Oggi gli LLM (Large Language Model) come ChatGPT e gli assistenti conversazionali basati su intelligenza artificiale sono diventati dei veri e propri consiglieri d’acquisto: l’utente chiede, confronta e… acquista! Tutto in una chat.
Negli ultimi giorni infatti OpenAI ha presentato in anteprima un checkout nativo direttamente integrato in ChatGPT. Non si tratta più di “aggiungere” l’AI ai processi esistenti, ma di ripensare da zero l’esperienza d’acquisto, partendo dalla conversazione.
In quest’ottica si inserisce anche la recente collaborazione tra OpenAI e Shopify.
Se il tuo product feed non “parla” la lingua dei motori LLM, rischi di sparire dalle risposte delle chat e di lasciare soldi sul tavolo. Per questo motivo è importante ottimizzare il proprio product feed per massimizzare le vendite via LLM!
Negli ultimi giorni infatti OpenAI ha presentato in anteprima un checkout nativo direttamente integrato in ChatGPT. Non si tratta più di “aggiungere” l’AI ai processi esistenti, ma di ripensare da zero l’esperienza d’acquisto, partendo dalla conversazione.
In quest’ottica si inserisce anche la recente collaborazione tra OpenAI e Shopify.
Se il tuo product feed non “parla” la lingua dei motori LLM, rischi di sparire dalle risposte delle chat e di lasciare soldi sul tavolo. Per questo motivo è importante ottimizzare il proprio product feed per massimizzare le vendite via LLM!
Partiamo: cos’è un product feed e come farlo trovare ai motori LLM
Cosa è: un file strutturato (tipicamente in formato CSV, XML o JSON) che raccoglie tutte le informazioni chiave sui tuoi prodotti, per poi destinarle a canali esterni: motori di shopping (Google Shopping, Bing Shopping, ecc.), marketplace verticali, affiliate network (TradeDoubler, Awin, etc.), Dynamic remarketing e retargeting (Google Ads (DSA), Facebook Dynamic Ads, Criteo, CMS interni, comparatori di prezzo e motori LLM.
Perché serve: senza feed, ChatGPT e altri motori LLM non hanno informazioni su cui basarsi e non potranno proporre i tuoi prodotti ai loro utenti.
Perché serve: senza feed, ChatGPT e altri motori LLM non hanno informazioni su cui basarsi e non potranno proporre i tuoi prodotti ai loro utenti.
Dove pubblicarlo e come usarlo
Hosting esterno
- Carichi feed.json su un server o cloud (es. S3, GCS).
- Ottieni un URL pubblico (o protetto). Pro tip: prova l’URL nel browser per evitare un 404!
3. Nella chiamata API aggiungi il codice Json al payload (ovvero il corpo body della richiesta HTTP, in cui metti i dati che il server deve ricevere):
{
“model”: “gpt-4o-mini”,
“messages”: […],
“feed_url”: “https://tuosito.com/feed.json”
}
“feed”:[
{“id”:”1″,”nome”:”Scarpa X”,”prezzo”:59.90},
…
]
Esempio di inclusione diretta del feed da mettere direttamente nel payload:
{
“model”: “gpt-4o-mini”,
“messages”: […],
“feed_url”: “https://tuosito.com/feed.json”
}
Inclusione diretta
Se il feed è piccolo (<100 KB), inseriscilo direttamente nel payload:“feed”:[
{“id”:”1″,”nome”:”Scarpa X”,”prezzo”:59.90},
…
]
Esempio di inclusione diretta del feed da mettere direttamente nel payload:
Attributi fondamentali del prodotto e perché contano
Obiettivo: dare a ChatGPT e agli altri LLM tutti i “mattoni” per costruire risposte precise.
- ID univoco → identifica ogni prodotto senza confusione
- Nome (≤60 car.) → cattura l’attenzione e inserisci la keyword principale
- Prezzo + valuta → indispensabile per rispondere a “quanto costa?”
- URL immagine (≥800×800 px) → anteprima nitida nelle chat
- Descrizione breve (30–40 parole) → evidenzia benefici chiave
- Categorie (Schema.org/Product) → organizza i risultati
- Tag & varianti → filtri su colore, taglia, materiale
- Dati stock/spedizione → risposte a “quando arriva?
- Metadati (promo, bundle, valutazioni) → leva su offerte e social proof
Descrizioni e prompt efficaci: a cosa servono
Scopo: trasformare un elenco di dati in consigli utili.
1. Capire l’utente
“prompt_example”: “Elenca le felpe donna invernali sotto 50€ con disponibilità in tutte le taglie”
Colore e rating
“prompt_example”: “Trova borse nere con rating ≥4.5 e spedizione gratuita”
Caratteristica tecnica
“prompt_example”: “Mostrami cuffie Bluetooth con cancellazione del rumore e batteria ≥20 ore”
Offerta e stock
“prompt_example”: “Elenca smartphone in offerta (sconto ≥20%) ancora disponibili in magazzino”
Multi‐filtro
“prompt_example”: “Cerco zaini da trekking impermeabili, capacità ≥30 L, prezzo ≤80€”
3. Tono chiaro e amichevole
Esempio di descrizione prodotto:
Descrizione: “Scarpe da corsa leggere e comode.”
Descrizione ottimizzata: “Scarpe da running leggere (220 g), con suola ammortizzante e grip extra, perfette per corse fino a 10 km.”
Vantaggio: i dettagli (peso, suola, distanza) guidano ChatGPT e gli altri LLM a mostrare solo chi cerca davvero quelle caratteristiche.
1. Capire l’utente
- Perché: evitare risposte troppo ampie o irrilevanti.
- Come fare: dai un’occhiata a AnswerThePublic o ai suggerimenti di Google per scoprire come la gente formula le proprie domande, esprime le proprie esigenze.
- Cosa sono: frasi-guida che indichi ai modelli LLM per applicare i filtri giusti sui dati.
- Dove inserirli: nel payload della chiamata API, sotto il campo “prompt_example”.
- Perché: aiutano il modello a capire esattamente cosa restituire.
- Come: aggiungi prompt_example, esempi :
“prompt_example”: “Elenca le felpe donna invernali sotto 50€ con disponibilità in tutte le taglie”
Colore e rating
“prompt_example”: “Trova borse nere con rating ≥4.5 e spedizione gratuita”
Caratteristica tecnica
“prompt_example”: “Mostrami cuffie Bluetooth con cancellazione del rumore e batteria ≥20 ore”
Offerta e stock
“prompt_example”: “Elenca smartphone in offerta (sconto ≥20%) ancora disponibili in magazzino”
Multi‐filtro
“prompt_example”: “Cerco zaini da trekking impermeabili, capacità ≥30 L, prezzo ≤80€”
3. Tono chiaro e amichevole
- Perché: aumenta fiducia e conversione.
- Come: parla come un esperto che spiega a un amico, evita gerghi tecnici.
Esempio di descrizione prodotto:
Descrizione: “Scarpe da corsa leggere e comode.”
Descrizione ottimizzata: “Scarpe da running leggere (220 g), con suola ammortizzante e grip extra, perfette per corse fino a 10 km.”
Vantaggio: i dettagli (peso, suola, distanza) guidano ChatGPT e gli altri LLM a mostrare solo chi cerca davvero quelle caratteristiche.
Workflow passo-passo: perché ogni fase è indispensabile
Ecco la “scaletta” ordinata di tutte le attività necessarie per preparare e pubblicare il tuo feed prodotti che ti fa risparmiare ore di debug e quindi tempo.
1. Esporta (CSV o JSON)
Cosa significa: scarichi da CMS o database tutti i dati prodotti in un unico file.
Perché: hai già tutto in mano, pronto per le fasi successive.
2. Mappa (Google Sheets o Excel)
Cosa significa: in un foglio di calcolo allinei i nomi dei campi (colonne) del tuo CMS con quelli richiesti dal feed (es. “price” vs “prezzo”).
Perché: eviti errori di corrispondenza (e campi vuoti) quando generi il JSON.
3. Pulisci (script o add-on)
Cosa significa: usi uno script (Python, JavaScript) o un componente aggiuntivo di foglio di calcolo per:
4. Trasforma (convertitore automatico)
Cosa significa: carichi il tuo CSV (o JSON “sporco”) in uno strumento online che lo converte in un JSON strutturato secondo le tue specifiche.
Perché: ottieni un file JSON valido senza scrivere manualmente parentesi o virgolette.
Esempi di tool gratuiti:
Cosa significa: carichi il feed.json su un servizio accessibile via HTTPS, ad esempio:
6. Testa in sandbox (endpoint di prova)
Cosa significa: prima di andare in produzione, invii il tuo feed a un ambiente di test (sandbox) offerto dal provider dell’API:
Cosa significa: sulla base dei test correggi:
Seguendo queste sette tappe – Esporta → Mappa → Pulisci → Trasforma → Pubblica → Testa → Rettifica – ottimizzi il tuo flusso, riduci imprevisti e garantisci a ChatGPT dati puliti e sempre aggiornati.
1. Esporta (CSV o JSON)
Cosa significa: scarichi da CMS o database tutti i dati prodotti in un unico file.
Perché: hai già tutto in mano, pronto per le fasi successive.
2. Mappa (Google Sheets o Excel)
Cosa significa: in un foglio di calcolo allinei i nomi dei campi (colonne) del tuo CMS con quelli richiesti dal feed (es. “price” vs “prezzo”).
Perché: eviti errori di corrispondenza (e campi vuoti) quando generi il JSON.
3. Pulisci (script o add-on)
Cosa significa: usi uno script (Python, JavaScript) o un componente aggiuntivo di foglio di calcolo per:
- eliminare righe duplicate
- rimuovere o segnalare campi mancanti
4. Trasforma (convertitore automatico)
Cosa significa: carichi il tuo CSV (o JSON “sporco”) in uno strumento online che lo converte in un JSON strutturato secondo le tue specifiche.
Perché: ottieni un file JSON valido senza scrivere manualmente parentesi o virgolette.
Esempi di tool gratuiti:
- JSONLint (jsonlint.com) – con validazione e formattazione
- CSV to JSON Converter (csvjson.com/csv2json)
- QuickType (app.quicktype.io) – genera anche classi/types per vari linguaggi
Cosa significa: carichi il feed.json su un servizio accessibile via HTTPS, ad esempio:
- Amazon S3
- Google Cloud Storage
- un tuo web server
6. Testa in sandbox (endpoint di prova)
Cosa significa: prima di andare in produzione, invii il tuo feed a un ambiente di test (sandbox) offerto dal provider dell’API:
- OpenAI: usa un’API key di test e l’endpoint di prova (https://api.openai.com/v1/chat/completions con flag di test)
- Mock server: puoi anche creare un mock in Postman o Beeceptor per simulare risposte
- il JSON venga scaricato correttamente (no 404)
- ChatGPT (o altri motori LLM) interpreti i dati come ti aspetti
- eventuali errori non impattino l’ambiente live
Cosa significa: sulla base dei test correggi:
- mapping sbagliati
- campi inviati col formato errato
- prompt da affinare
Seguendo queste sette tappe – Esporta → Mappa → Pulisci → Trasforma → Pubblica → Testa → Rettifica – ottimizzi il tuo flusso, riduci imprevisti e garantisci a ChatGPT dati puliti e sempre aggiornati.
Errori più comuni da evitare
Un titolo dettagliato migliora il matching.
1. Titoli generici → confondono il modello
Esempio
– { “nome”: “Borsa a tracolla” }
+ { “nome”: “Borsa a tracolla in pelle vegana, 25×18 cm, tasca interna con zip” }
2. Immagini scadenti → riducono l’engagement
3. Mancanza di prezzo/disponibilità → impedisce risposte complete
1. Titoli generici → confondono il modello
Esempio
– { “nome”: “Borsa a tracolla” }
+ { “nome”: “Borsa a tracolla in pelle vegana, 25×18 cm, tasca interna con zip” }
2. Immagini scadenti → riducono l’engagement
3. Mancanza di prezzo/disponibilità → impedisce risposte complete
Misurare e migliorare (sempre)
- Raccogli dati
Scopri ora le funzionalità della piattaforma per la gestione delle spedizioni eCommerce Qapla’: contattaci per avere maggiori informazioni.
© Blog Qapla’, Riproduzione riservata.