GEO ed e-commerce: il catalogo come leva di visibilità IA
Gli e-commerce hanno già il materiale che gli LLM adorano — ma nel formato sbagliato. Il catalogo come leva di visibilità IA.
Gli e-commerce hanno un vantaggio GEO che nessuno racconta loro.
Hanno già i contenuti. Migliaia di schede prodotto con descrizioni, caratteristiche, casi d'uso. Materia informativa che gli LLM adorano utilizzare per rispondere alle domande d'acquisto dei loro utenti.
Il problema: questa materia è nel formato sbagliato. È costruita per Google e per la conversione umana, non per gli LLM. E il divario tra i due è più grande di quanto si pensi.
Cosa fanno gli LLM con le query d'acquisto
"Quale aspirapolvere per una casa di 100 m² con un cane?" "Quali auricolari per lo sport sotto gli 80 euro?" "Miglior materasso per chi dorme su un fianco?"
Queste query arrivano in massa su ChatGPT, Perplexity e Gemini. Gli utenti cercano raccomandazioni, non elenchi di risultati. E gli LLM rispondono con raccomandazioni — spesso molto precise, spesso con giustificazioni basate sulle caratteristiche del prodotto.
Chi viene citato in queste raccomandazioni? Raramente le schede prodotto dei venditori. Spesso comparatori, guide all'acquisto, articoli di test. Perché questi contenuti sono strutturati per rispondere a una domanda, non per vendere un prodotto.
L'e-commerce perde la raccomandazione diretta e vede il suo traffico arrivare da un comparatore terzo che parla di lui — quando va bene.
Perché le schede prodotto classiche mancano gli LLM
Una scheda prodotto tipica è costruita così: foto in carosello, prezzo, pulsante d'acquisto in evidenza, bullet point di caratteristiche, descrizione breve, recensioni clienti caricate dinamicamente, sezione di prodotti simili.
Per un umano sul sito, è efficace. Per un LLM che scansiona la pagina in cerca di informazioni, è una pagina quasi vuota. Il carosello non si carica. Le recensioni sono in JavaScript. La descrizione è breve e generica. I bullet point di caratteristiche esistono ma non spiegano nulla sul caso d'uso.
Risultato: l'LLM non può costruire una raccomandazione ricca a partire da questa scheda. Cerca altrove.
La conversione in markdown: cosa cambia
Convertire un catalogo prodotti in markdown significa trasformare un formato pensato per il rendering visivo in un formato pensato per l'elaborazione testuale.
In markdown, la scheda prodotto cambia natura. Il titolo diventa un'entità nominata precisa con i suoi attributi chiave. La descrizione diventa un paragrafo in prosa che spiega a chi si adatta il prodotto e perché. Le caratteristiche tecniche sono in una tabella correttamente taggata. I casi d'uso sono descritti in linguaggio naturale. Le comparazioni con le alternative sono assunte e formulate con chiarezza.
Questa versione non è visibile sul sito. È accessibile ai crawler LLM tramite un URL dedicato o tramite il llms.txt. Non sostituisce la scheda prodotto classica — la completa per un pubblico diverso.
L'impatto sulla visibilità IA può essere significativo. Un LLM che trova una versione markdown ben strutturata di una scheda prodotto dispone esattamente della materia di cui ha bisogno per formulare una raccomandazione precisa e sourced.
L'audit in dieci criteri
Prima di riscrivere tutto, bisogna sapere dove sono i buchi. Un audit di scheda prodotto secondo dieci criteri di leggibilità LLM dà un'immagine precisa dello stato del catalogo e delle priorità.
Questi criteri coprono la precisione del titolo, la qualità della descrizione in prosa, la presenza di casi d'uso espliciti, i dati numerici utilizzabili, le entità nominate, l'accessibilità delle recensioni, la struttura delle caratteristiche tecniche, il posizionamento comparativo, la coerenza con il llms.txt, e la leggibilità del contenuto senza JavaScript.
Vurto propone questo audit sull'intero catalogo, con uno scoring per scheda e la prioritizzazione delle referenze da trattare per prime in base alla loro importanza commerciale e al loro potenziale di visibilità LLM. È poi lo strumento che riscrive le schede al volo in markdown secondo gli standard identificati, con una validazione del risultato su ciascuno dei dieci criteri.
Le categorie di prodotto dove il GEO cambia di più
Non tutto è uguale davanti agli LLM. Alcune categorie sono massicciamente toccate dalle query d'acquisto verso i motori generativi.
L'elettronica di consumo. Gli elettrodomestici. Gli utensili. I prodotti di bellezza e cura personale. Le attrezzature sportive. I libri e i giochi da tavolo. Ovunque l'utente abbia bisogno di confrontare prima di acquistare e dove i criteri tecnici contano, gli LLM vengono interpellati.
In queste categorie, non essere citati nelle raccomandazioni IA significa non esistere in una parte crescente del percorso d'acquisto.
Al contrario, nelle categorie di acquisto d'impulso o di consumo corrente, l'impatto è meno diretto. Chi compra calzini o carta igienica non chiede consiglio a Perplexity.
Il modo giusto per iniziare
Non riscrivendo tutto il catalogo in una volta. Iniziando con le 50-100 referenze più importanti commercialmente e verificando il loro punteggio di leggibilità LLM. Spesso, il 20% delle referenze genera l'80% del traffico. Sono quelle da trattare in via prioritaria.
Poi verificare la struttura tecnica del sito per assicurarsi che queste schede, anche ben riscritte in markdown, siano effettivamente accessibili ai crawler LLM. Un contenuto perfetto ma bloccato da robots.txt è un contenuto perfettamente inutile.
Il GEO per l'e-commerce non è una rivoluzione. È un'estensione logica del lavoro SEO e contenuti già in atto. Ma richiede di cambiare il quadro di riferimento: pensare "leggibilità LLM" oltre a "conversione umana", e produrre formati che servano entrambi.
Vurto analizza le schede prodotto secondo dieci criteri e le converte in markdown strutturato per massimizzare la loro presenza nelle raccomandazioni degli LLM.