Da SGE ad AI Mode: come lo shopping su Google è diventato generativo
Last updated:
August 8, 2026
Autore:
.svg)
Per vent'anni Google Shopping ha funzionato così: digiti una query, ricevi dieci link blu e qualche scheda prodotto sponsorizzata. Oggi quel modello è residuale.
Con AI Mode, Google tratta ogni domanda commerciale come una conversazione. L'utente descrive ciò che cerca in linguaggio naturale, l'AI interpreta l'intento, genera contenuti visivi pertinenti e presenta prodotti acquistabili in un unico flusso. Nessun click out, nessuna ricerca laterale, nessuna riformulazione.
Il cambiamento è iniziato a fine 2023 con SGE e si è consolidato tra il 2025 e il 2026, quando Google ha reso AI Mode disponibile in oltre 200 paesi e territori, rinominando di fatto l'intera esperienza di ricerca generativa.
Cerchi un "piumino metallico color ciliegia con tasche ampie"? AI Mode genera immagini fotorealistiche che corrispondono alla descrizione, poi mostra prodotti reali acquistabili che combaciano visivamente con l'immagine generata.
Il vantaggio è evidente per l'abbigliamento, dove — secondo i dati interni di Google — il 20% delle query è composto da cinque parole o più. Sono proprio le query descrittive dove la ricerca per keyword falliva e dove l'AI generativa eccelle.
Prima, trovare un prodotto simile a un'immagine richiedeva una ricerca inversa o una nuova query. Oggi, sotto ogni immagine generata (o visualizzata) compaiono automaticamente le schede dei prodotti reali che le assomigliano, con prezzo, venditore, recensioni e disponibilità. La corrispondenza è visiva e semantica, non basata sulle parole chiave: la qualità delle immagini di prodotto è diventata un fattore di ranking de facto.
La prova virtuale è partita nel 2023 con i top da donna, si è estesa ai top da uomo con marchi come Abercrombie, Banana Republic e J.Crew, e nel 2025 ha fatto il salto decisivo: adesso puoi caricare una tua foto e vedere come ti sta un capo scelto tra miliardi di listing. Google ha riportato engagement nettamente superiore sui prodotti con Try-On attivo — più tempo speso e più probabilità di click-through o acquisto.
Fino al 2024 Google ti portava al prodotto. Dal 2025-2026, Google lo compra per te.
Da maggio 2025 (annuncio Google I/O) è disponibile la funzione "buy for me": tocchi "track price" su un listing, imposti taglia, colore e budget, e quando il prezzo scende Google aggiunge l'articolo al carrello del merchant e completa il checkout con Google Pay per tuo conto. A gennaio 2026 il checkout nativo è arrivato direttamente dentro AI Mode e l'app Gemini, con Target, Etsy, Wayfair e altri grandi retailer tra i primi partner.
Annunciato a NRF 2026, UCP è uno standard aperto sviluppato da Google con Shopify, Etsy, Wayfair, Target e Walmart, e sostenuto da oltre 20 altri player (American Express, Mastercard, Stripe, Visa, Home Depot, Macy's, Zalando). Serve a far parlare la stessa lingua ad agenti AI, retailer e payment processor, senza integrazioni custom per ogni singolo agente. È compatibile con protocolli esistenti come A2A, AP2 e MCP.
Per i merchant Shopify, l'onboarding è automatico: se il catalogo è già sincronizzato con Merchant Center, i prodotti diventano idonei per AI Mode, Virtual Try-On e agentic checkout senza codice aggiuntivo.
Pilot lanciato a inizio 2026: i retailer possono presentare sconti esclusivi (ad esempio un 20% off) direttamente dentro i risultati AI Mode, etichettati come "Sponsored deal". Primi partner: Petco, e.l.f. Cosmetics, Samsonite, Rugs USA e diversi merchant Shopify.
Un chat agent che mette lo shopper in contatto diretto con il brand dentro la ricerca, come un addetto vendite virtuale addestrato sui dati del retailer.
L'errore più comune è trattare queste novità come un "canale in più". Non lo sono. Sono l'infrastruttura dove avverrà una quota crescente delle transazioni online — e secondo Adobe Analytics il traffico di referral da strumenti AI verso i siti retail è cresciuto oltre il 1.200% anno su anno già a inizio 2025, con sessioni più lunghe, più pagine viste e bounce rate inferiore rispetto ai canali tradizionali.
Quattro priorità concrete:
1. Feed Merchant Center sempre pulito e completo. Titoli descrittivi, attributi strutturati, prezzi e disponibilità aggiornati. Se un prodotto non è nello Shopping Graph, per l'AI non esiste.
2. Immagini di prodotto ad alta risoluzione, sfondi coerenti, rappresentazione accurata di colore e texture. Il motore di matching è visivo: foto mediocri significano invisibilità.
3. Copy di categoria e descrizioni che rispecchino il linguaggio naturale. "Regalo per chi ama cucinare la pasta fresca" è più utile di "utensili da cucina premium". Gli LLM premiano il modo in cui le persone parlano davvero.
4. Tracciamento separato del traffico AI-referral. Segmentalo in analytics, capisci quali SKU emergono e ottimizza di conseguenza. Chi aspetta che diventi "significativo" arriverà tardi.
Il passaggio da SGE ad AI Mode, dal catalogo Shopping Graph da 35 a 50 miliardi di schede, dal Virtual Try-On sperimentale all'agentic checkout nativo dentro Gemini: in poco più di due anni la ricerca commerciale su Google è cambiata strutturalmente.
Per lo shopper significa meno attrito tra desiderio e acquisto. Per il retailer significa che la prima interazione con il cliente potrebbe non avvenire più sulla propria pagina prodotto, ma dentro una conversazione con un agent AI. Chi struttura i propri dati per essere leggibile da quegli agenti oggi, nei prossimi 12-24 mesi farà la differenza. Chi no, sarà semplicemente invisibile.
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.
Google's AI-powered Virtual Try-On is a Google Shopping feature that uses generative AI to show how a specific garment looks on a real model matching the shopper's preferences.
Users can choose from 40 models varying in:
This helps shoppers make more confident purchase decisions without visiting a physical store, solving one of the biggest friction points in online apparel shopping: uncertainty about fit and appearance.
Google reported that products with Virtual Try-On enabled received significantly higher quality engagement, meaning shoppers spent more time interacting with those listings and were more likely to take actions such as clicking through or completing a purchase.
As Google extends Virtual Try-On to additional categories, brands that participate in the program and provide standardized, high-quality product images will benefit from stronger engagement signals and greater conversion potential. This feature is a clear indicator that visual content quality is becoming a ranking factor in AI-powered shopping experiences.
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 le corrispondenze dei prodotti «Shop Similar» basate sull'intelligenza artificiale basate sulla somiglianza visiva e semantica piuttosto che sulle sole parole chiave, la qualità dell'immagine del prodotto 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 corrispondenza AI valuta direttamente questi attributi.
Shopping Graph di Google, un set di dati continuamente aggiornato di oltre 35 miliardi di elenchi di prodotti, è la spina dorsale di ogni funzione di acquisto basata sull'intelligenza artificiale. I prodotti incompleti, obsoleti o mancanti semplicemente non compariranno 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 inventore»), il comportamento di ricerca si sposterà verso query più lunghe e descrittive. Questi sono esattamente il tipo di query che l'IA generativa eccelle nell'interpretazione.
Procedura ottimale: Scrivi 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 piuttosto che 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 del 1.200% anno su anno all'inizio del 2025, con i visitatori che hanno mostrato 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. Identifica quali prodotti e categorie vengono evidenziati dagli strumenti di intelligenza artificiale e ottimizza di conseguenza.
Il passaggio dalla ricerca per parole chiave alla ricerca generativa basata sull'intelligenza artificiale non è un evento futuro, sta accadendo ora. I rivenditori che oggi adattano i dati di prodotto, le risorse visive e la strategia dei contenuti saranno in grado di catturare la quota crescente di intenzioni di acquisto guidate dalla scoperta basata sull'intelligenza artificiale.
