Stape: come il server-side tracking aiuta aziende ed e-commerce nell’era degli acquisti degli agenti AI

Per anni il marketing digitale ha costruito strategie, attribuito conversioni e distribuito investimenti partendo da un presupposto semplice: ogni acquisto è il risultato di un percorso che conduce una persona da un annuncio a un sito web, fino al checkout. Oggi quello schema inizia a mostrare crepe sempre più evidenti. L'intelligenza artificiale non si limita più a cercare informazioni o a suggerire prodotti, ma entra direttamente nei processi di acquisto, modifica il modo in cui viene generato il traffico online e rende meno affidabili molti degli strumenti con cui le aziende misurano le proprie performance. In parallelo cresce l'attenzione verso la qualità dei dati, tema che interessa grandi imprese, PMI ed e-commerce di qualsiasi settore, dimensione e mercato. La sfida non consiste soltanto nel raccogliere più informazioni, ma soprattutto nel comprendere quali siano realmente attendibili e quali, invece, risultino alterate da un ecosistema digitale in rapida trasformazione.

La qualità del dato
Secondo lo studio "Fixing the Foundation: The State of Marketing Data Quality 2025" di Adverity, il 45% dei dati utilizzati dai marketer per prendere decisioni di business è incompleto, inaccurato oppure obsoleto. Ancora più significativo è un altro dato: il 43% dei CMO intervistati afferma di non potersi fidare di oltre la metà delle informazioni su cui basa le proprie valutazioni. Non sorprende quindi che, alla domanda su quale intervento migliorerebbe maggiormente le performance di marketing, la risposta più frequente non sia un aumento del budget o una maggiore automazione. Per il 30% dei direttori marketing la priorità è migliorare la qualità del dato, mentre il 22% indica come fondamentale l'automazione dei flussi informativi. Se da una parte cresce la necessità di prendere decisioni basate su informazioni affidabili, dall'altra aumenta il rischio che report e dashboard restituiscano una fotografia distorta della realtà. Una quota sempre più rilevante del traffico arriva infatti dall'intelligenza artificiale e non sempre viene identificata correttamente dai sistemi di analytics tradizionali.

Come cambia il traffico
Fino a poco tempo fa il traffico generato dall'intelligenza artificiale era composto prevalentemente da sistemi incaricati di leggere e catalogare i contenuti presenti sul web, così da renderli disponibili come fonti per le risposte dei motori di ricerca conversazionali. Il report HUMAN Security conferma che questa categoria rappresenta ancora circa il 67,5% del traffico AI complessivo. La composizione, però, evolve rapidamente. Nel corso del 2025 il traffico prodotto dagli scraper AI cresce del 597%. Si tratta di sistemi che raccolgono contenuti in tempo reale per rispondere a una richiesta specifica dell'utente, come avviene quando un chatbot consulta il web prima di formulare una risposta. Negli ultimi mesi emerge inoltre una terza categoria: gli agenti AI autonomi, capaci di interagire con immagini, pulsanti, moduli e video presenti nei siti internet. L'aspetto più interessante per chi si occupa di digital analytics riguarda la distribuzione del traffico sulle diverse tipologie di pagina. Il 77% dell'attività interessa pagine prodotto e risultati di ricerca, l'8,8% coinvolge le aree account, circa il 5% riguarda i flussi di verifica dell'identità e il 2,3% interessa le pagine di checkout. La percentuale può sembrare limitata, ma rappresenta una svolta. Per la prima volta diventa misurabile il passaggio dagli agenti che leggono agli agenti che acquistano, un comportamento che fino al 2025 rimane sostanzialmente teorico. L'arrivo di sistemi autonomi capaci di completare operazioni commerciali apre quindi nuovi interrogativi sia sulla qualità dei dati sia sulla sicurezza delle piattaforme digitali.

Acquisti senza sito
L'evoluzione accelera ulteriormente l'11 gennaio 2026, quando Google introduce Universal Commerce Protocol (UCP). Il nuovo protocollo permette agli agenti AI integrati in Google AI Mode o Gemini di individuare prodotti, consultare cataloghi, aggiungere articoli al carrello e completare l'acquisto senza che l'utente debba aprire il sito del merchant. Parallelamente OpenAI sviluppa insieme a Stripe l'Agentic Commerce Protocol (ACP), che consente di concludere un acquisto direttamente all'interno di una conversazione con ChatGPT. Per chi si occupa di marketing le conseguenze sono immediate. Un acquisto completato attraverso UCP o ACP non produce informazioni sulle pagine consultate, sul percorso di navigazione, sui pulsanti selezionati o sulle azioni effettuate all'interno del sito. Una parte del customer journey scompare quindi dai report tradizionali. Le conseguenze non riguardano soltanto il reparto analytics: entrano direttamente nelle strategie di investimento e nella pianificazione delle campagne. Se il ROAS di un determinato canale viene calcolato su una quota sempre più ridotta delle conversioni effettive, quel canale può apparire meno performante semplicemente perché una parte crescente degli acquisti sfugge ai sistemi di misurazione. Il rischio è spostare budget da attività efficaci verso altre meno redditizie per un errore di attribuzione e non per un reale calo delle performance. Anche i modelli di pianificazione media mostrano limiti sempre più evidenti: molte strategie continuano infatti a basarsi su un funnel lineare nel quale l'utente clicca un annuncio, visita il sito e conclude l'acquisto nella stessa sessione. La realtà evolve in una direzione diversa: una quota crescente di utenti, insieme agli agenti AI, segue percorsi differenti, rendendo sempre meno rappresentativo il modello tradizionale di attribuzione.

La risposta tecnica
Il settore dell'analytics individua una risposta concreta intervenendo sul modo in cui vengono raccolti i dati, non soltanto sul modo in cui vengono analizzati. Il sistema tradizionale utilizza i pixel delle piattaforme pubblicitarie, come Meta Ads e Google Ads, e dipende dal browser utilizzato per navigare. Per registrare correttamente una conversione devono verificarsi diversi passaggi: caricamento della pagina, consenso privacy e invio delle informazioni verso le piattaforme. L'intero processo può interrompersi facilmente: se l'utente utilizza un sistema di adblocking il tracciamento viene bloccato; allo stesso modo, se un agente AI compila un modulo oppure completa un acquisto dialogando direttamente con i sistemi aziendali senza passare dal caricamento della pagina, l'evento non viene registrato. Nei report quella conversione risulta inesistente. Il tracciamento server-side, o Server-to-Server, cambia completamente approccio. Invece di affidare la misurazione al browser, il server aziendale elabora immediatamente ogni evento, organizza le informazioni e le trasmette direttamente alle piattaforme di advertising e analytics. Il sistema continua così a registrare conversioni anche quando non derivano da una tradizionale sessione di navigazione umana. In un mercato nel quale una quota crescente del traffico è generata da sistemi automatici oppure viene bloccata dai browser, il server-side tracking si avvia a diventare uno standard di riferimento per la misurazione.

Strumenti e risultati
Tra le piattaforme più utilizzate per il tracciamento server-side figura Stape, che mette a disposizione funzionalità dedicate a siti web, applicazioni, e-commerce e campagne pubblicitarie. La funzione Bot Detection analizza ogni visita e assegna un punteggio da 0 a 100 in base alla probabilità che il comportamento appartenga a un bot: sopra i 75 punti la visita viene bloccata automaticamente, tra 50 e 75 viene classificata come sospetta, in attesa di ulteriori verifiche. L'obiettivo consiste nel distinguere un agente AI che completa un acquisto legittimo da un sistema utilizzato per tentativi di frode, evitando di penalizzare utenti reali. Un'altra funzione, denominata Enricher, conserva le informazioni identificative lasciate dall'utente, come indirizzo email o numero di telefono, associandole a un profilo. Se la stessa persona torna successivamente senza autenticarsi oppure conclude un acquisto tramite un agente AI senza visitare il sito, il sistema collega automaticamente quei dati al nuovo evento prima dell'invio verso Meta o Google. La piattaforma permette inoltre di integrare i contatti già presenti nel CRM aziendale: in questo modo un acquisto concluso in negozio oppure un contratto firmato offline possono essere ricondotti al percorso digitale dello stesso cliente. I benefici non riguardano esclusivamente le piattaforme pubblicitarie: un CRM alimentato con dati più completi restituisce una visione più accurata del valore del cliente, della spesa media, del ciclo di vita e delle tappe che precedono la conversione, riducendo il rischio di prendere decisioni su informazioni parziali. Secondo Stape, l'attivazione di queste funzionalità consente di recuperare mediamente il 25% degli eventi. Il caso di FGM04, merchant italiano basato su Shopify, evidenzia un incremento del 72% nelle conversioni attribuite correttamente, un'accuratezza dei dati del 98% e un aumento del 187,2% delle conversioni rilevate su Meta. Numeri che fotografano una trasformazione già in corso e indicano come la qualità della misurazione sia destinata a diventare uno dei principali fattori competitivi del marketing digitale nell'era degli agenti di intelligenza artificiale.