GEO per e-commerce: come scrivere schede prodotto che le AI generative citano davvero

Perché una scheda prodotto "normale" spesso non basta più

Una scheda prodotto pensata solo per un umano che scorre le foto e legge due righe di descrizione marketing non dà a un sistema generativo gli elementi che gli servono per riassumere e confrontare: caratteristiche tecniche precise, per chi è adatto il prodotto, cosa lo differenzia da modelli simili. Un assistente AI che deve rispondere a "meglio il modello A o il modello B" ha bisogno di dati espliciti da confrontare, non di aggettivi.

Un caso concreto: due schede di carta da parati molto simili, una con solo foto e prezzo, l'altra con lavabilità, resistenza alla luce, tipo di posa e ambiente consigliato scritti in modo esplicito. Quando un cliente chiede a un'AI quale carta da parati scegliere per un bagno, la seconda scheda ha tutti gli elementi per essere citata come risposta; la prima, anche se il prodotto fosse identico o migliore, viene semplicemente ignorata perché non fornisce i dati necessari al confronto.

Lo schema Product: i dati che un'AI può leggere senza interpretare

Lo schema JSON-LD di tipo Product permette di dichiarare in modo esplicito ciò che spesso resta solo nella descrizione testuale: nome esatto, marca, prezzo e disponibilità aggiornati, categoria, valutazioni aggregate e caratteristiche tecniche principali. È lo stesso principio dello schema LocalBusiness per le attività locali, applicato al catalogo prodotti: invece di far "intuire" al sistema di cosa si tratta, lo si dichiara in un formato che Google e le AI generative leggono allo stesso modo.

Un dettaglio spesso trascurato: il campo disponibilità (in stock, esaurito, in arrivo) va tenuto sincronizzato col magazzino reale. Un'AI che cita un prodotto come disponibile quando in realtà è esaurito da settimane genera un'esperienza negativa che ricade sulla fiducia nel brand, non solo sulla singola vendita mancata.

Scrivere specifiche che rispondono, non che elencano

La differenza pratica tra una scheda ottimizzata e una generica sta nell'ordine e nella chiarezza: aprire con una risposta diretta a "per cosa è adatto questo prodotto" in una o due frasi, poi elencare le caratteristiche tecniche con unità di misura e valori precisi (non "resistente", ma "resistente a 10.000 cicli di sfregamento"), infine indicare a chi non conviene, se pertinente. Un'AI che deve consigliare un prodotto preferisce una fonte che ammette anche i limiti, perché risulta più affidabile di una scheda solo promozionale.

Per un materasso, ad esempio, non basta scrivere "massima comfort": serve indicare rigidità su scala, altezza in centimetri, materiali, portata massima consigliata e per quale posizione di sonno è più indicato. Sono proprio questi dati, non gli aggettivi, che un assistente AI riprende quando confronta due o tre alternative per rispondere a un cliente indeciso.

Recensioni e domande frequenti: la prova che un'AI può citare

Le recensioni con schema AggregateRating e Review danno a un sistema generativo un dato verificabile da citare ("valutato 4,7 su 5 da oltre 200 clienti") invece di un'affermazione generica dell'azienda su se stessa. Per questo rispondere alle recensioni, anche a quelle negative, e mantenerle visibili rafforza la credibilità della scheda agli occhi sia di Google sia delle AI generative.

Una sezione FAQ specifica per prodotto, con schema FAQPage, è altrettanto utile: domande reali come "questo prodotto è adatto a un bambino", "quanto dura la spedizione", "si può restituire se non va bene" tolgono ambiguità che altrimenti un cliente dovrebbe chiedere via chat o email, e danno all'AI un blocco di risposta pronto da riproporre così com'è.

Il caso dei prodotti di design e arredamento: confronto e contesto d'uso

Per i settori dove il confronto è più soggettivo, come l'arredamento di design o la carta da parati, conta aggiungere il contesto d'uso che normalmente resta solo nella testa del commerciale: in quale stile di ambiente si inserisce il prodotto, con quali altri elementi si abbina bene, quali sono gli ingombri reali. Sono informazioni che un cliente chiederebbe a un venditore in negozio, e che un'AI generativa può restituire solo se sono scritte da qualche parte in modo esplicito.

Un negozio online di arredamento che pubblica, per ogni collezione, due o tre abbinamenti suggeriti con materiali e colori compatibili, ottiene schede molto più facili da citare quando un cliente chiede consigli di abbinamento, rispetto a una semplice galleria fotografica senza testo di supporto.

Da dove iniziare su un catalogo con centinaia di prodotti

Rifare tutto il catalogo in un colpo solo raramente è realistico. Conviene partire dai prodotti che generano più traffico o più richieste di confronto, verificare che abbiano schema Product aggiornato e sincronizzato con il magazzino, riscrivere le specifiche in modo numerico e verificabile, aggiungere 3-5 FAQ reali per categoria di prodotto (non per singolo articolo, per contenere il lavoro) e controllare che le recensioni siano visibili e con schema corretto.

Fatto questo primo blocco su una categoria pilota, il modello si replica più velocemente sulle altre: la parte più lunga è definire quali dati tecnici servono davvero per ogni categoria, non applicarli scheda per scheda una volta stabilito lo schema di partenza.

Continua a leggere