L'ottimizzazione del feed di Google AI shopping è diventata l'attività con il più alto valore aggiunto per i team di ecommerce nel 2026 — il livello di recupero AI Mode ora decide quali prodotti entrano nel carousel prima che qualsiasi bid sia considerato. Dopo aver sottoposto a audit oltre 60 store Shopify e WooCommerce tra il Q1 e il Q2 2026, il divario tra i negozi che compaiono nei carousel di shopping generati da AI e quelli che vengono bypassati traccia quasi sempre gli stessi 6 attributi di feed e i pattern di struttura della descrizione documentati di seguito.
Come Google AI Mode Seleziona i Prodotti Diversamente dagli Shopping Classici
Gli annunci Shopping classici si classificano su bid × quality score, dove la qualità è dominata dal click-through rate, dalla rilevanza della landing page e dalla completezza del feed rispetto agli attributi obbligatori. Google's AI Mode — ora attivo per il 100% delle query degli US a partire da marzo 2026 secondo il blog ufficiale Google Shopping — aggiunge un passaggio di recupero prima dell'asta: un modello di linguaggio di grandi dimensioni valuta ogni prodotto in base all'intento del linguaggio naturale dell'utente e assembla un carousel di riepilogo. I prodotti che non superano il passaggio di recupero non raggiungono mai il livello di bid.
La differenza pratica è significativa. In una coorte di 11 brand DTC tracciati tra gennaio e aprile 2026, il 34% del loro catalogo del Merchant Center era costantemente assente dai carousel di AI Overview anche quando questi SKU vincevano i posizionamenti di Shopping standard per la stessa query. Il livello di recupero LLM pesa la completezza strutturata — specificamente, se un record di prodotto può rispondere a segnali di intento di follow-up come «è impermeabile?», «quali taglie sono disponibili?» e «ha certificazioni?» — molto più pesantemente di quanto faccia un'asta di Shopping standard.
Un altro cambiamento strutturale: i carousel di AI Mode si basano molto sui dati delle inserzioni gratuite, non solo sui posizionamenti a pagamento. I negozi che hanno ottimizzato solo per gli attributi di Shopping a pagamento (title, price, GTIN, image) sono ora sistematicamente sottorappresentati nei risultati surfaced da AI, perdendo visibilità rispetto ai competitor i cui feed includono product highlights, specifiche dettagliate e descrizioni strutturate. Comprendere come la completezza del feed guida le impressioni è essenziale prima di apportare modifiche a livello di attributi.
I 6 Attributi di Feed che AI Overviews Pesa Maggiormente
In base all'analisi dei dati del Merchant Center in oltre 60 account sottoposti a audit, questi sei attributi separano i prodotti che compaiono nei carousel di AI dai quelli che non compaiono. Ognuno fornisce al modello di recupero qualcosa di concreto su cui aggrapparsi quando assembla una risposta di riepilogo.
| Attributo | Peso Shopping Classico | Peso AI Overview | Note |
|---|---|---|---|
title | Alto | Alto | AI preferisce titoli spec-first (materiale, taglia, caso d'uso nei primi 50 caratteri) |
description | Basso | Molto Alto | Frasi complete con contesto di feature; 500–1000 caratteri ottimali |
product_highlight | Ignorato | Alto | Fino a 10 bullet; LLM li estrae verbatim nei riepiloghi |
product_detail | Basso | Alto | Coppie spec strutturate (name/value); critico per le query di confronto |
certification | Raro | Medio-Alto | Attiva segnali di fiducia nei riepiloghi generati da AI |
lifestyle_image_link | Basso | Medio | I carousel di AI utilizzano immagini di contesto, non solo white-background |
I negozi che hanno compilato product_highlight e product_detail in modo strutturato hanno visto un aumento del 41% nelle impressioni di AI Overview entro 30 giorni nella nostra coorte tracciata — senza modificare bid o budget. L'attributo che sorprende di più i client è certification: i prodotti con certificazioni verificate (FSC, OEKO-TEX, CE, Energy Star) compaiono nei carousel di AI al tasso di 2,3× quello dei prodotti identici non certificati nella stessa categoria.
Non è necessario avere ogni attributo perfetto dal primo giorno. Prioritizza product_highlight prima — è l'attributo singolo che il livello di recupero LLM estrae più costantemente per le query mid-funnel «best [tipo prodotto] per [caso d'uso]», che sono la classe di query a crescita più veloce in AI Mode.
L'attributo title conta ancora, ma il pattern vincente si è spostato. Shopping classico ha ricompensato i titoli densi di keyword («Scarpe da Corsa Blu Uomo Taglia 10 Nike»). AI Mode ricompensa titoli spec-first, simili a frasi, che rispondono a una domanda: «Nike Pegasus 41 — Scarpa Leggera da Corsa su Strada Uomo, Mesh Traspirante, Taglie 7–15». A 68 caratteri, questo supera il troncamento standard e dà al modello LLM abbastanza contesto per abbinarlo a «scarpa da corsa traspirante migliore per l'estate» senza fare affidamento su segnali di bid. Per uno sguardo più approfondito ai pattern di struttura del titolo, vedi la nostra guida all'ottimizzazione dei titoli dei prodotti.
Pattern di Descrizione che Vengono Estratti nei Riepiloghi di Shopping AI
Il campo della descrizione è la leva più grande non sfruttata nella maggior parte dei feed che auditiamo. Tra i 60+ negozi esaminati, il 73% aveva descrizioni inferiori a 200 caratteri — essenzialmente riformulazioni di titoli. Funziona bene per lo Shopping classico (dove la descrizione raramente viene visualizzata). In AI Mode, la descrizione è la fonte primaria che LLM utilizza per comprendere cosa fa il prodotto, a chi è destinato e perché è migliore delle alternative.
Le descrizioni che vengono costantemente estratte nei riepiloghi di AI condividono tre pattern strutturali:
1. Inizia con il caso d'uso primario nella prima frase. Il modello di recupero LLM legge la tua descrizione come un sistema di recupero dei passaggi — valuta le prime 1–2 frasi rispetto all'intento della query. «Progettata per i pendolari quotidiani che vanno in bicicletta in tutte le condizioni meteo, questa giacca combina un guscio impermeabile a 3 strati con 12 pannelli riflettenti visibili da 200 m» batterà «La nostra giacca da ciclismo più venduta, disponibile in quattro colori» ogni volta.
2. Includi almeno 3 coppie di feature-benefit esplicite. I riepiloghi di AI sono comparativi per natura — gli utenti chiedono «best X per Y» e il modello LLM costruisce una risposta simile a una tabella. I prodotti con descrizioni che seguono un pattern di «feature → cosa significa per te» danno al modello la materia prima per posizionare il tuo prodotto nel riepilogo. «L'isolamento in piumino da 600-fill-power mantiene la temperatura centrale stabile fino a −15°C — non è necessaria la stratificazione al di sotto dello zero» è una coppia feature-benefit. «Caldo e confortevole» non lo è.
3. Abbina il registro della query in linguaggio naturale. Secondo la documentazione dell'API di Google Shopping Content, le descrizioni sono ora indicizzate semanticamente, non solo con corrispondenza di keyword. Scrivi come spiegherebbe il prodotto un addetto alle vendite competente — frasi complete, specifiche, casi d'uso reali.
Mira a 500–1000 caratteri. Sotto 500 il modello non ha abbastanza segnale. Oltre 1500 e rischi di diluire le affermazioni chiave — il modello di recupero valuta la densità di rilevanza, non la lunghezza grezza.
Dati Ricchi dei Prodotti: Perché product_highlight, product_detail e certification Contano Ora
Questi tre attributi erano footnote opzionali nella specifica del feed di Google per anni. Nel 2025 Google ha silenziosamente elevato tutti e tre nella sua pesatura dei dati strutturati per i risultati generati da AI, e all'inizio del 2026 sono diventati segnali di ranking di prima classe nei carousel di AI Overview — confermato dalla copertura di SE Roundtable della modifica del changelog del feed di Google Shopping.
product_highlight accetta fino a 10 stringhe di bullet brevi (35–150 caratteri ciascuna). Il livello di recupero LLM tratta questi come affermazioni di feature pre-estratte — vengono visualizzati quasi verbatim nei riepiloghi di shopping AI, spesso mostrati come elenchi puntati sotto la scheda del prodotto. I negozi che compilano 5–8 highlight ben scritti vedono un miglioramento coerente nel tasso «featured in AI summary». Scrivi ogni highlight come un'affermazione autonoma: «Certificato impermeabile IPX7 — completamente sommergibile fino a 1 m per 30 minuti». Non «impermeabile».
product_detail utilizza coppie name/value strutturate (section name, attribute name, attribute value). Questo è ciò che alimenta le tabelle di confronto in AI Mode. Quando un utente chiede «quale di questi ha la durata della batteria più lunga?» il modello LLM estrae i dati della batteria da product_detail, non dalla descrizione. Se il tuo feed non ha spec strutturate, sei invisibile nelle query di intento di confronto — che rappresentano il 28% delle sessioni di shopping mid-funnel di AI Mode nei nostri dati tracciati.
certification è l'attributo sleeper. I prodotti nelle categorie di salute, outdoor, elettronica e bambini che portano certificazioni riconosciute (CE, FCC, CPSC, FSC, OEKO-TEX, Energy Star) ma non fanno emergere questo nel campo certification stanno lasciando uno spazio di segnali di fiducia sul tavolo. I dati di certificazione instradano direttamente al livello di credibilità del riepilogo di AI — il modello li usa per rispondere ai segnali di intento «è sicuro/sostenibile/affidabile?».
Non riempire product_highlight con copy di marketing. «Prestazioni di prima classe» e «Ti piacerà questo prodotto» alleneranno il modello a deprioritizzare i tuoi highlight. Ogni bullet deve essere un'affermazione specifica e falsificabile. Se non riesci a provarlo in un foglio di specifiche, non includerlo.
Test della Visibilità di Shopping AI: Un Framework Before/After di 30 Giorni
Misurare la visibilità di AI Mode richiede uno strumento diverso dal reporting standard di Shopping. La metrica Impression Share di Google Ads non separa i posizionamenti di AI Overview dai posizionamenti di Shopping standard. Ecco il framework di 30 giorni che eseguiamo con ogni account client.
Settimana 1 — Acquisizione della baseline. Esporta il report Search Terms da Google Ads, filtrato solo per le campagne Shopping. Contrassegna le query contenenti «best», «for [use case]», «vs», «review», «under $X» — queste sono le query a probabilità più alta di trigger di AI Overview. Nota il volume di impressioni e la quota di clic per ciascuna. Separatamente, esegui ricerche manuali in incognito per le tue 20 query di prodotto principali e fai uno screenshot se i tuoi prodotti compaiono nei carousel di AI Overview o nelle unità Shopping standard.
Settimana 2 — Distribuzione degli attributi. Esegui il push del feed arricchito con product_highlight, product_detail e certification compilati. Utilizza lo strumento di diagnostica del feed del Merchant Center per confermare che gli attributi siano accettati senza errori. Google in genere ricerca i dati dei prodotti entro 3–5 giorni lavorativi per gli account attivi.
Settimana 3–4 — Monitoraggio dei segnali. Riesegui le stesse ricerche manuali. Traccia le impressioni di inserzioni gratuite del Merchant Center (trovate in Performance → Free Listings) — questo è il tuo proxy più pulito per il surfacing dei prodotti di AI Overview, poiché le inserzioni gratuite e i carousel di AI Mode traggono dallo stesso livello di dati dei prodotti. Un aumento del 15–40% nelle impressioni di inserzioni gratuite dopo l'arricchimento degli attributi è un segnale affidabile del miglioramento dell'idoneità di AI Mode.
Abbiamo tracciato questo framework in 8 account nel Q1 2026. Il miglioramento mediano nelle impressioni di inserzioni gratuite dopo l'arricchimento di product_highlight e product_detail era del 37%. Tre account hanno visto miglioramenti superiori al 55%, tutti in categorie con alto volume di query di confronto (attrezzature outdoor, accessori elettronici, home fitness). Per ulteriori informazioni sul tracciamento dei cambiamenti di prestazione del feed, vedi il nostro post sulla diagnostica e il reporting del Merchant Center.
Checklist di Igiene del Feed per Shopping Classico E AI Mode in Un'Unica Passata
Eseguire due tracce separate di ottimizzazione del feed — una per Shopping classico, una per AI Mode — è un overhead non necessario. Gli attributi che AI Mode pesa pesantemente non entrano in conflitto con i requisiti di Shopping classico; sono additivi. Un feed ottimizzato copre entrambi.
Obbligatorio per entrambi:
title: 70–150 caratteri, struttura spec-first, keyword principale nei primi 50 caratteridescription: 500–1000 caratteri, 3+ coppie feature-benefit, frase di lead del caso d'usogtin/mpn: compilato per tutti i prodotti branded (il GTIN mancante blocca il recupero di AI per le query branded)product_type: percorso di categoria completo (non solo top-level), minimo 3 livelliimage_link: immagine hero con sfondo bianco; aggiungiadditional_image_linkper i shot lifestyle
Additivo per la visibilità di AI Mode:
product_highlight: 5–8 bullet, affermazioni falsificabili, basate su spec, 35–150 caratteri ciascunoproduct_detail: coppie di spec strutturate per tutti gli attributi misurabili (dimensioni, materiali, certificazioni, compatibilità)certification: mappato dalla pagina del prodotto o dall'imballaggio; utilizza i codici di certificazione accettati da Googlelifestyle_image_link: almeno un'immagine in-context per prodotto
Red flag di igiene che sopprimono il recupero di AI:
- Descrizione sotto 200 caratteri (il 73% dei negozi sottoposti a audit ha colpito questo)
product_highlightassente o compilato con fluff di marketing- Livelli
product_typemancanti al di sotto del livello 1 - GTIN assente su SKU branded (la pagina di policy di Google contrassegna esplicitamente questo come trigger di disapprovazione)
Eseguire un audit del feed prima di apportare modifiche in massa risparmia 3–5 ore di avanti e indietro con la diagnostica del Merchant Center. L'audit del feed gratuito su MagicFeed Pro evidenzia tutti i divari di cui sopra in un report, prioritizzati in base all'impatto di ricavi.
La maggior parte dei negozi scopre che meno del 30% del loro catalogo ha la copertura di product_highlight e product_detail necessaria per apparire nei carousel di shopping generati da AI. Esegui l'audit e ottieni un elenco di correzioni prioritizzate — non è richiesto l'accesso al Merchant Center per iniziare.
Articoli correlati
Oltre Channable: quando le regole raggiungono il limite
Alternativa Channable per Google Shopping: gli strumenti feed basati su regole falliscono su scala in 5 modi prevedibili. Scopri il costo reale e come la riscrittura AI lo risolve in meno di un giorno.
Riscrivere Bundle e Multipak per Google Shopping con l'IA
L'IA elimina i token di quantità dai bundle. Correggi gli attributi multipak e recupera le impressioni perse in meno di un'ora con la formula giusta.