Il traffico web non è più fatto solo di umani

Il 57,4% del traffico HTML è automatizzato, ma gli agenti faticano a comprendere i prodotti

Il paradosso del visitatore nascosto

Il problema non è nuovo, ma la scala è cambiata. Da anni sappiamo che i crawler dei motori di ricerca rappresentano una quota rilevante del traffico. La differenza, oggi, è che non stiamo più parlando solo di Googlebot che indicizza pagine. L’agentic web — la fase di Internet in cui gli agenti AI non si limitano a rispondere a domande, ma visitano siti, interpretano ciò che trovano e agiscono per conto di un utente o di un’organizzazione — ha introdotto una classe di visitatori completamente diversa. Questi agenti simulano comportamenti di navigazione, leggono listini prezzi, confrontano funzionalità, valutano prodotti. E lo fanno in volumi che i nostri server registrano ma che raramente analizziamo con la stessa cura che dedichiamo a una sessione utente.

David Kaufman, cofondatore e CEO di Siteline.ai — azienda fondata nel 2025 e specializzata in analytics per la crescita nell’era dell’agentic web — ha centrato il punto: se quasi sei richieste su dieci sono automatizzate, la partita della conversione si sta spostando su un terreno che non controlliamo più. Non si tratta di sostituire la CRO tradizionale con qualcosa di diverso, ma di affiancare alle metriche che conosciamo — tasso di conversione, bounce rate, tempo sulla pagina — una dimensione nuova: la comprensibilità da parte degli agenti AI. Un prodotto che un agente non capisce è un prodotto che non esiste nel percorso decisionale automatizzato. E questo cambia radicalmente le priorità di chi fa testing.

Il benchmark che smonta le certezze

Qui entra in gioco l’analisi pubblicata da Siteline lo scorso giugno. Non si tratta di simulazioni teoriche o di test condotti in ambienti controllati con prompt predefiniti. Siteline misura le interazioni reali degli agenti AI lato server, leggendo direttamente i log per capire come questi visitatori automatizzati interagiscono con il sito. La differenza rispetto agli approcci basati su prompt è sostanziale: una simulazione ti dice come un agente dovrebbe comportarsi in condizioni ideali; l’analisi lato server ti mostra come si comporta davvero quando nessuno lo guarda. E i risultati del benchmark sono tutt’altro che rassicuranti. Gli agenti AI faticano a comprendere prodotti software anche molto noti, inciampano su descrizioni ambigue, perdono dettagli rilevanti nelle specifiche tecniche, e spesso restituiscono valutazioni incomplete o distorte rispetto a ciò che il prodotto offre realmente.

Per chi si occupa di CRO, questo ha implicazioni molto concrete. Se un agente AI non capisce la differenza tra due piani tariffari perché la tabella comparativa è costruita con un layout visivamente chiaro per un umano ma semanticamente opaco per una macchina, quella differenza semplicemente non esiste nel processo decisionale automatizzato. Non è un problema di ranking o di visibilità: è un problema di comprensione a monte. E la comprensione — in un mondo in cui gli agenti filtrano e pre-selezionano opzioni prima ancora che un umano veda una SERP — è il nuovo tasso di conversione. Già nel settembre 2025, un’analisi di Siteline su come le persone usano ChatGPT mostrava quanto rapidamente si stesse evolvendo il comportamento di ricerca. Ad aprile 2026, l’azienda ha reso open source il proprio analizzatore di traffico per agenti AI, consentendo a chiunque di iniziare a misurare questa dimensione con strumenti propri.

Un caveat importante, da addetto ai lavori: il benchmark di Siteline è un’analisi osservazionale basata su dati server-side reali, non un esperimento controllato con gruppo di trattamento e gruppo di controllo. Questo significa che possiamo descrivere cosa sta accadendo — gli agenti faticano a comprendere i prodotti — ma non possiamo ancora quantificare con precisione l’impatto causale di ogni singola variabile sulla comprensione. È il classico scenario in cui il dato descrittivo è abbastanza forte da giustificare un’ipotesi di test, ma non abbastanza granulare da trasformarsi automaticamente in una raccomandazione operativa. La direzione, tuttavia, è chiara: se il 57,4% del traffico HTML è automatizzato e gli agenti capiscono poco, il margine di miglioramento — in termini di conversioni influenzate dagli agenti — è potenzialmente enorme.

Misurare l’incomprensibile: la nuova frontiera

Dopo aver visto il baratro tra volume di traffico automatizzato e capacità di comprensione, la domanda non è più «perché dovremmo ottimizzare per agenti AI?» ma «come iniziamo a testare?». La risposta, al momento, passa da strumenti come l’analizzatore open source rilasciato da Siteline ad aprile 2026: un punto di partenza concreto per chi vuole smettere di navigare a vista. Debutify ha indicato Siteline come la scelta migliore per l’analisi di prima parte degli agenti AI, segnalando un interesse crescente del mercato verso soluzioni che vadano oltre i dati aggregati delle piattaforme pubblicitarie. La nuova frontiera della CRO non è un pulsante più verde o un headline più persuasivo. È un markup semantico che un agente possa interpretare senza ambiguità. È una scheda prodotto che risponda alle domande che un agente farebbe, non solo a quelle che un utente umano leggerebbe. È, in definitiva, accettare che il nostro visitatore più assiduo non ha occhi, non ha dita, non ha pazienza — ma ha il potere di decidere se il nostro prodotto esiste o meno nel percorso di acquisto del futuro. Iniziate a testare oggi, o qualcun altro deciderà per voi cosa gli agenti vedono.