Descrizioni prodotto con l'AI: cosa Google indicizza davvero

Le descrizioni prodotto con l’AI sono la colpa di moda di quest’anno, e il sintomo con cui arriva quasi sempre un merchant è invece sempre lo stesso: il catalogo ha duemila schede, la sitemap le dichiara tutte, e nel rapporto Indicizzazione di Search Console le pagine indicizzate sono molte meno. Metà catalogo, a spanne, per Google non esiste.

Le descrizioni generate c’entrano, ma non nel modo in cui te lo raccontano. E siccome il 27 luglio è uscito il primo studio serio che prova a misurare la cosa su larga scala, vale la pena metterlo in fila con quello che si può misurare davvero sul proprio catalogo, che è un’altra cosa ancora.

📊 Lo studio Ahrefs del 27 luglio, coi suoi perimetri

Lo firmano Ryan Law e Xibeijia Guan e si intitola Google Doesn’t Punish AI Content; It Punishes Bad Content (331k Pages Studied). Prima dei numeri, una precisazione di metodo che nelle riprese sparisce sempre: il 331k della parentesi non è un dataset unico, è la somma di tre campioni distinti. Uno per la SERP (un milione di pagine estratte da 100.000 SERP di giugno 2026, circa 300.000 presenti nel crawler, 150.000 con testo sufficiente per la detection), uno da circa 100.000 pagine per l’indicizzazione, uno da 80.861 URL con dati Search Console per l’andamento delle impression. Sommarli in un titolo si può, citarli come un campione solo no.

Cosa dicono, in ordine:

• Nelle posizioni 1-3 il 9% delle pagine sta ad almeno l’80% di contenuto AI, e dentro quel 9% c’è un 5,3% generato al 100%. Non è un’anomalia isolata: pagine interamente scritte con l’AI arrivano in cima.
• Nelle stesse posizioni 1-3, però, l’82,2% delle pagine sta sotto il 50% di contenuto AI. La maggioranza di chi vince è ancora scritta in gran parte da persone.
• Lungo la top 10 la quota di pagine con almeno l’80% di AI sale pochissimo: da 8,4% in posizione 1 a 11,7% in posizione 10. Il livello medio di AI passa da 27,1% a 30,9%. È una pendenza, non uno scalino.
• Il tasso di indicizzazione scende da 49,28% per le pagine con poco contenuto AI a 40,35% per quelle con moltissimo. Cala, ma quattro pagine su dieci del gruppo peggiore restano indicizzate: nessuno sbarramento binario.
• Le impression: le pagine a bassa e media AI ne prendono 2-3 volte rispetto a quelle ad alta e altissima AI. È il divario più netto dello studio, e resta stabile nel tempo, senza il crollo improvviso a tre-sei mesi che ci si aspetterebbe da un filtro che scatta.

La conclusione dell’autore è la stessa che questo blog ripete da mesi con altre parole: non esiste un classificatore anti-AI, esiste la solita valutazione di qualità, e capita che il contenuto generato in serie sia mediamente peggiore. La ripresa in inglese di Search Engine Journal legge i dati allo stesso modo. Del resto la posizione ufficiale di Google non è mai cambiata: l’uso dell’automazione non è di per sé un problema, lo è la produzione di contenuti in serie senza valore, che è una cosa diversa e si può fare benissimo anche a mano.

⚠️ Il caveat che riguarda proprio le schede prodotto: 350 parole

Qui arriva la parte che serve dichiarare, perché altrimenti il pezzo sarebbe disonesto. Il rilevatore di Ahrefs scatta solo su pagine di almeno 350 parole: sotto quella soglia non classifica. Quante delle tue schede prodotto superano le 350 parole? Sul catalogo medio italiano, poche. Il che significa una cosa sola: le schede prodotto tipiche sono fuori dal campione di quello studio.

Ci sono altri due limiti, e li scrive Ahrefs stessa. Il primo: quel rilevatore non è il rilevatore di Google, ammesso che Google ne abbia uno; sono due sistemi diversi che stimano la stessa cosa con criteri diversi. Il secondo, il più importante: è correlazione, non causa. Chi pubblica molto contenuto generato tende ad avere siti più nuovi e meno autorevoli, e chi ha già ottime performance organiche ha meno incentivi a riempire il sito di testo automatico. Il calo di indicizzazione può venire da lì, non dall’AI in sé.

Quindi lo studio va usato per quello che è: una cornice, che dice che non stai combattendo contro un filtro e che il problema è la qualità media. La misura vera sul tuo catalogo si fa altrove, con i tuoi dati, e ha il vantaggio di essere l’unica che riguarda i tuoi prodotti.

Un dato su pagine da 350 parole in su non dice niente sulla tua scheda da 40 parole. Dice che il meccanismo è un gradiente di qualità: quanto ci sei dentro lo misuri solo tu, in Search Console.

Il gradiente di qualità, tradotto sulle schede prodotto

Ahrefs elenca i difetti tipici del contenuto generato in serie: ripete cose che si sanno già senza aggiungere niente alla SERP, non ha link interni ed esterni né immagini, non contiene esperienza diretta di nessuno, scrive in un italiano accademico e noioso, e contiene errori. Tradotto su un catalogo, l’elenco diventa riconoscibile in modo imbarazzante:

• Ripete l’ovvio: tre paragrafi che spiegano a cosa serve una sedia. Chi cerca quel modello lo sa già.
• Zero informazione verificabile: nessuna misura reale, nessuna compatibilità dichiarata per nome e modello, nessun contenuto esatto della confezione, nessun peso, nessun tempo di consegna.
• Zero esperienza diretta: nessuna foto tua del prodotto vero, nessuna riga che dica per chi va bene e per chi no.
• Errori: attributi copiati dal fornitore sbagliato, misure in centimetri diventate millimetri, compatibilità inventate dal modello generativo.

E poi c’è il caso peggiore, che l’AI non l’ha nemmeno toccato: la descrizione copiata pari pari dal feed del fornitore, identica su altri trenta negozi. Che una scheda così non competa l’ho già scritto quando ho messo in fila cosa controllare su un e-commerce dopo un Core Update. Quello che mancava è il quanto: quanta parte del catalogo, in concreto, resta proprio fuori dall’indice, e come si smette di stimarlo a naso.

Vale la pena notare una cosa: nei dati di Ahrefs il testo generato non affonda perché è generato, affonda quando è generico. Una descrizione scritta con l’AI ma piena di dati veri sul prodotto non ha nessuno di quei quattro difetti. Una descrizione scritta a mano da un copywriter che non ha mai visto il prodotto li ha tutti e quattro.

🛠️ Il protocollo: misurare l’indicizzazione dei soli URL prodotto

È il metodo che applico sui cataloghi PrestaShop che seguo. L’obiettivo non è avere un’opinione sulle descrizioni prodotto e intelligenza artificiale, è avere due numeri: quante schede sono indicizzate, e se la percentuale cambia in base a come è nata la descrizione.

1. Isola i prodotti dal resto. Il rapporto Indicizzazione delle pagine mescola prodotti, categorie, CMS, faccette e paginazione: letto così non dice niente. Su PrestaShop la strada più pulita è una sitemap dedicata ai soli prodotti (il modulo di sitemap le genera già spezzate per tipo), perché Search Console permette di filtrare la copertura per singola sitemap. In alternativa si filtra per pattern di URL, se la struttura lo consente.
2. Leggi la copertura, non il totale. Ti servono le pagine indicizzate e le non indicizzate divise per motivo. Le voci che contano sono quattro: Scansionata - attualmente non indicizzata (Google l’ha vista e ha deciso di lasciarla fuori: è il gruppo che parla di qualità), Rilevata - attualmente non indicizzata (non è nemmeno passato: è crawl budget, e allora il problema sono le faccette), Pagina alternativa con tag canonical appropriato e Duplicata: Google ha scelto una pagina canonica diversa (segnali contrastanti o combinazioni sdoppiate).
3. Esporta le escluse e mappale sui prodotti. L’export di Search Console è un elenco di URL: va ricondotto agli ID prodotto per diventare utile. Su PrestaShop si fa con una join sul catalogo, e a quel punto hai una tabella di prodotti, non di indirizzi.
4. Incrocia con l’origine della descrizione. È il passaggio che nessuno fa ed è quello che dà la risposta. Ogni prodotto va etichettato in tre gruppi: descrizione originale (scritta o revisionata da te), generata (uscita da un modello e pubblicata così), copiata dal feed o dal catalogo del fornitore. Se hai importato i cataloghi via sincronizzazione fornitori, il flag ce l’hai già; altrimenti si ricostruisce con una query sul testo delle descrizioni, cercando le stringhe identiche fra prodotti e i blocchi che coincidono con quelli del fornitore.
5. Calcola la copertura per gruppo, non sul totale. Il numero che serve è la percentuale di schede indicizzate dentro ciascuno dei tre gruppi. Se, per fare i conti a mente su un esempio inventato, le originali fossero indicizzate al 70% e le copiate al 35%, sapresti dove stanno i prodotti che non esistono e quanti sono. Non ho numeri pubblicabili di clienti da mettere qui: è una misura che si fa sul proprio catalogo e che vale solo per quello.
6. Rimisura a 60-90 giorni, dopo essere intervenuto su un campione e non su tutto. Se cambi tutto insieme non saprai mai cosa ha funzionato, e sui grandi cataloghi è l’errore più costoso.

Un avvertimento sul punto 2: prima di attribuire alla qualità del testo qualunque esclusione, vanno escluse le cause tecniche. Un noindex residuo, un canonical che punta altrove, le combinazioni che sdoppiano i prodotti e le faccette che divorano il crawl budget spiegano da soli parecchie schede mancanti, e si sistemano in giorni invece che in mesi.

Quando l’AI sulle schede va bene, e a quali condizioni

Non sono contro l’uso dell’AI sul catalogo: sono contro l’uso che produce migliaia di paragrafi intercambiabili. Su un e-commerce vero la differenza sta in una regola sola, la stessa che applico al box di domande e risposte di cui parlo nel pezzo su GEO per e-commerce PrestaShop: la bozza la può generare un modello, ma passa sempre da revisione umana prima di andare online, e prima ancora deve ricevere in pasto i dati che solo tu hai.

L’ordine, su una scheda che rifaccio, è questo: prima i dati che non si inventano - misure vere, compatibilità per nome e modello, contenuto della confezione, tempi e condizioni, le tue foto invece di quelle che stanno su altri trenta siti - e solo dopo il testo. Cosa ci metto dentro nel dettaglio, e con quale criterio scelgo su quali prodotti partire, sta nel pezzo su GEO per e-commerce: qui il punto è più stretto, cioè che senza quei dati il modello non ha niente da scrivere che non sia già scritto identico altrove, e infatti produce esattamente il materiale che resta fuori dall’indice.

Sulle domande dei clienti pubblicate in scheda ho un’idea che considero promettente e che, per correttezza, resta un’idea: il box di domande e risposte di cui parlo nel pezzo su GEO non l’ho ancora installato da nessuna parte, quindi non ho risultati da raccontare e non ne racconto.

Il perimetro: qui si parla di indicizzazione, non di citazioni AI

Un chiarimento che serve, perché i due discorsi vengono continuamente mescolati. Questo pezzo parla di indicizzazione classica: le tue schede prodotto dentro o fuori dall’indice di Google, misurate in Search Console. Non parla di comparire dentro le risposte generative, che è un’altra partita e si gioca su altre pagine: quando ho guardato quali contenuti i sistemi AI considerano citabili, nel report di Search Console su AI e social, le pagine che compaiono di solito non sono le schede prodotto, sono quelle che spiegano, confrontano e rispondono.

Quindi no: sistemare le descrizioni non ti fa citare da ChatGPT, e chi te lo promette sta vendendo un effetto che nessuno ha documentato. Ti fa entrare nell’indice, che è la condizione minima perché il resto abbia senso.

Quante schede del tuo catalogo sono davvero indicizzate?

Se hai un e-commerce con un catalogo grosso e il sospetto che una fetta non compaia, la prima cosa non è rifare le descrizioni prodotto con l’AI sperando che basti: è misurare. Faccio questa misura come parte dell’assistenza PrestaShop - copertura sui soli URL prodotto, esclusioni per motivo, incrocio con l’origine delle descrizioni - e alla fine sai da quale gruppo di prodotti conviene partire e quanti sono. Scrivimi da uno dei canali qui sotto con due righe su com’è fatto il tuo catalogo.