La ricerca interna di un e-commerce sta diventando sempre più intelligente. Non basta più trovare una corrispondenza tra la parola digitata dall'utente e il testo della scheda prodotto: un motore di ricerca moderno deve capire sinonimi, caratteristiche, intenzioni e, sempre più spesso, anche ciò che si vede nelle immagini.
In questo scenario Doofinder sta sviluppando nuove funzionalità basate sull'intelligenza artificiale, in due direzioni: Visual Tagging, che analizza le immagini dei prodotti, e un'integrazione tramite MCP (Model Context Protocol) che collega Doofinder ad assistenti AI come ChatGPT e Claude.
L'obiettivo è rendere più intelligenti la ricerca e la gestione del catalogo, riducendo una parte del lavoro manuale che oggi richiede tempo e competenze specifiche.
Perché la ricerca interna è importante per un e-commerce
Per chi arriva su un negozio online, la casella di ricerca è uno dei percorsi più diretti verso il prodotto. Il problema è che gli utenti non usano per forza gli stessi termini del catalogo. Un cliente può cercare:
- "borsa blu";
- "scarpe da ginnastica";
- "vestito elegante";
- "giacca impermeabile";
- "maglia azzurra".
Il catalogo, invece, può usare termini diversi, attributi più specifici o informazioni incomplete. Questa distanza tra linguaggio dell'utente e struttura del catalogo pesa sulla qualità dei risultati, ed è lo stesso problema che si affronta quando si cura la SEO delle schede prodotto (lo vediamo nella checklist SEO per Shopify).
Per questo i motori di ricerca interni avanzati come Doofinder puntano a interpretare il contesto della query e le caratteristiche reali dei prodotti.
Visual Tagging: quando l'AI analizza le immagini dei prodotti
Una delle novità più interessanti è Visual Tagging, oggi disponibile in versione beta. Il principio è semplice: le foto di un catalogo contengono molte informazioni che non sempre compaiono nei dati strutturati del prodotto. Un'immagine può mostrare:
- un colore o una tonalità;
- una caratteristica estetica;
- elementi visivi del prodotto;
- altri dettagli utili a descriverlo.
Visual Tagging usa l'intelligenza artificiale per analizzare queste immagini e arricchire automaticamente i prodotti con informazioni visive. È particolarmente utile nei cataloghi in cui gli attributi non sono stati compilati in modo uniforme.
Un esempio: cercare una borsa blu
Immaginiamo un e-commerce di moda con centinaia di borse, classificate con colori diversi: Navy, Cobalt, Royal Blue, Sky Blue, Light Blue. Per il database sono valori distinti; per chi digita "borsa blu" sono tutte risposte possibili.
Se la classificazione non è coerente, alcuni prodotti rischiano di non essere considerati pertinenti. Visual Tagging può riconoscere dalle immagini che quei prodotti appartengono alla famiglia cromatica del blu e passare questa informazione al motore di ricerca.
Dati del catalogo e immagini: due fonti di informazioni
Tradizionalmente un motore di ricerca e-commerce lavora sui dati del prodotto: titolo, descrizione, categoria, attributi, tag. L'analisi delle immagini aggiunge una seconda fonte, preziosa soprattutto quando la qualità dei dati non è omogenea, come in un marketplace o in un grande negozio alimentato negli anni da fornitori diversi. Lì si trovano spesso, tutti insieme:
- attributi scritti in lingue diverse;
- sinonimi e colori con denominazioni differenti;
- campi lasciati vuoti o non aggiornati;
- caratteristiche visibili nelle foto ma assenti dalla scheda.
È un problema che chi ha migrato un catalogo da WooCommerce o PrestaShop a Shopify conosce bene, e che l'AI può aiutare a colmare almeno in parte. Sullo stesso tema abbiamo descritto come misurare l'effetto dell'AI su meta description e categorie.
Visual Tagging e pertinenza della ricerca
Il vantaggio non riguarda solo la gestione del catalogo: più informazioni ha il motore, più elementi ha per interpretare le richieste. Si passa da una ricerca basata solo sulla corrispondenza testuale a una che considera un insieme più ampio di dati, con una maggiore capacità di collegare la query ai prodotti davvero pertinenti.
Visual Tagging è ancora in fase beta e sarà presto disponibile ufficialmente: modalità e caratteristiche definitive potranno cambiare con il rilascio.
MCP: Doofinder arriva negli assistenti AI
L'altra novità riguarda MCP, Model Context Protocol, lo standard che permette agli assistenti AI di dialogare con strumenti e servizi esterni. Doofinder sta sviluppando un'integrazione che permetterà di collegare il proprio account a ChatGPT o Claude, trasformando l'assistente in un copilota per la gestione della ricerca e-commerce. Se vuoi orientarti tra gli assistenti disponibili, trovi un confronto nella nostra guida ai 10 tool di AI per il marketing.
Gestire Doofinder con il linguaggio naturale
Oggi molte configurazioni si fanno dall'Admin Panel, cercando la funzione giusta. Con un'integrazione MCP basterebbe formulare la richiesta:
"Crea una boosting rule per dare priorità a questi prodotti."
"Analizza le mie ricerche e indicami dove ci sono opportunità di miglioramento."
L'assistente userebbe le informazioni e le funzioni messe a disposizione da Doofinder per svolgere l'attività richiesta.
Dall'Admin Panel al copilota AI
Il concetto di copilota cambia il modo di usare una piattaforma: non serve conoscere la posizione di ogni impostazione, si parte dall'obiettivo. Per esempio:
- "Voglio dare più visibilità ai prodotti della nuova collezione."
- "Quali ricerche degli utenti non stanno producendo risultati soddisfacenti?"
- "Ci sono prodotti che dovrei spingere di più nei risultati?"
In prospettiva, un assistente collegato al motore di ricerca può trasformare queste richieste in attività operative o analisi.
Boosting rule e ottimizzazione dei risultati
Le boosting rule sono l'esempio più chiaro. Un merchant può voler dare priorità a certi prodotti per:
- nuove collezioni;
- campagne promozionali o commerciali;
- stagionalità;
- prodotti con più disponibilità a magazzino;
- prodotti strategici.
Invece di configurare ogni regola a mano, basterebbe descrivere l'obiettivo all'assistente, che aiuterebbe a trovare la configurazione più adatta. Nelle implementazioni reali resterà fondamentale mantenere controllo, autorizzazioni e verifica da parte dell'utente, soprattutto quando un assistente AI può modificare configurazioni operative.
Analizzare le ricerche e trovare nuove opportunità
La ricerca interna è anche una miniera di dati sul comportamento degli utenti. Le query possono evidenziare:
- prodotti molto richiesti;
- ricerche senza risultati;
- termini usati dagli utenti ma assenti nel catalogo;
- possibili sinonimi;
- categorie difficili da trovare.
Un assistente AI può aiutare a trasformare questi dati in indicazioni operative: invece di leggere un report, il merchant potrebbe chiedere "Analizza le ricerche delle ultime settimane e indicami le principali opportunità di ottimizzazione". Il valore non sta solo nel mostrare i dati, ma nell'aiutare a interpretarli, affiancando strumenti come Google Analytics 4 e KPI definiti con chiarezza.
Verso una gestione più conversazionale della ricerca
Visual Tagging e MCP sono due approcci diversi ma complementari:
- Visual Tagging lavora sul prodotto e sulle informazioni ricavabili dalle immagini, arricchendo il catalogo;
- MCP lavora sull'interazione tra il merchant e gli strumenti, semplificando gestione e analisi del motore di ricerca.
Insieme delineano un'evoluzione possibile: un sistema che non si limita a trovare prodotti, ma comprende meglio le informazioni disponibili e si gestisce con il linguaggio naturale.
Cosa può significare per i merchant
Per chi gestisce un e-commerce con un catalogo ampio, gli impatti principali sono cinque:
- Dati di qualità migliore: l'analisi automatica delle immagini arricchisce informazioni inserite male o mancanti.
- Ricerca più pertinente: più dati aiutano a collegare le query agli articoli giusti.
- Meno attività manuali: l'automazione riduce il lavoro di classificazione.
- Analisi più semplice: un assistente AI rende più immediata la lettura dei dati di ricerca.
- Gestione in linguaggio naturale: alcune configurazioni potranno essere chieste direttamente all'assistente.
Vale per qualunque piattaforma: se stai ancora scegliendo dove vendere, parti dal confronto Shopify, WooCommerce o PrestaShop.
Il futuro della ricerca interna passa dall'AI?
L'intelligenza artificiale sta cambiando il modo in cui usiamo i servizi digitali e, nell'e-commerce, la ricerca interna è uno degli ambiti più toccati. La direzione è una ricerca che combina testo, immagini, attributi, comportamento dell'utente e linguaggio naturale, e Doofinder si sta muovendo proprio lì con Visual Tagging e l'integrazione MCP.
Per i merchant il vantaggio non è solo usare una tecnologia più avanzata, ma trasformare la casella di ricerca nell'header in un sistema capace di interpretare il catalogo, capire le richieste degli utenti e assistere nelle attività di ottimizzazione.
Ricapitolando: Visual Tagging è in beta e sarà presto disponibile ufficialmente; l'integrazione MCP è in sviluppo ed è una delle evoluzioni più interessanti nel rapporto tra piattaforme e-commerce e assistenti AI.
Per prezzi, funzioni, pro e contro trovi la nostra recensione completa di Doofinder.
Se vuoi provarlo sul tuo negozio, puoi scoprire Doofinder e le sue soluzioni per l'e-commerce.
