IA per le descrizioni prodotto in cataloghi di migliaia di schede, senza contenuti spazzatura

Un negozio con trecento prodotti può permettersi che qualcuno scriva ogni scheda a mano. Uno con ottomila, no. Nei cataloghi grandi la situazione tipica è un misto di descrizioni del fornitore, schede vuote e poche schede curate con attenzione. L'intelligenza artificiale cambia i conti: quelli che prima erano mesi di scrittura ora sono giorni. Il problema è che può anche produrre ottomila testi che dicono la stessa cosa con parole diverse, e questo non vende né posiziona.

Questo articolo non parla di quanto bene scriva l'IA, ma di come organizzare il lavoro perché il risultato sia utile quando il catalogo è grande.

Il problema non è l'IA, è quello che le dai

Un modello linguistico scrive a partire da ciò che riceve. Se gli passi solo il nome del prodotto, riempirà con frasi generiche: «design moderno», «alta qualità», «ideale per tutti i giorni». Sono frasi che potrebbero stare in qualsiasi scheda, e per questo non danno nulla né al cliente né a un motore di ricerca.

La qualità del testo dipende quasi interamente dai dati di partenza:

• Caratteristiche reali: misure, materiali, compatibilità, composizione, potenza, capacità.
• Contesto d'uso: per chi è, in quale situazione si usa, con cosa si abbina.
• Differenze all'interno della famiglia: cosa distingue questo modello da quello accanto.
• Domande che i clienti già ti fanno al telefono, per email o in chat.
• Limiti: ciò che non si può dire (indicazioni sulla salute, promesse di risultati, confronti con altri marchi).

Prima di generare qualsiasi cosa, guarda cosa hai. Se le caratteristiche sono vuote, il primo compito è compilarle, non scrivere testi. Un EAN inserito correttamente permette di consultare banche dati pubbliche di prodotti; una tabella di specifiche del fornitore si può trasformare in caratteristiche di PrestaShop. Così l'IA ha qualcosa di concreto da raccontare.

Stabilisci le priorità: non tutte le schede meritano lo stesso

Con migliaia di prodotti, trattare tutto allo stesso modo è il modo più rapido per sprecare tempo e soldi in API senza risultati. Dividi il catalogo in tre gruppi:

1. Quelli che vendono o ricevono visite. Di solito sono una piccola parte del catalogo. Qui vale la pena una descrizione completa, rivista da qualcuno che conosce il prodotto, con domande frequenti e vantaggi chiari.
2. Quelli che hanno ricerche ma non convertono. Compaiono su Google con impressioni e pochi clic, o ricevono visite che se ne vanno. Sono quelli che guadagnano di più da una scheda migliore.
3. La coda lunga. Ricambi, taglie, codici molto tecnici. Una descrizione corretta generata da buone caratteristiche e un controllo a campione di solito bastano.

I dati per fare questa divisione li hai già: vendite in PrestaShop, visite nei tuoi strumenti di analisi e impressioni e clic in Search Console.

Modelli per famiglia, non un'unica istruzione per tutto

Un'unica istruzione («scrivi una descrizione di 200 parole») applicata a tutto il catalogo produce schede con la stessa struttura e lo stesso tono, qualunque sia il prodotto. Funziona meglio un modello per famiglia o categoria:

• Nei ricambi contano la compatibilità, il codice originale e come verificare che sia il pezzo giusto.
• Nella moda, il tessuto, il modello, come veste e come si lava.
• Negli alimentari, origine, formato, conservazione e allergeni, che hanno anche obblighi di legge propri.
• Nelle attrezzature tecniche, specifiche, uso consigliato e cosa contiene la confezione.

Ogni modello deve indicare la struttura, il tono del tuo marchio, la lunghezza approssimativa e, soprattutto, quali dati usare e cosa non inventare. Una frase come «se un dato non è nelle informazioni fornite, non menzionarlo» evita buona parte degli errori.

Lavorare per lotti, con bozze

Generare migliaia di testi e pubblicarli direttamente è la ricetta del disastro. Il flusso che funziona è questo:

1. Lotto di prova di venti o trenta prodotti della stessa famiglia.
2. Revisione completa di quel lotto: dati corretti, tono, ripetizioni, frasi vuote. Correggi il modello in base a ciò che vedi.
3. Lotto grande in bozza: i testi vengono salvati senza sostituire ancora quelli attuali.
4. Controllo a campione, confrontando il prima e il dopo. Se in un campione compaiono errori, si corregge il modello e si rigenera il lotto, non scheda per scheda.
5. Pubblicazione e annotazione della data, per poter misurare.

Lavorare in background, con una coda e un'attività pianificata, evita di bloccare il back office e le interruzioni per tempo di esecuzione che compaiono quando si elaborano centinaia di prodotti in una sola richiesta. E conservare uno storico di ogni modifica permette di tornare indietro se un lotto va male.

Cosa controllare in ogni campione

• Dati: misure, materiali e compatibilità corrispondono alla realtà?
• Differenziazione: se leggi di seguito tre schede della stessa famiglia, si distinguono?
• Frasi di riempimento: «qualità eccezionale», «non ti lascerà indifferente». Via.
• Affermazioni vietate o rischiose: salute, sicurezza, risultati garantiti.
• Coerenza con la scheda: il testo non deve contraddire le caratteristiche né il prezzo.
• Lingue: se traduci, unità di misura, taglie ed espressioni devono essere adattate al Paese.

Google non penalizza l'IA

Google ha dichiarato pubblicamente che non gli importa come sia stato prodotto un contenuto, ma se è utile. Quello che contrasta è la generazione di pagine in massa con lo scopo principale di manipolare i risultati, senza valore per chi le legge. Per un negozio la differenza è pratica: una scheda generata con l'IA a partire da dati reali e poi rivista aiuta l'acquirente; mille schede con lo stesso testo rimescolato non aiutano nessuno, che le abbia scritte una macchina o una persona.

Non aspettarti nemmeno che riscrivere le descrizioni sposti il traffico da un giorno all'altro. Misura per gruppi di prodotti e su periodi di diverse settimane: impressioni, clic, tasso di conversione della scheda e resi per «non è quello che mi aspettavo».

Un dettaglio tecnico: negozio aggiornato

Elaborare il catalogo in massa tocca molte tabelle contemporaneamente e dipende da attività pianificate, connessioni all'API del fornitore di IA e versioni recenti di PHP. Nei negozi con PrestaShop o PHP molto vecchi, gli strumenti attuali spesso non si possono installare, e quello che si risparmia in scrittura si perde in toppe. Avere il negozio aggiornato fa parte del progetto.

Come risolverlo in PrestaShop

Easy AI Magic Catalog Suite lavora all'interno del back office con la tua chiave di OpenAI, Gemini, Claude, DeepSeek, Mistral o Cohere. Il suo AI Mass Processor mette prodotti, categorie o pagine CMS in una coda che viene elaborata in background con un'attività pianificata, e genera i testi come bozze: confronti il prima e il dopo e solo allora li applichi, con uno storico per ripristinare. AI Product Enrichment cerca dati per EAN, UPC o ISBN in banche dati pubbliche, AI Features estrae le specifiche dalle descrizioni e le trasforma in caratteristiche, e AI Premium Bullets e AI FAQs completano la scheda. Se il problema è che i prodotti nuovi tardano a entrare, AI Catalog Flow crea il prodotto dal cellulare a partire da una foto, con categorie, immagini e combinazioni, e applica i valori predefiniti che stabilisci tu.