I referral dell’AI sono un’illusione

Il traffico da ChatGPT crolla del 52% a novembre 2025 per poi risalire, rivelando oscillazioni da cambi algoritmo

Se il traffico in arrivo dai modelli linguistici ti fa esultare, probabilmente stai brindando su una metrica di vanità con dodici mesi di ritardo. I numeri sembrano straordinari: secondo un’analisi su 6,77 milioni di sessioni LLM, ChatGPT da solo genera il 92,4% dei referral tracciabili, con un balzo da 65.249 sessioni a novembre 2024 a 396.278 nell’agosto 2025. Poi qualcosa si rompe.

Nel novembre 2025 i referral da ChatGPT precipitano da 448.412 a 213.345, per poi risalire a nuovi massimi di 644.478 a maggio 2026, documenta lo studio di Search Engine Land sul traffico AI referral. Oscillazioni che sembrano più l’effetto di cambi di algoritmo che un’adozione reale. Ma il vero rumore di fondo è un altro: ChatGPT manda il 28,8% delle sue sessioni a pagine di ricerca interna; nel complesso, il 25% del traffico AI-referred atterra su internal search. Numeri che gridano «sessione fantasma», non utenti con intento d’acquisto.

Tra i publisher, il 54% delle visite finisce su articoli di news, ma con una penetrazione editoriale ferma allo 0,11% rispetto a oltre 120 milioni di sessioni organiche, come emerge dallo. Per l’e-commerce, le pagine prodotto catturano il 43% del traffico LLM, eppure la domanda resta: quanti di quei click sarebbero comunque arrivati da Google?

La metrica che illude: quando il last-click mente

La vera trappola è scambiare un click da ChatGPT per un’acquisizione incrementale. Senza test di holdout o marketing mix modeling, quel traffico potrebbe semplicemente cannibalizzare l’organico o il paid search. Lo sanno bene i performance manager alle prese con la perdita di visibilità delle query: l’articolo di Search Engine Journal su metodi di ottimizzazione PPC con visibilità ridotta mostra che analisi comportamentali, azioni a zero clic e conversioni offline sono indispensabili. E che i valori di conversione come leva di ottimizzazione PPC comunicano il contributo reale meglio degli aggiustamenti delle offerte.

Traslare queste logiche ai canali AI significa smettere di guardare il numero di sessioni e iniziare a misurare l’incremento netto su conversioni, revenue o lead qualificati, isolando il nuovo canale con test geo o analisi di contribuzione.

Un crash involontario (e la lezione del frontloading)

Il tonfo di novembre 2025, con 235mila sessioni sparite in un mese, è un esperimento naturale: se le tue conversioni non hanno battuto ciglio, avevi ragione a diffidare. La volatilità dei referral AI impone cautela. Investire budget in anticipo senza validazione è la ricetta per bruciare soldi. L’analisi di Search Engine Land su il fallimento del frontloading pubblicitario lo mette in chiaro: senza KPI solidi, spendere aggressivamente produce costi di acquisizione più alti e fiducia azzerata. Il caso simbolo è una startup finanziata con oltre 250 milioni che ha vaporizzato gran parte dei fondi in advertising inefficace, per mancanza di misurazione dell’incrementale.

Quello che ancora non sappiamo

Il traffico AI è una miniera d’oro solo per chi riesce a separare il segnale dal rumore. Ma i metodi non sono ancora maturi: il contributo delle AI overviews, l’impatto sulle conversioni a valle quando la risposta è già nella chat, l’interazione tra canali diversi sfuggono ai modelli last-click. Occorre un marketing mix modeling capace di incorporare i nuovi flussi, con modelli bayesiani o holdout su porzioni di traffico. Altrimenti, ci ritroveremo a celebrare l’ennesimo vanity metric, convinti di aver scoperto l’eldorado digitale.