Funzionalità generative AI Shopping di Google: cosa significa l'aggiornamento SGE per acquirenti e rivenditori
Ultimo Aggiornamento
August 8, 2026
Autore
.svg)
Per la maggior parte della sua esistenza, Google Search ha operato su un modello semplice: si digita una query, si ottiene un elenco di link. Le domande relative agli acquisti non erano diverse. Vuoi una giacca invernale? Ecco dieci link blu e alcuni riquadri di prodotti sponsorizzati.
Quel modello sta cambiando. La Search Generative Experience di Google, il livello sperimentale che introduce funzionalità basate su modelli linguistici di grandi dimensioni direttamente nella pagina dei risultati di ricerca, considera ora lo shopping come uno dei suoi principali casi d'uso. Anziché fornire agli utenti un elenco e lasciare che siano loro a selezionarlo, SGE mira a comprendere l'intento alla base di una richiesta di acquisto, generare contenuti visivi pertinenti e presentare i prodotti acquistabili in un unico flusso continuo. (Google Blog, aggiornamento di ottobre di SGE)
Gli aggiornamenti che Google ha lanciato alla fine del 2023, programmati per la stagione degli acquisti natalizi, rappresentano l'esempio più concreto di come l'intelligenza artificiale generativa stia rimodellando il commercio online dal punto di vista della scoperta. (Motore di ricerca Land)
La caratteristica principale dell'aggiornamento SGE Shopping di Google è la capacità di generare immagini di abbigliamento fotorealistiche direttamente da una query di ricerca basata su testo.
Ecco come funziona in pratica. Un cliente cerca qualcosa di specifico ma difficile da trovare, ad esempio un piumino metallico colorato. Invece di scorrere dozzine di pagine di prodotti sperando che una corrisponda all'immagine mentale, l'acquirente tocca il pulsante «Genera immagini» nei risultati di SGE. Il modello di generazione di immagini di Google produce quindi immagini fotorealistiche che corrispondono alla descrizione. L'acquirente può perfezionare il prompt (sostituendo «modellato» con «metallico», ad esempio) e il modello rigenera una nuova serie di immagini. (Google Blog, Regali per le feste)
Questa funzionalità è basata sulla tecnologia di generazione di immagini di Google, la stessa base che consente agli utenti di creare immagini AI da istruzioni di testo presenti altrove nella Ricerca. (Google Blog, aggiornamento di ottobre di SGE) Ciò che distingue l'applicazione per lo shopping è il ponte verso il commercio: una volta che un utente trova un'immagine generata dall'intelligenza artificiale che gli piace, scorre verso il basso per vedere prodotti reali e acquistabili che corrispondono visivamente all'output generato.
Questo ponte è possibile perché Google collega il suo modello di generazione di immagini a Shopping Graph, un set di dati continuamente aggiornato di oltre 35 miliardi di elenchi di prodotti. Secondo Google, oltre 1,8 miliardi di queste inserzioni vengono aggiornate ogni ora, assicurando che i prodotti visualizzati insieme alle immagini generate dall'intelligenza artificiale riflettano l'inventario, i prezzi e la disponibilità attuali. (Retail Wire)
La ricerca tradizionale di prodotti richiede all'acquirente di tradurre un'immagine mentale in parole chiave, quindi di valutare se ogni risultato corrisponde. L'intelligenza artificiale generativa inverte questo flusso di lavoro. L'acquirente descrive ciò che desidera in linguaggio naturale, l'intelligenza artificiale produce una rappresentazione visiva e il motore di ricerca abbina i prodotti reali a quella rappresentazione. Il carico cognitivo si sposta dall'acquirente alla macchina.
Per l'abbigliamento, dove il 20% delle query di ricerca è composto da cinque parole o più, secondo i dati interni di Google, si tratta di un significativo miglioramento dell'usabilità. Le query lunghe e descrittive hanno storicamente ottenuto scarsi risultati nella ricerca basata su parole chiave. Si comportano bene nell'IA generativa. (Google Blog, Regali per le feste)
La seconda caratteristica principale è l'integrazione della funzionalità «Shop Similar» direttamente all'interno dell'interfaccia di ricerca basata sull'intelligenza artificiale.
In un flusso di acquisto convenzionale, un utente che trova un'immagine ambiziosa di un prodotto che gli piace dovrebbe eseguire una ricerca separata, possibilmente una ricerca inversa di immagini o una ricerca manuale per parole chiave, per trovare qualcosa acquistabile che gli assomigli. SGE elimina questo passaggio.
Quando un utente genera un'immagine AI o sfoglia un prodotto all'interno dell'interfaccia SGE, i relativi risultati acquistabili vengono visualizzati immediatamente sotto. Questi risultati sono tratti dallo Shopping Graph e includono prezzi, informazioni sul venditore, valutazioni e immagini dei prodotti. L'utente non deve mai abbandonare l'esperienza di ricerca o riformulare la propria richiesta. (Mashable)
Questa è la caratteristica che più probabilmente influirà sulla strategia del rivenditore. I prodotti ben rappresentati nello Shopping Graph di Google, con immagini accurate, metadati completi e prezzi competitivi, saranno quelli che emergeranno in questi risultati abbinati all'intelligenza artificiale. La corrispondenza è visiva e semantica, non basata esclusivamente su parole chiave, il che significa che la qualità e l'accuratezza delle immagini dei prodotti sono più importanti che mai. (Punti di contatto al dettaglio)
Google ha inoltre integrato l'intelligenza artificiale generativa nel processo di scoperta dei regali. La ricerca di qualcosa di generico come «fantastici regali per cuochi casalinghi» ora attiva sottocategorie curate dall'intelligenza artificiale, strumenti speciali, ingredienti artigianali, abbonamenti culinari, corsi di cucina, completi di opzioni di prodotti acquistabili di una vasta gamma di marchi.
Gli utenti possono restringere ulteriormente con il linguaggio naturale. La ricerca di «ottimi regali per cuochi casalinghi che amano la pasta» restituisce risultati più specifici. La ricerca di destinatari di nicchia come «regali per un bambino di 7 anni che vuole diventare un inventore» produce suggerimenti creativi e mirati, set di chimica, kit di codifica, elementi costitutivi, che sarebbero difficili da far emergere con la tradizionale corrispondenza delle parole chiave.
Questo approccio basato sulle sottocategorie si basa sulla capacità di SGE di analizzare le intenzioni e organizzare i risultati in cluster sfogliabili, riducendo il numero di ricerche che un utente deve eseguire prima di prendere una decisione di acquisto.
Il terzo pilastro dell'aggiornamento per gli acquisti di Google è l'espansione del suo strumento di prova virtuale generativo basato sull'intelligenza artificiale.
Lanciata originariamente per i top da donna, la funzione di prova virtuale consente agli acquirenti di vedere l'aspetto di un capo su un modello di cui selezionano il tipo di corpo, il tono della pelle e l'altezza da un pannello di 40 opzioni. Google ha riferito che i prodotti con la prova virtuale hanno ottenuto un coinvolgimento di qualità notevolmente superiore, il che significa che gli acquirenti trascorrevano più tempo con la funzione ed erano più propensi a intraprendere un'azione successiva, ad esempio facendo clic sulla pagina di un prodotto o effettuando un acquisto.
L'espansione ai top da uomo porta nel film marchi come Abercrombie, Banana Republic, J.Crew e Under Armour. Gli acquirenti possono vedere l'aspetto di una determinata camicia su una vasta gamma di tipi di corpo senza recarsi in un negozio fisico, colmando una delle lacune persistenti negli acquisti di abbigliamento online: l'incertezza su vestibilità e aspetto.
Per i rivenditori, il takeaway è semplice. I prodotti con integrazione di prova virtuale ricevono interazioni più coinvolgenti. Man mano che Google estende questa funzionalità ad altre categorie, i marchi che forniscono immagini di prodotti di alta qualità e partecipano al programma otterranno vantaggi tangibili in termini di conversione.
Queste funzionalità di acquisto di SGE sono ancora sperimentali, disponibili tramite Search Labs, non sono ancora l'esperienza predefinita. Ma indicano una chiara traiettoria su come l'IA generativa ridefinirà la vendita al dettaglio online.
Storicamente, la scoperta del prodotto è avvenuta su molte piattaforme: social media, siti di recensioni, marketplace e motori di ricerca. Le funzionalità di intelligenza artificiale generativa di Google consolidano gran parte di questo percorso in un'unica interfaccia. Un cliente può descrivere ciò che desidera, vederlo visualizzato, confrontare le opzioni, provarlo virtualmente e procedere all'acquisto, il tutto senza uscire dalla Ricerca.
Per i rivenditori, ciò significa che Google Shopping Graph sta diventando il livello infrastrutturale critico. Essere rappresentati lì, con dati di prodotto accurati e completi, non è più facoltativo per i marchi che desiderano visibilità nei risultati generati dall'intelligenza artificiale. (Retail Wire)
Quando il motore di abbinamento è visivo e semantico anziché puramente basato su parole chiave, la qualità delle immagini dei prodotti assume una nuova importanza. Le foto a bassa risoluzione, gli sfondi incoerenti o le immagini che non rappresentano accuratamente il prodotto saranno svantaggiate quando il sistema cerca di abbinare prodotti reali a un ideale generato dall'intelligenza artificiale. (Blog di ricerca di Google)
Man mano che gli acquirenti imparano a descrivere ciò che vogliono in linguaggio naturale e a ottenere risultati utili, i modelli di ricerca cambieranno. Aspettatevi un comportamento di ricerca più lungo, più descrittivo e più conversazionale e aspettatevi che le piattaforme in grado di analizzare e rispondere a tali domande catturino una quota crescente di intenzioni di acquisto. (Google Blog, aggiornamento di ottobre di SGE)
Secondo i dati di Adobe Analytics dell'inizio del 2025, il traffico verso i siti Web di vendita al dettaglio proveniente da strumenti di intelligenza artificiale generativa stava già crescendo a un ritmo straordinario, oltre il 1.200% su base annua. I visitatori che arrivano tramite i consigli di intelligenza artificiale hanno inoltre mostrato metriche di coinvolgimento più elevate: sessioni più lunghe, più pagine visualizzate e frequenze di rimbalzo inferiori rispetto ai visitatori provenienti dai canali tradizionali. Sebbene il traffico riferito all'intelligenza artificiale rappresenti ancora una piccola parte del totale delle visite all'e-commerce, la sua curva di crescita è sufficientemente ripida che i rivenditori che lo ignorano rischiano di rimanere indietro. (Avventura PPC)
Le funzionalità di acquisto basate sull'intelligenza artificiale generata da Google, le immagini dei prodotti generate dall'intelligenza artificiale, i risultati integrati «Shop Similar», la scoperta curata dei regali e la prova virtuale estesa rappresentano il cambiamento più significativo nel modo in cui i consumatori scoprono e valutano i prodotti online dall'introduzione degli annunci con scheda di prodotto.
Per gli acquirenti, il valore è immediato: meno tempo di ricerca, risultati più pertinenti e un'esperienza visuale che corrisponda al modo in cui le persone pensano effettivamente a ciò che vogliono acquistare.
Per i rivenditori e gli esperti di marketing, l'imperativo è chiaro. Investi in immagini di prodotto di alta qualità. Assicurati che le tue inserzioni nello Shopping Graph di Google siano complete e aggiornate. E inizia a prepararti per un mondo in cui la prima interazione del consumatore con il tuo prodotto potrebbe avvenire tramite un'immagine generata dall'intelligenza artificiale, non la tua pagina del prodotto.
Il passaggio dalla ricerca per parole chiave alla ricerca generativa basata sull'intelligenza artificiale non è un evento futuro. Sta succedendo adesso.
Shopping generativo con intelligenza artificiale di Google è un insieme di funzionalità all'interno di Google Esperienza generativa di ricerca (SGE) che trasforma la scoperta del prodotto da un processo basato su parole chiave in un processo visivo e conversazionale.
Invece di scorrere le pagine di link blu, gli utenti possono ora:
Questo approccio è particolarmente efficace per l'abbigliamento e la moda, dove la tradizionale ricerca per parole chiave spesso non riesce a cogliere la specificità di ciò che un acquirente ha in mente. Secondo i dati interni di Google, Il 20% delle domande sull'abbigliamento è composto da cinque parole o più, un tipo di ricerca che l'IA generativa gestisce in modo molto più efficace rispetto ai motori convenzionali.
Perché è importante per GEO: È più probabile che contenuti ed elenchi di prodotti ben strutturati, semanticamente ricchi e abbinati a immagini di alta qualità vengano visualizzati in questi risultati di acquisto generati dall'intelligenza artificiale. L'ottimizzazione per questo nuovo livello di scoperta è ora una parte fondamentale di qualsiasi strategia di visibilità basata sull'intelligenza artificiale.
Le Funzione «Acquista simili» è una delle aggiunte commercialmente più significative alla Search Generative Experience di Google. Colma il divario tra ispirazione e acquisto in un unico flusso senza interruzioni.
Ecco come funziona:
L'utente non deve mai riformulare la propria richiesta, eseguire una ricerca inversa di immagini o accedere a una scheda acquisti separata. L'intero percorso, dall'idea al prodotto acquistabile, avviene all'interno dell'interfaccia di ricerca.
Distinzione chiave: La logica di corrispondenza è visuale e semantica, non basato esclusivamente sulle parole chiave. Ciò significa che qualità e precisione delle immagini dei prodotti ora gioca un ruolo diretto nel determinare se un prodotto appare in questi risultati abbinati all'intelligenza artificiale.
Cosa significa questo per i rivenditori: I prodotti che sono ben rappresentati nello Shopping Graph di Google, con metadati accurati, prezzi competitivi e immagini ad alta risoluzione, hanno molte più probabilità di apparire. Marchi che investono in dati di prodotto strutturati e qualità visiva avranno un vantaggio misurabile in questa nuova esperienza di acquisto.
Prova virtuale basata sull'intelligenza artificiale di Google è una funzionalità di Google Shopping che utilizza AI generativa per mostrare l'aspetto di un capo specifico su un modello reale che corrisponde alle preferenze dell'acquirente.
Gli utenti possono scegliere tra 40 modelli che variano in:
Questo aiuta gli acquirenti a prendere decisioni di acquisto più sicure senza recarsi in un negozio fisico, risolvendo uno dei maggiori punti di attrito nello shopping di abbigliamento online: incertezza sulla vestibilità e sull'aspetto.
Copertura attuale:
Google ha riferito che i prodotti con la prova virtuale abilitata hanno ricevuto coinvolgimento di qualità significativamente superiore, il che significa che gli acquirenti trascorrevano più tempo a interagire con quelle inserzioni ed erano più propensi a intraprendere azioni come fare clic o effettuare un acquisto.
Perché è importante per la strategia GEO e di e-commerce: Man mano che Google estende la prova virtuale ad altre categorie, i marchi che partecipano al programma forniscono immagini di prodotto standardizzate e di alta qualità trarrà beneficio da segnali di coinvolgimento più forti e da un maggiore potenziale di conversione. Questa funzione è un chiaro indicatore che la qualità dei contenuti visivi sta diventando un fattore di ranking in esperienze di acquisto basate sull'intelligenza artificiale.
Le funzionalità Generative AI Shopping di Google stanno ridefinendo il percorso dalla scoperta del prodotto all'acquisto. Per i rivenditori e gli esperti di marketing, ciò richiede un cambiamento strategico in diverse aree:
Con prodotti corrispondenti «Shop Similar» basati sull'intelligenza artificiale basati su somiglianza visiva e semantica piuttosto che le sole parole chiave, la qualità delle immagini dei prodotti non è mai stata così importante. Le foto a bassa risoluzione, gli sfondi non coerenti o le immagini che non rappresentano accuratamente il prodotto saranno svantaggiate.
Procedura ottimale: Usa fotografie di prodotto pulite e ad alta risoluzione. Assicurati che le immagini rappresentino accuratamente colori, texture e proporzioni, poiché il motore di abbinamento AI valuta direttamente questi attributi.
Shopping Graph di Google, un set di dati di oltre 35 miliardi di elenchi di prodotti aggiornato continuamente, è la spina dorsale di ogni funzionalità di acquisto basata sull'intelligenza artificiale. I prodotti incompleti, obsoleti o mancanti semplicemente non verranno visualizzati nei risultati generati dall'intelligenza artificiale.
Procedura ottimale: Mantieni aggiornati i feed dei prodotti con titoli, descrizioni, prezzi, disponibilità e attributi strutturati accurati. Tratta Shopping Graph come un'infrastruttura critica, non come un'operazione secondaria.
Man mano che gli utenti imparano a descrivere i prodotti in linguaggio naturale (ad esempio, «regali per un bambino di 7 anni che vuole diventare un inventore»), il comportamento di ricerca si sposterà verso query più lunghe e descrittive. Si tratta di domande che l'intelligenza artificiale generativa eccelle nell'interpretazione.
Procedura ottimale: Crea descrizioni dei prodotti e contenuti di categoria che rispecchiano il modo in cui le persone reali parlano dei tuoi prodotti. Concentrati su casi d'uso, scenari e attributi specifici anziché su testi di marketing generici.
Secondo Adobe Analytics, il traffico dagli strumenti di intelligenza artificiale generativa ai siti web di vendita al dettaglio è cresciuto 1.200% anno su anno all'inizio del 2025, con visitatori che mostrano sessioni più lunghe, più visualizzazioni di pagina e frequenze di rimbalzo inferiori. Pur rappresentando ancora una piccola quota del traffico totale, la traiettoria di crescita è ripida.
Procedura ottimale: Tieni traccia del traffico riferito all'intelligenza artificiale come canale distinto nelle tue analisi. Scopri quali prodotti e categorie vengono messi in evidenza dagli strumenti di intelligenza artificiale e ottimizza di conseguenza.
Conclusione: Il passaggio dalla ricerca per parole chiave alla ricerca generativa basata sull'intelligenza artificiale non è un evento futuro. I rivenditori che adattano i dati di prodotto, le risorse visive e la strategia dei contenuti saranno ora in grado di catturare la quota crescente di intenzioni di acquisto che scaturiscono dalla scoperta basata sull'intelligenza artificiale.
