Riceviamo la stessa domanda da ogni proprietario di negozio che ha sentito parlare di ottimizzazione feed basata su AI: «funziona davvero, o è solo hype?»
Risposta breve: funziona quando è fatto bene. Le riscritture AI generiche tendono a rompere i feed (ti mostreremo esattamente come). Le riscritture consapevoli della categoria con blocco degli attributi e una coda di revisione producono miglioramenti affidabili e ripetibili del CTR.
Questo articolo esamina tre case study reali degli ultimi 6 mesi, anonimizzati ma con i numeri effettivi prima/dopo, i pattern di riscrittura e le insidie.
L'impostazione
Per ogni case study, abbiamo eseguito un test A/B di 14 giorni:
- Giorno 0: snapshot del feed esistente. Documentiamo CTR, impression share e tasso di conversione sui 100 SKU principali.
- Giorni 1-7: distribuiamo riscritture AI a un 50% randomizzato di SKU (il gruppo «test»). L'altro 50% ha mantenuto il testo originale (il «control»).
- Giorni 8-14: manteniamo il test. Confrontiamo entrambi i gruppi sulle stesse campagne Google Ads, offerte e audience.
Tutti e tre i negozi stavano usando Performance Max. Tutti e tre eseguivano il loro feed esistente da almeno 6 mesi, quindi il control era una baseline stabile.
Case 1 — Moda (abbigliamento donna fascia media)
Catalogo: 2.400 SKU. Prezzo medio: $78. CTR esistente su Shopping: 1,4%.
Le riscritture (campione):
| Prima | Dopo |
|---|---|
| Wrap Dress | Abito Midi Wrap in Cotone con Laccio Laterale, Cintura, Nero, Lunghezza al Ginocchio |
| Linen Top | Blusa Scollo a V in Lino, Manica Corta, Crema, Fit Rilassato |
| Striped Tee | T-Shirt Righe Cotone Girocollo, Manica Lunga, Blu Marino e Bianco |
Il pattern: tessuto + silhouette + scollatura + lunghezza manica + colore + descrittore fit, in quell'ordine. Questa è la struttura che si mappa meglio a come i clienti della moda effettivamente cercano — digitano tessuto e silhouette, poi affinano con il colore.
Risultati dopo 14 giorni:
| Metrica | Control | Test (riscritture AI) | Miglioramento |
|---|---|---|---|
| CTR | 1,4% | 2,1% | +50% |
| Impressioni | 142K | 167K | +18% |
| Tasso di conversione | 1,8% | 1,9% | +6% |
| Costo per click | $0,84 | $0,71 | −15% |
Perché ha funzionato: la moda ha una tassonomia di query particolarmente ricca («abito midi nero», «blusa lino scollo v crema») e i titoli originali erano privi di copertura di attributi. Le riscritture hanno recuperato la copertura di query. Il CPC è sceso perché il quality score è aumentato.
Case 2 — Articoli da cucina
Catalogo: 580 SKU. Prezzo medio: $42. CTR esistente: 0,9%.
Questo era il caso più difficile. Le query di articoli da cucina sono dominate da grandi rivenditori (Amazon, IKEA, Williams Sonoma) e tendono a essere molto brand-led. Il feed originale utilizzava le descrizioni del produttore letteralmente.
Le riscritture (campione):
| Prima | Dopo |
|---|---|
| Le Creuset Round Dutch Oven 5.5 Qt | Pentola Olandese Rotonda Le Creuset Signature, 5,5 Qt, Ciliegia, Ghisa Smaltata, Resistente al Forno fino a 500°F |
| Cuisinart Food Processor | Robot da Cucina Cuisinart Custom 14 Tazze, Acciaio Inox, Motore 720W, Include Dischi Affettatrice e Grattugia |
| OXO Salad Spinner | Centrifuga Insalata OXO Good Grips, 6,34 Litri, Senza BPA, Funzionamento Pompa Monouso, Ciotola Trasparente |
Il pattern: brand + modello + capacità + colore + materiale + specifiche chiave. Capacità e materiale sono i segnali distintivi che i clienti effettivamente filtrano.
Risultati dopo 14 giorni:
| Metrica | Control | Test | Miglioramento |
|---|---|---|---|
| CTR | 0,9% | 1,2% | +33% |
| Impressioni | 58K | 71K | +22% |
| Tasso di conversione | 2,4% | 2,6% | +8% |
| ROAS | 3,2x | 3,9x | +22% |
Il tasso di conversione è rimasto quasi invariato (le pagine di destinazione non erano cambiate) ma il miglioramento nelle impressioni e nel CTR si è tradotto in un miglioramento significativo del ROAS.
Case 3 — Bellezza / skincare
Catalogo: 320 SKU. Prezzo medio: $34. CTR esistente: 1,8%.
La bellezza è interessante perché il linguaggio di ricerca è ricco di parole chiave su ingredienti e problemi («siero retinolo pelle sensibile», «vitamina c illuminante»).
Le riscritture (campione):
| Prima | Dopo |
|---|---|
| Hydrating Face Serum | Siero Viso Vitamina C 15% Illuminante con Acido Ialuronico, 30ml, Per Pelle Spenta, Vegano, Senza Profumo |
| Night Cream | Crema Notte Retinolo 0,5% con Niacinamide e Squalano, 50ml, Per Anti-Aging, Testato su Pelle Sensibile |
| Sunscreen SPF 50 | Protezione Solare Minerale SPF 50, Ossido di Zinco e Diossido di Titanio, 50ml, Reef-Safe, Per Pelle Sensibile, Non Comedogenico |
Il pattern: ingrediente attivo + concentrazione + tipo di prodotto + ingrediente secondario + dimensione + problema + certificazione. Ingrediente attivo per primo perché è così che i clienti di bellezza cercano.
Risultati dopo 14 giorni:
| Metrica | Control | Test | Miglioramento |
|---|---|---|---|
| CTR | 1,8% | 2,6% | +44% |
| Impressioni | 31K | 38K | +23% |
| Tasso di conversione | 3,1% | 3,5% | +13% |
| ROAS | 4,1x | 5,7x | +39% |
Il miglioramento più grande dei tre studi. La bellezza premia i titoli specifici e pieni di attributi perché i clienti stanno acquistando la promessa dell'ingrediente altrettanto quanto il brand.
Cosa ha funzionato in tutti e tre
Guardando ai tre studi, tre pattern hanno costantemente guidato il miglioramento:
1. Front-loading del token di intenzione di acquisto
In tutti e tre i casi, il token di intenzione di acquisto più importante è stato spostato nei primi 30 caratteri del titolo. Per la moda è tessuto+silhouette; per gli articoli da cucina è brand+modello+capacità; per la bellezza è ingrediente attivo+concentrazione.
Perché: il layout dell'annuncio di Google Shopping tronca i titoli a circa 70 caratteri su mobile. I primi 70 caratteri stanno facendo il 90% del lavoro della SERP.
2. Sostituire il gergo di marketing con specifiche ricercabili
«Premium», «Best-selling», «Preferito dai clienti», «Esclusivo» — questi sono token a valore zero. Non corrispondono a nessuna query di ricerca, occupano budget di caratteri e danneggiano attivamente il tuo quality score (Google li sta deprioritizzando dal 2018).
Sostituiscili con: dimensioni, pesi, capacità, certificazioni, materiali, numeri di modello. Il singolo miglioramento più grande del budget dei caratteri tra tutti e tre gli studi è stato eliminare gli aggettivi di marketing.
3. Allinearsi alle query top-50 effettive
Questo è il passaggio che quasi nessuno fa. Prima di riscrivere, abbiamo estratto le 50 query di ricerca principali che ogni negozio stava già facendo corrispondere — anche se quelle query avevano una cattiva conversione. Le riscritture allora hanno esplicitamente incluso i token da quelle query.
Sembra ovvio, ma la maggior parte degli strumenti «riscrittura AI» non ha accesso al tuo rapporto dei termini di ricerca e quindi riscrivono al buio. Le riscritture finiscono per corrispondere a una qualche altra tassonomia (spesso la denominazione del catalogo del produttore) invece del tuo linguaggio effettivo dei clienti.
Cosa ha rotto quando le riscritture AI sono andate male
Abbiamo anche visto molte riscritture AI distruggere i feed. Le tre modalità di fallimento:
- Specifiche allucinanti. Le riscritture generiche di ChatGPT inventeranno valori di capacità, peso o materiale se non presenti nella fonte. Questo genera disapprovazioni di Merchant Center e, peggio, reclami dei clienti.
- Brand o numero di modello perso. «Sony WH-CH720N» diventa «cuffie wireless premium». Hai appena reso il tuo prodotto invisibile a chiunque cerchi per nome.
- Voce incoerente. Quando il prompt di riscrittura non è scoped per categoria, finisci con articoli da cucina che suonano come un annuncio di skincare. Il catalogo legge come a bassa fiducia.
Ecco perché MagicFeedPro utilizza prompt scoped per categoria, blocco degli attributi (brand/modello/GTIN/dimensione/colore non possono essere modificati) e una coda diff prima della pubblicazione.
Riscriveremo i tuoi 20 SKU principali e ti mostreremo la diff prima che tutto vada live. Gratis.
La conclusione
Un miglioramento del CTR del 40% sembra drammatico ma è effettivamente il floor di ciò che è possibile quando un feed sotto-ottimizzato riceve una riscrittura consapevole della categoria. I team che ottengono il massimo dalle riscritture AI:
- Eseguono prima un audit dei termini di ricerca per imparare quali query stanno effettivamente facendo corrispondere.
- Costruiscono un prompt per categoria che blocca gli identificatori e fa front-load del token di intenzione di acquisto.
- Fanno test A/B prima della distribuzione a livello di catalogo.
- Controllano i diagnostici di Merchant Center durante e dopo il rollout.
Salta il passaggio 1 e le tue riscritture AI corrisponderanno alla tassonomia di qualcun altro. Salta il passaggio 4 e perderai i rifiuti che si accumulano silenziosamente.
Una tecnica avanzata aggiuntiva: utilizzare la strategia di label personalizzati per segmentare i prodotti dopo la riscrittura consente un controllo ancora più stretto su modificatori di offerte e segmentazione feed. Questo approccio stratificato — riscrivere, segmentare, testare — è quello che separa le operazioni feed a sei cifre da quelle a sette cifre.
FAQ
Articoli correlati
Cold-Start Feed: Rank SKU Nuovi in 14 Giorni
Google Shopping per nuovi prodotti impiega 6–8 settimane. Questa sequenza di priming dei segnali feed riduce il cold-start a 14 giorni — testata su 3 account DTC.
Punti Salienti Prodotto nel Pannello Shopping
La copia dei punti salienti nel pannello laterale Google Shopping viene visualizzata esattamente — usa la formula ABPD a 4 parti per dominare il pannello espanso e aumentare il CTR del 22%+.
Feed Supplementari: Ripara Gli Errori Del Primario
Una strategia di feed supplementare Google Merchant Center riduce il 40% degli errori — senza accesso a Shopify. Sovrascrivi attributi tramite Google Sheets in meno di 2 ore.