La ricerca sull’App Store potrebbe sembrare una di quelle cose che funzionano e basta, senza che nessuno ci pensi troppo. Eppure dietro ogni risultato che appare quando si digita il nome di un’app c’è un sistema di ranking complesso, e Apple sta cercando di renderlo ancora più preciso usando l’intelligenza artificiale. Un gruppo di ricercatori della casa di Cupertino ha pubblicato uno studio dal titolo piuttosto eloquente: “Scaling Search Relevance: Augmenting App Store Ranking with LLM-Generated Judgments”. Il nocciolo della questione è semplice: possono i modelli linguistici di grandi dimensioni (i famosi LLM) aiutare gli utenti a trovare più facilmente le app che cercano? La risposta, a quanto pare, è sì. Con qualche sfumatura interessante da esplorare.

Il problema di fondo riguarda la cosiddetta rilevanza testuale. Quando qualcuno cerca qualcosa sull’App Store, il sistema si basa su due tipi principali di segnali. Il primo è la rilevanza comportamentale, cioè quello che gli utenti fanno concretamente: cliccano su un’app, la scaricano, la ignorano. Questi dati sono abbondanti e relativamente facili da raccogliere. Il secondo segnale è appunto la rilevanza testuale, che misura quanto i metadati di un’app (nome, descrizione, parole chiave) corrispondano davvero a ciò che l’utente stava cercando. E qui nasce il problema: le etichette di rilevanza testuale vengono tradizionalmente assegnate da giudici umani, il che le rende costose, lente da produrre e difficili da scalare su milioni di query.

Come funziona il sistema basato su LLM e cosa ha dimostrato il test A/B

Per aggirare questo collo di bottiglia, i ricercatori di Apple hanno preso un LLM da 3 miliardi di parametri e lo hanno affinato utilizzando i giudizi umani già esistenti. In pratica, il modello ha imparato a replicare il lavoro dei giudici umani, assegnando etichette di rilevanza alle app sulla base della query di ricerca e dei metadati disponibili. Una volta addestrato, il modello ha generato milioni di nuove etichette di rilevanza, che sono state integrate nel sistema di ranking dell’App Store insieme ai dati originali.

Il passaggio decisivo è stato il test sul campo. Dopo una valutazione offline, i ricercatori hanno condotto un test A/B su scala mondiale, coinvolgendo il traffico reale dell’App Store. I risultati? Il modello potenziato dall’intelligenza artificiale ha prodotto un aumento dello 0,24% nel tasso di conversione, definito come la percentuale di sessioni di ricerca che si concludono con almeno un download. A prima vista sembra un numero trascurabile, quasi invisibile. Ma chi lavora con sistemi di ranking industriali maturi sa bene che miglioramenti di questa entità sono tutt’altro che banali.

Numeri piccoli, impatto enorme: cosa significa per gli sviluppatori

Ecco dove la faccenda diventa davvero interessante. Le stime più accreditate collocano i download totali dall’App Store nel 2025 intorno ai 38 miliardi. Uno 0,24% su quei volumi si traduce potenzialmente in decine di milioni di download aggiuntivi provenienti dalla ricerca. Per gli sviluppatori di app, questo non è un dettaglio statistico da ignorare: significa più visibilità, più installazioni e, in definitiva, più possibilità di raggiungere il proprio pubblico senza spendere un centesimo in più in pubblicità.

Il dato che il miglioramento sia stato osservato nell’89% degli store regionali aggiunge un ulteriore elemento di solidità. Non si tratta di un risultato limitato a un singolo mercato o a una nicchia linguistica, ma di qualcosa che funziona su scala globale.

Quello che questo studio racconta, in fondo, è una tendenza ormai chiara: l’intelligenza artificiale non sta sostituendo i sistemi esistenti, ma li sta rendendo più efficaci colmando lacune che prima erano troppo costose da affrontare. Apple sembra averlo capito, e il fatto che abbia scelto di pubblicare apertamente i risultati suggerisce una certa fiducia nella direzione intrapresa. Per chi sviluppa app, vale la pena tenere d’occhio come evolverà il ranking dell’App Store nei prossimi mesi.

L'articolo Apple testa l’IA per migliorare la ricerca su App Store: lo studio proviene da Tecnoapple.