La revisione ha analizzato 400 risposte su ChatGPT, Gemini, Perplexity e Grok: il filtro tecnico è la richiesta più ampia

Un benchmark che sposta i budget: su 100 domande di acquisto industriale fatte a ChatGPT, Gemini, Perplexity e Grok, 72 si fermano prima della pagina prodotto. Lo documenta una revisione condotta da Optimum7, resa nota nei giorni scorsi. Per chi spende in campagne B2B, è il segnale che la ricerca conversazionale sta diventando il primo filtro di prodotto: chi non ottimizza il catalogo per le domande pre-identificazione perde rilevanza e conversione. Non è un problema di traffico: è un problema di catalogo che non risponde alle domande giuste.

Il filtro tecnico: dove si perdono i buyer industriali

Per chi gestisce campagne B2B, il dato andrebbe tenuto aperto in dashboard. Lo scorso settembre, Optimum7 ha analizzato 100 domande di acquisto industriale su ChatGPT, Gemini, Perplexity e Grok, producendo 400 risposte complessive. Il 72% delle domande — appunto 72 su 100 — riguardava l’identificazione del prodotto corretto prima di raggiungere una pagina prodotto. Le restanti 28 domande toccavano questioni che di solito emergono dopo l’identificazione: disponibilità di magazzino, prezzi, procedure di ordine e documentazione della pagina prodotto. Il filtro tecnico dei prodotti è risultato la categoria di richiesta più ampia dell’intera revisione, secondo Optimum7.

Tradotto per chi pianifica budget: l’AI generativa non sta operando come un motore di ricerca, ma come un filtro di pre-vendita. La maggior parte delle sessioni conversazionali si esaurisce prima della pagina di destinazione che continuiamo a ottimizzare. Il collo di bottiglia non è il CTA (call to action), non è la landing page, non è la creatività: è la scheda prodotto che non risponde alla domanda giusta, o che l’AI non riesce nemmeno a raggiungere. L’agenzia dietro la revisione — con sede a Coral Gables, Florida, fondata nel 2007 e con oltre 1.000 migrazioni ecommerce completate su piattaforme come BigCommerce, Shopify Plus, Magento e WooCommerce — conosce bene il costo di un catalogo che non parla la lingua del buyer.

Il contesto che rende il dato strutturale

Per capire se si tratta di un’anomalia o di una tendenza, servono i dati di adozione. ChatGPT resta la piattaforma più popolare: la usa il 76% degli intervistati per lavoro e il 71% per la ricerca di prodotti. Google Gemini segue con il 62% per il lavoro e il 61% per la ricerca di prodotti, secondo i dati raccolti da Semrush. Per un media buyer, questo significa che la domanda commerciale sta migrando fuori dai canali classici: chi pianifica campagne senza interrogarsi su come l’AI interpreta il catalogo sta ottimizzando un segmento sempre più piccolo del percorso d’acquisto.

Già nel 2025, la Buyers’ Journey Survey di Forrester aveva reso il quadro ancora più netto. La quota di buyer che usano l’AI per gli acquisti è cresciuta di cinque punti percentuali, raggiungendo il 94%. E, secondo la Buyers’ Journey Survey di Forrester del 2025, il doppio dei buyer ha indicato l’AI generativa o la ricerca conversazionale come fonte di informazioni più significativa o importante rispetto a qualsiasi altra, superando di gran lunga i siti dei vendor, gli esperti di prodotto e i canali commerciali. Il cambiamento non è marginale: è già il nuovo punto di ingresso del percorso.

Dove allocare il budget: dalla pagina prodotto al catalogo conversazionale

Il salto dal dato al ritorno sulla spesa passa da qui. Da una parte, secondo la ricerca di Algolia e Salesforce citata da Creatuity, ricerca e raccomandazioni di prodotto basate sull’IA possono aumentare i tassi di conversione B2B del 20-30%. Dall’altra, il report “The Big B2B Disconnect” di Bigfork elenca la “ricerca di prodotto inefficiente” tra le otto frustrazioni ricorrenti dei siti web B2B, rilevando che il 30% delle sessioni sui siti web B2B si è concluso con frustrazione. In pratica: c’è un potenziale di conversione inutilizzato del 20-30%, mentre quasi un terzo delle sessioni brucia budget senza produrre alcun risultato.

Per chi gestisce campagne performance, l’implicazione è concreta. Prima di aumentare la spesa verso le pagine prodotto o raffinare i CTA, bisogna rendere il catalogo leggibile e rispondente alle domande che le AI generative fanno al posto del compratore. Questo significa strutturare i dati di prodotto per il filtro tecnico — la categoria di richiesta più ampia nella revisione — e non solo per il crawling del motore di ricerca. Un buyer che chiede a un assistente AI quale ricambio è compatibile con il proprio impianto non cerca una pagina: cerca una corrispondenza tecnica. Se il catalogo non la fornisce in forma interrogabile, la conversazione si chiude prima del clic sull’inserzione e prima dell’inserimento nel carrello.

La domanda non è se l’AI cambierà le campagne B2B, ma quanto budget stai ancora spendendo per pagine che l’AI non raggiunge. Il budget va riallocato: prima di aumentare il traffico verso le pagine prodotto, bisogna rendere il catalogo leggibile e rispondente alle domande pre-acquisto. La prossima ottimizzazione non è il CTA, è la scheda prodotto pre-acquisto.