Rendi il catalogo moda pronto per la GEO

La ricerca si sta dividendo in due. Chi acquista continua a digitare query su Google, ma una quota in rapida crescita ora chiede a un assistente AI (ChatGPT, Perplexity, gli AI Overviews di Google o un copilota di shopping in negozio) di trovare e confrontare i prodotti al posto suo. Quando il 50% dei dirigenti della moda indica la scoperta e la ricerca di prodotti da parte dei consumatori come il principale caso d'uso dell'AI generativa (McKinsey e Business of Fashion, 2024), la domanda non è più se l'AI medierà la scoperta. È se il tuo catalogo è leggibile per essa.

La generative engine optimization, o GEO, è la pratica che serve a garantirlo. Gran parte del dibattito sulla GEO ruota attorno al testo e alla SEO tradizionale. Per la moda questo non coglie il punto: un catalogo è fatto soprattutto di immagini, e i brand che vinceranno la scoperta tramite AI saranno quelli il cui catalogo visivo è strutturato e leggibile dalle macchine tanto quanto il loro feed di prodotto.

Cosa vuol dire "pronto per la GEO" per un catalogo moda

Un catalogo pronto per la GEO è un catalogo che un motore di shopping AI può trovare, capire e raccomandare con sicurezza. Questo poggia su due livelli che lavorano insieme:

1. Dati di prodotto strutturati, così il motore sa cos'è ogni articolo: titoli puliti, attributi completi (tessuto, vestibilità, colore, stagione), categorie corrette, prezzo e disponibilità.
2. Immagini complete e coerenti, così il motore, e chi acquista a cui risponde, può davvero vedere il prodotto indossato, dalle angolazioni giuste, in modo fedele.

La SEO testuale copre il primo livello. La moda vive o muore sul secondo, ed è proprio quello che la maggior parte dei cataloghi trascura.

Come i motori di shopping AI leggono un catalogo

I motori di shopping moderni sono multimodali: analizzano il tuo feed di prodotto e leggono le tue immagini. Premiano completezza e coerenza, perché entrambe rendono un prodotto più facile da abbinare all'intenzione di chi acquista. Un prodotto con attributi ricchi, una voce di feed pulita e immagini on-model chiare è facile da mostrare e raccomandare. Un prodotto con attributi scarni, immagini mancanti o un modello dall'aspetto diverso in ogni scatto è rumore attraverso cui il motore deve tirare a indovinare.

Ecco perché la product feed optimization è il requisito minimo per la scoperta di prodotti tramite AI: attributi strutturati, markup schema.org Product, alt text descrittivi e copertura completa delle immagini danno al motore segnali inequivocabili su cui lavorare.

Le immagini on-model coerenti sono il livello visivo della GEO

Ecco il punto che i consigli sulla GEO incentrati sul testo continuano a mancare. La scoperta di prodotti tramite AI è visiva, quindi le tue immagini sono dati. Un catalogo in cui ogni prodotto è mostrato on-model, in modo coerente e con il capo mantenuto fedele, offre al motore un segnale visivo completo per ogni SKU. Vuoti e incoerenze fanno l'opposto.

La coerenza è la parte difficile su scala di catalogo, ed è esattamente ciò per cui On-Model è stato costruito. Le identità di modelli AI riutilizzabili fanno sì che gli stessi volti compaiano in tutta la tua gamma, flat-to-model trasforma gli scatti di prodotto esistenti in immagini on-model per ogni SKU, e model swap mantiene un look coerente quando localizzi o rinnovi una campagna. Il risultato è un catalogo visivo completo e coerente per costruzione, che è esattamente ciò che un motore di shopping AI (e chi acquista in carne e ossa) legge come affidabile.

"Tutti stanno ottimizzando il testo per la ricerca AI. Nella moda il catalogo è visivo, quindi il vero vantaggio è un livello di immagini completo e coerente su ogni prodotto. È questo che rende un catalogo leggibile per un motore di shopping AI, non solo per Google."

— Nunzio Alexandro Letizia, Co-founder di PiktID e creatore di On-Model

Le basi alla tua portata: feed, struttura, copertura

Non serve un progetto ambizioso per iniziare. Le mosse a maggior impatto sono poco appariscenti:

• Completa il feed di prodotto. Riempi ogni attributo su cui un motore (e chi acquista) applica filtri: materiale, vestibilità, silhouette, colore, occasione, cura del capo, gamma di taglie.
• Aggiungi dati strutturati. Markup schema.org Product, Offer e delle immagini su ogni PDP, così l'articolo è leggibile dalle macchine.
• Colma i vuoti nelle immagini. Ogni SKU on-model, più angolazioni, identità coerenti, capi fedeli. Un ai catalog coperto al 90% risulta comunque incompleto.
• Scrivi alt text veri. Descrivi il capo e come è indossato, non "IMG_2043".

Dove si colloca il virtual try-on di Google Shopping

Lo shopping AI sta già anticipando la vestibilità. Google Shopping mostra ora il virtual try-on nelle schede di abbigliamento, e gli assistenti fanno vedere sempre più spesso a chi acquista come sta un capo indossato prima ancora del clic. I brand con immagini on-model pulite e coerenti sono quelli nella posizione giusta per alimentare queste esperienze. Approfondiamo questo cambiamento in virtual try-on per i brand di moda.

Una checklist per essere pronti alla GEO

• Feed di prodotto strutturato e completo (attributi, categorie, prezzo, disponibilità)
• Dati strutturati schema.org Product + immagini su ogni PDP
• Immagini on-model per ogni SKU, con identità coerenti
• Capi fedeli al pixel, così l'immagine corrisponde a ciò che viene spedito
• Più angolazioni e uno stile visivo coerente in tutta la gamma
• Alt text descrittivi e pagine prodotto veloci e indicizzabili

La GEO non è un progetto una tantum. È igiene del catalogo per un'epoca in cui è un motore AI, non solo una casella di ricerca, a decidere se il tuo prodotto compare. I brand che trattano il proprio catalogo visivo come dati strutturati saranno quelli che l'AI raccomanda.

Cosa fare adesso

Fai un audit del tuo catalogo come farebbe un motore: scegli dieci prodotti e verifica se ciascuno ha attributi completi, dati strutturati e immagini on-model coerenti da più angolazioni. I vuoti sono la tua roadmap. Per i numeri dietro l'adozione dell'AI e le immagini nella moda, consulta le nostre statistiche sull'e-commerce moda, e quando sei pronto a colmare il divario di immagini su un intero catalogo, inizia gratis.

---

Fonti:

1. McKinsey & Company and Business of Fashion. (2025). The State of Fashion 2025. mckinsey.com
2. Baymard Institute. Product Page UX Research. baymard.com
3. Google. AI-powered shopping and the Shopping Graph. blog.google