AI e Shopping in Europa 2026: Cosa Dicono 4.000 Consumatori (e Cosa i Dati Non Rivelano)

Un'indagine condotta nel 2026 su 4.000 consumatori in nove Paesi europei indica che l'AI sta diventando un canale rilevante per la scoperta e il confronto di prodotti. Emerge però una tensione da non ignorare: i consumatori sono aperti all'assistenza AI quando è utile, ma restano insoddisfatti di molti strumenti implementati dai retailer. L'indagine non misura gli effetti reali sui ricavi né l'evoluzione nel tempo. Il suo valore principale è quello di una fotografia su comportamenti e preferenze dichiarate — non una dimostrazione che specifiche funzionalità AI aumentino o distruggano le vendite. Per questo, l'articolo affianca i dati dell'indagine con ricerche comportamentali e sperimentali che si avvicinano maggiormente a quelle domande.

AI e Shopping in Europa 2026: Cosa Dichiarano 4.000 Consumatori

I dati provengono da "The Agent Era", pubblicato dal World Retail Congress con Vercel come partner promotore. L'indagine ha coinvolto 4.000 consumatori nel maggio 2026: 1.350 nel Regno Unito, 1.000 in Germania, 825 nell'Europa meridionale (Spagna, Francia e Italia aggregate) e 825 nei Paesi nordici (Svezia, Norvegia, Finlandia e Danimarca aggregate). Venti domande. Un'unica rilevazione, senza un'onda precedente di confronto.

È opportuno essere chiari su cosa sia effettivamente questo rapporto. Vercel vende infrastrutture per storefront digitali, e l'impostazione editoriale riflette gli interessi dello sponsor. I risultati regionali sono utili come esplorazione, ma il rapporto non fornisce dettagli metodologici sufficienti — metodo di campionamento, demografia, ponderazione, tasso di risposta o test di significatività — per valutarne appieno la rappresentatività. Il campione copre nove Paesi, con il Regno Unito che da solo rappresenta il 33,8% del totale: un dato "europeo" aggregato non può quindi valere automaticamente per i consumatori europei nel loro insieme. Tutti i risultati sono auto-dichiarati, e le intenzioni dichiarate sovrastimano sistematicamente il comportamento reale.

La fotografia contiene tuttavia un segnale strutturale su cui vale la pena costruire una strategia: i rispondenti indicano oggi l'AI search come punto di partenza degli acquisti più spesso di qualsiasi singola piattaforma social.

L'AI Search Rivaleggia con i Social nella Scoperta dei Prodotti

In tutte le aree geografiche rilevate, l'AI search (ChatGPT, Gemini, Claude) è indicata come punto di partenza del percorso d'acquisto dal 19–27% dei rispondenti — una quota superiore a quella di Facebook, TikTok o Instagram presi singolarmente.

Nel dettaglio: 27% in Europa meridionale, 24% in Germania, 20% nel Regno Unito, 19% nei Paesi nordici. A confronto: Facebook si ferma al 14–23%, TikTok al 13–18%, Instagram al 14–16%. Due precisazioni necessarie. Prima: "AI search" aggrega tre piattaforme, mentre i social sono misurati singolarmente — lo studio non dimostra che l'AI superi i social nel complesso. Seconda: alcuni scostamenti sono di un solo punto percentuale (20% contro il 19% di Facebook nel Regno Unito) e il rapporto non pubblica test di significatività; i margini ridotti vanno letti come sostanziale parità.

Il confronto rimane comunque significativo. ChatGPT è stato lanciato nel novembre 2022; TikTok è arrivato nel 2016, Instagram nel 2010, Facebook nel 2004. Un canale nato meno di quattro anni fa si trova già al pari o davanti a ciascuna piattaforma social come punto di ingresso dichiarato agli acquisti. I siti dei retailer restano in testa (76–80%), seguiti da Google (65–68%).

Una correzione al racconto più diffuso: le risposte AI non sono più del tutto fuori dalla portata degli inserzionisti. OpenAI ha annunciato la pubblicità in ChatGPT nel maggio 2026, inclusi acquisti CPC e annunci basati su feed di prodotti. Le raccomandazioni organiche rimangono distinte dai posizionamenti a pagamento, e la visibilità in quelle raccomandazioni dipende da dati di prodotto leggibili dalle macchine e da contenuti citabili, oltre che da integrazioni di piattaforma, sistemi di recupero e comportamento dei modelli. Una disciplina diversa sia dal paid social che dal classico posizionamento SEO — e nessuna singola leva garantisce la presenza.

ChatGPT in Testa, ma un Consumatore su Due Non Usa Ancora l'AI Search

ChatGPT è il leader indiscusso in tutte le aree: il 49% dei rispondenti dell'Europa meridionale dichiara di usarlo quando cerca nuovi prodotti, il 40% nei Paesi nordici, il 38% in Germania, il 33% nel Regno Unito. Gemini è secondo con il 22–37%. Claude, Bing AI e Perplexity restano tutti sotto il 6%.

La quota di chi non usa nessuno strumento AI va dal 32% dell'Europa meridionale fino al 50% del Regno Unito. I dati di popolazione confermano che il soffitto di adozione è ancora lontano e molto disomogeneo: Eurostat riporta che il 32,7% dei residenti UE tra i 16 e i 74 anni ha usato strumenti di AI generativa nel 2025, con un range che va dal 65% tra i 16–24enni al 14% tra i 55–74enni. L'adozione dell'AI nel retail varierà in modo altrettanto marcato per fascia demografica — un fattore critico per qualsiasi cliente con una base clienti mediamente più anziana.

A Cosa Serve l'AI Search negli Acquisti: il Confronto Prezzi Domina

Tra chi usa l'AI per gli acquisti, il confronto prezzi è il caso d'uso principale in tutte le aree, citato dal 51–55% dei rispondenti. L'AI funziona da motore di comparazione.

• Confrontare i prezzi: 51–55% nelle diverse aree
• Ricevere consigli su cosa comprare e sulle caratteristiche dei prodotti: 38–53%
• Scoprire nuovi brand o prodotti: 31–42%
• Trovare prodotti di brand già conosciuti: 22–30%
• Acquistare direttamente sulla piattaforma AI senza reindirizzamento: 18–24% (24% nel Regno Unito)

I comportamenti dichiarati confermano la tendenza. Tra chi usa l'AI, il 58% in Europa meridionale, il 55% nel Regno Unito e in Germania e il 51% nei Paesi nordici afferma di aver acquistato un prodotto su raccomandazione AI. Si tratta di comportamento auto-dichiarato, che non dice nulla sull'incrementalità o sulle transazioni verificate — ma come indicazione di disponibilità all'acquisto è difficile da ignorare.

L'AI Shopping Sta Davvero Crescendo? Cosa Aggiungono i Dati Comportamentali

L'indagine Vercel non può dimostrare che l'AI shopping stia crescendo, perché non dispone di un'onda precedente di confronto. I dati comportamentali provenienti dagli Stati Uniti supportano tuttavia la direzione di marcia. Adobe Analytics, su un dataset che secondo l'azienda copre oltre mille miliardi di visite a siti retail americani, ha registrato una crescita del 138% anno su anno del traffico retail proveniente da referral AI nel maggio 2026, e una crescita del 1.324% dall'ottobre 2024. Questi visitatori hanno convertito il 54% più spesso e generato il 53% di fatturato in più per visita rispetto ai referral non-AI, con sessioni più lunghe del 53% e il 23% di pagine in più visualizzate. I dati riguardano siti americani e solo i click-through AI identificabili: vanno trattati come evidenza direzionale, mai come benchmark europeo.

La lettura strategica regge anche con queste cautele: i retailer con dati di prodotto incompleti o incoerenti cedono visibilità nelle comparazioni ai competitor con feed puliti, in un canale il cui traffico misurabile cresce rapidamente ovunque sia misurabile.

La Scoperta via AI Spesso Finisce in Negozio, e l'Attribuzione è il Nodo Difficile

Per gli acquisti di valore elevato, il punto vendita fisico vince ancora nell'indagine. Tra il 61% e il 79% dei rispondenti nelle quattro aree preferisce acquistare articoli costosi in un negozio fisico: 79% in Europa meridionale, 76% nei Paesi nordici, 65% nel Regno Unito, 61% in Germania. La scoperta tramite AI alimenta i negozi tanto quanto i siti: il 3–5% dei rispondenti dichiara di scoprire un prodotto tramite AI search e poi acquistarlo in negozio, e il 10–13% lo scopre tramite AI e acquista sul sito del retailer. Se queste quote stiano crescendo, questa fotografia non può dirlo.

Il problema dell'attribuzione potrebbe essere più ampio di quanto il traffico referral AI visibile suggerisca. Uno studio osservazionale del 2026 ha incrociato le conversazioni di utenti consensuali con assistenti AI (ChatGPT, Claude, Gemini) e la loro successiva attività di navigazione. Quando un assistente raccomandava un brand con cui l'utente non aveva precedente interazione, le ricerche del nome del brand aumentavano di 4,3 punti percentuali, le visite al sito del brand di 2,4 punti e le visite alle pagine del retailer dedicate al brand di 1,0 punto. La maggior parte di questa influenza era invisibile ai sistemi tradizionali di attribuzione referral e last-click. Lo studio non ha rilevato transazioni né visite fisiche in negozio.

Colmare il Gap di Attribuzione AI-Negozio Richiede Più della Sola Analisi Web

È importante essere precisi su cosa può e non può fare ogni livello di misurazione. La web analytics vede la sessione proveniente dall'AI. L'analisi del punto vendita — affluenza, permanenza per zona, comportamento alle casse — misura la parte fisica del percorso. Nessuna delle due, da sola, può stabilire che una determinata visita in negozio sia originata da ChatGPT. Collegare causalmente un'esposizione AI a un risultato in negozio richiede un meccanismo di collegamento o un esperimento: offerte tracciate, identità loyalty, consenso basato sulla geolocalizzazione, coorti abbinate, geo-test o test di incrementalità.

Esiste un'opportunità di consulenza esattamente in questo gap. I retailer che investono in AI discovery senza un piano di misurazione navigano a vista sul ROI. Una roadmap per fasi — strumentare il negozio, scegliere il meccanismo di collegamento, poi testare — è il tipo di progetto che un consulente ben posizionato può gestire da protagonista, e le fondamenta sono la strumentazione del punto vendita.

Come i Consumatori Valutano gli Strumenti AI dei Retailer

Solo due funzionalità AI on-site ottengono valutazioni nette positive in tutti e quattro i mercati europei: la ricerca visiva e i consigli personalizzati sui prodotti. Il virtual try-on e i chatbot risultano netti negativi nella maggior parte dei mercati, e il virtual try-on è lo strumento con il giudizio più basso dell'intero studio. "Netto positivo" significa che le valutazioni positive superano quelle negative: è una misura di soddisfazione, che non dice nulla sul ROI o sui ricavi incrementali.

L'utilizzo è elevato, il che rende il divario di soddisfazione ancora più critico. I consigli personalizzati sono usati almeno occasionalmente dal 67% dei rispondenti in Europa meridionale, dal 59% nel Regno Unito, dal 58% nei Paesi nordici e dal 57% in Germania. I consumatori incontrano questi strumenti di frequente e spesso li trovano inadeguati: consigli ripetitivi, risposte errate dei chatbot e suggerimenti irrilevanti sono segnalati da circa un quarto a un terzo dei rispondenti (26–33%) a seconda del mercato.

Le intenzioni di spesa dichiarate vanno nella stessa direzione. Più della metà afferma che spenderebbe di meno o si rifiuterebbe di spendere se servita esclusivamente da un assistente AI: 61% nei Paesi nordici, 57% nel Regno Unito, 54% in Germania, 52% in Europa meridionale. Solo circa uno su dieci dichiara che spenderebbe di più. Si tratta di disponibilità dichiarata rispetto a uno scenario ipotetico: non va letta come perdita di fatturato misurata.

Dove si originano i fallimenti? Alcuni nascono da dati di prodotto incompleti o incoerenti; altri da sistemi di recupero, comportamento dei modelli, design dell'interfaccia o dall'assenza di un percorso di escalation verso un operatore umano. Un audit su agenti AI per lo shopping ha rilevato raccomandazioni concentrate su pochi prodotti "modali", variazioni significative dopo aggiornamenti dei modelli e forti bias di posizione, con semplici modifiche alle descrizioni lato venditore in grado di influenzare le scelte dell'agente. I retailer devono testare il sistema nel suo complesso: dati migliori da soli risolveranno solo una parte del problema.

Le evidenze sperimentali confermano questa lettura orientata all'implementazione. Una serie estesa di esperimenti randomizzati sul campo condotti presso un retailer cross-border ha testato l'AI generativa su sette flussi di lavoro, da un chatbot pre-vendita alle descrizioni di prodotto. Gli effetti sulle vendite sono andati dall'assenza di effetti rilevabili a un incremento del 16,3%, con quattro applicazioni su sette che hanno prodotto effetti positivi sulle vendite. La conclusione utile per una roadmap cliente: gli strumenti AI non sono intrinsecamente positivi né intrinsecamente distruttivi per i ricavi. Il loro effetto dipende dall'obiettivo, dal contesto di partenza, dalla qualità dell'implementazione e dal segmento di clientela. Ogni implementazione va trattata come un'ipotesi da verificare rispetto a conversione, margine, resi e risultati del servizio clienti.

L'Equilibrio tra Umano e AI che i Consumatori Dichiarano di Volere

La preferenza per un servizio esclusivamente AI resta una minoranza ristretta — un dato da citare esplicitamente quando un cliente propone di sostituire il proprio team di supporto con un chatbot. Nelle diverse aree, il 42–49% dei rispondenti preferisce un mix di assistenza umana e AI online, il 42–52% preferisce solo operatori umani, e appena il 6–11% vuole solo l'AI.

La principale preoccupazione dichiarata è la perdita del contatto umano: 47% nel Regno Unito, 46% nei Paesi nordici, 42% in Europa meridionale, 40% in Germania. La privacy è seconda con il 33–36%. Il posizionamento corretto è quello dell'AI come estensione della capacità del servizio umano. Un chatbot privo di percorso di escalation verso un operatore è la configurazione ad alto rischio in qualsiasi mercato.

La Qualità dell'AI come Fattore di Scelta del Retailer

In tutti i mercati rilevati, una quota rilevante dei rispondenti afferma che sceglierebbe un retailer rispetto a un altro perché fa un uso migliore degli strumenti AI sul proprio sito: 59% in Europa meridionale, 43% nel Regno Unito, 40% in Germania, 39% nei Paesi nordici. Attenzione alla formulazione: si tratta di una scelta tra retailer in uno scenario ipotetico, un'evidenza più debole rispetto all'abbandono di un retailer già utilizzato. Poiché i Paesi nordici sono al di sotto del 40% e il rapporto non fornisce una cifra ponderata per l'intera Europa, è opportuno evitare di ripetere il claim del titolo secondo cui "oltre il 40% degli europei" si comporta in questo modo.

Inoltre, il 26–37% dichiara che spenderebbe di più con un retailer che offrisse le più recenti funzionalità AI. Intenzioni dichiarate, sì — ma direzionalmente utili per stabilire le priorità. Ciò che i rispondenti vorrebbero migliorato è indicativo: raccomandazioni personalizzate più accurate (41–51%) e chatbot più intelligenti con risposte simili a quelle umane (33–43%). Le funzionalità emergenti ottengono valutazioni più basse: esperienze AR al 13–22% e assistenti di stile AI al 17–20% a seconda del mercato.

Ne emerge una gerarchia di investimento per le roadmap clienti:

1. Prima di tutto, migliorare i motori di raccomandazione e i dati di prodotto.
2. Poi, implementare o potenziare la ricerca visiva.
3. Testare le funzionalità emergenti come virtual try-on e AR come ipotesi, dopo che la qualità AI di base è dimostratamente positiva.

L'Infrastruttura del Commercio Agentivo è in Arrivo, con Alcune Cautele

L'infrastruttura transazionale si sta costruendo adesso: Perplexity ha lanciato le funzionalità di shopping negli USA nel novembre 2024, OpenAI ha aggiunto lo shopping a ChatGPT Search nell'aprile 2025 e gli acquisti dai venditori Etsy nel settembre 2025, Google ha presentato AI Mode per lo shopping con il suo Shopping Graph nel maggio 2025, e Shopify ha annunciato gli Agentic Storefronts nel marzo 2026. La disponibilità varia per Paese, merchant e piattaforma, e diversi di questi canali rimangono focalizzati sugli USA o in accesso anticipato: è essenziale verificare la situazione attuale prima di promettere a un cliente europeo l'accesso a uno qualsiasi di essi.

Il sentiment dei retailer corre avanti rispetto ai dati. In un sondaggio non pubblicato condotto dal World Retail Congress tra retailer senior di USA, Europa e Asia in vista del suo evento 2026 a Berlino, il 98% ha indicato come problema principale il timore che il proprio brand non venga selezionato dai motori di ricerca agentivi. Nessuna dimensione campionaria né formulazione delle domande è stata resa nota: va letto come l'umore di un singolo pubblico congressuale.

La tesi popolare secondo cui "sono i brand, non gli aggregatori, a vincere il traffico AI" merita la stessa cautela. Proviene dal CTO di Vercel, Malte Ubl, come osservazione del traffico interno a Vercel — plausibile, ma circoscritta. Lo studio del 2026 sul matching delle conversazioni ha rilevato che le raccomandazioni degli assistenti aumentano le visite ai siti brand e alle pagine retailer in egual misura, senza uno spostamento generale tra le due tipologie. Gli aneddoti aziendali puntano nella stessa direzione ambigua: il CEO di JD Group ha dichiarato al congresso che JD Sports riceve ordini da ChatGPT negli USA con due terzi provenienti da nuovi clienti (senza denominatore né periodo di riferimento dichiarati), mentre il co-fondatore di Zalando ha affermato che il 90% dei contenuti di product marketing è ora generato dall'AI. Interessante, da monitorare — ma non ancora la prova di un'inversione strutturale.

Per i clienti con una solida infrastruttura direct-to-consumer e dati di prodotto puliti, il commercio agentivo rafforza le ragioni per investire nei canali proprietari — e per misurare ciò che questi canali generano, sia online che nel punto vendita dove gli acquisti di valore ancora si chiudono. Chi consiglia sull'AI discovery senza un piano per misurare la visita in negozio che ne consegue dovrebbe partire proprio da lì.

Fonti

• World Retail Congress / Vercel: "The Agent Era" (2026), indagine su 4.000 consumatori europei, maggio 2026; fonte primaria per tutte le statistiche dell'indagine
• Adobe Digital Insights (giugno 2026), dati comportamentali sul traffico AI-referred verso siti retail americani
• From Prompt to Purchase (preprint 2026), studio osservazionale che incrocia conversazioni con assistenti AI e successiva attività di navigazione
• Generative AI and Sales Productivity (preprint), esperimenti randomizzati sul campo su sette flussi di lavoro AI nel retail
• What Is Your AI Agent Buying? (preprint 2025), audit sul comportamento degli agenti AI per lo shopping
• Eurostat (dicembre 2025), utilizzo di AI generativa nella popolazione UE per fascia d'età
• OpenAI (maggio 2026), annuncio della pubblicità in ChatGPT
• Shopify, annuncio degli Agentic Storefronts, marzo 2026