Metriche di performance AI: sette KPI che ogni brand dovrebbe monitorare
Perché l’AI ha bisogno delle proprie metriche
Il commercio agente è un nuovo canale. Quando un utente chiede a ChatGPT un consiglio su un prodotto o a Perplexity un confronto tra servizi, non c’è nessuna “prima pagina” su cui posizionarsi. C’è una citazione, un riepilogo, o nulla del tutto. Il tuo brand compare nella risposta generata dall’AI, oppure non esiste in quella conversazione.
Questo canale ha bisogno del proprio report di performance - allo stesso modo in cui hai report per paid, organico, social ed email.
In WISLR, abbiamo dedicato un tempo considerevole alla ricerca e allo sviluppo delle metriche che contano per questo nuovo canale. I KPI che tracciano la scoperta guidata dall’AI sono fondamentalmente diversi da qualsiasi cosa nelle tue dashboard esistenti. Misurano se i sistemi AI possono accedere ai tuoi contenuti, se li stanno citando e se quella visibilità si sta convertendo in ricavi.
I sette KPI seguenti rappresentano il nostro framework per costruire un report del canale AI - dal momento in cui un bot esegue il crawl del tuo sito al momento in cui un cliente converte. Questo è il report che ogni brand dovrebbe creare accanto ai propri report di performance dei canali esistenti.
Sette indicatori chiave di performance
Queste sette metriche formano una visione completa dell’intero funnel delle performance AI - dall’infrastruttura ai ricavi. Analizziamo ciascuna nel dettaglio.
1. Tasso di crawl dei bot AI
Cosa misura: La percentuale delle tue pagine a cui i crawler AI (GPTBot, ClaudeBot, PerplexityBot, ecc.) accedono e processano con successo per i dati di addestramento.
Questa è la metrica fondamentale. Se i bot AI non possono eseguire il crawl dei tuoi contenuti, le tue pagine non appariranno nei dati di addestramento.
Come monitorarlo:
- Monitora i log del server per gli user agent specifici dell’AI (GPTBot, anthropic-ai, PerplexityBot, Bytespider)
- Confronta il totale delle pagine crawlabili con le pagine effettivamente crawlate per ciascun bot
- Monitora le tendenze della frequenza di crawl nel tempo
Come si presenta un buon risultato: Le pagine ad alto valore (pagine prodotto, contenuti pillar, pagine di categoria) dovrebbero mostrare un’attività di crawl costante da parte dei principali bot AI.
Problemi comuni: Regole robots.txt eccessivamente restrittive, contenuti renderizzati in JavaScript invisibili ai bot, errori di rendering lato server e tempi di risposta lenti delle pagine che inducono i crawler ad abbandonare le richieste.
2. Tasso di fetch AI
Cosa misura: Quanto spesso il tuo brand o i tuoi contenuti vengono citati, referenziati o mostrati nelle risposte generate dall’AI.
Il crawling è necessario ma non sufficiente. Il tasso di fetch cattura se i sistemi AI effettivamente recuperano i tuoi contenuti per inserirli nelle loro risposte. Questo è l’equivalente AI della “quota impressioni” - quanto sei visibile quando vengono poste domande pertinenti.
Come monitorarlo:
- Monitora i log del server per gli user agent specifici del fetch AI, che hanno firme diverse dai bot utilizzati per il crawling e l’addestramento
- Distingui tra richieste di crawl (raccolta dati di addestramento) e richieste di fetch (recupero di contenuti in tempo reale per generare risposte)
- Monitora la frequenza di fetch e quali pagine vengono inserite nelle risposte AI in tempo reale
Come si presenta un buon risultato: Mantenere o aumentare le richieste di fetch dalle conversazioni degli utenti in tempo reale nel corso del tempo, indicando che le piattaforme AI stanno attivamente recuperando i tuoi contenuti per rispondere alle domande dal vivo.
Problemi comuni: Contenuti poco approfonditi che non forniscono un segnale sufficiente affinché l’AI li citi, dati strutturati mancanti che impediscono un’attribuzione accurata, e contenuti dei concorrenti meglio ottimizzati per il consumo da parte dell’AI.
3. Tasso di traffico referral AI
Cosa misura: Il volume e la percentuale di visitatori del sito web che arrivano dalle piattaforme AI.
Questo è il punto in cui la visibilità AI inizia a tradursi in impatto sul business. Quando i sistemi AI citano i tuoi contenuti con un link, gli utenti cliccano. Monitorare questo traffico separatamente dalla ricerca organica ti offre un quadro chiaro del contributo diretto dell’AI.
Come monitorarlo:
- Analizza i log del server e gli header di referral HTTP per il traffico proveniente dalle piattaforme AI (chat.openai.com, perplexity.ai, gemini.google.com)
- Segmenta il traffico referral AI dal traffico di ricerca organica e diretto utilizzando i dati dei referrer
- Monitora il volume di traffico referral AI come percentuale del traffico totale del sito nel tempo
Come si presenta un buon risultato: Una quota crescente di traffico referral dalle piattaforme AI visibile nei log del server e nei dati degli header di referral.
Problemi comuni: Lacune nell’attribuzione quando le piattaforme AI non trasmettono i dati del referrer, e traffico classificato erroneamente nelle categorie “diretto” o “altro” nei tuoi log.
4. Tasso di conversione AI
Cosa misura: La percentuale di visitatori provenienti dall’AI che completano un acquisto o un’azione desiderata.
Gli attuali strumenti di analisi comportamentale hanno punti ciechi quando si tratta di traffico proveniente dall’AI. Le sessioni potrebbero non trasportare i dati del referrer in modo coerente, e i modelli di attribuzione tradizionali non sono stati costruiti per questo canale. Ecco perché il posto migliore per sviluppare questa metrica sono i log del server come indicatore anticipato, per poi incrociarla con i dati delle transazioni dal sistema di gestione ordini quando possibile.
Come monitorarlo:
- Usa i dati dei log del server per identificare le sessioni originate dagli header di referral AI
- Incrocia le sessioni provenienti dall’AI con i record delle transazioni nel tuo sistema ordini
- Confronta i pattern di conversione del traffico proveniente dall’AI rispetto ad altri canali utilizzando i dati dei log e degli ordini
Come si presenta un buon risultato: Un numero crescente di transazioni che possono essere ricondotte a sessioni di referral AI nei tuoi log, con i dati degli ordini che confermano gli acquisti completati.
Problemi comuni: Dati del referrer incompleti che rendono difficile collegare le sessioni alle conversioni, lacune tra i dati dei log e i record del sistema ordini, e mancanza di una visione unificata tra i log del server e i sistemi transazionali.
5. Tasso carrello-acquisto AI
Cosa misura: Il tasso di completamento del checkout specificamente per i visitatori arrivati tramite referral AI.
Nessuno strumento di analisi pronto all’uso segmenta questo dato in modo affidabile oggi. Devi costruire il tuo tracciamento collegando i dati di referral AI dai log del server agli eventi del carrello e del checkout nel tuo sistema ordini. Questo ti offre accuratezza e fiducia che le dashboard predefinite non possono eguagliare al momento.
Come monitorarlo:
- Contrassegna le sessioni provenienti dall’AI nei log del server utilizzando i dati degli header di referral
- Abbina quelle sessioni agli eventi di creazione del carrello e completamento del checkout nel tuo sistema ordini
- Calcola il rapporto carrello-acquisto per le sessioni provenienti dall’AI rispetto ad altre fonti di traffico
Come si presenta un buon risultato: Le sessioni provenienti dall’AI che completano il checkout a tassi comparabili con i tuoi canali più performanti, confermato attraverso la tua pipeline dati log-ordini.
Problemi comuni: Difficoltà nel mantenere la continuità delle sessioni tra i dati dei log e i record degli ordini, discrepanze di prezzo o disponibilità tra ciò che l’AI cita e ciò che è effettivamente nel carrello, e lo sforzo manuale necessario per costruire e mantenere questo tracciamento prima che gli strumenti dei vendor si adeguino.
6. Ricavi dall’AI
Cosa misura: I ricavi totali attribuibili alla scoperta guidata dall’AI, inclusa sia l’attribuzione diretta (ultimo clic) sia quella assistita (multi-touch).
Questa è la metrica del risultato finale. Risponde alla domanda che ogni dirigente pone: “Quanto vale realmente per noi la visibilità AI in termini economici?”
Come monitorarlo:
- Costruisci una pipeline che colleghi i log del server (attività di fetch dei bot AI e sessioni di referral AI) al tuo sistema di gestione ordini o transazionale
- Abbina le sessioni di referral AI identificate nei log agli acquisti completati e ai relativi valori economici nei dati degli ordini
- Segmenta i ricavi per fonte AI dove possibile (diverse piattaforme AI lasciano firme di referral diverse)
Come si presenta un buon risultato: Un numero di ricavi crescente e verificabile legato direttamente alle sessioni di referral AI, incrociato con il tuo sistema ordini affinché i dati reggano a un esame approfondito. Ricavi per visita proveniente dall’AI competitivi con gli altri canali.
Problemi comuni: L’infrastruttura per collegare i dati dei log ai record delle transazioni non esiste già pronta - devi costruirla. Il passaggio di sessione tra l’identificazione nei log e il completamento dell’ordine può essere impreciso, e non esiste ancora uno strumento standard di settore. Questa è una metrica che affinerai nel tempo man mano che il tuo tracciamento matura.
7. Prodotti totali con contenuti multi-modali
Cosa misura: La percentuale del tuo catalogo prodotti che dispone di contenuti multi-modali completi - video, immagini e descrizioni testuali - ottimizzati per il consumo da parte dell’AI.
Questa metrica va oltre le fondamenta tecniche. Le piattaforme AI favoriscono sempre più le pagine prodotto ricche di contenuti quando fanno raccomandazioni, ma arrivarci richiede uno stretto coordinamento tra il tuo team tecnico e il tuo team dei contenuti. I prodotti con sole descrizioni testuali di base perdono terreno rispetto ai concorrenti che investono in video dimostrativi, immagini da più angolazioni, tabelle comparative e specifiche strutturate. Questa è un’iniziativa di strategia dei contenuti tanto quanto una questione tecnica - i tuoi team dei contenuti devono essere parte della pianificazione, produzione e definizione delle priorità.
Come monitorarlo:
- Esegui un audit del tuo catalogo prodotti per la completezza dei contenuti attraverso tutti i tipi di contenuto: descrizioni scritte, immagini dei prodotti, video e specifiche strutturate
- Costruisci un modello di scoring con il tuo team dei contenuti che valuti la prontezza multi-modale di ciascun prodotto - questo fornisce sia agli stakeholder tecnici che a quelli dei contenuti un linguaggio condiviso per la definizione delle priorità
- Monitora la percentuale di copertura nel tempo e collega le milestone di miglioramento ai calendari di produzione dei contenuti
Come si presenta un buon risultato: Gli SKU prioritari (bestseller, margine più alto) hanno per primi contenuti multi-modali completi, con una roadmap per espandere la copertura su tutto il catalogo attivo. I team tecnici e dei contenuti sono allineati su cosa significa “completo” per ciascun tipo di prodotto.
Problemi comuni: Importazioni massive di prodotti con descrizioni minime che non vengono mai arricchite, team dei contenuti non coinvolti negli obiettivi di visibilità AI, assenza di un flusso di lavoro condiviso tra team tecnici e produzione dei contenuti, testo alternativo mancante nelle immagini dei prodotti, e nessun contenuto video per i prodotti che beneficerebbero di una dimostrazione.
Costruire il tuo framework di misurazione AI
Queste sette metriche non sono pensate per essere monitorate in modo isolato. Formano un funnel:
- Infrastruttura (Bot Crawl Rate) - L’AI può accedere ai tuoi contenuti?
- Visibilità (Fetch Rate) - L’AI cita i tuoi contenuti?
- Traffico (Referral Traffic Rate) - Gli utenti cliccano dall’AI?
- Azione (Conversion Rate + Cart-to-Buy Rate) - I visitatori convertono?
- Ricavi (Revenue from AI) - Qual è l’impatto economico?
- Prontezza (Multi-Modal Content) - Sei preparato per ciò che verrà?
Se il tuo tasso di crawl dei bot è basso, ottimizzare il tasso di conversione non aiuterà. Se il tuo tasso di fetch è forte ma il traffico referral è debole, il problema è probabilmente nel modo in cui le piattaforme AI rimandano a te. Il funnel ti dice dove concentrarti.
Inizia con ciò che puoi misurare oggi
Non hai bisogno di un sistema di attribuzione perfetto per iniziare. Parti con l’analisi dei log del server per i tassi di crawl dei bot e la segmentazione delle fonti di referral nelle tue analitiche esistenti. Queste due metriche da sole ti diranno se le piattaforme AI stanno accedendo ai tuoi contenuti e ti stanno inviando traffico.
Man mano che la tua misurazione matura, aggiungi il monitoraggio del tasso di fetch, la segmentazione delle conversioni e l’attribuzione dei ricavi. I brand che iniziano a misurare ora avranno mesi di dati di base quando i loro concorrenti staranno ancora cercando di capire da dove cominciare.
Queste metriche sono difficili da catturare da soli
La realtà è che la maggior parte di questi KPI non ha ancora strumenti pronti all’uso. Costruire le pipeline dei log, collegarle ai dati degli ordini e mantenere il tracciamento richiede un vero sforzo ingegneristico - e la maggior parte dei brand non ha la capacità interna per realizzarlo da zero.
Il team WISLR ha costruito sistemi per rendere operative queste metriche per i brand, così non devi partire da zero. Se vuoi aiuto per implementare questo framework di misurazione, ti guideremo attraverso ciò che è possibile per la tua configurazione.
Vuoi sapere se i bot AI possono effettivamente eseguire il crawl del tuo sito? La nostra Guida alla prontezza AEO analizza la tua infrastruttura tecnica - rendering JavaScript, markup schema, pagine fantasma e altro - così puoi correggere le fondamenta prima di ottimizzare il funnel.
Domande frequenti
Quali metriche non vengono tracciate dagli strumenti di analisi standard per il traffico generato dall’AI?
Gli strumenti di analisi standard come Google Analytics non segmentano in modo affidabile il traffico proveniente dall’AI rispetto alle visite organiche o dirette. In particolare, non rilevano il tasso di crawl dei bot AI (che richiede l’analisi dei log del server per user agent come GPTBot, ClaudeBot e PerplexityBot), il tasso di fetch AI (che utilizza firme di user agent diverse dai crawler di addestramento) e i tassi di conversione e carrello-acquisto specifici per l’AI (che richiedono il collegamento dei dati di referral dai log del server ai record del sistema di gestione ordini). Questi sette KPI - tasso di crawl dei bot, tasso di fetch, tasso di traffico referral, tasso di conversione, tasso carrello-acquisto, ricavi dall’AI e copertura dei contenuti multi-modali - devono essere costruiti a partire dai log del server e dai dati transazionali, non da dashboard predefinite.
In cosa differisce il tasso di fetch AI dal tasso di crawl dei bot AI?
Il tasso di crawl dei bot AI misura quante delle tue pagine i crawler AI riescono ad accedere con successo per i dati di addestramento. Questa è la metrica fondamentale per determinare se i tuoi contenuti entrano nella conoscenza di un LLM. Il tasso di fetch AI misura quanto spesso i sistemi AI recuperano i tuoi contenuti in tempo reale per generare risposte durante le conversazioni live degli utenti. I due utilizzano firme di user agent diverse nei log del server: le richieste di crawl raccolgono dati di addestramento, mentre le richieste di fetch inseriscono i contenuti nelle risposte attive. Un tasso di crawl alto con un tasso di fetch basso significa che i tuoi contenuti sono nei dati di addestramento ma non vengono citati quando gli utenti pongono domande pertinenti.
Come si tracciano i ricavi dal traffico referral AI quando non esiste uno strumento pronto all’uso?
Si costruisce una pipeline personalizzata che collega tre fonti di dati: i log del server (per identificare le sessioni provenienti dall’AI tramite gli header di referral HTTP da piattaforme come chat.openai.com, perplexity.ai e gemini.google.com), il sistema di gestione ordini (per abbinare quelle sessioni agli acquisti completati e ai relativi valori economici) e la segmentazione delle firme di referral (per attribuire i ricavi a specifiche piattaforme AI). Questa pipeline sostituisce il ruolo di attribuzione che strumenti come Google Analytics svolgono per i canali a pagamento e organici. L’infrastruttura non esiste pronta all’uso. Richiede un impegno ingegneristico per collegare i dati dei log ai record delle transazioni e mantenere la continuità delle sessioni attraverso il checkout.
Qual è l’ordine corretto per costruire un report di performance del canale AI?
I sette KPI formano un funnel che dovrebbe essere misurato in sequenza: infrastruttura (tasso di crawl dei bot AI), visibilità (tasso di fetch AI), traffico (tasso di traffico referral AI), azione (tasso di conversione AI e tasso carrello-acquisto), ricavi (ricavi dall’AI) e prontezza (copertura dei contenuti multi-modali). Questo ordine è importante perché i problemi nella parte alta del funnel rendono irrilevanti le metriche a valle. Se il tuo tasso di crawl dei bot è basso, ottimizzare il tasso di conversione non servirà. Inizia con l’analisi dei log del server per i tassi di crawl dei bot e la segmentazione delle fonti di referral, poi aggiungi il monitoraggio del tasso di fetch, la segmentazione delle conversioni e l’attribuzione dei ricavi man mano che la tua misurazione matura.
Cosa rende il traffico referral AI diverso dal traffico di ricerca organica nei log del server?
Il traffico referral AI proviene da domini di piattaforme specifiche come chat.openai.com, perplexity.ai e gemini.google.com e viene identificato tramite gli header di referral HTTP nei log del server, non attraverso i pattern tradizionali di referral dei motori di ricerca. A differenza del traffico di ricerca organica, il traffico referral AI viene spesso classificato erroneamente come “diretto” o “altro” negli strumenti di analisi standard perché le piattaforme AI non trasmettono sempre i dati del referrer in modo coerente. L’unico modo affidabile per segmentare il traffico referral AI è attraverso l’analisi dei log del server degli header di referral, motivo per cui questa metrica non può essere misurata con precisione utilizzando solo strumenti di analisi comportamentale.
Perché la copertura dei contenuti multi-modali è importante per la visibilità AI?
Le piattaforme AI favoriscono sempre più le pagine prodotto ricche di contenuti quando generano raccomandazioni. I prodotti con sole descrizioni testuali di base perdono terreno rispetto ai concorrenti che dispongono di video dimostrativi, immagini da più angolazioni, tabelle comparative e specifiche strutturate. La copertura dei contenuti multi-modali misura la percentuale del tuo catalogo prodotti che dispone di contenuti completi - video, immagini e testo - ottimizzati per il consumo da parte dell’AI. Questa è sia una metrica tecnica che di strategia dei contenuti. Richiede coordinamento tra i team tecnici (per i dati strutturati e il rendering) e i team dei contenuti (per la produzione e la definizione delle priorità), dando la priorità ai prodotti più venduti e a margine più alto.