Topic cluster

Un topic cluster è un gruppo di contenuti che coprono insieme un argomento: una pagina centrale che lo inquadra per intero e un insieme di pagine che ne approfondiscono i singoli aspetti, collegate alla centrale e fra loro (content strategy, internal linking).

Il modello nasce come risposta a un problema concreto: scrivere una pagina per ogni variante di una parola chiave produce decine di testi quasi uguali che si contendono le stesse ricerche e non ne vincono nessuna. Il gruppo di contenuti ribalta l’unità di lavoro – si ragiona per argomento invece che per parola chiave, e si decide quante pagine servono in base a quante domande distinte esistono davvero (keyword research).

La condizione che lo fa funzionare, e che viene saltata quasi sempre, è che ogni pagina del gruppo risponda a una domanda che le altre non rispondono. Se due approfondimenti si possono scambiare senza che il lettore se ne accorga, non sono due pezzi di un gruppo: sono una pagina sola divisa in due, e il motore la tratta come tale (contenuto duplicato).

I collegamenti interni sono la struttura, non la rifinitura. Sono il modo in cui si dichiara che quelle pagine appartengono allo stesso argomento e qual è quella centrale; un gruppo con i contenuti giusti e senza collegamenti è un insieme di pagine sconnesse che si fanno concorrenza (semantica, entità).

Un’avvertenza sul presente: il modello è nato per i risultati a elenco, dove la pagina centrale intercettava la ricerca generica e gli approfondimenti quelle specifiche. Sulle superfici generative la domanda generica spesso non produce più una visita, mentre le domande specifiche restano. È un motivo per non sbilanciare tutto sulla pagina centrale, che è l’errore che il modello induce (AI Overview).