Google AI Mode ha superato un miliardo di utenti attivi mensili a circa un anno dal lancio, mentre il numero delle query effettuate attraverso questa modalità è più che raddoppiato ogni trimestre. La crescita interessa direttamente anche le ricerche commerciali, perché Gemini viene utilizzato sempre più spesso per individuare, confrontare e raccomandare prodotti attraverso più superfici Google, tra cui AI Mode nella Ricerca, l’app Gemini e AI Overviews. Per i brand, la conseguenza è che la visibilità non dipende soltanto dal posizionamento tradizionale nelle pagine dei risultati, ma anche dalla probabilità che i propri prodotti e le relative fonti vengano selezionati e citati quando Gemini costruisce una risposta a una richiesta di acquisto. Google ha confermato che AI Mode ha superato il miliardo di utenti mensili e che le query sono più che raddoppiate ogni trimestre dal lancio.
Azoma, piattaforma specializzata nell’ottimizzazione per gli agenti AI dedicati al commercio, ha analizzato milioni di citazioni prodotte dagli shopping agent nel secondo trimestre del 2026 per osservare quali fonti vengono utilizzate da Gemini quando formula raccomandazioni sui prodotti. La distribuzione rilevata attribuisce il 41% delle citazioni ai retailer, il 37% all’earned media, il 15% ai siti ufficiali dei brand e il 7% ai contenuti generati dagli utenti. Gemini risulta quindi particolarmente orientato alle fonti dei retailer, ma il peso complessivo di earned media e siti proprietari supera comunque la metà delle citazioni considerate. Questo significa che una strategia concentrata esclusivamente sul catalogo del rivenditore o sul feed inviato a Google copre soltanto una parte delle fonti che possono contribuire alla raccomandazione di un prodotto.
Il ruolo dei dati di prodotto resta comunque centrale. Gemini utilizza in modo significativo le informazioni provenienti dal Google Shopping Graph e da Merchant Center, per cui completezza, accuratezza e coerenza dei feed possono incidere direttamente sulla capacità del sistema di comprendere un prodotto e associarlo alle richieste degli utenti. Titoli, attributi, categorie, disponibilità, prezzi, varianti e altre informazioni strutturate devono quindi essere sufficientemente precise da consentire al sistema di distinguere un prodotto dai concorrenti e stabilire in quali contesti possa essere pertinente. Un feed incompleto o poco aggiornato riduce la quantità di informazioni utilizzabili da Gemini, ma un feed corretto non garantisce da solo che il prodotto venga raccomandato perché una parte consistente delle fonti citate proviene dall’esterno dell’ecosistema Merchant Center.
L’earned media rappresenta infatti il 37% delle citazioni rilevate da Azoma. Rientrano in questa categoria contenuti pubblicati da siti editoriali, recensioni, comparazioni e altre fonti indipendenti dal brand. Per Gemini queste fonti possono fornire informazioni che non compaiono necessariamente nella scheda tecnica del prodotto, come valutazioni comparative, contesti d’uso, vantaggi, limiti e differenze rispetto ad alternative presenti sul mercato. Il sito ufficiale del brand contribuisce per un ulteriore 15%, mentre i contenuti generati dagli utenti incidono per il restante 7%. La presenza in Gemini dipende quindi dalla coerenza delle informazioni distribuite tra più superfici e non semplicemente dalla quantità di contenuti pubblicati sul dominio aziendale.
Un’altra caratteristica delle raccomandazioni generate da Gemini è la forte dipendenza dalla formulazione della query. Lo stesso prodotto può comparire quando l’utente utilizza una determinata domanda e scomparire con una variante molto simile, perché il modello ricostruisce ogni volta il contesto e seleziona le fonti considerate più pertinenti rispetto alla richiesta specifica. Un controllo occasionale effettuato manualmente su poche query può quindi fornire una visione incompleta della reale presenza di un marchio. Azoma utilizza per questo un monitoraggio basato su insiemi di prompt relativi a una determinata categoria, osservando quali prodotti vengono mostrati, quali concorrenti compaiono nelle stesse risposte, quale quota di visibilità ottiene ciascun marchio e come questi valori cambiano nel tempo.
Anche la superficie Google utilizzata può modificare il risultato. Gemini app, AI Mode e AI Overviews non devono essere considerati come un unico punto di distribuzione identico: uno stesso brand può essere visibile in una risposta generata dall’app Gemini e non comparire in AI Overviews per una query analoga, oppure essere presente in AI Mode con una selezione di fonti differente. Per misurare correttamente la visibilità è quindi necessario confrontare la presenza del marchio sulle diverse superfici AI di Google e non limitarsi a una sola di esse. Azoma monitora insieme Gemini e AI Overviews proprio per individuare queste differenze e ricostruire una visione più completa della rappresentazione di prodotti e concorrenti.
La crescita di AI Mode modifica anche la struttura delle ricerche commerciali. Google ha rilevato che gli utenti formulano in questa modalità domande più lunghe e complesse rispetto alle ricerche tradizionali, utilizzandola per esprimere requisiti, preferenze e vincoli che prima sarebbero stati distribuiti su più query. AI Mode combina inoltre le capacità dei modelli Gemini con le informazioni disponibili sul web e con gli strumenti di shopping di Google, permettendo di restringere progressivamente la scelta tra prodotti e marchi. Le query più articolate aumentano quindi il numero di condizioni che una raccomandazione deve soddisfare e rendono ancora più importante che le informazioni sul prodotto siano presenti in fonti sufficientemente dettagliate da rispondere a esigenze specifiche.
Google sta contemporaneamente ampliando le funzioni commerciali collegate a queste esperienze. AI Mode utilizza già il Shopping Graph per le raccomandazioni organiche e Google sta sperimentando nuovi formati che consentono di mostrare retailer e offerte commerciali quando risultano pertinenti alla conversazione. Le raccomandazioni organiche e le inserzioni rimangono comunque meccanismi distinti: Google indica esplicitamente gli annunci come sponsorizzati, mentre la selezione organica dei prodotti deriva dalla pertinenza rispetto alla query e dalle informazioni disponibili nelle fonti utilizzate dal sistema. Per un brand, quindi, l’acquisto di pubblicità non equivale automaticamente all’inclusione nelle raccomandazioni organiche prodotte da Gemini.
La personalizzazione aggiunge un ulteriore livello. Con Personal Intelligence, Google può collegare AI Mode e Gemini ad altre applicazioni dell’utente, quando quest’ultimo sceglie di abilitarle, e utilizzare tali informazioni per fornire risposte più adatte alle preferenze individuali. Nello shopping questo può significare raccomandazioni costruite anche sulla base di acquisti precedenti o di altri elementi disponibili nelle applicazioni Google collegate. Di conseguenza, due utenti possono ricevere selezioni differenti non soltanto perché formulano domande diverse, ma anche perché il sistema dispone di contesti personali differenti. La visibilità di un brand non può quindi essere interpretata come una posizione fissa e universale equivalente a quella di un risultato organico tradizionale.
Per individuare le aree in cui un prodotto è poco rappresentato, il monitoraggio deve quindi partire dalle domande che i consumatori potrebbero rivolgere a Gemini. Se un concorrente viene raccomandato con maggiore frequenza per richieste relative a una particolare caratteristica, il passaggio successivo consiste nell’individuare quali fonti Gemini sta citando per supportare quella scelta. Il problema può trovarsi nel feed del retailer, nell’assenza di una determinata informazione sul sito ufficiale, nella mancanza di copertura editoriale oppure nella presenza di fonti concorrenti più complete e coerenti. L’ottimizzazione non riguarda quindi semplicemente la modifica del testo di una singola pagina, ma il rafforzamento delle informazioni nelle stesse categorie di fonti che Gemini utilizza per costruire le proprie risposte.
Questo approccio assume particolare importanza nei periodi di maggiore attività commerciale. Earned media e contenuti proprietari richiedono tempo per essere pubblicati, indicizzati e acquisire sufficiente presenza nelle fonti consultate dai sistemi AI. Intervenire soltanto quando aumenta il volume delle ricerche riduce quindi il margine disponibile per correggere eventuali lacune. Azoma indica per questo la necessità di verificare in anticipo quali prodotti vengono raccomandati nelle principali query di categoria, quali concorrenti occupano maggiore spazio nelle risposte e quali fonti vengono utilizzate per giustificarne la presenza.
La stessa attività può essere applicata su scala più ampia dalle agenzie retail media che gestiscono più marchi. In questo caso il problema non consiste soltanto nel verificare la presenza di un singolo prodotto, ma nel confrontare contemporaneamente portafogli differenti, concorrenti e variazioni della share of voice nelle risposte AI. Azoma mette a disposizione monitoraggio a livello di agenzia, benchmarking competitivo e workflow di ottimizzazione destinati a Gemini e ad altri shopping agent, tra cui Amazon Rufus, Walmart Sparky e ChatGPT. L’obiettivo è collegare il dato sulla visibilità alle fonti che hanno determinato la raccomandazione, così da individuare quale area del contenuto o dei dati di prodotto deve essere rafforzata.
Il superamento del miliardo di utenti mensili rende quindi AI Mode una superficie commerciale sufficientemente ampia da richiedere un monitoraggio specifico, distinto dalle tradizionali metriche di posizionamento nella Ricerca. Google ha inoltre dichiarato che le proprie funzioni AI continuano a generare miliardi di clic settimanali verso i siti web e che l’uso di AI Mode contribuisce a un incremento complessivo delle query. Per i brand diventa quindi importante verificare non soltanto se le proprie pagine vengono indicizzate, ma se prodotti, attributi e informazioni vengono effettivamente utilizzati nelle risposte che Gemini costruisce quando un utente chiede quale prodotto scegliere, confronta diverse alternative o descrive un’esigenza di acquisto specifica.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)