Clienti

Cos'è l'Agentic Commerce Optimization (ACO)?

L'Agentic Commerce Optimization (ACO) è la disciplina che fa sì che i cataloghi prodotto vengano trovati, compresi e consigliati dagli agenti AI per lo shopping.

Agentic Commerce Optimization: la definizione

L'Agentic Commerce Optimization (ACO) è la disciplina che fa sì che ogni prodotto di un catalogo venga trovato, compreso e consigliato dagli agenti AI per lo shopping come ChatGPT, Google Gemini e AI Mode, Perplexity, Claude, Microsoft Copilot, Alexa for Shopping, Muse by Meta e Instinct. Lavora direttamente sui dati prodotto: pagine prodotto (PDP), pagine categoria (PLP) e feed prodotto.

01

L'ACO in 30 secondi

  1. 01

    Sempre più consumatori chiedono a un agente AI cosa comprare invece di scorrere una pagina di risultati: il 68% dei consumatori statunitensi ha usato uno strumento AI per lo shopping negli ultimi tre mesi (McKinsey e ICSC, 2026). L'agente risponde con una manciata di prodotti, non con dieci link blu.

  2. 02

    Gli agenti scelgono i prodotti leggendo i dati prodotto: attributi, descrizioni, specifiche, casi d'uso, recensioni e feed strutturati. Se i dati mancano o sono vaghi, il prodotto viene scartato.

  3. 03

    La SEO ottimizza le pagine per posizionarle. La GEO ottimizza i contenuti per farli citare. L'ACO ottimizza il catalogo prodotti perché venga consigliato e acquistato.

  4. 04

    L'ACO ha tre compiti: misurare quanto ogni SKU è pronto per gli agenti AI, correggere ciò che manca e pubblicare i dati corretti ovunque gli agenti li leggano.

  5. 05

    I brand che si muovono adesso diventano le risposte predefinite che gli agenti imparano a dare. Quelli che aspettano diventano invisibili nel canale che cresce più in fretta.

02

Perché adesso: i numeri

In meno di due anni lo shopping con l'AI è passato da esperimento a fonte di traffico che cresce di più e converte meglio nell'eCommerce. La finestra per diventare il prodotto che gli agenti consigliano di default è aperta adesso.

900-1.000 mld $

di fatturato retail B2C negli USA orchestrato da agenti AI entro il 2030; 3.000-5.000 mld $ a livello globale

Un canale grande quanto l'eCommerce di oggi, non una nicchiaFonte: McKinsey
68%

dei consumatori statunitensi ha usato almeno uno strumento AI per lo shopping negli ultimi tre mesi

I consumatori sono già lìFonte: McKinsey e ICSC, 2026
+693%

di traffico AI verso i siti retail statunitensi nelle festività 2025; +393% nel primo trimestre 2026

Una crescita esponenziale, anno dopo annoFonte: Adobe Digital Insights
+42%

di conversione in più per il traffico AI a marzo 2026, dopo aver convertito il 38% in meno un anno prima

Chi arriva dall'AI è già pronto a comprareFonte: Adobe Digital Insights
+60%

di conversione in più per i visitatori retail provenienti dall'AI rispetto al traffico non AI, a luglio 2026

Il divario continua ad allargarsiFonte: Adobe AI Traffic Trends, agosto 2026
84 mln

di domande sullo shopping poste a ChatGPT ogni settimana negli USA: in meno di un anno sono passate da meno dell'1% a oltre l'8% del volume di ricerca di Amazon

Gli assistenti AI stanno diventando una destinazione per lo shoppingFonte: Stackline

Tre cambiamenti dietro i numeri

Dalle pagine di risultati alle risposte. Un motore di ricerca mostra dieci link e lascia il confronto al consumatore. Un agente AI confronta al posto suo e risponde con tre, al massimo cinque prodotti. Essere in prima pagina non basta più: devi essere nella risposta.

Le piattaforme stanno costruendo i binari. OpenAI e Stripe hanno lanciato l'Agentic Commerce Protocol (ACP). Google ha lanciato lo Universal Commerce Protocol (UCP) e, a maggio 2026, ha introdotto in tutto il mondo gli attributi conversazionali in Merchant Center, pensati per il modo in cui le persone fanno domande in AI Mode (Lengow).

La partita si gioca sulla scoperta. A marzo 2026 OpenAI ha ridimensionato il checkout nativo in ChatGPT per concentrarsi sulla scoperta dei prodotti (TechWyse). Chi vince la raccomandazione vince la vendita, e le raccomandazioni si decidono sui dati prodotto.

03

Come gli agenti AI per lo shopping scelgono i prodotti

Un agente AI non guarda le foto dei tuoi prodotti né il design del tuo sito. Legge i tuoi dati prodotto, e se un dettaglio non è scritto, per l'agente non esiste.

  1. 1

    Il consumatore chiede in linguaggio naturale

    "Un maglione caldo in cashmere per l'ufficio, vestibilità comoda, sotto i €300." Una sola richiesta contiene un tipo di prodotto, un materiale, un caso d'uso, una vestibilità e un budget.

  2. 2

    L'agente scompone la domanda

    Divide la richiesta in tante sotto-query (qualità del cashmere, stili adatti all'ufficio, vestibilità comode, fasce di prezzo) e le esegue in parallelo. In AI Mode Google lo chiama query fan-out.

  3. 3

    Recupera i candidati

    Dai feed prodotto (Google Merchant Center, i feed ACP di OpenAI), dalle pagine prodotto che riesce a scansionare, dai marketplace, dalle recensioni e dai siti di terze parti.

  4. 4

    Filtra sugli attributi

    I prodotti i cui dati non confermano un vincolo vengono scartati. Se la tua pagina non dice mai "100% cashmere" o "vestibilità comoda", l'agente non può abbinarla alla richiesta.

  5. 5

    Classifica e motiva

    L'agente sceglie i prodotti che sa spiegare meglio: casi d'uso chiari, benefici, risposte alle domande più probabili. Una descrizione vaga non gli dà nulla da dire.

  6. 6

    Mostra da tre a cinque schede prodotto

    Di solito il consumatore sceglie tra queste. Tutto ciò che non è stato selezionato è invisibile.

ChatGPT
Demo illustrativa
Scrivo la domanda

Perché i prodotti vengono scartati

LacunaEsempio
Attributi mancantiComposizione, vestibilità, taglie disponibili o compatibilità non indicate nel testo o nel feed
Keyword e intenti mancantiLa pagina dice "maglione beige", i consumatori chiedono "maglione girocollo donna in cashmere"
Nessun caso d'usoNiente dice a chi è destinato il prodotto o quando usarlo
Dati incoerenti o erratiSpecifiche diverse tra PDP, feed e marketplace
Metadati deboliTitle, H1 e meta description generici

L'ACO corregge queste lacune alla fonte: il catalogo prodotti. Per questo è una disciplina di catalogo, non una tattica di content marketing.

04

ACO vs SEO vs GEO

La SEO fa posizionare le pagine, la GEO fa citare i contenuti, l'ACO fa consigliare e acquistare i prodotti. Si costruiscono l'una sull'altra, ma solo l'ACO è pensata per il modo in cui comprano gli agenti AI.

SEOGEO (anche AEO, LLMO)ACO
ObiettivoPosizionare le pagine nei risultati di ricercaEssere citati nelle risposte generate dall'AIEssere il prodotto che gli agenti AI consigliano e vendono
Chi lo leggeI crawler dei motori di ricerca, poi le personeI modelli linguistici che rispondono alle domandeGli agenti AI per lo shopping che confrontano prodotti per conto di chi compra
Unità di lavoroLa pagina webL'articolo, la menzione del brand o la fonteLo SKU: ogni prodotto del catalogo
Cosa si ottimizzaKeyword, link, salute tecnica del sitoContenuti, autorevolezza, citazioniAttributi, descrizioni, casi d'uso, intenti, feed, PDP e PLP
Dove viveIl sito webSito web, PR, contenuti di terze partiCatalogo prodotti, PIM, store, feed prodotto
Metrica di successoPosizionamenti, clicMenzioni, share of voiceAI Readiness di ogni SKU, raccomandazioni, fatturato generato dall'AI
ScalaCentinaia di pagineDecine di argomentiMigliaia di SKU in ogni lingua e mercato

Cosa significa nella pratica

  • Gli strumenti di GEO possono dire a un brand che è invisibile nelle risposte dell'AI. Per un'azienda eCommerce, però, la soluzione sta quasi sempre nel catalogo prodotti, che la GEO non tocca.
  • L'ACO è pensata per i prodotti fisici: lavora SKU per SKU, attributo per attributo, in ogni lingua e in ogni mercato in cui un brand vende.
  • Una buona ACO migliora anche la SEO e Google Shopping, perché dati prodotto completi e ricchi di intenti sono ciò che ogni canale di scoperta premia.
05

Il framework dell'ACO

L'ACO funziona come un ciclo chiuso in cinque pilastri: analizzare il catalogo, creare ciò che manca, ottimizzare le pagine prodotto, ottimizzare le pagine categoria, poi pubblicare e misurare di nuovo. Saltare un pilastro lascia una lacuna che gli agenti troveranno.

1

Analizza

Quali prodotti sono pronti per gli agenti AI, e quali contano di più?

AI Readiness Score per SKU, potenziale di mercato e domanda di ricerca, priorità

2

Crea

Tutti i miei prodotti hanno una pagina completa in ogni mercato?

Nuove pagine dai dati tecnici del brand, o dai dati dei fornitori con le lacune colmate da altre fonti

3

Ottimizza le pagine prodotto

Un agente riesce ad abbinare, capire e motivare ogni prodotto?

Attributi, titoli, descrizioni, bullet point, FAQ, casi d'uso, intenti, metadati

4

Ottimizza le pagine categoria

Compaio quando i consumatori chiedono una categoria?

Pagine categoria (PLP) costruite sulla domanda reale di ogni categoria, su larga scala

5

Pubblica e rivaluta

I dati corretti sono online ovunque gli agenti li leggono, e hanno funzionato?

Store, PIM, Google Merchant Center e marketplace, poi si ricalcola lo score

Ricalcola lo score e ripeti ogni trimestre

Le quattro dimensioni di una pagina prodotto pronta per gli agenti

Ogni pagina prodotto viene valutata su quattro dimensioni. Sono le stesse quattro che compongono l'AI Readiness Score nella piattaforma AndromedAI.

Completezza dei dati prodotto

Ogni attributo che serve a un agente per abbinare il prodotto a una richiesta: materiale, taglia, vestibilità, dimensioni, compatibilità, specifiche, categoria, tag. In linea con i requisiti sugli attributi dell'ACP di OpenAI e dell'UCP di Google.

Copertura delle keyword

Le parole e le frasi che i consumatori usano davvero, nei motori di ricerca e nei prompt AI, presenti nel titolo, nella descrizione, nei bullet point e nelle FAQ.

Corrispondenza con l'intento del cliente

Le domande dietro l'acquisto: a chi è destinato il prodotto, quando usarlo, quale problema risolve, come si confronta con le alternative. È ciò che permette a un agente di motivare una raccomandazione.

Metadati per lo shopping

Title, H1 e meta description scritti sia per i motori di ricerca sia per le interfacce AI.

Brand e retailer partono da punti diversi

Brand

I brand possiedono i propri dati, ma di solito li scrivono per le persone: testi bellissimi, specifiche mancanti. La loro priorità è la completezza e la copertura degli intenti in ogni mercato.

Retailer

I retailer vendono migliaia di prodotti di molti fornitori, con dati scarni e incoerenti. La loro priorità è creare pagine complete su larga scala e colmare le lacune con fonti esterne.

06

Misurare l'ACO: l'AI Readiness Score

Gli strumenti di visibilità misurano il sintomo: se oggi un prodotto è comparso in una risposta dell'AI. L'AI Readiness Score misura la causa: se i dati di ogni prodotto danno a un agente ciò che gli serve per consigliarlo. E sulla causa puoi intervenire.

Come è costruito lo score

ComponenteCosa leggeCosa verifica
Completezza dei dati prodottoAttributi strutturati e metafield, categoria, tag, dettagli prodottoCi sono tutti gli attributi che servono a un agente, misurati rispetto alle regole sugli attributi di ACP e UCP?
Copertura delle keywordDescrizione, descrizione breve, bullet point, FAQLa pagina usa i termini con cui i consumatori cercano e fanno domande?
Corrispondenza con l'intento del clienteDescrizione, descrizione breve, bullet point, FAQLa pagina risponde alle domande dietro l'acquisto, sulla base del query fan-out dell'AI?
Punteggio dei metadati per lo shoppingTitle, H1, meta descriptionTitoli e metadati sono specifici e ricchi di intenti?

Esempio: una pagina prodotto, valutata

/ AI Readiness Score

page_title

Maglione in cashmere beige

Maglione girocollo donna in cashmere color avena, vestibilità rilassata

AI Readiness

31/100

da 31

  • Copertura delle keyword28%94%
  • Attributi presenti2 su 88 su 8
  • Casi d'uso coperti0 su 44 su 4
  • Intenti d'acquisto coperti2 su 66 su 6

Esempio illustrativo basato sulla pagina prodotto demo di AndromedAI.

Quattro modi per monitorare i risultati dell'ACO

L'AI Readiness Score ti dice cosa correggere. Questi quattro report, tutti già disponibili, mostrano cosa cambia quando le pagine corrette sono online. Controllali prima e dopo ogni ottimizzazione.

Merchant Center / Prodotti / Rendimento AIDati di esempio

Insight sul rendimento AI per Maglieria

Share of voice7.2%+1,4 punti
Media dei concorrenti6.1%-0,3 punti

Share of voice per fase di acquisto

Scoperta5.8%
Valutazione7.4%
Pronto all'acquisto9.6%

Principali intenti di ricerca

maglione in cashmere per l'ufficio1289%
regalo per lei sotto i €300645%
brand di maglieria sostenibile222%
07

Il playbook dell'ACO: 7 passi

Qualsiasi brand o retailer può iniziare a fare ACO già in questo trimestre. Ecco i passi, in ordine.

  1. 1

    Misura il punto di partenza del catalogo

    Valuta ogni SKU, o un campione rappresentativo, con l'AI Readiness Score. La maggior parte dei team scopre che gran parte dei propri prodotti non ha nemmeno gli attributi di base.

  2. 2

    Dai priorità in base al potenziale di mercato

    Parti dai prodotti e dalle categorie con più domanda dalla ricerca e dall'AI, non da tutto il catalogo in una volta.

  3. 3

    Completa i dati prodotto

    Compila ogni attributo mancante nello store e nel feed: materiale, taglia, vestibilità, dimensioni, compatibilità, specifiche. Fai in modo che PDP, feed e marketplace dicano la stessa cosa.

  4. 4

    Riscrivi per gli intenti, non solo per le keyword

    Titoli, descrizioni, bullet point e FAQ devono spiegare a chi è destinato il prodotto, quando usarlo e come si confronta con le alternative, con le parole che i consumatori usano davvero.

  5. 5

    Crea le pagine che ti mancano

    Nuovi prodotti, nuovi mercati, nuove lingue: lanciali completi e pronti per l'AI fin dal primo giorno, dai dati tecnici del brand o dai dati dei fornitori.

  6. 6

    Copri la domanda di categoria

    Crea pagine categoria (PLP) per le domande che i consumatori fanno sulle categorie ("migliori maglioni in cashmere per l'ufficio"), non solo per la tua tassonomia interna.

  7. 7

    Pubblica ovunque, poi rivaluta

    Invia i dati migliorati a store, PIM, Google Merchant Center e marketplace. Ricalcola lo score ogni trimestre e dopo ogni aggiornamento importante del catalogo.

08

L'ACO con AndromedAI: piattaforma e risultati

AndromedAI è la piattaforma di Agentic Commerce Optimization che non si ferma alla misurazione: sistema ogni pagina prodotto e la ripubblica nel tuo store, in ogni lingua.

Pilastro ACOAndromedAICosa fa
AnalizzaAI Readiness ScoreValuta ogni SKU, mostra cosa manca e ordina i prodotti per potenziale di mercato
CreaCreatorGenera pagine prodotto complete dai dati tecnici del brand, o dai dati dei fornitori recuperando le informazioni mancanti
Ottimizza le pagine prodottoOptimizerGli agenti riscrivono titoli, descrizioni, bullet point e FAQ, estraggono gli attributi e aggiungono casi d'uso e intenti
Ottimizza le pagine categoriaPLPCrea pagine categoria su larga scala attorno alla domanda reale della categoria
Pubblica e rivalutaIntegrazioniPubblica su Shopify, Salesforce Commerce Cloud, Adobe Commerce, Shopware, WooCommerce, Akeneo, Plytix e Google Merchant Center, poi ricalcola lo score

I risultati di brand e retailer che fanno ACO

+1.800%

di clic dalle chat AI (ChatGPT, Gemini, AI Mode)

Bomboogie
+46,9%

di vendite e +160% di traffico organico, con 483 ore risparmiate

Semprefarmacia
1 settimana

per le prime vendite da ChatGPT, con costi di generazione del catalogo ridotti del 95%

Matassa
+80%

di aggiunte al carrello in due mesi, con lo stesso budget marketing

Altaforma Milano
-33%

di frequenza di rimbalzo sulle pagine prodotto

Ausilium
09

Domande frequenti

L'ACO è la disciplina che rende ogni prodotto di un catalogo trovabile, comprensibile e raccomandabile dagli agenti AI per lo shopping come ChatGPT, Gemini, Google AI Mode, Perplexity, Claude, Copilot, Alexa for Shopping, Muse by Meta e Instinct, ottimizzando direttamente i dati prodotto.

La SEO ottimizza le pagine web per posizionarle nei risultati di ricerca. L'ACO ottimizza il catalogo prodotto, SKU per SKU, così gli agenti AI possono abbinare i prodotti alla richiesta di chi compra e raccomandarli.

La GEO punta a far citare contenuti e brand nelle risposte dell'AI. L'ACO si concentra sui prodotti: attributi, intenti, casi d'uso e feed, perché gli agenti li raccomandino e li vendano.

Tutti gli agenti che leggono i dati prodotto: ChatGPT, Google Gemini e AI Mode, Perplexity, Claude, Microsoft Copilot, Alexa for Shopping, Muse by Meta e Instinct, oltre a Google Shopping e ai nuovi agenti per lo shopping che continuano a nascere.

Sì. Le pagine SEO sono scritte per posizionarsi, non per rispondere ai vincoli specifici di chi compra. Gli agenti hanno bisogno di attributi completi e casi d'uso espliciti che la maggior parte dei contenuti SEO non include.

Le pagine ottimizzate possono andare online in pochi giorni. I risultati dipendono da quanto velocemente agenti e motori di ricerca rileggono le pagine; alcuni clienti hanno visto le prime vendite generate dall'AI entro una settimana.

Sì. I retailer possono creare pagine prodotto complete dai dati dei fornitori, recuperando le informazioni mancanti da altre fonti.

Valuta le tue pagine prodotto. L'AI Readiness Audit gratuito di AndromedAI valuta 3 delle tue pagine prodotto, mostra cosa manca e le corregge.

10

Glossario

Agentic commerce
Lo shopping in cui agenti AI cercano, confrontano e a volte acquistano per conto del consumatore
Agente AI per lo shopping
Un assistente AI che consiglia o acquista prodotti, come ChatGPT, Gemini o Perplexity
ACP
Agentic Commerce Protocol, lo standard aperto di OpenAI e Stripe per lo shopping guidato dagli agenti
UCP
Universal Commerce Protocol, lo standard di Google per lo shopping dentro AI Mode e Gemini
Query fan-out
La tecnica con cui un agente scompone una richiesta in tante sotto-query
Attributi conversazionali
Attributi prodotto di Google Merchant Center pensati per il modo in cui le persone fanno domande in AI Mode
PDP
Pagina prodotto (product detail page)
PLP
Pagina di elenco prodotti (product listing page), o pagina categoria
AI Readiness Score
Il punteggio di AndromedAI che misura quanto una pagina prodotto è pronta per essere consigliata dagli agenti AI
Completezza dei dati prodotto
La quota di attributi necessari a un agente effettivamente presenti per un prodotto
Corrispondenza con l'intento del cliente
Quanto bene una pagina risponde alle domande che stanno dietro un acquisto

Parlano di noi