SEO for AI: prendi il controllo di cosa l’AI dice di te

Una risposta AI è un montaggio. Vedi un testo unico, ma è cucito con pezzi di pagine già pubblicate sul web, tagliate e assemblate insieme. Il materiale è tuo, dei tuoi concorrenti o delle testate che raccontano il tuo mercato.

A decidere che cosa entra nella risposta è la macchina, che compie due movimenti diversi. Prima sceglie che cosa riutilizzare, minimizzando il rischio: tra le opzioni disponibili riprende l’informazione più sicura da usare, la frase netta che si capisce anche staccata dal resto, e lascia fuori il contenuto che senza i paragrafi vicini non significa più niente. Poi valuta se e come mostrare da dove arriva, e qui il tuo dato può entrare nella risposta con il nome di un altro, o senza nessun nome.

Ecco perché il ranking non è più il traguardo. Ti fa ancora entrare nel giro delle fonti che l’AI può pescare, ma se poi vieni ripreso, citato con il tuo nome o lasciato fuori si decide un passo più avanti. Imparare a governarlo è la SEO for AI, e ha regole precise che puoi usare a tuo favore.

Che cos’è la SEO for AI

La SEO for AI è la visione strategica complessiva che serve al tuo brand per essere letto, compreso e riconosciuto dai motori di ricerca alimentati da intelligenza artificiale, che accanto ai dieci link hanno cominciato a costruire la risposta al posto tuo.

Un motore tradizionale ti presentava a un lettore e si toglieva di mezzo. Elencava i risultati e lasciava a chi cercava il compito di aprirli, confrontarli e scegliere, e il giudizio finale restava umano. Una risposta generativa arriva prima, e ti dà già il giudizio. Legge i documenti disponibili, tiene alcune affermazioni, ne scarta altre e costruisce un testo che sostituisce la consultazione.

Cambia di conseguenza il tuo obiettivo. Non scrivi più per convincere una persona a cliccare, ma perché una macchina possa usarti come fonte di cui fidarsi, trasformando i tuoi contenuti da semplici pagine web a nodi di un knowledge graph intelligibile. Essere letto significa che i tuoi documenti sono raggiungibili e indicizzati, disponibili quando il sistema cerca. Essere compreso significa che le tue affermazioni sono isolabili e verificabili, utilizzabili senza distorsioni. Essere riconosciuto significa che il tuo nome è legato in modo stabile a un ambito di competenza, così la macchina sa a chi attribuire ciò che legge.

Perché non si lavora a compartimenti

I tre livelli sono lo stesso brand — il tuo — visto da più lati, e per questo non li puoi tenere separati. Tocchi uno e si spostano gli altri.

Ti verrebbe da spartire il compito in reparti stagni — il tecnico all’accessibilità, chi scrive alla chiarezza, chi cura la reputazione al riconoscimento — e dare a ciascuno il suo obiettivo. Ma è un errore, perché ogni mossa ne tocca più di uno.

Una testata che ti cita fuori dal sito ti rende più reperibile, raddrizza l’immagine che il modello si fa di te e gli lascia una fonte in più per quando risponde. Una pagina scritta perché venga estratta bene non ti frutta solo una citazione, ma un frammento che circola, viene ripreso e col tempo cambia come ti raccontano in giro. Presidia un reparto per volta e i risultati si annullano.

Se sei autorevole ma scrivi pagine opache, ti nominano e non ti usano. Se pubblichi contenuti impeccabili su un dominio senza storia sul tema, ti leggono e non ti attribuiscono niente. Se il sito è perfetto sul piano tecnico ma non dichiara chi parla, resta un archivio anonimo.

GEO, AEO e il nome che diamo alla disciplina

Fuori dall’Italia questa attività si chiama genericamente GEO, Generative Engine Optimization, formula nata in ambito accademico e diventata l’etichetta ombrello per qualsiasi intervento rivolto all’AI generativa. Il mercato sforna sigle a ritmo settimanale — AEO, AIO, LLMO, AISO — e ognuna promette di essere la disciplina definitiva mentre descrive un pezzo delle stesse operazioni.

Noi abbiamo scelto SEO for AI sin dal principio, e per una ragione precisa. La SEO resta la fondazione, e chiamarla in un altro modo suggerirebbe una rottura che nei fatti non c’è mai stata. Lo dice anche Google, nella sua guida ufficiale all’AI generativa, dove ottimizzare per queste funzionalità viene definito ancora SEO, senza markup speciali, file dedicati o suddivisioni artificiali del testo. Dentro la cornice restano due funzioni distinte. La GEO lavora sulla memoria del modello, su ciò che l’AI sa di te prima di cercare qualsiasi cosa. L’AEO lavora sulla prestazione del contenuto nelle risposte costruite consultando il web in tempo reale. Hanno tempi diversi, leve diverse e verifiche diverse, e trattarle come sinonimi porta a insistere su una mentre il guasto è nell’altra.

Il nome, e la lettura che ci sta sotto, sono nostri e in particolare di Ivano Di Biasi, che ha raccontato la trasformazione dei motori in infrastruttura invisibile già nel luglio 2024, quando il mercato discuteva ancora se sarebbe accaduta, nel libro SEO for AI. Inventiamo la SEO del futuro. Il secondo volume, SEO for AI – È successo davvero, porta gli stessi meccanismi dentro la pratica quotidiana. Le pagine di riferimento come questa poggiano su quel metodo e sulle verifiche che facciamo ogni giorno sui dati della piattaforma.

Il percorso che porta dalla domanda alla risposta

Un’intelligenza artificiale capisce una richiesta scritta male, in dialetto, senza un solo termine tecnico, e ti risponde con il nome esatto del prodotto che cercavi. Sembra magia, e sono invece passaggi ricostruibili. Non tutti i sistemi li eseguono allo stesso modo — ChatGPT, Gemini, Perplexity e le funzioni AI di Google hanno indici e logiche diverse — ma lo schema con cui li leggiamo serve a capire dove puoi intervenire.

Il primo passaggio è l’interpretazione. Il sistema ricava il senso di quello che hai scritto anche quando la formulazione è approssimativa, e punta al bisogno dietro le parole.

Il secondo è il reasoning. Un assistente conversazionale deve reggere una conversazione, non solo chiudere una ricerca. Dopo la prima domanda ne arriveranno altre, e si prepara alle sfumature possibili — preferenze, vincoli, obiezioni, alternative.

Il terzo è il fan-out. Per ogni sfumatura parte una ricerca sul motore tradizionale, e le ricerche viaggiano in parallelo. Un prompt su quale dispositivo comprare si apre in interrogazioni separate su caratteristiche, prezzo, autonomia, recensioni, difetti ricorrenti, confronti.

Il quarto è la selezione. Le ricerche parallele restituiscono un numero alto di pagine potenziali, e il sistema ne tiene cinque o sei. Il tuo lavoro, nella SEO for AI, è essere tra quelle.

A sceglierle è un criterio che puoi ricostruire. Ogni sotto-domanda del fan-out torna con il suo elenco di risultati, e la stessa pagina ricompare in più elenchi quando ne copre più di una insieme. Il sistema conta proprio questo, e davanti a decine di pagine porta in cima quelle che coprono il maggior numero di richieste, lasciando indietro quelle che ne soddisfano una sola. Non premia la pagina più bella, ma quella che risolve più domande in un colpo solo.

Se la tua pagina copre bene un solo aspettom rischia quindi di restare in fondo; se presidia l’intera diramazione del fan-out — caratteristiche, costi, limiti, confronti, casi d’uso — ricompare in più elenchi e sale. La copertura tematica smette di essere una buona pratica editoriale e diventa il criterio con cui vieni preso o lasciato fuori.

Il sistema cerca anche angolazioni diverse, e se la conversazione può toccare i difetti di un prodotto va a leggere recensioni e discussioni, perché una risposta costruita su una voce sola non regge le domande successive.

La memoria congelata e la memoria temporanea

Il sistema ti conosce in due modi, che rispondono a leve opposte.

Il primo è la memoria dell’addestramento. Un modello linguistico ha assimilato enormi quantità di testo fino a una data precisa, la knowledge cut-off date, e da lì ha ricavato un’immagine del mondo fatta di marchi, categorie, reputazioni. Quando risponde da questa memoria non consulta niente e restituisce ciò che ha sedimentato, e se ti nomina non ha scelto una tua pagina, ma ripete un’associazione costruita negli anni da articoli, recensioni, discussioni, materiale che quasi mai hai scritto tu. La GEO lavora su questo strato.

Il secondo è il RAG, la memoria temporanea che il sistema si costruisce mentre risponde. Le pagine selezionate vengono scaricate, smontate e caricate in una conoscenza provvisoria che dura il tempo della conversazione, e per quella risposta la macchina lavora con informazioni che prima non aveva. La conoscenza gliela puoi fornire tu. È l’ambito di azione dell’AEO.

I due piani hanno tempi opposti. Sulla memoria non hai presa immediata, perché il deposito si aggiorna solo quando il modello viene riaddestrato; sul RAG intervieni adesso, con le tue pagine, e gli effetti si vedono in tempi brevi. Confondere i due piani genera l’errore più costoso. Pubblichi una raffica di articoli, li strutturi con cura e non ottieni niente, perché il guasto stava nella memoria e nessun contenuto sul tuo dominio la riscrive in tempo utile. Anche il lavoro esterno — presenza, menzioni, coerenza dei segnali — agisce prima sulla ricerca live e solo più avanti, al prossimo addestramento, sulla memoria; ma è il lavoro giusto, perché la percezione si è formata proprio lì.

Perché la SEO regge tutto il resto

I sistemi che leggono il web mentre rispondono interrogano gli indici esistenti, in larga parte quello di Google, ed è da lì che estraggono i documenti da smontare. La selezione della qualità la fa il motore di ricerca tradizionale, con vent’anni di lavoro su autorevolezza, affidabilità e popolarità di un dominio. A monte la differenza non la fa l’intelligenza artificiale, la fa Google, che decide cosa mettere a disposizione.

Crawling, indicizzazione, architettura, collegamenti interni e copertura tematica continuano quindi a decidere se le tue pagine stanno nel bacino da cui l’AI pesca. Puoi scrivere il paragrafo più estraibile del tuo settore, ma se la pagina resta fuori dall’indice, per un sistema generativo non esiste. Il ranking cambia funzione e conserva il valore, perché da traguardo diventa condizione d’accesso, e un dominio solido entra nel bacino con più documenti e più spesso.

L’identità del brand come posizione

Un modello linguistico traduce in numeri ogni testo che riceve. La conversione — l’embedding — non riguarda la pagina intera, perché il sistema la divide in blocchi, e ogni blocco diventa un punto in uno spazio a molte dimensioni, dove ciò che parla di un argomento finisce vicino agli altri testi sullo stesso argomento. Il tuo brand, lì dentro, non è un punto fisso uguale in ogni modello. È una prossimità. Sta accanto ai temi e ai competitor insieme ai quali viene nominato più spesso, e la osservi nelle associazioni e nelle risposte.

Tre persone cercano lo stesso strumento. La prima scrive «software per analizzare le parole chiave», la seconda «tool per la keyword research», la terza «come capisco cosa cerca la gente su Google». Tra la prima e la terza non c’è una parola in comune, eppure le tre richieste cadono quasi nello stesso punto, perché esprimono la stessa intenzione. La macchina risponde attingendo alla stessa area, e lì il tuo marchio compare a seconda di quanto stabilmente qualcuno ce l’ha messo. Aver scritto una di quelle frasi in una pagina conta poco. A decidere è la posizione.

Nei mercati di nicchia il vuoto si riempie da solo. Se di te in giro c’è poco materiale, il sistema riempie i buchi a modo suo, e ti ritrovi descritto come generalista mentre sei specializzato, accostato ai marchi economici mentre giochi in fascia alta, con servizi che hai chiuso anni fa ancora in elenco. Chi ti cerca riceve quella versione e spesso si ferma lì. Il danno più grosso non è l’assenza, è una presenza distorta che ti lavora contro ogni giorno.

Il vicinato semantico

La posizione non si vede in modo diretto, ma produce un effetto osservabile, cioè i marchi che la macchina nomina insieme al tuo. I termini si tirano l’un l’altro. Chi parla di smartphone finisce per nominare Apple, chi parla di Apple lo accosta ad Android nei confronti, chi parla di Android arriva a Google. Le co-occorrenze costruiscono la mappa, e il tuo nome sta dentro una di queste catene o ne resta fuori.

Chiedi a un modello di elencare le cinque aziende semanticamente più vicine alla tua e guarda la compagnia in cui ti mette. Un accostamento stabile a operatori di fascia inferiore, mentre il tuo posizionamento è premium, dice che la coordinata sta nel quartiere sbagliato, e il danno è concreto, perché la risposta manda i tuoi potenziali clienti verso alternative che non offrono quello che offri tu. Il lavoro riguarda allora i segnali di valore, cioè dove appari, con quali interlocutori e dentro quali contenuti.

Il peso delle menzioni

Se l’identità è una posizione, a spostarla è il testo che circonda il tuo nome quando qualcuno lo scrive. Un’anchor costruita a tavolino serviva a comunicare un tema a un algoritmo che pesava i collegamenti. Un modello linguistico legge il paragrafo intero in cui compare il tuo marchio e ne ricava tema, registro e nomi vicini. Una testata di settore che ti nomina dentro un articolo sull’innovazione del tuo comparto, accanto ai nomi di riferimento del mercato, ti avvicina a quelle coordinate anche senza un collegamento cliccabile.

La conseguenza pratica è che misurare soltanto i link impoverisce la lettura della digital PR. Il collegamento tiene il suo valore nelle SERP classiche, e finché i motori generativi pescano da quegli indici lo conserva; ma un’uscita senza link, che nei report tradizionali vale zero, può spostare la percezione del tuo marchio più di un collegamento ottenuto dove il testo intorno non parla di te.

Il ruolo che l’AI ti cuce addosso

Comparire nelle risposte è una verifica binaria, e chiuderla con esito positivo dà la sensazione di aver vinto una partita che in realtà comincia proprio in quel momento. Ogni citazione ti assegna un peso diverso. Puoi essere il riferimento su cui l’utente costruisce la decisione, entrare in un confronto accanto ai player principali, comparire come specialista di un bisogno stretto, o finire nell’elenco di coda, intercambiabile con altri cinque nomi.

Il caso più insidioso passa inosservato proprio perché ha un tono favorevole. La risposta ti descrive con aggettivi che ti fanno piacere e insieme ti colloca in una posizione che rema contro la tua strategia. Se ti sei sempre raccontato attraverso il mercato che presidi, resti agganciato a quello anche dopo averne aperti altri quattro, e il prezzo come tratto distintivo ti regge finché non arriva qualcuno che costa meno. Lo riconosci se sei il fornitore tecnico descritto benissimo e mai consigliato, o se stai salendo di fascia e continui a comparire tra le alternative economiche.

Il ruolo cucito addosso pesa più della presenza in sé. Ecco perché nell’AI Prompt Tracker la lettura ha un valore misurabile, il Positioning Index, che classifica l’inquadramento attribuito al brand — leader, sfidante, alternativa, nicchia, commodity — e dice se la collocazione corrisponde alla strategia che hai in testa.

L’unità di selezione

Un marchio riconosciuto e ben collocato ha superato il filtro dell’identità. Quando la risposta si forma, però, il sistema lavora su blocchi, e ogni documento scaricato viene spezzato in chunk, ciascuno vicino all’argomento che tratta e valutato per conto proprio.

La selezione avviene su due piani che cedono in modo indipendente. L’autorità del dominio ti fa entrare tra i candidati e alza il peso di ciò che scrivi. L’estraibilità del singolo blocco decide se il pezzo di testo entra nella sintesi. Nel recupero dal vivo la precisione del chunk pesa molto, e un blocco denso, autosufficiente, vicino all’intento può essere preferito anche quando arriva da un dominio più debole, perché costa meno da usare.

Da qui il paradosso che vediamo spesso. Perdi lo slot sui prezzi, dove il paragrafo è discorsivo, e lo tieni sulla definizione generale del settore, dove hai scritto una frase netta. Le tue pagine commerciali sono scritte per persuadere — vaghe, senza cifre, tutte promesse che nessun sistema può verificare — mentre quelle editoriali spiegano, e sono piene di affermazioni controllabili. Lo stesso brand, il tuo, vince o perde a seconda di come è scritto il singolo blocco. Distinguere quale dei due piani è stato debole è il passaggio che precede qualunque intervento.

Che cosa sa l’AI di te

Quando non compari nelle risposte, l’istinto porta a intervenire sui contenuti. Spesso è la mossa sbagliata, perché il guasto sta a monte e riscrivere pagine non lo tocca.

Le due memorie diventano il tuo strumento diagnostico. Interroga un modello sul tuo marchio con una richiesta diretta, impedendogli di consultare il web, e ottieni la fotografia di ciò che ha sedimentato. Poi poni la stessa domanda lasciando attivo il recupero, e metti i due esiti uno accanto all’altro. Le domande al modello non ti fanno leggere il suo addestramento, e la spiegazione che ti dà delle proprie scelte vale come ricostruzione plausibile, non come confessione; ma lo scarto tra le due risposte resta la lettura più utile che hai per capire dove si rompe la catena.

Quattro domande, poste senza accesso al web, ti danno quella fotografia in qualsiasi settore. Con la prima gli chiedi di descrivere il tuo brand — archetipo, core business, target, reputazione — e vedi se in passato hai comunicato in modo confuso. Con la seconda gli chiedi le cinque aziende più vicine alla tua, per capire in che compagnia ti mette. Con la terza se esiste una percezione consolidata di affidabilità, e su cosa si regge. Con la quarta quali informazioni gli mancano per raccomandarti con certezza, e un sistema costruito per non sbagliare ti dice in chiaro cosa gli serve.

Il GEO Audit porta le stesse domande su un framework strutturato — sentiment, punti di forza, pubblico, buyer persona, topic scoperti — costruito sul tuo settore, perché nei mercati verticali un modello generico non prevede tutte le domande che contano. L’AEO Audit verifica invece come i tuoi contenuti entrano nelle risposte reali. Un GEO Audit deludente racconta un errore del passato, un AEO Audit deludente un errore che stai commettendo oggi.

I quattro esiti sono ipotesi di lavoro – non sentenze – e orientano. Memoria povera e recupero corretto segnalano un’identità sedimentata male, con il web che parla di te e il modello che non l’ha ancora interiorizzato. Memoria corretta e assenza dalle risposte live segnalano contenuti che non reggono l’estrazione, ed è la leva più veloce. Due strati entrambi deboli ti fanno partire dall’identità, perché lavorare sui testi mentre il sistema ignora chi sei alimenta le risposte del settore a beneficio di altri. Presenza forte ovunque ma nessuna raccomandazione sposta il problema fuori dal tuo dominio, sui comparatori e sui portali che la macchina consulta quando deve consigliare, perché si fida meno di ciò che un’azienda dice di sé.

Le versioni concorrenti del tuo brand

Il tuo brand dentro una pagina non ci sta. Vive nella home, nelle pagine istituzionali, nelle schede prodotto, nei profili degli autori, nei comunicati, sui marketplace, nelle directory, sui siti dei partner, nelle recensioni, sui canali social. E vive dentro materiale che hai pubblicato anni fa e che non ricordi di aver messo online.

Ogni fonte racconta un frammento, la sintesi li rimette insieme e da lì ricava una categoria, un posizionamento, un ruolo. Quando i frammenti divergono, il sistema sceglie la versione più disponibile e ricorrente. Per la macchina una contraddizione pesa più di un’omissione, perché un vuoto la lascia incerta mentre due versioni opposte la mettono davanti a un errore quasi sicuro.

Il problema non è che i portali usino parole diverse dalle tue, ma che descrivano aziende diverse. Il tuo sito racconta la fascia alta mentre le schede sui marketplace battono sulla convenienza; la pagina Chi siamo dichiara una presenza nazionale mentre le directory ti collocano in una provincia; il nuovo amministratore delegato campeggia sul sito mentre gli archivi delle testate legano quel ruolo a chi c’era prima. Nessuno di quei documenti mente, ma messi insieme descrivono realtà che non coincidono. E le versioni concorrenti spesso te le sei prodotte da solo, perché dieci anni di contenuti raccontano le aziende che sei stato.

Il controllo parte da quattro operazioni, e la prima non è opzionale. Definisci gli elementi stabili — categoria, pubblico, posizionamento, prodotti, persone, mercato — in una versione sola, scritta, condivisa in azienda. Mappa i siti che sostengono ogni informazione, separando le proprietà tue da quelle di terzi. Metti mano a quello che puoi cambiare, e la lista è lunga — pagine vecchie, profili aziendali, comunicati, schede sui marketplace. Aumenta infine il peso della versione che vuoi consolidare, così ciò che non puoi cancellare lo superi per quantità e qualità della documentazione.

Occupare la posizione che vuoi

Correggere le versioni sbagliate toglie il rumore. Il passo in positivo è distribuire nel web informazioni costruite per essere riprese nelle risposte nel modo che serve a te.

Il principio è la ricorrenza con una direzione. Il tuo nome deve comparire accanto agli stessi concetti in pagine, webinar, video, interviste, documenti, e la ripetizione produce effetto solo se tiene una linea stabile, perché distribuire messaggi diversi moltiplica la frammentazione che stavi correggendo. Un nucleo informativo nasce una volta e vive in molte forme — un webinar diventa registrazione, trascrizione, articolo, clip, citazione.

La digital PR, in questo quadro, non insegue più solo il link. Il contesto decide il valore dell’uscita, e un articolo che discute il problema che risolvi, con la terminologia del tuo settore e i nomi giusti attorno al tuo, costruisce uno spazio in cui il brand sta vicino ai concetti che ti interessano; un’uscita fuori tema produce invece una collocazione incoerente, e Google stesso avverte che le menzioni non autentiche sono tra le tattiche da evitare. Cambia anche il metodo per scegliere dove essere presente, perché invece di partire dal dominio autorevole a caso parti dalla domanda su cui vuoi comparire e guardi quali pagine il sistema ha usato davvero per rispondere. L’AI Prompt Tracker recupera l’elenco di quelle fonti, ed è già il tuo piano di lavoro, dove una pagina che parla di te con dati vecchi diventa un aggiornamento da proporre, non un link da chiedere.

La costruzione di una pagina estraibile

Quando la diagnosi indica il contenuto, il lavoro si sposta sulla pagina, e progettare per l’estrazione significa scrivere testi che reggono tre letture insieme. La persona segue il ragionamento, Google interpreta struttura e intento, il sistema generativo può prelevare un singolo passaggio e infilarlo in una sintesi che tu non vedi.

Il momento decisivo arriva prima di scrivere, quando decidi quali blocchi comporranno il testo. La domanda operativa riguarda le sotto-domande in cui il fan-out spezzerà l’argomento. Un software genera ricerche su costo, funzionamento, alternative, integrazioni, sicurezza, limiti, curva di apprendimento; una procedura su requisiti, documenti, tempi, costi accessori, errori che fanno respingere la pratica. Ognuna deve avere un blocco dedicato con un titolo che la dichiara, perché è così che la pagina si fa trovare. Una risposta importante annegata in un paragrafo generico non esiste, perché il testo la contiene ma nessuna ricerca la raggiunge. C’è anche l’errore opposto, moltiplicare i blocchi oltre le domande reali e riempire la pagina di sezioni che nessuno cerca, e un testo gonfiato abbassa la densità media e peggiora la valutazione di tutti i blocchi, anche di quelli buoni. L’AI Prompt Research copre questa fase, perché ricostruisce gli ambiti che i motori attivano per rispondere, e la mappa la ottieni dell’inizio, invece di indovinarla.

L’autonomia dei blocchi

Un contenuto atomico è un blocco che, staccato dal resto, resta comprensibile da solo. Se lo capisce una persona senza quello che lo precede, lo usa anche un sistema che lo incontra isolato. Atomico non vuol dire prosa telegrafica o testo spezzettato — un blocco corto e vuoto resta vuoto — ma chiudere il perimetro del significato, rimettere il soggetto dove lo dai per sottinteso, sciogliere i rimandi al capoverso prima.

Per controllarlo, rileggi ogni sezione come se qualcuno l’avesse copiata altrove, senza ciò che la precede. I punti deboli si riconoscono da soli, i rimandi, i soggetti impliciti, i pronomi che puntano a qualcosa uscito dall’inquadratura, i connettivi che presuppongono la frase prima. Ognuno costringe la macchina a ricostruire un contesto che non ha, ed è il costo che evita scegliendo un’altra fonte. La correzione è chirurgica e non appesantisce il testo. Rimetti il soggetto nella frase portante, esplicita il riferimento dove si stacca, e il resto della prosa respira normale.

La prima frase sotto un titolo deve contenere la risposta alla domanda che il titolo pone. Soggetto, verbo, dato. Premesse, ganci narrativi, contestualizzazioni storiche vanno dopo, o non vanno affatto. Un sistema che cerca un fatto lo cerca in apertura di blocco, e un numero nascosto al terzo capoverso rischia di restare invisibile anche quando la pagina viene recuperata. Vale anche per chi legge, che scorre con la stessa impazienza e se ne va se non trova subito quello che cercava.

Gli heading, poi, dichiarano cosa contiene un blocco, e nella maggior parte dei siti vengono sprecati. «I nostri valori» apre un contenitore in cui può starci qualsiasi cosa; «Come controlliamo la qualità in ogni fase produttiva» dichiara soggetto, tema e funzione di ciò che segue. Serve a chi legge e serve di più a chi estrae. La prova è immediata. Leggi solo l’indice dei titoli e chiediti quali domande promette di risolvere, e se non lo capisci tu che l’hai scritto, non lo capisce nemmeno un sistema che lo smonta.

Le prove al posto delle promesse

Il web è già pieno di pagine corrette sul tuo tema, e quello che un sistema non trova altrove è il tuo contatto diretto con la materia, cioè dati raccolti da te, casi affrontati, test eseguiti, numeri verificabili invece di promesse vaghe e generiche. È l’information gain, il valore che aggiungi rispetto a ciò che l’indice ha già. «Assistenza rapida» vale zero per una macchina che deve verificarla; tempo medio di prima risposta, canali attivi, dimensione del team, casi risolti e in quanto tempo, sono materiale che regge. Un sistema generativo paga ogni fatto che inventa, perché una risposta sbagliata gli costa credibilità, e per questo si appoggia a ciò che può controllare e attribuire.

È qui che l’E-E-A-T lavora davvero, perché esperienza documentata, competenza dimostrata, autorevolezza confermata da fuori e affidabilità legata a un’identità dichiarata sono la garanzia che permette a un sistema attento al rischio di citarti.

Il codice come vincolo di verità

Il tag con cui marchi un dato decide se sopravvive all’estrazione o se va ricostruito per inferenza. Prima di elaborare la pagina, il sistema la ripulisce dagli elementi di design e tiene la struttura informativa, e quello che resta dipende da come l’hai scritta. Un dato dentro una cella incrociata con la sua intestazione è blindato, perché il markup dichiara la relazione tra valore ed etichetta; lo stesso dato annegato in un periodo va ricostruito, e ogni ricostruzione è un punto in cui la macchina può sbagliare o rinunciare. Caratteristiche comparabili, prezzi, requisiti vogliono una tabella; le sequenze di passaggi una lista ordinata, che dichiara ordine e dipendenze; gli elementi distinti una lista puntata. Il grassetto segue la stessa logica, marca entità, nomi, cifre e date, non il tono della voce.

I dati strutturati fanno un lavoro diverso e complementare. Se la tabella dice cosa è vero, il JSON-LD dice chi lo sta dicendo. L’attributo sameAs, che collega la tua entità ai profili e alle schede che la rappresentano altrove, riduce lo spazio in cui il modello può inventare, e le descrizioni sbagliate nascono quasi sempre dove quello spazio è rimasto vuoto. Nessun markup, da solo, ti garantisce un posto nelle risposte, e Google ripete che aiuta la comprensione senza essere un fattore di ranking diretto; il suo effetto vero è togliere margine all’interpretazione, che è quello che un sistema attento al rischio premia.

Le pagine e gli agenti

La pagina che un sistema automatico scarica non è quella che vedi sul browser. L’agente ignora l’esperienza visiva, non aspetta il caricamento progressivo, non apre gli elementi al clic, non scorre. Le metriche costruite sulla percezione umana della velocità, i Core Web Vitals in testa, misurano qualcosa che a un crawler che estrae non serve; contano la disponibilità immediata del contenuto nel codice sorgente, l’assenza di informazioni sepolte dietro un’interazione, la pulizia della struttura sotto gli strati di rendering. Le sezioni a fisarmonica che nascondono le risposte, le schede caricate dopo un clic, i contenuti generati lato client, i testi dentro le immagini — per una macchina che legge il documento grezzo, quella roba non esiste. Sul file LLMS.txt vale la cautela, perché propone una mappa dei contenuti da considerare, ma l’adozione è parziale, e lo trattiamo per quello che è, un’ipotesi a basso costo senza effetti dimostrati.

Le keyword, oggi

Le keyword non sono sparite, hanno cambiato mestiere. Quando il fan-out spezza la domanda, la traduce in interrogazioni testuali lanciate contro l’indice, molto simili alle ricerche di sempre. Il lavoro non è più concentrare una pagina su una parola ad alto volume, ma prevedere il ventaglio in cui l’argomento si spezzerà e coprire ogni ramo con un blocco che risponde. Sui nomi di prodotti, funzioni e concetti chiave tieni la terminologia rigida, sempre la stessa parola per la stessa cosa, perché il sinonimo elegante su un termine tecnico crea ambiguità; sul resto puoi variare, perché il sistema sa che scarpa, sneaker e calzatura sportiva stanno vicine.

Dalla pagina ai cluster

Una pagina isolata copre un pezzo del bisogno, e il fan-out lavora su un perimetro più largo di qualsiasi singolo documento. L’architettura che regge la selezione è una pagina di riferimento che definisce il tema e una rete di approfondimenti che presidiano le diramazioni — confronti, casi d’uso, procedure, obiezioni, prezzi, alternative — con i collegamenti interni che dichiarano la relazione tra i nodi e fanno capire al sistema che copri l’area, non un punto. L’AI Engine misura la forza semantica di un contenuto e la sua copertura rispetto al bisogno; l’Assistente Editoriale confronta il pezzo con chi presidia lo stesso tema e ti restituisce la mappa dei nuclei, con la distanza che dice quali aree copri e quali ti sfuggono. Una zona scoperta è un segnale, non un ordine, e la presidi se serve alla tesi della pagina e al lettore che hai in mente.

Gli 8 crash-test prima di pubblicare

Prima di pubblicare, passa il testo agli otto crash-test. Se ne fallisce anche uno solo, è fragile e rischia di restare fuori dalle risposte.

1. Copertura. Se l’AI spezza l’argomento in cinque sotto-domande, hai un blocco che risponde a ciascuna? Su un prodotto vuol dire blocchi distinti per prezzo, funzionamento, alternative, sicurezza. Dove ti manca il blocco, quella domanda ti passa accanto, e un muro di testo generico le lascia passare tutte.
2. Etichettatura. I tuoi H2 e H3 si capiscono senza leggere il testo sotto? Un titolo cieco come «Una brutta sorpresa» o «Cosa considerare» va riscritto con dentro l’entità e la domanda esplicita, «Quanto costa X», «I rischi di Y». Il titolo deve funzionare come la riga di un database, non come un richiamo a effetto.
3. Indipendenza. Taglia un blocco, mandalo su WhatsApp a un collega senza altro contesto, e chiediti se sta in piedi da solo. Se apre con «come abbiamo detto», «inoltre», «tuttavia», o se il soggetto è sottinteso, riscrivilo. Rimetti il soggetto esplicito in testa, perché l’AI può prelevarlo senza aver letto quello prima. Ogni blocco è un’isola.
4. Posizione del dato. La risposta fattuale sta nella prima frase dopo il titolo? Vale la piramide rovesciata, prima il dato e poi la spiegazione. Se per arrivare al numero il lettore deve superare tre righe di premessa, portalo in apertura. Soggetto, verbo, dato, e il resto viene dopo.
5. Coerenza terminologica. Ogni cosa ha sempre lo stesso nome? Sui nomi di prodotti, funzioni e concetti chiave tieni la parola rigida, se si chiama «Tool X» non diventa «lo strumento» tre righe più giù, perché il sinonimo elegante su un termine tecnico crea ambiguità. Sul resto della prosa puoi variare, lì la scorrevolezza aiuta.
6. Fatti e opinioni. Si capisce dove finisce il dato e dove comincia il tuo giudizio? Tieni separati i due, senza mettere la scheda tecnica e la valutazione nello stesso periodo. Un sistema attento al rischio usa più volentieri ciò che può verificare e attribuire con certezza.
7. Formato. Stai spiegando a parole numeri, confronti o caratteristiche che starebbero meglio in tabella? Se i dati sono annegati nelle frasi, portali in una tabella (<table>) o in una lista. Non li rendi più veri, li rendi estraibili, e un dato strutturato il sistema lo preleva senza doverlo ricostruire.
8. Responsabilità. È chiaro chi parla e perché è una fonte che vale? Lascia il tono impersonale e dichiara l’esperienza diretta, «l’abbiamo testato», «i nostri dati dicono». Un sistema sceglie la fonte anche da quanto è riconoscibile chi sta dietro il dato, e scarta più in fretta un testo anonimo. Qui l’E-E-A-T pesa più che altrove.

La misura della visibilità generativa

Le risposte generate non espongono posizioni e, per ora, non compaiono in Search Console. Puoi osservare gli esiti — cosa il sistema dice quando lo interroghi — e la loro regolarità nel tempo, cambiando approccio nella lettura.

1. Il prompt è un intento, non una keyword. Due persone non scrivono quasi mai la stessa richiesta con le stesse parole, e formulazioni diverse che esprimono lo stesso bisogno cadono nello stesso punto semantico, così seguire una stringa precisa misura rumore, mentre ha senso un portafoglio di prompt che rappresentano un intento.
2. La singola risposta ha poco valore diagnostico. I sistemi generativi danno risposte diverse alla stessa domanda a distanza di ore, e leggere quelle oscillazioni come effetti di un tuo intervento porta a decisioni sbagliate. L’orizzonte è mensile, meglio trimestrale, e la domanda giusta riguarda la tendenza, cioè se le stesse pagine reggono quando la richiesta cambia forma e se il ruolo che ti viene attribuito si sposta dove hai deciso.
3. Presenza, ruolo e ricorrenza vanno letti insieme. Esserci non equivale a essere la fonte su cui la sintesi si costruisce, e nessuno dei due equivale a essere raccomandato quando l’utente chiede a chi rivolgersi, tanto che puoi avere presenza alta e raccomandazione nulla, e in quel caso alimenti le risposte del tuo mercato senza raccoglierne il beneficio.

Gli strumenti traducono le tre idee in numeri. L’AI Prompt Tracker legge, per ogni prompt, quante volte il dominio è usato come fonte (Citation Rate), quante volte il brand è nominato (Mention Rate), quando è presentato come scelta consigliata (Recommendation Rate), con quale tono (Sentiment Score), con quale ruolo competitivo (Positioning Index) e se la presenza nasce dal merito o dalla debolezza di un concorrente (Defensive Ratio); nel dettaglio delle risposte trovi anche lo Share of Answer e la Prominenza. L’AI Visibility raccoglie in una dashboard dove compari, per quali richieste, su quali sistemi e accanto a quali concorrenti, mentre l’Analisi dei competitor AI mostra chi occupa lo spazio che stai perdendo.

Sopra i singoli numeri, la lettura d’insieme è quella che chiamiamo Share of Model, la quota di presenza, rilevanza e frequenza con cui il brand ricorre nello spazio da cui i modelli attingono, un concetto e non un pulsante della piattaforma, che ricavi mettendo in fila gli strumenti.

Il lavoro resta aperto, perché il web continua a parlare e il mercato a muoversi. Il primo risultato arriva quando i segnali smettono di contraddirsi. Il sistema trova meno vuoti da riempire, meno scorciatoie da prendere, e la versione di te che restituisce comincia a somigliare a quella che hai deciso.

È questo il lavoro della SEO for AI: prendere in mano il racconto che la macchina fa di te, prima che a scriverlo siano gli altri.