieri aggiungono una dimensione linguistica che la maggior parte dei consigli GEO ignora: gli assistenti rispondono agli acquirenti tedeschi da fonti in tedesco e a quelli francesi da fonti in francese, quindi un catalogo tradotto automaticamente — o non tradotto affatto — è invisibile in metà dei suoi mercati. Vendere nella lingua dell'acquirente significa essere citabili nella lingua dell'acquirente; costruiamo e misuriamo in nove lingue native proprio per questo.

La misurazione segue il metodo che applichiamo a tutto: una batteria fissa di prompt di categoria, prodotto e confronto per mercato e lingua, eseguita in sessioni pulite non autenticate su ChatGPT, Perplexity e Gemini, valutata come share of voice e tasso di citazione rispetto a una baseline del primo giorno. Per un negozio, la batteria di prompt si legge come un percorso d'acquisto — "best [category] for [use case]", "[product] vs [competitor]", "is [brand] legit" — e la baseline mostra in quali di quelle risposte comparite già, prima che qualcuno vi prometta qualcosa.