AI referral e-commerce: come adattare search e discovery onsite

AI referral e-commerce: come adattare search e discovery onsite

Un dato basta a capire perché il tema non è più rimandabile: secondo Adobe Analytics, tra luglio 2024 e febbraio 2025 il traffico verso i siti retail USA proveniente da fonti generative AI è cresciuto di oltre 10 volte; a marzo 2025 Adobe ha poi quantificato un +1.200% verso i retailer statunitensi. Non stiamo parlando solo di volume: questi utenti visualizzano il 12% di pagine in più, hanno un bounce rate inferiore del 23% e mostrano un engagement superiore dell’8% rispetto al traffico non-AI. Nella stagione holiday 2025, sempre secondo Adobe, i referral da AI hanno convertito il 31% meglio degli altri canali e generato un revenue per visit in forte crescita. In parallelo, Google ha dichiarato che AI Overviews raggiunge 1,5 miliardi di utenti al mese e che, nei principali mercati, le query che attivano AI Overviews stanno già generando oltre il 10% di utilizzo in più di Google per quel tipo di ricerche. (blog.adobe.com)

La conseguenza pratica per chi gestisce un e-commerce è semplice: non puoi più progettare search interna, PDP e customer care come se l’utente arrivasse “freddo” da SEO o paid. Sempre più spesso arriva già istruito da ChatGPT, Gemini, Perplexity o da un’AI Overview di Google, con una shortlist mentale quasi pronta, domande più specifiche e una tolleranza molto più bassa verso attriti, risultati poco pertinenti o schede prodotto vaghe. Similarweb osserva che i referral da ChatGPT, pur ancora modesti come volume rispetto a Google, mostrano sessioni di qualità superiore: in media 15 minuti sul sito contro 8 dei referral Google, 12 pageview contro 9 e un conversion rate del 7% verso siti transazionali contro il 5% dei referral Google. (similarweb.com)

Non cambia solo il traffico: cambia l’intento con cui l’utente entra

Il punto critico non è inseguire un nuovo canale, ma capire che l’AI esterna sta comprimendo la fase di ricerca informativa. Forrester nota che molti retailer stanno già registrando cali di traffico tra il 15% e il 50% su base annua e collega il fenomeno anche alla crescita della ricerca conversazionale e delle esperienze zero-click. Nello stesso report, il 37% dei consumatori dichiara di usare le funzionalità di conversational search quando può. (forrester.com)

Questo produce almeno tre effetti operativi.

• L’utente arriva con bisogni più formulati: non cerca più “scarpe running”, ma “scarpe running stabili per pronazione leggera sotto 140 euro”.

• Si aspetta che il sito capisca linguaggio naturale: varianti lessicali, errori di digitazione e sinonimi al primo tentativo.

• Se non trova coerenza: tra ciò che l’AI esterna gli ha promesso e ciò che il sito restituisce, abbandona più in fretta.

Il cambiamento del linguaggio è già misurabile. Un sondaggio su oltre 1.000 consumatori USA rileva che più del 60% ha già usato ChatGPT, Gemini o strumenti simili per fare shopping online e che oltre la metà percepisce le proprie abitudini di ricerca come più conversazionali rispetto a 12 mesi prima.

Per questo, la vecchia search onsite keyword-based non basta più. Se l’utente arriva con query lunghe, comparative o piene di attributi impliciti, servono ricerca semantica, autocorrezione, gestione sinonimi e ranking capace di leggere il contesto, non solo la stringa esatta.

Le metriche da guardare non sono solo i referral AI

Molti team stanno iniziando a tracciare il traffico da ChatGPT o da Google AI Overview. È utile, ma non sufficiente. La metrica davvero interessante è: come performano le sessioni pre-qualificate una volta entrate nel sito?

KPI da mettere in dashboard subito

• Zero-result rate: quota di ricerche che non restituiscono risultati. È il primo indicatore di mismatch tra linguaggio dell’utente e struttura del catalogo.

• Search exit rate: quota di utenti che esce dal sito dopo una ricerca.

• Query reformulation rate: quante volte l’utente deve riscrivere la query prima di ottenere qualcosa di utile.

• Search click-through rate: quante ricerche portano almeno un click su listing o PDP.

• Conversion rate da search: tasso di conversione delle sessioni che usano la ricerca.

• Assisted conversion da search, PDP Q&A e chatbot: quante vendite sono influenzate da questi touchpoint anche se non chiudono l’ultima interazione.

• Ticket deflection: quanti contatti al care vengono evitati grazie a contenuti e risposte self-service.

Questi KPI contano perché la search pesa molto più di quanto spesso si creda. Algolia riassume diversi benchmark utili: il 69% degli shopper usa la search per trovare prodotti; circa il 20% degli utenti riformula la ricerca; il 21% esce dal sito dalla pagina risultati; dopo una ricerca onsite fallita, circa 8 utenti su 10 dichiarano di essere più propensi ad acquistare altrove. Lo stesso aggregato segnala che i visitatori che usano la search convertono spesso ben sopra la media del sito e che l’ottimizzazione della search può aumentare significativamente conversione e revenue.

Il nuovo gap da misurare

Il punto, quindi, non è solo “quante sessioni AI porto a casa”, ma “quanto sto sprecando intent alto per colpa di una UX ancora tarata su utenti poco informati”. Se un referral AI arriva su una categoria o una PDP e poi passa in search interna, ogni frizione diventa più costosa. Il visitatore era già quasi convinto; sei stato tu a complicargli il lavoro.

Search, PDP e customer care ora sono un unico sistema

Quando il traffico arriva più preparato, i confini tra discovery, informazione prodotto e assistenza pre-acquisto si assottigliano. La sessione non si perde solo perché la search è debole: si perde anche perché la scheda prodotto non scioglie il dubbio giusto o perché il customer care non risponde con la stessa precisione che l’utente ha già sperimentato fuori dal sito.

Cosa deve fare la search

La search deve interpretare query più naturali e ambigue. Baymard rileva che il 41% degli e-commerce non supporta ancora adeguatamente i principali tipi di query usati dagli utenti. Questo è esattamente il tipo di gap che l’AI referral rende più visibile.

Operativamente:

• mappa sinonimi di brand, uso comune e lessico tecnico

• attiva typo tolerance e autocorrezione

• fai emergere attributi chiave già in autocomplete

• usa merchandising in search per spingere prodotti, bundle o categorie con alta probabilità di match

• analizza le query zero-result per capire se il problema è nel ranking, nel catalogo o nei contenuti

Casi recenti mostrano che il lavoro paga. Lacoste, un case study ha registrato +37% di conversion rate e -88% di bounce rate migliorando la search con funzionalità come typo tolerance e sinonimi; Al-Futtaim Group riporta +41% di conversion rate da search grazie a sinonimi AI, re-ranking e categorizzazione query.

Cosa deve fare la PDP

Se l’utente arriva già con confronto e shortlist in testa, la PDP non può limitarsi a descrizione breve, due bullet e specifiche tecniche sparse. Deve rispondere alle obiezioni che l’AI esterna ha probabilmente già fatto emergere:

• compatibilità

• differenze tra modelli

• uso ideale

• materiali, misure, resa, installazione

• disponibilità e varianti

• resi, tempi, garanzie

In pratica, la PDP deve incorporare micro-risposte ad alto intento: FAQ, Q&A contestuali, comparazioni sintetiche, evidenza degli attributi decisivi e contenuti coerenti con il linguaggio reale usato in search.

Cosa deve fare il customer care

Il care non è più solo post-vendita. È un layer di conversione. Se il visitatore AI-referred ha una domanda molto specifica e non trova risposta in pagina, si aspetta un supporto immediato, contestuale e possibilmente già istruito sul catalogo. In questo scenario, chatbot e assistenza pre-acquisto diventano parte della discovery, non un canale separato.

Checklist pratica per ecommerce manager e consulenti

Se vuoi tradurre il trend in lavoro utile nelle prossime settimane, parti da qui.

• Segmenta in analytics le sessioni provenienti da referral AI e confronta bounce rate, depth, uso search e conversione con organic e paid.

• Isola le top query interne lunghe o conversazionali emerse negli ultimi 90 giorni.

• Misura le query con zero risultati e classificale per: sinonimo mancante, attributo assente, errore catalogo, query comparativa, richiesta informativa.

• Controlla quante search session portano a click, add-to-cart e conversione assistita.

• Rivedi le PDP dei prodotti più cercati ma meno convertiti: spesso il problema non è il traffico, ma il chiarimento del dubbio.

• Inserisci moduli Q&A o FAQ in scheda prodotto per ridurre attrito cognitivo e contatti ripetitivi.

• Collega i dati del customer care alle query onsite: se gli utenti chiedono in chat ciò che cercano già in search, hai un problema di discovery o contenuto.

• Valuta strumenti che coprano insieme ricerca, dubbio pre-acquisto e assistenza, invece di gestirli come stack separati.

In questo senso, ha senso guardare a soluzioni che uniscono discovery, chiarimento e supporto. Per esempio, SmartpPilot lavora proprio su questi tre snodi: ricerca AI per intercettare query semantiche e ridurre gli zero result, Product Questions AI per sciogliere dubbi in PDP e chatbot AI per gestire richieste pre-acquisto e customer care. Nei materiali pubblici del brand compaiono alcuni segnali interessanti: +25% di conversion rate e +18% di AOV per la Ricerca AI, oltre a un caso Maury’s con -45% ticket al customer care. Sono dati proprietari, quindi da leggere come proof point di vendor, ma il framework è coerente con il problema reale che molti store stanno affrontando.

La tesi, in fondo, è questa: l’AI non sta sostituendo la search onsite; sta alzando il livello minimo di quello che una buona experience deve fare. Se il tuo e-commerce continua a trattare discovery, PDP e care come silos, l’utente pre-qualificato che arriva da Google AI Overview o ChatGPT vedrà subito la frattura. Se invece li orchestri come un unico sistema, quel traffico non sarà solo “nuovo”: sarà più vicino alla conversione.

Il takeaway pratico è netto. Nei prossimi mesi vincono i team che smettono di misurare solo il calo del click organico e iniziano a misurare la resa dell’intento alto una volta onsite. Da lì discendono tutte le priorità: search semantica, merchandising più intelligente, PDP che rispondono davvero e assistenza pre-acquisto capace di chiudere i dubbi. Se vuoi un buon benchmark operativo, può valere la pena studiare stack verticali come quello descritto da Smartypilot e verificare quanto il tuo sito sia già pronto su questi tre fronti. Perché il traffico AI-referred non perdona le esperienze progettate per un web che, semplicemente, non esiste più.