Un negozio francese che vuole vendere in Germania, Spagna e Paesi Bassi triplica il suo mercato potenziale. Il prezzo da pagare: tradurre 5.000 schede prodotto in 7 lingue, cioè 35.000 traduzioni. A 20 € a scheda con un traduttore freelance, si parla di 700.000 € e 18 mesi di tempi — irrealistico per il 99% dei negozi.
Nel 2026, la traduzione automatica mirata con l'IA rende questo progetto possibile in 2-3 settimane per meno di 1.000 €. Ma tra "farlo" e "farlo bene" ci sono 4 errori da evitare.
I motori di traduzione automatica generici (DeepL, Google, Microsoft) sono ottimi per la prosa standard. Falliscono nell'e-commerce per tre motivi:
Lessico prodotto specifico per ogni mercato. In inglese britannico, un pantalone si chiama "trousers", in inglese americano è "pants" — e "pants" nel Regno Unito significa biancheria intima. Un traduttore automatico non calibrato non lo sa.
Unità e formati locali. Il 44 di taglia FR = 10 US = 10 UK = 280 CN. Un seggiolone alto 75 cm in Francia diventa 29,5" negli USA. Una batteria da 5000 mAh resta 5000 mAh ovunque — ma "2 giorni di autonomia" può diventare "2 days" o "48 hours" a seconda del tono commerciale del mercato.
Riferimenti culturali. "Ideale per l'aperitivo con gli amici" non si traduce parola per parola in tedesco (dove l'aperitivo non è una tradizione equivalente). In Spagna, "tapas" sostituisce "stuzzichini". Questi adattamenti mettono in crisi un traduttore generico.
La soluzione: una pipeline di traduzione con brief specifico per l'e-commerce, più un post-processing che rileva e corregge gli errori locali.
Quando traducete un articolo del blog o una scheda prodotto, si pone la questione delle URL.
Slug prodotto: va tradotto?
✅ Per il SEO locale, sì. Uno slug EN leather-derby-shoes si posiziona meglio negli USA di uno slug FR chaussure-derby-cuir.
❌ Per la manutenzione, è costoso — 5.000 prodotti × 7 lingue = 35.000 slug da gestire, con redirect in caso di modifica.
L'approccio corretto: usate l'infrastruttura hreflang per dire a Google quale lingua/mercato corrisponde a quale URL, e usate slug localizzati (non per Paese):
Uno slug per lingua, non uno per Paese. Le varianti regionali (fr-CA vs fr-FR, en-US vs en-GB) si gestiscono tramite hreflang e targeting geografico lato server, non tramite URL distinte.
Problema reale: un negozio FR che migra al tedesco vede le sue "ß" diventare "?" nei titoli prodotto. La sua meta description "für Damen" viene mostrata come "fr Damen". Le sue URL contengono caratteri URL-encoded illeggibili.
Causa: la pipeline di traduzione o il database non è configurato in UTF-8. Nel 2026 è raro — ma non inesistente, soprattutto su installazioni WooCommerce datate (MySQL in latin1 per default).
Checklist:
Database in utf8mb4 (non utf8 semplice — utf8 non gestisce tutte le emoji e alcuni caratteri asiatici)
Collation delle tabelle prodotto in utf8mb4_unicode_ci o utf8mb4_0900_ai_ci
Il piano ideale: l'IA traduce → una persona rilegge → pubblicazione. Nella realtà, su 35.000 traduzioni, nessuno fa 35.000 revisioni. Ecco l'approccio realistico:
Strategia a livelli per ROI
Top 20% del catalogo per fatturato → revisione umana sistematica (madrelingua del mercato target). In genere 200-1000 schede.
Middle 60% → revisione a campione (10% delle schede). Rileva gli errori sistemici senza far esplodere i costi.
Bottom 20% → solo IA + rilevamento automatico delle anomalie (lunghezza anomala, caratteri illeggibili, troppe parole della lingua sorgente).
Questa strategia riduce il carico di revisione umana a ~15% del catalogo coprendo comunque l'85% del fatturato. È il compromesso che rende realistico il multilingua.
Ecco la pipeline che applichiamo per tradurre cataloghi da 5.000 a 50.000 schede:
Fase 1 — Creazione del brief per mercato
Per ogni lingua target, definiamo:
Il tono (formale vs informale, "Lei" vs "tu", "Sie" vs "du" in tedesco)
Il lessico specifico (liste di termini da non tradurre, traduzioni obbligatorie di alcune parole)
Le unità e i formati (taglie, peso, valuta)
I riferimenti culturali da adattare (sì/no)
Questo brief si prepara una volta per lingua, in 1-2 ore. Viene riutilizzato per tutte le traduzioni future.
Fase 2 — Traduzione IA mirata
GPT-5.4 (o Claude Opus) riceve la scheda FR sorgente + il brief del mercato target. Produce:
Il titolo tradotto e calibrato per il SEO locale
La descrizione completa (benefici riformulati, non solo tradotti)
La meta description (riottimizzata per il CTR del mercato target, non una traduzione diretta)
I tag tradotti
Uno slug candidato (o 3 candidati da validare)
Fase 3 — Validazione automatica
Uno script verifica:
Nessuna parola residua della lingua sorgente ("le", "de", "the", "the" nella versione EN...)
Lunghezza entro i limiti (title < 60, meta < 160)
Caratteri speciali corretti in base alla lingua
Slug valido (nessun carattere vietato)
Le schede che non superano il controllo vengono messe in coda per la revisione manuale.
Fase 4 — Pubblicazione a batch
Le schede validate vengono pubblicate in massa tramite l'API admin (con POST /admin-cms/blog/articles con locale=xx, o equivalente prodotto). Rollback possibile in caso di problemi.
Per coprire l'80% del mercato UE: FR, EN, ES, DE, IT. Le 5 lingue rappresentano ~350 milioni di consumatori. Aggiungere PT e NL porta la copertura a ~90%. Oltre, il ROI cala rapidamente — meglio privilegiare la profondità (qualità delle prime 5) rispetto all'estensione (aggiungere polacco, ceco, ecc.).
No. Le recensioni nella lingua sorgente segnalano autenticità. Google non penalizza un mix di lingue nelle recensioni — anzi, è un fattore di fiducia. Eccezione: se il 90% delle vostre recensioni è in una sola lingua e vi state internazionalizzando, sottotitolate le recensioni principali in fondo alla pagina.
Per IP, no (le VPN rompono il rilevamento e creano problemi per i crawler Google). Tramite header Accept-Language del browser, sì ma con cautela. L'approccio corretto nel 2026: URL localizzata esplicita (/fr/..., /de/...) + selettore lingua persistente e visibile nell'header.
Tramite hreflang nella sitemap e nei tag <link rel="alternate">. Il contenuto può essere identico per il 90% delle schede, con varianti locali (prezzi, valuta, espressioni) per il top 10% del catalogo. I motori di ricerca servono la versione corretta in base alla geolocalizzazione IP del visitatore.
Sì, a una condizione. EEAT (Experience, Expertise, Authoritativeness, Trustworthiness) misura l'affidabilità complessiva del vostro sito, non ogni singola descrizione presa isolatamente. Un catalogo con traduzioni IA + informazioni prodotto precise + policy chiare + recensioni autentiche passa senza problemi. Un catalogo con traduzioni IA + contenuto povero + note legali assenti verrà penalizzato — ma il problema non è l'IA, è la qualità complessiva.
Con la pipeline IA: 3-5 giorni di tempo totale, inclusi creazione del brief, traduzione, validazione e pubblicazione. Con post-editing umano sul 20% del catalogo: aggiungete 2-3 settimane per la revisione. La prima lingua richiede più tempo (creazione della pipeline); le successive si lanciano in 2-3 giorni ciascuna.