«Ne restano solo 3». «Offerta valida solo per oggi». Quante volte una scritta del genere ci ha fatto cliccare «compra» di getto, no? Capita anche a me, Hex-ko: davanti a un «ultimi pezzi» il dito parte da solo verso il pulsante.
Sono le formule che il marketing lima da decenni: scarsità, urgenza, sconto, esclusività. Funzionano perché parlano a come ragiona la nostra testa, non a come è fatto davvero il prodotto.
Solo che oggi, sempre più spesso, tra noi e quel prodotto c’è un intermediario nuovo: l’AI a cui chiediamo «quale mi consigli?». E allora la domanda diventa inevitabile: quelle formule che funzionano così bene su di noi, funzionano anche sull’AI? C’è uno studio che se l’è chiesto sul serio, e la risposta è più spiazzante del previsto.
«La copy che ci fa comprare convince anche l’AI», no?
A prendere di petto la questione è stato un gruppo del Politecnico Nazionale di Atene (NTUA): Giorgos Filandrianos, Angeliki Dimitriou, Maria Lymperaiou, Konstantinos Thomas e Giorgos Stamou, in uno studio del 2025 (R). L’idea è semplice e un po’ diabolica: prendere 10 formule di marketing che fanno leva sui nostri bias cognitivi — le scorciatoie mentali con cui decidiamo di pancia — e infilarle nelle descrizioni dei prodotti, per vedere se l’AI cambia idea.
I ricercatori non si sono limitati a «sembra cambiata»: hanno misurato due cose concrete, ogni volta. Quante volte un prodotto veniva consigliato e in che posizione finiva nella classifica. Due numeri secchi, prima e dopo l’aggiunta della formula.
Per non lavorare su un solo modello, hanno passato al setaccio i principali sul mercato: LLaMA (fino alla versione da 405 miliardi di parametri), Mistral Large e Claude 3.5 e 3.7. E per non barare con un solo tipo di prodotto, hanno usato categorie controllate — macchine del caffè, fotocamere e libri — più una batteria di prodotti veri presi da Amazon. Insomma, uno stress test fatto come si deve.
Cosa ha funzionato: il passaparola, non lo slogan
E i risultati, allora? La leva che ha spostato l’AI di più, di gran lunga, è stata la riprova sociale: le recensioni dei clienti veri, il passaparola, il «lo dicono gli altri utenti». Niente di urlato, solo la voce di chi ha già comprato. Su Claude 3.5 la frequenza di raccomandazione è schizzata del +334%, e mediando su tutti i modelli l’esposizione del prodotto è cresciuta intorno al +15–22%. Mettere in vista il giudizio autentico di terzi è, di gran lunga, la mossa che l’AI premia.
La seconda sorpresa è più scivolosa. Funziona anche il modo in cui si racconta lo sconto — non lo sconto vero, badate bene, solo la sua formulazione. Lasciando il prezzo identico e aggiungendo una frase tipo «in media il 26% di sconto», la raccomandazione è salita del +37% su Claude 3.7 e del +23% su LLaMA. Il prezzo non si è mosso di un centesimo: l’AI ha reagito all’aria di saldo, non al saldo.
Qui scatta la prima nota terminologica utile per il nostro lavoro. «Riprova sociale» in pratica vuol dire «la prova che altri si fidano già»: recensioni, valutazioni, citazioni di terzi. Per chi gestisce un marchio significa che costruire e rendere visibili giudizi autentici non è solo cosmetica per gli umani, ma il segnale numero uno che fa scattare il consiglio dell’AI.
La scarsità e l’urgenza si ritorcono contro l’AI
E le leve classiche dell’urgenza? Qui arriva il colpo di scena, quello che ribalta mezzo manuale di copywriting.
Prendiamo l’esclusività — il «riservato ai soci», il «solo per pochi eletti». Sulle persone è una calamita; sull’AI è veleno. La frequenza di raccomandazione è crollata fino al -46%, e in classifica il prodotto è scivolato di oltre il 100%: tradotto, sparito dall’elenco. Quella patina di club esclusivo, che a noi fa gola, all’AI suona come un campanello d’allarme.
Stessa sorte per la scarsità, il sacro «scorte in esaurimento», «ne restano solo 3». Sugli scaffali digitali ci fa correre; nelle risposte dell’AI fa scendere la raccomandazione di un buon 10–20%. È l’esatto opposto della nostra intuizione: la frase che dovrebbe accelerare l’acquisto, con l’intermediario AI lo frena.
Perché succede? Il punto è che queste formule, agli occhi dell’AI, non profumano di occasione: puzzano di pressione. Dove noi leggiamo «affrettati», lei legge «mi stanno spingendo, sospetto». Curioso, no?
Dire all’AI «guarda solo le caratteristiche» non basta
A questo punto il rimedio sembra ovvio: basta istruire l’AI a giudicare solo le caratteristiche del prodotto, ignorando i fronzoli di marketing. Bel tentativo. Solo che, a leggere lo studio, non funziona quasi per niente.
I ricercatori l’hanno chiesto esplicitamente ai modelli — «valuta in base alle sole specifiche» — e il bias è rimasto lì, praticamente intatto. Hanno provato anche con i modelli «ragionatori», quelli che dovrebbero pensarci su prima di rispondere: biased pure loro. E il fenomeno ha tenuto trasversalmente, indifferente alle dimensioni del modello e al produttore. Non è un capriccio di un’AI distratta.
Da dove arriva, allora? Dai dati di addestramento, cioè dalla montagna di testo umano con cui questi modelli imparano a parlare. In quel testo, le recensioni vere sono trattate come affidabili e l’esclusività urlata come sospetta — esattamente il riflesso che l’AI poi ci restituisce. Il bias non è un bottone da spegnere: è cotto dentro alla lingua che il modello ha digerito.
Un’unica crepa interessante: sui prodotti Amazon veri, già zeppi di slogan ed enfasi, l’effetto era più debole. Quando l’hype è il rumore di fondo di tutti, una formula in più sposta poco. Dove tutti gridano, nessuno si sente.
Conclusione: mettere in dubbio le ricette vincenti pensate per gli umani
Tiriamo le fila su cosa cambia, concretamente, nel lavoro di tutti i giorni.
La prima mossa è scomoda ma necessaria: rimettere in discussione le «ricette vincenti» ottimizzate per gli occhi umani. Man mano che cresce il traffico che passa dall’AI, la stessa copy di scarsità e urgenza che converte le persone può abbassare la vostra raccomandazione nelle risposte dei chatbot. Non è un dettaglio: è una di quelle ottimizzazioni in cui spingere di più, su quel canale, fa danno.
La seconda è più rassicurante. L’AI risponde a ciò che sa di autentico e verificabile: recensioni vere, giudizi di terzi, prove concrete. Quindi la direzione è chiara — costruire riprova sociale genuina e renderla visibile, invece di affidarsi alle leve psicologiche di sempre. È lavorare bene perché l’AI faccia il nome del vostro marchio (in gergo lo chiamano GEO, in pratica la «SEO per le risposte dei chatbot»), e si fa con sostanza, non con effetti speciali.
Un’avvertenza, però, perché qui il terreno scotta. Lo studio dice che basta la formulazione per spingere l’esposizione: ed è proprio la tentazione che porta dritti alla pubblicità ingannevole. Raccontare uno sconto che non esiste, o gonfiare un’esclusività di cartone, può violare le regole sulla pubblicità ingannevole e la tutela del consumatore. La via maestra, anche con l’AI di mezzo, resta una sola: i segnali devono essere veri. Si lavora sulla sostanza, non sul trucco.
Fonti
- Giorgos Filandrianos, Angeliki Dimitriou, Maria Lymperaiou, Konstantinos Thomas, Giorgos Stamou (2025), “Bias Beware: The Impact of Cognitive Biases on LLM-Driven Product Recommendations”, arXiv:2502.01349, arXiv
