Sì: quando un cliente chiede a ChatGPT o a Google dove comprare, le AI tendono a consigliare le grandi catene più dei negozi piccoli. Lo dice uno studio condotto da Vaer AI per Lightspeed Commerce e reso pubblico il 29 settembre 2026: su 20.000 richieste di acquisto e circa 460.000 risposte analizzate, nei confronti diretti senza ricerca web l’AI ha scelto il rivenditore nazionale il 90-94% delle volte. Con la ricerca web attiva il vantaggio si riduce, ma le catene restano comunque tra il 46% e il 58% dei suggerimenti. C’è un dettaglio che interessa a chi ha un negozio o un e-commerce: aggiungere la parola “indipendente” alla richiesta cambia molto il risultato. Lo studio però riguarda Stati Uniti e Canada, non l’Italia. Ti spiego cosa dice davvero, dove non va letto e cosa farei io.

In questo articolo

Cosa dice lo studio, con i numeri veri

La notizia è stata ripresa da Search Engine Land e arriva da un comunicato di Lightspeed Commerce, azienda che produce software per negozi e ristoranti. La ricerca è stata fatta da Vaer AI, una società di consulenza sull’intelligenza artificiale. Metto subito in chiaro una cosa: Lightspeed vende strumenti ai commercianti indipendenti, quindi ha un interesse nel raccontare questo tema. Questo non rende i dati falsi, ma è il motivo per cui li leggo con attenzione e non li ripeto a pappagallo.

Come è stato fatto il test

Secondo quanto riportato dalle fonti, tra giugno e agosto 2026 i ricercatori hanno inviato 20.000 richieste di acquisto a ChatGPT, a Google AI Mode e a Google AI Overview. Le richieste coprivano 10 categorie di prodotto e quattro aree: Los Angeles, San Francisco, New York e Montréal. Hanno provato sia con la ricerca web disattivata sia con la ricerca web attiva. In totale sono state analizzate circa 460.000 risposte (200.000 senza ricerca web, 260.000 con ricerca web) e 2,4 milioni di link. A questo si aggiunge un sondaggio su 2.000 consumatori nordamericani.

Un punto metodologico che mi piace: le richieste non dicevano mai se il cliente volesse una catena o un negozio indipendente. Erano richieste normali, quelle che farebbe una persona qualunque. Quindi il risultato misura il comportamento “di default” dell’AI.

I numeri principali

  • Senza ricerca web, nei confronti diretti: a parità di scelta, l’AI ha preferito il rivenditore nazionale il 90-94% delle volte.
  • Con ricerca web attiva: le grandi catene hanno ricevuto tra il 46% e il 58% delle raccomandazioni.
  • Google AI Overview: in circa il 68% delle risposte non ha raccomandato nessun negozio locale.
  • ChatGPT e AI Mode: hanno citato rivenditori locali in circa il 70% delle risposte.
  • Richieste generiche contro specifiche: i negozi locali compaiono come prima raccomandazione in circa un terzo dei casi per le ricerche ampie, e circa uno su dieci per le ricerche su un prodotto preciso.
  • Parola “indipendente”: aggiungerla alla richiesta ha ridotto le raccomandazioni delle grandi catene da circa il 44% fino al 9% nel caso migliore, e ha più che raddoppiato la visibilità dei piccoli.

Sul sondaggio, i numeri sono questi: il 56% degli intervistati ha già usato l’AI per decidere un acquisto, il 41% si fida in generale dei suggerimenti dell’AI, e il 50% dice che comprerebbe più spesso da negozi locali se l’AI glieli mostrasse meglio. Sono risposte dichiarate, non comportamenti misurati, quindi le tengo come indicazione e basta.

Come leggere questi dati (e dove non vanno letti)

Prima di dirti cosa fare, ti dico cosa non si può concludere da questo studio. Sono limiti, e vanno messi sul tavolo.

Non è l’Italia. Le città sono americane e canadesi. Il mercato dei negozi, le catene, la quantità di recensioni online, la presenza di marketplace sono diversi dai nostri. Non ho dati equivalenti per l’Italia e non ne ho visti pubblicati. Se qualcuno ti dice “in Italia è il 92%”, si sta inventando il numero.

Non è una legge fisica. I modelli cambiano, le funzioni di ricerca cambiano, e lo studio fotografa un trimestre. Tra sei mesi le percentuali possono essere diverse.

Il caso “locale” è ambiguo. Search Engine Land segnala un caveat importante: i sistemi AI possono contare come “locale” la filiale vicina di una catena nazionale. Quindi la parola “locale” nelle risposte non coincide sempre con “negozio di quartiere”.

Chi ha pagato lo studio ha un interesse. L’ho già detto: non è una ragione per scartarlo, è una ragione per leggere anche il metodo e non solo il titolo.

Detto questo, la direzione è coerente con quello che vedo nei progetti e con quello che ho già scritto su come ChatGPT Shopping sceglie i prodotti: i sistemi AI si appoggiano a ciò che trovano più spesso, più chiaro e più confermato da fonti diverse. E le grandi catene, per natura, hanno più pagine, più recensioni, più menzioni, più dati strutturati.

Perché l’AI preferisce le grandi catene

Qui non ho dati dello studio: sono mie ipotesi di lavoro, basate su come funzionano questi sistemi. Le segnalo come tali.

Più presenza, più prove

Un modello linguistico non “conosce” un negozio. Lo riconosce se ha incontrato molte volte il suo nome, associato a certe categorie di prodotto, in fonti diverse. Una catena nazionale compare in migliaia di pagine: il suo sito, i comparatori, le recensioni, gli articoli, i forum. Un negozio di provincia può avere un sito e una scheda Google. La differenza di “peso” parte da lì.

Dati più puliti

Le grandi catene hanno cataloghi in ordine, feed di prodotto aggiornati, schede con prezzo e disponibilità leggibili da una macchina. Quando l’AI deve scegliere dove mandarti e non vuole sbagliare, sceglie chi ha dati affidabili. Sul lato dei feed ne ho parlato in un pezzo dedicato ai feed prodotto per ChatGPT Shopping.

Il rischio zero dell’AI

C’è un aspetto che mi pare sottovalutato. Un sistema che risponde a milioni di persone ha un incentivo a non fare figuracce: se consiglia un brand che tutti conoscono, difficilmente sbaglia. Se consiglia un negozio che nessuno conosce e che si rivela chiuso o senza il prodotto, la risposta è sbagliata. Questa è una lettura mia, non una dichiarazione di nessuno, ma spiega perché a parità di condizioni vince il nome noto.

Più la richiesta è specifica, meno spazio per i piccoli

Questo è il dato che per un imprenditore ha più implicazioni operative. Lo studio dice che per le richieste ampie (“giocattoli per un bambino di 6 anni”) i negozi piccoli ottengono circa un terzo delle prime raccomandazioni. Per le richieste su un prodotto preciso, la quota scende a circa uno su dieci.

Perché mi interessa? Perché ribalta un’abitudine comune. Molte PMI pensano: “il cliente che cerca il mio prodotto esatto, con marca e modello, è il più vicino all’acquisto, quindi è quello che voglio”. Su Google classico è vero. Dentro una risposta AI, per quel tipo di richiesta, il prodotto standardizzato favorisce chi lo vende a scala: la catena, il marketplace.

La conseguenza pratica, e la segno come mia lettura: se vendi prodotti di marca che vendono tutti, devi competere su un altro piano, non sulla scheda prodotto identica a quella di cento altri. Se invece hai un assortimento che ragiona per esigenza (“cosa scelgo per una cucina piccola?”, “qual è la differenza tra queste due macchine per il tuo uso?”), lavori nella fascia di richieste ampie, dove i piccoli hanno più spazio.

Il trucco della parola “indipendente”

Il dato più curioso dello studio è questo: aggiungere “indipendente” alla richiesta ha fatto crollare le catene dal 44% circa fino al 9% nel caso migliore, e ha più che raddoppiato la presenza dei piccoli. I termini “locale” e “vicino a me” hanno avuto un effetto molto più debole, probabilmente anche per il motivo della filiale di catena di cui parlavo prima.

Cosa ci faccio con questo dato? Tre cose, tutte prudenti.

Primo: la parola esiste, usala nel tuo sito. Se sei un negozio indipendente, un artigiano, una realtà familiare, scrivilo in modo chiaro in homepage, nella pagina chi siamo e nelle schede. Non come slogan, ma come fatto: “negozio indipendente a Verona dal 1998”. È l’informazione che l’AI può associare alla tua attività quando l’utente la chiede.

Secondo: non contarci come strategia unica. Il cliente medio non scrive “indipendente” nella richiesta. Lo studio stesso dice che le richieste erano neutre. La parola funziona se l’utente la usa, e lo fa una minoranza.

Terzo: è una buona notizia sul lato domanda. Il sondaggio dice che metà degli intervistati comprerebbe più spesso da negozi locali se l’AI glieli mostrasse meglio. Se questo è vero anche da noi, c’è una domanda latente. Non so quanto, ma non mi sembra un tema da ignorare.

Google AI Overview e ChatGPT non si comportano uguale

Una parte dello studio che rischia di passare inosservata: i sistemi non sono tutti uguali. Secondo i dati diffusi, Google AI Overview non ha raccomandato nessun negozio locale in circa il 68% delle risposte, mentre ChatGPT e Google AI Mode hanno citato rivenditori locali in circa il 70% dei casi. Letto così sembrano due realtà opposte, e infatti lo sono, anche se il confronto va fatto con prudenza perché le due percentuali misurano cose leggermente diverse (assenza di locali da una parte, presenza dall’altra).

Cosa vuol dire per te? Che non esiste “la” AI. Esiste una superficie diversa per ogni canale, e il tuo risultato può cambiare molto tra la risposta in alto su Google e una conversazione con ChatGPT. Per questo, prima di qualsiasi intervento, serve guardare cosa succede davvero per i tuoi prodotti e per la tua zona su ciascuno. Sul tema della visibilità locale nelle risposte AI ho già scritto in SEO locale e citazioni in Gemini.

Cosa fare: la sequenza che userei io

Niente magia, niente “trucchi per le AI”. Ci sono azioni che servono comunque e che, in questo scenario, hanno più senso di prima.

1. Misura prima di toccare qualsiasi cosa

Prendi dieci richieste che un cliente potrebbe fare per trovare quello che vendi. Cinque generiche (“dove comprare una stufa a pellet affidabile”), cinque specifiche (marca e modello). Provale su ChatGPT, su Google AI Mode e guarda l’AI Overview su Google. Annota: compari? Chi compare? Con quali fonti? Ti serve un’ora e ti dà il punto di partenza. Se hai uno strumento come SeoZoom con il monitoraggio delle risposte AI, puoi automatizzarlo, ma l’esercizio manuale è già utile.

2. Dichiara chi sei, in modo che una macchina lo capisca

Pagina “chi siamo” con anno di fondazione, città, categoria merceologica, se sei indipendente, brand che tratti. Dati dell’attività uguali ovunque: sito, Google Business Profile, directory di settore, social. Nome, indirizzo e telefono identici. Le incoerenze piccole (via scritta in due modi, due numeri) sono rumore che indebolisce il segnale.

3. Porta i dati prodotto al livello di una catena

Prezzo, disponibilità, spedizioni, resi: testo leggibile nella pagina, dati strutturati corretti, feed di Merchant Center allineato al sito. Non devi avere il budget di una catena per avere un catalogo pulito. Lo puoi avere con un pomeriggio di lavoro sui venti prodotti che vendono di più. Se vuoi il quadro sull’altra faccia di questo tema, quello degli acquisti fatti dagli agenti, c’è l’articolo su agentic commerce per le PMI.

4. Costruisci contenuti dove i piccoli hanno più spazio

Lo studio dice che sulle richieste ampie i piccoli vanno meglio. Quindi lavora su contenuti che rispondono a esigenze, non a codici prodotto: guide di scelta, confronti onesti, “cosa serve davvero per…”, casi di clienti reali. Un contenuto in cui dici “per questo uso ti consiglio A, per quest’altro B, e in questo caso non comprare da me” è anche un contenuto che una AI può citare, perché è chiaro e verificabile.

5. Raccogli prove esterne

Recensioni vere su Google e sui siti di settore, menzioni su testate locali, presenza in directory specializzate. L’AI pesa le conferme esterne. Non comprare recensioni: oltre al rischio, è esattamente il tipo di segnale che i sistemi stanno imparando a scartare.

6. Rendi esplicito ciò che ti distingue

Consulenza in negozio, assistenza post-vendita, riparazioni, produzione propria, servizio su misura. Una catena non può scrivere “ti rispondo io personalmente”. Tu sì. È un fatto, non uno slogan, e va scritto in modo che si trovi.

Cosa non fare

Non riempire il sito della parola “indipendente” ripetuta venti volte. Non pagare chi ti promette di “farti raccomandare da ChatGPT”. Non smettere di lavorare sulla SEO classica: le risposte AI che usano la ricerca web si appoggiano ai risultati che trovano, e le pagine che stanno bene su Google hanno più probabilità di essere lette anche dalle AI.

SEO e GEO: come si entra in una risposta AI

Dal punto di vista SEO classico, questa notizia non cambia i fattori di ranking. Ma tocca da vicino la GEO, la Generative Engine Optimization, cioè il lavoro per essere letti, capiti e citati dai motori generativi.

Nel mio metodo, appoggiato alle metriche di SeoZoom, il punto di partenza è sempre lo stesso: l’autorevolezza su un argomento (la TZA, Topical Zoom Authority) conta più della forza generale del dominio. Un negozio piccolo non batterà una catena sulla forza del sito, ma può essere la fonte più solida su un tema ristretto: la stufa a pellet per case in montagna, la bici da città per chi fa i dislivelli, il vino di una zona precisa. È il motivo per cui i miei progetti ripartono sempre dall’ambito stretto e non dall’ambito largo.

Un riferimento dai miei casi documentati: l’e-commerce EVO, un olio passato da 400.000 a 4,8 milioni di euro, è un esempio di quanto un catalogo specializzato e curato possa pesare. Non ti dico che il risultato sia replicabile in ogni settore e non lo attribuisco a una sola leva: lo cito perché la logica “ambito stretto, dati puliti, prove esterne” è quella che qui ha senso.

Un’altra osservazione sulla misura. Oggi non c’è un report che ti dica “sei stato raccomandato da ChatGPT”. Quello che puoi fare è il test manuale ripetuto nel tempo, uno strumento di monitoraggio delle risposte AI, e guardare le sorgenti di traffico su GA4. Diffida di chi ti presenta una percentuale di “visibilità AI” senza spiegare con quali richieste e su quali piattaforme l’ha calcolata: è lo stesso difetto che lo studio di cui parliamo cerca di evitare dichiarando il metodo.

Domande frequenti

Le AI favoriscono davvero le grandi catene rispetto ai negozi piccoli?

Secondo uno studio di Vaer AI per Lightspeed (20.000 richieste, circa 460.000 risposte, Stati Uniti e Canada), sì: nei confronti diretti senza ricerca web l’AI ha scelto il rivenditore nazionale il 90-94% delle volte, e con la ricerca web le catene restano tra il 46% e il 58% delle raccomandazioni. Lo studio non riguarda l’Italia.

Questi dati valgono anche per l’Italia?

Non lo sappiamo. Le città testate sono Los Angeles, San Francisco, New York e Montréal. Non ho trovato uno studio equivalente sul mercato italiano. La direzione è plausibile, ma i numeri non vanno trasferiti.

Aggiungere “indipendente” alla richiesta cambia i risultati?

Nello studio sì: le raccomandazioni delle grandi catene sono scese da circa il 44% fino al 9% nel caso migliore e la visibilità dei piccoli è più che raddoppiata. Termini come “locale” o “vicino a me” hanno avuto un effetto molto minore. Però la maggior parte degli utenti non usa la parola nelle richieste normali.

Cosa può fare un piccolo negozio online per comparire nelle risposte AI?

Non esiste una tecnica ufficiale. Le basi utili sono: dati dell’attività coerenti ovunque, schede prodotto con prezzo e disponibilità leggibili, feed allineato al sito, contenuti che rispondono a esigenze specifiche, recensioni e menzioni esterne vere, e un test periodico delle risposte AI per le richieste che i clienti fanno davvero.

Conviene smettere di vendere prodotti di marca se l’AI favorisce le catene?

No, non è questo che dice lo studio. Dice che sulle richieste molto specifiche (marca e modello) i piccoli hanno meno spazio. Significa che su quei prodotti la scheda standard non basta, e che conviene aggiungere valore: consulenza, servizio, confronti, contenuti di scelta.

Cosa significa per le aziende italiane

Per una PMI italiana il messaggio non è “le AI ci penalizzano”. È più semplice e più utile: l’AI, di default, sceglie chi si fa riconoscere meglio. Se sei un negozio o un e-commerce con dati sparsi, schede uguali a quelle dei concorrenti e poche conferme esterne, parti svantaggiato. Se invece lavori su un ambito stretto, con dati puliti e prove vere, hai spazio, soprattutto sulle richieste in cui il cliente descrive un’esigenza e non un codice prodotto.

Una cosa va detta con onestà: lo studio non è italiano e chi lo ha finanziato vende software ai commercianti. Quindi non ti dico di rivoluzionare il sito per questa notizia. Ti dico di fare un test di un’ora, di sistemare i dati dell’attività e delle schede più importanti, e di scrivere in modo esplicito cosa ti rende diverso da una catena, compreso il fatto di essere indipendente se lo sei.

Cosa farei io, se avessi un negozio con e-commerce da 2 a 10 milioni di fatturato: questa settimana scrivo dieci richieste da cliente e le provo su ChatGPT, su AI Mode e su Google. Segno chi viene consigliato al posto mio e perché. Poi prendo i venti prodotti che pesano di più e controllo che prezzo, disponibilità e dati strutturati siano corretti e uguali tra pagina e feed. Poi riscrivo la pagina “chi siamo” con fatti precisi: dove siamo, da quanto, cosa facciamo meglio di una catena. Costa pochi giorni di lavoro, non un progetto.

Cosa non farei: non comprerei servizi che promettono posizioni nelle risposte di ChatGPT, e non toglierei budget alla SEO che oggi porta clienti. Le AI che cercano sul web leggono quello che Google premia. Il lavoro sulle basi resta quello che serve di più.

Se vuoi sapere cosa raccomandano oggi ChatGPT e Google quando un cliente cerca quello che vendi tu, e dove i tuoi dati ti penalizzano, scrivimi: un controllo su una decina di richieste reali basta per farsi un’idea.

0