Perché questa guida è diversa
Negli ultimi mesi sono usciti centinaia di articoli su “AI per la SEO Shopify”. Quasi tutti raccontano lo stesso copione: copia il prompt in ChatGPT, riscrivi qualche meta description, incolla nell’admin. È un buon esercizio individuale ma su scala industriale — uno store con 1.000 o 5.000 SKU — non regge. Diventa la classica attività che nessuno fa mai fino in fondo, perché costa troppo tempo umano.
Questa guida parla di un’altra cosa: collegare direttamente Claude all’Admin API di Shopify tramite Model Context Protocol (MCP), in modo che il modello operi sullo store come un consulente con le credenziali — leggendo, analizzando, proponendo modifiche e applicandole con un giro di approvazione umana. È la differenza tra usare un chatbot e usare un agente operativo.
Cos’è MCP applicato a Shopify (in 60 secondi)
MCP è uno standard open rilasciato a fine 2024 da Anthropic per collegare i modelli AI a sistemi esterni. La definizione tecnica meno utile possibile: protocollo client-server JSON-RPC.
La traduzione operativa: un modulo che mette in mano a Claude le stesse capacità dell’Admin API di Shopify — query GraphQL, mutation, accesso a prodotti, collezioni, varianti, metafield, articoli del blog, redirect, file. Con permessi decisi a monte (scope read/write per tipologia).
| Chatbot generico (ChatGPT in web) | Claude + MCP Shopify |
|---|---|
| Tu copi i dati in chat | Il modello li legge direttamente dallo store |
| Tu incolli i risultati nell’admin | Il modello applica le modifiche via API (con approvazione) |
| Lavora su un prodotto alla volta | Lavora in batch su tutto il catalogo |
| Non conosce il contesto del brand | Conosce tono di voce, articoli pubblicati, struttura del catalogo |
Setup tecnico in mezza giornata
Quattro passi:
- Custom App in Shopify (Settings → Apps → Develop apps) con gli scope per SEO completa:
read_products, write_products, read_content, write_content, read_themes, read_files, write_files, read_online_store_pages, write_online_store_pages, read_translations, write_translations. Sconsigliati per defaultwrite_orders, write_customers, write_payments, write_discounts: hanno impatti commerciali diretti. - Generazione del token Admin API (formato
shpat_*) e configurazione versione API. - Configurazione del server MCP: un piccolo processo Node/Python che traduce le richieste del modello in chiamate GraphQL. Esistono implementazioni open-source mature.
- Guardrail di sicurezza: scope limitati, conferma esplicita sulle operazioni distruttive (delete, bulk update, modifiche a redirect attivi), staging prima della produzione.
A questo punto Claude può operare sullo store, conversando in italiano.
Sei operazioni SEO che cambiano natura
Niente elenco teorico: sono cose realmente eseguite sugli store del network nelle ultime settimane.
1. Audit massivo dei meta tag prodotto
Su uno store con 1.500 prodotti, una buona percentuale ha meta title troppo lunghi (>60 caratteri), meta description vuote, tag duplicati. A mano: giorni di lavoro.
Prompt: “Analizza tutti i prodotti del catalogo. Estrai title, seo.title, seo.description, lunghezze. Crea una tabella con i prodotti che hanno: a) seo.title mancante o >60 caratteri, b) seo.description mancante o >160, c) seo.title duplicato. Mostra prima i 50 più problematici.”
Claude esegue la query GraphQL in paginazione, restituisce la lista. Si chiede poi il fix per cluster (es. collezione “Borse”): genera riscritture in tabella, attende approvazione, applica via productUpdate. 200 prodotti sistemati in 90 minuti, di cui 30 di review umana. A mano: 3-4 giornate.
2. Alt text immagini
Doppio impatto: ranking Google Immagini (significativo per prodotti visual) e accessibilità (requisito EAA dal 2025). Partenza tipica: alt vuoti, filename come IMG_4271.jpg, copia-incolla del title.
Prompt: “Lista tutte le immagini prodotto con altText vuoto o uguale al filename. Per ogni immagine genera un alt che includa tipologia prodotto, colore, contesto d’uso, dettaglio distintivo. Massimo 100 caratteri. Pilot su collezione ‘Pelletteria’.”
Claude genera, applica via productImageUpdate in batch. Su Via Verdi: 4.200 alt text sistemati in due sessioni.
3. Handle URL + redirect automatici
Lo slug Shopify nasce dal title: spesso lungo, con riferimenti interni, codici prodotto. Cambiarlo a mano significa fare anche il redirect 301 — operazione che chi lavora di fretta dimentica nel 30-40% dei casi.
Con MCP: audit handle problematici, proposta di nuovi slug SEO-friendly, applicazione di productUpdate(handle) + creazione automatica di urlRedirectCreate. Il redirect è automatico, sempre.
4. Internal linking strutturato prodotto-articolo
Uno dei limiti di Shopify standard è la pochezza di internal linking nativo: collezioni → prodotti, e poco altro. Il blog vive in un silo.
Prompt: “Per ogni articolo del blog, identifica i 3-5 prodotti del catalogo più rilevanti per il tema. Restituisci la mappa articolo→prodotti e proponi paragrafi conclusivi con link naturali, anchor text non-spam.”
Il modello legge gli articoli, conosce il catalogo, propone interconnessioni. Su un blog di 80 articoli: 250-300 link interni nuovi in una sessione. A mano: impraticabile.
5. Schema markup JSON-LD via metafield
I dati strutturati migliorano CTR e rich snippet. Su Shopify la loro gestione è frammentata: meglio farne un unico punto di verità con metafield iniettati nel theme.liquid.
Con MCP: Claude legge la struttura prodotto, genera Schema.org corretto (Product, Offer, AggregateRating, FAQ, BreadcrumbList), lo valida, lo salva via metafieldsSet. Da 2 settimane di sviluppatore a poche ore.
6. Cleanup redirect 301 e content gap
Uno store con anni di storia accumula migliaia di redirect, di cui molti sono spazzatura: catene A→B→C, redirect verso 404, duplicati. Claude lista tutti i redirect attivi (urlRedirects), identifica le anomalie, propone cleanup. Su uno store con 8.000 redirect: ~2.300 rimossi e 400 catene appiattite. TTFB migliorato, crawl budget ottimizzato.
In parallelo, incrociando i dati di Search Console: confronto tra query con impressioni reali e contenuti del blog. Su kompetitive.it: 38 articoli mancanti rispetto ai principali competitor italiani sull’eCommerce, ordinati per priorità.
Workflow: audit SEO completo in un pomeriggio
Un audit + remediation parziale di uno store medio (1.000-3.000 SKU) si esegue in una giornata alternata uomo-modello:
| Fascia oraria | Operazione | Output |
|---|---|---|
| 9:00-10:30 | Estrazione metriche base + audit meta tag | Dashboard + lista anomalie + proposte fix |
| 10:30-12:30 | Audit alt text + handle URL + redirect chain | Pilot fix categoria + lista rinominate + appiattimento |
| 14:00-16:00 | Internal linking + schema markup | Mappa link mancanti + coverage schema + plan |
| 16:00-18:00 | Content gap con Search Console + sintesi P0/P1/P2 | Calendario editoriale 6 mesi + report audit pronto |
Otto ore producono il deliverable di un audit che, con metodologie tradizionali (Screaming Frog + Sistrix + analisi manuale), richiede 3-4 settimane di consulenza.
Limiti reali dell’API Shopify (e quindi di MCP)
- Rate limit: bucket 2.000 punti, recupera 100/secondo su piano standard. Audit massivi su 5.000 prodotti richiedono gestione attenta della paginazione. Le bulk mutation aiutano dove disponibili.
- Limiti scope: alcune operazioni richiedono Shopify Plus (es. checkout extensions, B2B operations). Non è limitazione MCP, è dell’API.
- Operazioni che restano manuali: modifica del tema Liquid, configurazione delle app installate, setup Flow, checkout extensions.
- Valutazione qualitativa: MCP esegue le azioni, ma rileggere i testi resta umano. Il modello opera sulla forma, non sulla strategia. Chi salta la review paga in qualità inconsistente.
Confronto con i tool SEO tradizionali
| Tool | Forza | Limite |
|---|---|---|
| Screaming Frog | Crawl completo visto da Googlebot | Identifica problemi, non li risolve |
| Sistrix / Semrush | Visibilità SERP, keyword e competitor | Dati di mercato, non operativi |
| Search Console | Verità su come Google vede il sito | Sola lettura |
| MCP Shopify | Esegue modifiche in batch, con contesto del brand | Lavora dentro lo store, non vede SERP/competitor |
Questi tool sono complementari, non sostituiti. Workflow ottimale: “Crawl + dati SERP → MCP per remediation”. Screaming Frog dice cosa è rotto, MCP lo aggiusta su scala.
Quanto costa (in termini realistici)
- Setup tecnico: 1-2 giornate di lavoro consulente, una tantum. 800-1.500 €.
- Costo modello AI: su un audit completo di store medio (1.500 SKU), 5-15 € di API Anthropic. A regime: 50-150 €/mese.
- Tempo umano risparmiato: tipicamente 60-80 ore/mese di lavoro SEO operativo. A 50 €/h interna, 3.000-4.000 €.
Break-even rispetto al non-setup: tipicamente 30-45 giorni di operatività su uno store di volume normale.
Quando ha senso (e quando no)
Ha senso se:
- Lo store ha almeno 200-300 SKU attivi.
- Blog Shopify attivo o intenzione di attivarlo per la SEO.
- Crescita seria in corso, attenzione SEO non opzionale.
- Esiste un team (anche piccolo) che possa rivedere le proposte.
Non ha senso (per ora) se:
- Meno di 100 SKU, poco traffico organico.
- Nessuno che possa fare la review.
- Lo store fa numeri solo grazie a paid ads, la SEO non è priorità.
Il setup è la parte semplice. Prioritizzare è la parte difficile.
Il setup tecnico è la parte semplice. La parte difficile è capire, prima di partire, quali sono i 3-4 interventi prioritari sullo store specifico — perché applicare tutti i workflow in blocco è inefficiente. Per questo si parte sempre con un audit dello stack di mezza giornata, che identifica dove sta il margine di miglioramento maggiore.
MCP non è uno strumento magico. È lo strumento che fa accadere in giorni le cose che prima richiedevano mesi.