«ChatGPT funziona davvero per quello che vendo?»
Da un anno a questa parte, nel marketing spunta ovunque la parola «GEO». Il GEO (generative engine optimization) in pratica è la SEO per le risposte dei chatbot: invece di scalare la lista di link di Google, si lavora perché ChatGPT o Perplexity facciano il nome del marchio. Quello che si ottimizza, insomma, è se il modello consiglia il marchio oppure no.
E ogni volta salta fuori la stessa domanda: ma per la mia categoria funziona?
Ci sta. È una vera scelta di budget. Mettere risorse sul GEO, o tenerle su SEO e social a pagamento? Sbagliare costa caro.
Diciamolo subito, poi guardiamo i dati. L’effetto di ChatGPT dipende da quanto è complicato il prodotto. Più l’acquisto è complesso, più rende. Sui prodotti semplici, quasi niente.
973 negozi: è la complessità a cambiare tutto
Kaiser e Schulze, dell’università Goethe di Francoforte e della Mannheim Business School, hanno seguito 973 siti e-commerce per dodici mesi — circa 20 miliardi di dollari di fatturato complessivo. Hanno confrontato oltre 50.000 visite arrivate da ChatGPT con 164 milioni di transazioni dei canali tradizionali.
Il risultato principale? Il tasso di conversione di ChatGPT batte il social a pagamento, ma resta dietro ai canali maturi come la ricerca organica e l’e-mail. Fin qui, nulla di strano per un canale così giovane.
Ma ecco il punto interessante. La complessità del prodotto modula l’effetto. Più la categoria è complessa, meglio va il traffico da ChatGPT — sia sui soldi che porta sia sulla sua quota di traffico. Sui prodotti semplici, il distacco dai canali tradizionali quasi sparisce.
Non è quindi un numero unico valido per tutto ciò che si vende. Si piega a seconda del prodotto.
I dati per settore lo dicono ancora più chiaro
Il report di Alhena AI, su 329 marchi e otto settori del retail, disegna la stessa curva. Ecco il CVR (tasso di conversione, cioè la quota di visitatori che comprano davvero) per categoria:
- Bellezza e skincare: 5,36%
- Salute: 4,68%
- Ricambi auto: 3,53%
- Moda: 2,40%
- Elettronica: sotto il 2%
Guardiamo chi sta in alto. Ogni volta è una categoria in cui «prima di comprare tocca informarsi»: trovare la skincare adatta alla propria pelle, confrontare integratori su un obiettivo di salute, individuare il pezzo compatibile con la propria auto. Più la decisione chiede un botta e risposta, più sale la conversione via IA.
E c’è un altro numero su cui vale la pena fermarsi: il traffico LLM (i modelli linguistici dietro ChatGPT) pesa solo circa l’1% delle visite, ma porta più o meno il 10% delle vendite. Poco volume, tanta qualità — questi visitatori arrivano già a un passo dall’acquisto.
Anche Adobe: vince l’acquisto complicato
Il report di Adobe — costruito su migliaia di miliardi di visite più un sondaggio su oltre 5.000 consumatori — atterra nello stesso posto. Le categorie che convertono meglio sono elettronica e gioielleria; le più basse, abbigliamento, casalinghi e alimentari.
E il sondaggio è ancora più diretto: l’87% dice di trovarsi meglio con l’IA per gli acquisti grandi o complessi. Sono gli stessi consumatori a vedere il chatbot come lo strumento delle decisioni difficili, non di quelle facili.
Un’ultima spia, parlante: l’86% del traffico da IA generativa arriva da desktop, contro il 34% dell’e-commerce in generale. Cercare prodotti con l’IA non è lo scroll col pollice sul divano — è la sessione «mi siedo e confronto». Ci si mette d’impegno.
Perché l’IA vince sui prodotti complessi
E allora perché la curva pende da questa parte? Perché è lì che un’interfaccia a conversazione dà il meglio.
La ricerca classica è parola chiave in entrata, lista in uscita: scrivi «fazzoletti economici», scegli, fine. Per un prodotto semplice basta e avanza.
Ma complica l’acquisto e il motore di ricerca arranca. Proviamo a filtrare «una routine di skincare per pelle secca e sensibile, sotto i 50 euro al mese, che stia comoda la mattina» in una barra di ricerca. Un’impresa.
Una conversazione gestisce proprio questo filtraggio a più condizioni, sotto forma di dialogo. Si possono fare domande di approfondimento, o riordinare le priorità a metà strada. (Non che sia magia: come poni la domanda, e cosa il modello ha imparato, possono ribaltare la risposta — l’IA non è un oracolo.)
Quindi più il confronto è intricato, più lo strumento conversazionale si guadagna il posto. Quando la decisione non entra in una sola barra di ricerca, l’LLM diventa un canale davvero forte.
Conclusione: partire con il GEO dove comprare è difficile
Le visite dagli LLM non rendono in modo uniforme su tutto un catalogo. Lo spazio per un’IA «consulente» si apre sui — quelli con tanti criteri da soppesare e una lunga fase di ricerca prima di comprare. Lanciare il GEO su tutto in una volta, quindi, è la mossa sbagliata. Va fatto con ordine.
In pratica: dividete il catalogo tra alto coinvolgimento e prodotti di largo consumo, poi scegliete due o tre categorie del primo gruppo da testare. I numeri per settore di Alhena e la classifica di Adobe danno una prima mappa; sopra ci mettete i vostri tassi di conversione e le domande che arrivano all’assistenza, e la lista delle priorità si stringe in fretta.
Per chi vuole il pezzo gemello — come leggere i numeri di conversione di ChatGPT senza farsi ingannare da un solo dato — l’ho scavato a partire dallo stesso studio sui 973 negozi qui.
Fonti
- Kaiser, M. & Schulze, C. (Goethe University Frankfurt / Mannheim Business School), “ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?”, SSRN Working Paper, 2025, DOI: 10.2139/ssrn.5585812
- Alhena AI, “329 Brands, 9 Channels: The AI Commerce Report for 2026”, alhena.ai, 2026
- Adobe, “Adobe Analytics: Traffic to U.S. Retail Websites from Generative AI Sources Jumps 1,200 Percent”, Adobe Blog, 2025
