GEO vs SEO: progettare contenuti ottimizzati per IA, LLMs e AIOs

Perché i motori di ricerca non ti scelgono piu? Immagina di dover spiegare una ricerca di storia a un compagno che ha molta fretta. Se inizi con giri di parole inutili, lui smette di ascoltare e chiede a qualcun altro. Google e l’Intelligenza Artificiale Generativa (come ChatGPT) ragionano allo stesso modo. Cercano risposte precise, organizzate e sicure. La strategia in sintesi: per farsi scegliere come “miglior risposta” serve metodo.

Esistono sei pilastri fondamentali per scrivere sul web oggi ed è la tecnica che per molti ha sostituito la SEO, stiamo parlando di GEO : progettare contenuti ottimizzati per IA, LLMs e AIOs . Il segreto è diventare la massima autorità su un unico argomento e scrivere articoli completi che rispondano a ogni dubbio. Il testo deve essere diviso in capitoli chiari (H2, H3), usare liste puntate per facilitare la lettura e offrire la risposta principale già nelle prime righe. Infine, bisogna aggiornare spesso le informazioni, perché nessuno si fida di un libro vecchio e polveroso. Chi applica queste regole convince sia i lettori umani sia i robot di Google. Per alcuni è la nuova strada per sedurre le iA per altri si tratta di un ritorno alle origini.

SEO per LLM e AIO: cosa hanno in SEO per LLM e AI Overviews: convergenze e differenze operative

La strategia SEO per i modelli linguistici (LLM) e per le interfacce generative (AI Overviews) parte da un dato tecnico. Google, ChatGPT e Perplexity operano con logiche di retention. L’obiettivo è trattenere l’utente sulla piattaforma.

Obiettivi comuni tra Google e ChatGPT Google e ChatGPT condividono la finalità operativa. Entrambi minimizzano la necessità di uscire dall’interfaccia. Google agisce nella SERP (pagina dei risultati). OpenAI e Perplexity agiscono nel flusso conversazionale. La strategia si basa sulla risposta diretta. L’utente ottiene l’informazione subito. Il clic verso il sito fonte diventa secondario.

Cosa lo zero click e il controllo del traffico Google che massimizza la permanenza in pagina con due metodi

1. Integrazione verticale: E-commerce, voli e hotel compaiono direttamente nei risultati.
2. Risposte zero click: I box informativi (Featured Snippets o AI Overviews) estraggono il contenuto dai siti. Il contenuto del sito diventa la materia prima per la risposta del motore. Il sito perde traffico diretto ma guadagna autorevolezza come entità fonte.

L’esperienza utente su ChatGPT e Perplexity ChatGPT utilizza Bing per accedere al web. Perplexity usa indici proprietari e di terze parti. Entrambi forniscono link, spesso sotto forma di citazioni numeriche o icone laterali. La conversazione resta centrale. Il link è una risorsa di approfondimento facoltativa. Gemini opera allo stesso modo integrando i dati dell’ecosistema Google.

La qualità del contenuto rimane il fattore di posizionamento primario

Un testo valido per Google funziona spesso anche per gli LLM. I segnali di qualità restano invariati:

• Risposte dirette alle domande dell’utente.
• Struttura gerarchica chiara.
• Densità informativa elevata.
• Assenza di riempitivi (fluff content).

Evoluzione della SEO tecnica: dai Core Web Vitals ai dati strutturati

Il peso della SEO tecnica cambia natura sugli LLM. I tempi di caricamento (Core Web Vitals) o il layout visivo (CLS) hanno un impatto minore sulla scansione testuale di un bot AI. Acquisiscono invece priorità assoluta i Dati Strutturati (Schema.org). Un LLM non “vede” la pagina come un umano. Legge il codice. I dati strutturati spiegano all’algoritmo le relazioni tra le entità (chi è l’autore, cos’è il prodotto, qual è il prezzo). Gli header (H1, H2, H3) mantengono la loro funzione. Organizzano i blocchi semantici. Un LLM estrae informazioni (RAG) più facilmente da paragrafi ben delimitati.

Il rischio della traduzione automatica nei temi di nicchia

Esiste una criticità specifica per la lingua italiana. Gli algoritmi generativi tendono a fidarsi maggiormente delle fonti in lingua inglese (high-resource language). Su argomenti tecnici o di nicchia (es. quantum computing, macchinari industriali specifici), l’AI potrebbe leggere una fonte inglese, tradurla e presentarla in italiano. Questo processo comporta due rischi:

Allucinazioni

La traduzione automatica contestuale può inserire inesattezze. La GEO (Generative Engine Optimization) serve a contrastare questo fenomeno. Creare contenuti italiani originali, ricchi di dati ed entità locali, forza l’LLM a usare la fonte nativa invece di tradurre quella estera.comune e cosa è cambiato? RISCHIO Perdita di visibilità: I siti italiani originali vengono ignorati.

SEO per LLM e AIO: come strutturare un pagina o un articolo. Prompt e segnali in Search Console

Una pagina viene selezionata da AIO (AI Overviews) e dagli LLM quando la sua architettura è leggibile. La SEO per i motori generativi inizia dalla pulizia del codice e del testo. Struttura, gerarchia e distribuzione delle informazioni prevalgono sulle finezze estetiche.

SEO per LLM e AIO: come distribuire il contenuto nella pagina

Una pagina diventa una fonte per AIO quando presenta blocchi semantici isolabili. Titoli (H1), sottotitoli (H2, H3) e paragrafi brevi facilitano l’estrazione. Ogni sezione deve risolvere un dubbio specifico in modo autonomo. Un layout essenziale favorisce questo processo. Formati editoriali puliti, simili a Medium, funzionano meglio di pagine piene di widget o script complessi. La regola operativa è la “Direct Answer”. Il primo paragrafo sotto un titolo risponde alla domanda implicita. I paragrafi successivi aggiungono contesto e dati. Questo metodo serve all’utente umano e nutre il motore generativo.

Differenza tra query di ricerca e prompt utente

Su Google la ricerca classica è spesso frammentata. L’utente digita parole chiave secche: “ristorante vietnamita Milano”. Il motore lavora per associazioni lessicali. Con gli LLM e le interfacce conversazionali (Chat), la ricerca diventa dialogo. L’utente scrive un prompt: “Consigliami un ristorante vietnamita in centro a Milano adatto per una cena di lavoro, zona Duomo”. Il prompt è una richiesta articolata che include vincoli, contesto e obiettivo. La GEO agisce qui. I testi devono intercettare queste intenzioni complesse (Long Tail Keyword). Si scrivono risposte complete per soddisfare i prompt lunghi e si usano dati strutturati per le query brevi.

Quando la SEO diventa ottimizzazione della fonte

La SEO nasce per i motori di ricerca e oggi Google resta il punto di riferimento globale. Anche motori diversi, come Yahoo! in alcuni mercati, si appoggiano spesso agli indici di Google o Bing. La strategia è gerarchica. Si progetta il contenuto rispettando le linee guida di Google. Ottimizzare per Google significa diventare una fonte leggibile anche per gli LLM che usano i risultati di ricerca per aggiornare le proprie conoscenze (processo RAG).

Come deve essere ben strutturato un contenuto? Deve competere su tre fronti contemporaneamente: SERP Classica, AIO, LLM

1. SERP Classica: Posizionamento tradizionale tramite link blu.
2. AIO (AI Overviews): Citazione diretta nel pannello generativo sopra i risultati.
3. LLM (ChatGPT/Gemini): Utilizzo come fonte per risposte in chat. Per la SERP si lavora su Meta Title e Meta Description. Per AIO si lavora su sintesi e dati fattuali. Per gli LLM si lavora sulla chiarezza definitoria. L’amalgama è necessario. Una pagina ordinata con codice pulito soddisfa tutte le piattaforme.

Impressioni alte e CTR basso: come interpretare i dati?

In Google Search Console, le “Impressioni” indicano quante volte la pagina appare. Il “CTR” (Click-Through Rate) indica la percentuale di clic rispetto alle visualizzazioni. Esempio: Una pagina appare 1000 volte (Impressioni). Riceve 10 clic. Il CTR è dell’1%. Un CTR basso segnala solitamente un problema di attrattiva. Molti vedono il risultato, pochi entrano. Tuttavia, nell’era AIO, questo dato va riletto.

Il fenomeno Zero Click e il calo del CTR

Il CTR può scendere anche se il posizionamento resta solido. Questo accade a causa delle ricerche “Zero Click”. Google o l’AI Overview mostrano la risposta direttamente nella pagina dei risultati. L’utente legge l’informazione, si ritiene soddisfatto e non clicca sul sito. Bisogna monitorare il rapporto tra impressioni e clic per ogni query. Se le impressioni restano stabili (la pagina c’è) ma il CTR crolla, è probabile che il contenuto sia stato usato per una risposta diretta. La pagina ha generato valore informativo ma non traffico diretto.

Quali sono i nuovi KPI per la reportistica GEO?

Se l’obiettivo è solo “visite al sito”, i report mostreranno un calo fisiologico. La visibilità resta alta (brand awareness), il traffico diminuisce. La reportistica deve evolvere includendo nuove metriche:

• Stabilità delle impressioni su query informazionali.
• Citazioni del brand nelle risposte AIO (verificabili manualmente o con tool specifici).
• Conversioni dirette da traffico molto qualificato. Nella GEO conta la presenza come entità autorevole. Il traffico diventa minore in volume, ma potenzialmente migliore in qualità.

La SEO per LLM e AIO si basa su un principio di affidabilità. Cosa rende credibile un sito per Google? La risposta è semplice: gli stessi che spingono un’intelligenza artificiale a citarlo come fonte.

Perché Google non fornisce una ricetta esatta?

Google pubblica linee guida ma evita formule deterministiche. Il ranking deriva da migliaia di segnali elaborati da sistemi automatici. Lavorare per principi verificabili è l’unica strategia solida. L’obiettivo è comunicare a Google l’identità del brand, l’offerta e il valore, rendendo questi dati leggibili anche per i modelli generativi.

Come verifichiamo la qualità della nostra pagina? Grazie a E-E-A-T: la bussola della qualità

E-E-A-T è l’acronimo di Experience, Expertise, Authoritativeness, Trustworthiness. Si trova nelle Search Quality Rater Guidelines, il manuale usato dai valutatori umani di Google. Non è un fattore di ranking tecnico diretto. È un criterio di valutazione che determina se una pagina merita fiducia. Per la GEO questo è fondamentale. Gli LLM cercano di ridurre le “allucinazioni” (errori) attingendo a fonti con alto E-E-A-T.

Experience: il vissuto diretto dell’autore

Experience indica l’esperienza diretta. Google vuole sapere se chi scrive ha provato ciò che descrive. Non si tratta di quanti contenuti hai, ma di come li hai prodotti. Esempio: Una recensione di un ristorante scritta da chi ci ha mangiato (Experience) vale più di un riassunto fatto leggendo altri siti. Per dimostrarlo servono foto originali, aneddoti personali e dettagli unici. L’LLM rileva questi pattern linguistici unici e li preferisce a testi generici.

Expertise: la competenza tecnica

Expertise misura la conoscenza teorica e la precisione. Richiede terminologia corretta e profondità verticale. Un medico ha Expertise sanitaria. Un paziente ha Experience della malattia. Il contenuto deve essere utile e accurato. Io applico il metodo della verifica: affermazione, esempio, fonte. Questo schema aiuta l’LLM a validare l’informazione.

Authoritativeness: la reputazione esterna

Authoritativeness è l’autorità riconosciuta dal settore. Significa che altri siti rilevanti ti citano o ti linkano. Se il New York Times cita il tuo blog, acquisisci autorità. Per la GEO, le citazioni (anche senza link) sono vitali. Gli LLM costruiscono mappe di conoscenza collegando entità. Se la tua entità è connessa a entità forti, il tuo “punteggio” sale.

Trustworthiness: la fiducia come pilastro centrale

Trustworthiness è la somma dei punti precedenti. È il livello di sicurezza che il sito trasmette. Include aspetti tecnici (HTTPS), trasparenza societaria (chi siamo, indirizzi veri) e reputazione. Un sito anonimo o poco chiaro viene scartato dai filtri di sicurezza degli LLM per evitare di generare risposte pericolose o false (fake news).

Cos’è il Core Web Vitals? Velocità e stabilità per macchine e utenti

I Core Web Vitals misurano la salute tecnica della pagina. Google li usa per valutare l’esperienza utente. Le tre metriche chiave:

1. LCP (Largest Contentful Paint): Velocità di caricamento dell’elemento più grande.
2. INP (Interaction to Next Paint): Reattività ai comandi dell’utente.
3. CLS (Cumulative Layout Shift): Stabilità visiva (la pagina non deve “ballare” mentre carica). Lighthouse e Chrome DevTools sono gli strumenti per misurarli. Una pagina veloce è più facile da scansionare per i bot, riducendo i costi di calcolo per i motori di ricerca.

Immagini e attributo Alt nell’era multimodale servono ancora?

L’attributo Alt (testo alternativo) descrive l’immagine. In passato serviva per l’accessibilità e la ricerca immagini. Oggi serve per la GEO multimodale. Modelli come GPT-4 o Gemini “vedono” le immagini. L’Alt text conferma all’IA la sua interpretazione visiva. Esempio: Una foto di un piatto. Alt scarso: “IMG_1234.jpg”. Alt GEO: “Spaghetti alla carbonara con guanciale croccante e pecorino romano”. Questo ancora il contenuto visivo al testo, rafforzando la pertinenza della pagina.

Keyword Research: Brand vs Intento Le parole chiave nella GEO si dividono in due macro-categorie

1. Branded: Ricerche che includono il nome del marchio. Indicano notorietà e fedeltà.
2. Non branded: Ricerche sul problema o sul prodotto. Indicano la quota di mercato potenziale. Strumenti come Semrush, Ahrefs o Similarweb aiutano a mappare questi flussi. Per la GEO, le query non branded sono le più importanti. Lì l’utente fa una domanda aperta (“Come pulire il marmo?”) e l’LLM deve scegliere la risposta migliore. Se il tuo contenuto risponde con E-E-A-T, diventi la voce della risposta generata.

Metadata, header e KPI: allineamento tecnico per SEO, LLM e AIO

La coerenza tra i metadati e il contenuto della pagina è il primo segnale di qualità. La SEO per LLM e AIO richiede una corrispondenza esatta tra ciò che si promette nel codice (meta tag) e ciò che si offre nel testo visibile (body).

Metadata: il ponte semantico tra crawler e utente

I metadati sono istruzioni inserite nel codice HTML (<head>). Google e i motori generativi li utilizzano per comprendere il contesto prima ancora di leggere il contenuto. Il Title Tag definisce l’entità principale della pagina. Google lo utilizza come fattore di ranking primario. Spesso Google riscrive il titolo in SERP se lo ritiene poco coerente con l’H1 o con la query dell’utente. La Meta Description funge da testo di vendita (pitch). Non influenza direttamente il ranking, incide però sul CTR (Click-Through Rate). Una descrizione che anticipa la risposta intercetta l’intento dell’utente e riduce l’ambiguità per gli LLM. Incoerenze come un titolo che promette “Guida fiscale” e un contenuto che vende “Consulenze” penalizzano il posizionamento. Il motore rileva la dissonanza e declassa la pagina per scarsa pertinenza.

Header e gerarchia: sfruttare il Passage Ranking Gli header (H1, H2, H3) continuano ad essere molto importanti

Servono a strutturare i dati per il Passage Ranking. Google e gli LLM sono in grado di indicizzare e restituire singoli paragrafi di una pagina, anche se il resto del contenuto è meno rilevante.

• H1: È l’argomento macro. Deve contenere la keyword principale e definire il tema.
• H2: Introducono i sottotemi o le entità correlate.
• H3: Dettagliano aspetti specifici (es. costi, tempi, procedure). La regola GEO è la struttura a “silos”. Ogni H2 apre un blocco semantico autonomo. Il paragrafo immediatamente successivo deve fornire la risposta diretta (Direct Answer). Questo formato “Domanda (H2) -> Risposta (Testo)” è il cibo ideale per gli snippet di AIO e le citazioni di ChatGPT.

Search Console e KPI: interpretare il calo del CTR In Google Search Console, le “Impressioni” indicano la visibilità, mentre il “CTR” misura l’efficacia del risultato. Un calo del CTR con impressioni stabili è un sintomo frequente nell’era dell’A

• Ipotesi 1 (Tecnica): Lo snippet in SERP non è attraente. Il titolo è troncato o la data è vecchia.
• Ipotesi 2 (Zero Click): La risposta viene fornita direttamente da Google (AI Overview, Featured Snippet, Knowledge Graph). Studi di settore (Gartner, Semrush) confermano che i volumi di ricerca restano alti, mentre i clic verso i siti informativi tendono a scendere. L’utente consuma l’informazione sulla piattaforma.

Differenza tra Clic (GSC) e Sessioni (GA4)

È comune trovare discrepanze tra i Clic di Search Console e le Sessioni di Google Analytics 4 (GA4).

• Clic: Conta l’azione di selezione nella SERP.
• Sessione: Conta l’avvio di una visita sul sito. Se un utente clicca ma esce prima che il sito carichi (o prima di accettare i cookie), Search Console segna 1 Clic, Analytics segna 0 Sessioni. Per la SEO GEO, il Clic resta la metrica più pulita per valutare l’attrattiva del titolo. Le Sessioni misurano la qualità tecnica della pagina (velocità, retention).

Quali sono le nuove strategie di misurazione?

Se il traffico cala per colpa degli AIO, si cambia la metrica di successo. Io non guardo solo il traffico totale. Monitoro:

1. Posizionamento medio: Se resto in top 3, il brand è visibile.
2. Query branded: Se le ricerche per il nome del brand salgono, significa che l’utente ha letto la risposta AIO e ora cerca l’azienda specifica. La SEO per LLM non mira solo al clic immediato. Mira a occupare lo spazio mentale dell’utente tramite la presenza costante nelle risposte generate.

Come costruire la Topical Authority per migliorare l’autorevolezza del sito?

La Topical Authority è il riconoscimento del sito come fonte primaria su un argomento specifico. Per i motori di ricerca (Google) e per i modelli generativi (LLM), questo status si ottiene coprendo un tema in modo esaustivo, non casuale. Richiede mesi di pubblicazioni coerenti. Il risultato è un aumento della fiducia (Trust) che il motore assegna al dominio.

Scegliere il perimetro semantico e mantenerlo

Un sito acquisisce autorità quando definisce i suoi confini. Se il progetto tratta di hardware informatico, deve coprire ogni aspetto: CPU, GPU, periferiche, monitor. Inserire argomenti estranei (es. recensioni di scarpe da calcio) diluisce il segnale. Google e gli LLM faticano a classificare l’entità-sito. Invece di competere verticalmente con specialisti del settore, si finisce per competere con generalisti molto più potenti. Mantenere la linea editoriale compatta aiuta l’algoritmo a capire esattamente per quali query il sito è pertinente.

Coerenza tra Metadata e contenuto

I metadata (Title Tag e Meta Description) sono la promessa fatta all’utente e al motore. Il contenuto della pagina è il mantenimento della promessa. Se il Title menziona “Riso e Risotto”, il testo deve approfondire il riso e il risotto. Divagare su altri cereali crea incoerenza (scarsa Document Relevance). Per la GEO, questa coerenza è vitale. Gli LLM scartano i passaggi che sembrano andare fuori tema rispetto all’intestazione.

Dalle Keyword alle Entità

La vecchia SEO contava le parole chiave. La SEO moderna e la GEO lavorano sulle entità. Non serve ripetere “Laptop” dieci volte. Serve usare il termine in un contesto naturale, affiancandolo a termini correlati (processore, ram, schermo, batteria). L’algoritmo non cerca la ripetizione meccanica. Cerca la ricchezza semantica. Un testo che nomina un politico (es. Macron) lo fa perché è necessario alla cronaca, non per densità.

Qualità vs Lunghezza: il formato ideale

Esiste un falso mito: “più lungo è meglio”. La realtà è diversa: “più completo è meglio”. Spesso le pagine lunghe vincono perché coprono meglio l’intento di ricerca, non per il numero di parole. Se un concorrente domina con una pagina da 3000 parole, analizzatene la struttura. Probabilmente vince perché cita fonti, include dati, collega concetti e risponde a domande correlate. Per costruire Topical Authority, la pagina deve diventare la “risorsa definitiva” su quel micro-argomento.

Struttura a Piramide Inversa (BLUF) Per soddisfare sia l’utente frettoloso sia il crawler dell’AI, si usa la struttura a Piramide Inversa o BLUF (Bottom Line Up First)

1. H1: Titolo chiaro.
2. Sinossi/Abstract: Tre righe che riassumono la risposta o il valore della pagina.
3. Corpo del testo: Approfondimento verticale (storia, dettagli tecnici, dati). Questa impaginazione permette agli AIO di estrarre subito la risposta sintetica (snippet) e agli utenti esperti di scendere nei dettagli.

Aggiornamento dei contenuti come segnale di freschezza

La Topical Authority non è statica. Un contenuto vecchio perde valore (Content Decay). Aggiornare non significa cambiare due aggettivi. Significa:

• Integrare nuove informazioni.
• Rimuovere dati obsoleti.
• Aggiungere sezioni su nuovi trend. Google premia la “Freshness” quando apporta valore reale.

La strategia della Topical Map: Pillar e Cluster

Per dominare una nicchia, si progetta una mappa dei contenuti. Esempio: Sito sugli Scacchi.

1. Pillar Page (Pagina Pilastro): “Guida completa agli Scacchi”. Panoramica generale che linka agli approfondimenti.
2. Cluster Content (Contenuti Satellite): Pagine specifiche linkate dalla Pillar.
   • Regole del gioco.
   • Aperture famose.
   • Strategie di mediogioco.
   • Biografie dei Grandi Maestri. Questa struttura interconnessa dice a Google: “Conosco l’argomento in generale e conosco ogni singolo dettaglio”.

Osservare i leader della SERP (es. Wikipedia, portali verticali) rivela cosa Google apprezza in quel momento. Se per la query “Tonno” vince una pagina con tabelle nutrizionali, significa che l’intento è informativo/scientifico. Strumenti come Chrome DevTools o Lighthouse servono a controllare la salute tecnica della pagina, ma l’autorità si costruisce prima con l’architettura dell’informazione. Una pagina veloce ma vuota non posiziona.

Come creare contenuti long form per migliorare il ranking su Google e iA generative?

La ricerca su LLM richiede basi semplici. Serve una struttura chiara e una gerarchia lineare dei contenuti.

Gerarchia dei contenuti: l’esempio del caffè

Immaginate una pagina dedicata al caffè. Non posso iniziare con un dettaglio marginale. In cima posiziono il concetto macro: la botanica e le varietà (Arabica vs Robusta). Scendo nella gerarchia: parlo della torrefazione. Tutti sanno cos’è il caffè, pochi conoscono la differenza tra tostatura chiara e scura. Scendo ancora: metodi di estrazione.

Moka, espresso, filtro. Infine arrivano i consigli specifici: bere caffè prima di dormire o l’effetto della caffeina sulla gastrite. In una pagina ben strutturata, non metto in cima il consiglio sulla gastrite. Quello è un dettaglio. La gerarchia deve guidare l’LLM dal generale al particolare.

Formattazione per gli LLM: bullet point e sintesi

La pagina deve contenere elenchi puntati, indici e blocchi citabili. Serve un cappello iniziale che sintetizzi tutto (il principio BLUF: Bottom Line Up First). Quando un utente chiede a ChatGPT: “Come preparare un caffè con la V60?”, il modello cerca una sequenza logica.

Se il sito presenta i passaggi numerati 1. Macina 2. Scalda 3. Versa, facilito il lavoro del modello. Non deve riordinare informazioni sparse. Se Perplexity o GPT hanno già assorbito il mio sito nei loro indici interni, è più probabile che lo usino come fonte per la risposta generata senza dover cercare altrove.

L’importanza delle citazioni e delle entità

Se nel testo c’è una dichiarazione di un esperto, come James Hoffmann, la evidenzio. Devo permettere all’LLM di costruire una risposta basata sulla mia pagina. Gli fornisco i “mattoncini” già pronti: punto chiave alla fine, punto secondario a metà, dettaglio tecnico in un box a parte. Se distribuisco i contenuti in questo modo, GPT legge e riporta: “Secondo [Nome Sito], il primo passo è la macinatura”. Il risultato è pulito.

Struttura domanda e risposta (Q&A) Organizzo i blocchi come Domanda (H2) e Risposta (Paragrafo). Io non conosco il prompt esatto dell’utente. Potrebbe chiedere: “Ricetta caffè freddo veloce” oppure “Come fare il cold brew a casa”. Nel sito inserisco sezioni chiare. Scrivo: “Procedimento per il Cold Brew”, poi fornisco la lista degli ingredienti e i tempi. Elimino fronzoli e ripetizioni. Ripetere la parola “caffè” 500 volte è una tecnica obsoleta che oggi penalizza il ranking (Keyword Stuffing).

Creare valore oltre la predizione statistica Bisogna creare contenuti che il modello non possa generare da solo. Il caso New York Times contro OpenAI nasce qui. OpenAI ha usato quei testi per addestrare i modelli perché avevano alta autorità. Il modello linguistico lavora per probabilità. Se dico “Caffè”, lui prevede “espresso” o “tazza”. Oppure, se il mio contenuto è banale, l’LLM lo genera senza citarmi. Se il mio contenuto contiene dati proprietari, interviste uniche o analisi complesse, l’LLM è costretto a citare la fonte per essere accurato.

Volumi di ricerca e contesto Zero Click I dati di ricerca sono enormi. Su miliardi di ricerche giornaliere, una gran parte (circa il 60%) finisce senza click. Google trattiene l’utente nella SERP con i box AI Overviews. Le ricerche che attivano questi box sono miliardi. Le ricerche native sugli LLM sono ancora una frazione, forse l’1%, i numeri però crescono. Ignorare questo canale significa perdere il posizionamento futuro.

Intento di ricerca e fonti: il modello di Jeff Su Per capire dove l’LLM pesca le informazioni, uso lo schema divulgato da Jeff Su (esperto di produttività su YouTube). Il tipo di prompt determina la fonte

1. Notizie in tempo reale: Prompt: “Prezzo del petrolio oggi” o “Risultati elezioni regionali”. Il modello cerca sul web in tempo reale. La fonte migliore è un sito di news aggiornato minuto per minuto.
2. Contenuti accademici o statici: Prompt: “Benefici del digiuno intermittente”. Questo è un tema stabile. GPT o Claude pescano da paper scientifici, tesi o siti medici con alta autorità (E-E-A-T).
3. Trend e Social: Prompt: “Sneakers di tendenza estate 2025”. Qui entrano i social media. Gli LLM cercano segnali su Instagram, TikTok o discussioni su Reddit. Se Google indicizza Reddit (come sta facendo), quei contenuti diventano fonti primarie per i trend.
4. Recensioni ed esperienza diretta: Prompt: “Test drive nuova Tesla Model 3”. L’utente cerca opinioni visive. L’LLM punterà a YouTube o a recensioni dettagliate con video integrati.
5. Logica e Codice: Prompt: “Codice HTML per una tabella responsive”. Questa risposta arriva dalle librerie interne del modello. Non serve una ricerca web live, a meno che non sia uscita una nuova tecnologia ieri.

Come creare contenuti long form per migliorare il ranking su Google e iA generative?

La ricerca sugli LLM richiede basi semplici. La struttura deve essere chiara e la gerarchia dei contenuti deve seguire una linea lineare.

Gerarchia dei contenuti: dal macro al micro

Se scrivo una pagina verticale sul caffè, non posso iniziare con un dettaglio marginale. In cima devo trattare l’argomento principale: la botanica e la materia prima. La gerarchia corretta segue questo flusso:

1. Livello Macro: Che cos’è il caffè (Arabica vs Robusta).
2. Livello Processo: Metodi di acquisto, torrefazione e conservazione.
3. Livello Analitico: Elementi chimici (caffeina, oli, acidità).
4. Livello Utilità (Micro): Consigli specifici, ad esempio l’uso della caffeina prima di un allenamento intenso.

In una pagina che parla di caffè, non posiziono in cima la frase “bevi un espresso prima della palestra”. Quello è un punto d’arrivo. Ci deve essere una gerarchia che guida il lettore e la macchina.

Elementi essenziali per la pagina GEO Per essere leggibile dagli LLM, la pagina deve contenere elementi di sintesi e scansione:

• Bullet points per le liste.
• Indici per la navigazione.
• Blocchi citabili (quotes).
• Un cappello iniziale di sintesi (BLUF: Bottom Line Up First).

Questo approccio operativo facilita il lavoro dell’AI. Quando un utente chiede a GPT “Come preparare un caffè con la V60?”, il modello cerca una sequenza logica.

Come facilitare il lavoro a GPT e Perplexity et simila

Se distribuisco il sito con ordine, allevio il carico computazionale del modello. GPT non deve effettuare una ricerca disordinata se trova i dati già incolonnati. Perplexity, ad esempio, offre la possibilità di generare risposte senza cercare nel web in tempo reale. Questo significa che pesca direttamente dalle sue librerie interne. Se ho strutturato il sito così bene che Perplexity lo ha già assorbito nei suoi indici, aumentano le probabilità che il mio contenuto venga citato come fonte diretta.

Citazioni e autorità Se nel testo c’è un’opinione autorevole, la evidenzio. Esempio:

“La temperatura dell’acqua per la V60 non deve superare i 93°C” — James Hoffmann.

Devo dare all’LLM l’opportunità di creare una risposta basata sulla mia intera pagina. Gli faccio pescare i contenuti in maniera ordinata. Evito che il crawler impazzisca trovando un punto chiave alla fine e un punto secondario in cima. Se distribuisco i contenuti con questa logica, GPT riporta:

1. Primo passaggio.
2. Secondo passaggio.
3. Terzo passaggio. Il risultato è una risposta pulita che cita la fonte.

Organizzazione Q&A: Domanda e Risposta

Io costruisco i contenuti pensando ai prompt. Non so quale domanda specifica farà l’utente, quindi inserisco blocchi chiari che rispondono a intenzioni precise. Se la domanda è “Dammi una ricetta per un Cold Brew veloce”, io inserisco nel sito un blocco inequivocabile. Scrivo: Ricetta Cold Brew per l’estate e poi fornisco la lista:

• Macinare 50g di caffè.
• Mettere in infusione a freddo per 12 ore.
• Filtrare.

Niente fronzoli, niente ripetizioni. Se vesto la pagina con 500 iterazioni della parola chiave “Caffè freddo”, affosso il ranking invece di migliorarlo.

Creare valore oltre la predizione statistica

Bisogna creare contenuti che il modello non possa generare senza effettuare una ricerca. Questo punto è cruciale per mantenere il valore del sito. Il New York Times ha denunciato OpenAI (causa in corso) perché ChatGPT ha utilizzato i loro contenuti per l’addestramento. OpenAI ha riconosciuto nell’autorità del NYT un valore indispensabile. Il modello linguistico funziona per probabilità: se dico “Caffè”, lui prevede “Tazzina”. Io devo creare contenuti unici (dati, analisi, esperienze) che il modello non può inventare da solo. Deve venire a prenderli da me.

Come capire i volumi: Zero Click e AIO? I volumi di ricerca sono enormi:

• 164 miliardi di ricerche al giorno su Google.
• Il 60% non genera un click (Zero Click).
• Circa 9 miliardi di ricerche attivano un AI Overview (AIO).

Google usa gli AIO per trattenere l’utente nella SERP. Le ricerche native sugli LLM sono ancora una frazione (circa l’1%), ma sono in crescita costante. Ignorare questo canale significa perdere il futuro.

Per capire dove l’LLM pesca le informazioni, utilizzare lo schema divulgato da Jeff Su (esperto YouTube con 1 milione di iscritti). Il tipo di prompt determina la fonte utilizzata dal modello

1. Notizie in tempo reale Prompt: “Prezzo del chicco di caffè crudo oggi”. Il modello pesca dal web istantaneamente. La fonte migliore sono i siti di news finanziarie aggiornati.

2. Contenuto Accademico Prompt: “Effetti della caffeina sui recettori dell’adenosina”. Questo è un contenuto statico. GPT pesca da paper scientifici, tesi o siti con alta autorità medica.

3. Trend e Social Prompt: “Quali macchine da caffè vanno di moda nel 2025?”. Qui entrano in gioco i social. Poiché Google non vede tutto Facebook, l’LLM cerca su:

• Instagram/TikTok (contenuti pubblici).
• Reddit (se indicizzato).
• Magazine di settore (es. GQ, testate lifestyle).

4. Recensioni ed Esperienza Prompt: “Recensione La Marzocco Linea Mini”. La fonte probabile è YouTube. L’utente cerca unboxing e prove video. L’LLM cita il video o la trascrizione.

5. Matematica e Codice Prompt: “Codice HTML per una tabella prezzi caffè”. Questa richiesta attinge alle librerie preimpostate del modello. Non serve una ricerca web, a meno che non ci siano nuove tecnologie rilasciate nelle ultime 24 ore.

Come strutturare le pagine del sito per rispondere efficacemente alle query AI

Che cos’è l’AI Overview e dove compare oggi?

Quella che in fase beta si chiamava Search Generative Experience (SGE) è oggi integrata stabilmente come AI Overview (AIO). Si tratta sempre di Google. Attualmente è limitata all’ecosistema proprietario, ovvero il browser Chrome e il motore di ricerca di default su Android e iOS. Oggi l’AIO tende a non apparire su ricerche puramente transazionali (e-commerce diretto) o su query eccessivamente semplici. Se l’utente chiede “a che temperatura bolle l’acqua”, l’AIO spesso non compare perché il Knowledge Graph basta. È una domanda troppo banale. Lo stesso vale per funzioni sensibili. Se cerco “Login Agenzia delle Entrate”, l’AIO compare. Se cerco “Login Banca X”, di solito no. Google evita di intromettersi in percorsi che richiedono sicurezza elevata per evitare phishing.

Come gestisce l’AI le lingue a bassa copertura?

Tutto ciò che vale per la ricerca sugli LLM resta valido, con una modifica sostanziale legata alla lingua. Se la lingua dell’utente (es. italiano) ha una copertura debole su un argomento specifico, la ricerca AI si appoggia alle traduzioni. Il motore recupera fonti in inglese (High Resource Language), le traduce e le presenta all’utente. Questo accade frequentemente su temi di nicchia tecnica o scientifica.

Qual è il ruolo dell’autorità (YMYL) nelle risposte mediche?

Su temi tecnici o medici esiste un pattern ricorrente: le risposte compaiono solo in presenza di citazioni autorevoli. Fino a poche settimane fa, le opinioni mediche generiche quasi non comparivano. Ora compaiono di più, ma sono vincolate alla fonte. Se chiedo “parlami della gastrite, aiutami a curarla”, la risposta appare. Ho testato anche domande su patologie più serie e la risposta è comparsa. In questi casi, però, il testo generato rimanda quasi sempre a citazioni di medici certificati o ospedali. Esempio stagionale: “Dermatiti estive”. Oggi la risposta può comparire. Se la fonte è un blog generico (“Mario”), spesso non viene pescata. Se la fonte è un dermatologo autorevole, tende ad apparire.

Come analizzare l’AI Overview per un alimento specifico (Caso Funghi)?

Analizziamo come l’AIO presenta un’entità, sostituendo l’esempio del tonno con i Funghi Porcini. L’overview parte definendo l’entità: “Il fungo porcino è una varietà molto apprezzata in cucina, disponibile fresco o essiccato”. Subito dopo lo inquadra come cibo, più che come organismo biologico. Se cambio la query in “Fungo”, il comportamento cambia. Spesso l’AIO non compare o dà una definizione enciclopedica. È troppo generico. Se scrivo “Riconoscere funghi”, spesso non compare comunque. Se scrivo “Cucinare funghi”, invece compare. Questa differenza indica una regola pratica: serve una query specifica per attivare la risposta generativa. Su “Riconoscere funghi” ipotizzo un fattore di rischio (Risk Aversion). Un fungo può essere velenoso. Google evita l’overview per non assumersi la responsabilità di un’identificazione errata.

Esiste la sezione e-commerce nell’AIO dei Funghi?

Guardando la distribuzione della pagina per i porcini, cerco la sezione e-commerce. Mi aspetto di non vederla o di vederla limitata. Su prodotti freschi e deperibili, le limitazioni logistiche influenzano la visualizzazione. Non è come cercare un libro. Tratto questo dato con cautela, ma è un segnale di come l’intento commerciale venga filtrato.

Come funziona lo “Zero Click” nelle ricette?

In questo scenario non esiste un vero zero click assoluto (nessun link), ma una struttura che disincentiva l’uscita. Vedo due link principali, poi devo aprire “Mostra altro”. Una sezione dell’AIO ripete il concetto di base (pulizia). Un’altra sezione entra nel punto utile. L’AIO dice che è importante una pulizia delicata. Include: panno umido, coltellino, divieto di ammollo. Lo propone come tema ricorrente (Consensus) tra i siti di cucina. Poi vedo la struttura in bullet points. Quella gerarchia è ciò che l’AIO considera prioritario in base ai dati online:

1. Prima voce: Come pulire.
2. Seconda voce: Come tagliare.
3. Terza voce: Tempi di cottura.
4. Quarta voce: Consigli aggiuntivi (es. non cuocere troppo). In fondo compare anche un consiglio finale e il disclaimer obbligatorio: “Potrebbero contenere errori”. Le allucinazioni sono frequenti.

Da quali fonti pesca l’AI per costruire la risposta?

Cliccando sulle icone delle fonti, non apre una pagina ma un pannello laterale con i link usati. Dentro vedo fonti molto diverse tra loro:

• GialloZafferano (Autorità verticale). Data recente: 21/02/2025.
• Blog amatoriale di cucina con data 17/10/2024. Per i canoni attuali è vecchio, eppure appare in alto.
• Portale di micologia.
• Sito di un’azienda di prodotti conservati.
• Magazine generalista (es. Corriere). Il senso è chiaro: la risposta è un collage. È costruita con pezzi presi da siti diversi. Include la pulizia dal sito A, la cottura dal sito B. Il meccanismo di estrazione frammentaria è evidente.

Come strutturare una pagina prodotto per l’AI (Caso Scarponi da Trekking)?

Sulla creazione contenuti non servono guru, serve osservazione. Questa struttura dà confidenza all’AIO. Prendiamo un e-commerce di Scarponi da Trekking (invece di Nike). Vado sulla sottocategoria “Alpinismo”. Ecco l’architettura necessaria:

1. Navigazione (Header): Voglio una navigazione principale chiara. Shop, Login, Categorie ben etichettate.
2. H1 (Titolo): Voglio un titolo pagina corto e pulito. “Scarpone Alpinismo Modello X”.
3. BLUF (Cappello): Voglio due righe di sintesi. Deve dire cosa contiene la pagina e per chi è il prodotto (es. “Scarpone ramponabile per alta quota”).
4. Key Visual: Inserisco un’immagine ad alta definizione. Compilo l’attributo alt con descrizione tecnica (“Scarpone su roccia con ramponi”).
5. Bullet Points: Voglio un elenco delle specifiche tecniche (Peso, Suola, Materiale).
6. Indice: Lo rendo chiaro per saltare alle sezioni.

Come integrare la parte educativa nella pagina prodotto?

Sulla parte “Alpinismo” posso citare nomi e temi rilevanti. Cito Reinhold Messner, Simone Moro o guide alpine famose. Li uso per orientare il contesto (Authority). Se scrivo frasi di prodotto, le scrivo in modo educativo. Evito la riga che spinge solo a comprare (“Compra ora”). Scrivo: “Come allacciare lo scarpone per evitare vesciche in discesa”. Sviluppo con paragrafi ordinati, alternando visual e testo. Posso tenere una struttura laterale per il login e l’acquisto, come fa spesso HubSpot con gli indici secondari. Se l’audience è su smartphone, adatto la struttura affinché il layout regga su schermo piccolo senza rompere la gerarchia visiva.

Quali sono i tempi di indicizzazione e “pescaggio”?

Su tempi e “pescaggio” serve realismo. Non mi aspetto che un LLM (come ChatGPT) peschi il contenuto il giorno dopo. Dipende dal modello, dai suoi cicli di addestramento e dalla frequenza di browsing. L’AIO di Google, invece, pesca più velocemente. Se Google effettua il crawling (scansione), può pescare e mostrare il contenuto lo stesso giorno. Può pescare il giorno dopo. In altri casi può volerci qualche settimana. La costanza premia: se i contenuti sono strutturati con questa architettura (Titolo, Domanda, Risposta, Lista), mi aspetto che prima o poi compaiano come fonte.

Ricapitoliamo: quali sono i 6 Pilastri Strategici della GEO: come farsi scegliere dall’iA?

Sintesi operativa (BLUF)

La Generative Engine Optimization (GEO) si basa su sei principi tecnici inderogabili. L’obiettivo non è solo farsi trovare, ma farsi “citare” come fonte unica. Per ottenere questo risultato, il sito deve dimostrare autorità tematica, struttura modulare e freschezza del dato. Qui analizziamo come applicare questi pilastri per trasformare i contenuti in risposte per l’AI.

1. Che cos’è la Topical Authority e come si costruisce?

La Topical Authority è la coerenza semantica assoluta di un dominio. Un sito diventa una fonte autorevole per l’AI quando copre un argomento in verticale, senza deviazioni. Se il sito tratta di attrezzatura da montagna, deve coprire ogni singola entità correlata: scarponi, ramponi, giacche, meteo, sicurezza. L’errore comune è la diluizione. Inserire articoli di cucina in un sito di alpinismo confonde il classificatore semantico di Google. Per costruire autorità servono tre azioni:

• Mappare le entità: Definire il grafo della conoscenza del proprio settore.
• Coprire i gap: Scrivere articoli su ogni sotto-argomento mancante.
• Linkare internamente: Creare percorsi logici che collegano la pagina pilastro agli approfondimenti.

2. Perché i contenuti lunghi (Long Form) vincono nella GEO?

I contenuti lunghi vincono perché offrono modularità. L’AI non legge la pagina come un romanzo dall’inizio alla fine; estrae singoli passaggi pertinenti (Passage Ranking). Un articolo di 2000 parole diviso in sezioni autonome ha molte più probabilità di rispondere a query diverse rispetto a quattro articoli brevi. Ogni sezione deve essere autosufficiente. Se scrivo una guida sugli “Scarponi”, la sezione “Come pulire il Gore-Tex” deve avere senso anche se letta da sola, fuori dal contesto generale. Questo permette all’AI di estrarre quel singolo paragrafo e usarlo come risposta alla domanda specifica “pulizia scarponi goretex”.

3. Come applicare la struttura Domanda-Risposta (Q&A)?

La struttura Q&A serve a simulare il dialogo tra utente e macchina. Gli utenti cercano ponendo domande naturali; i contenuti devono rispecchiare questa forma. La tecnica operativa è rigida:

• H2 (Titolo): Deve contenere la domanda esplicita o l’intento di ricerca.
• Paragrafo (Risposta): La prima frase dopo l’H2 deve essere la risposta secca (Direct Answer).
• Approfondimento: Le frasi successive aggiungono dettagli e sfumature.

Esempio pratico di riscrittura:

• Errato: “Parlando di manutenzione, è importante notare che…”
• Corretto (H2): Ogni quanto vanno impermealizzati gli scarponi? Gli scarponi vanno impermealizzati ogni 10-12 uscite o quando l’acqua smette di scivolare via dalla tomaia. L’uso frequente su ghiaioni accelera l’usura del trattamento DWR.

4. In che modo Gerarchia e Liste aiutano i crawler?

L’uso di H1, H2, H3 e liste puntate non è una scelta estetica, è una guida di lettura per il bot. Gli algoritmi (Googlebot e crawler LLM) hanno risorse di calcolo limitate. Una struttura gerarchica riduce lo sforzo di comprensione. Le liste puntate sono fondamentali per due motivi:

1. Estrazione dati: L’AI identifica immediatamente gli elementi di un elenco (ingredienti, passaggi, specifiche).
2. Snippet: Google ama visualizzare le liste direttamente nella SERP.

Usa le liste per:

• Specifiche tecniche (peso, dimensioni, materiali).
• Procedure passo-passo.
• Pro e contro di un prodotto.
• Elenco di strumenti necessari.

5. A cosa serve il Cappello di Sintesi (BLUF)?

Il cappello di sintesi, o BLUF (Bottom Line Up First), serve a fornire il valore immediatamente. Si posiziona subito dopo l’H1. Le AIOs (AI Overviews) estraggono spesso le loro risposte proprio da questo paragrafo iniziale. Se l’articolo è “Guida ai Ramponi”, il BLUF deve dire: “Esistono tre tipi di ramponi: automatici, semiautomatici e universali. La scelta dipende dallo scarpone e dal tipo di terreno. In questa guida analizziamo la compatibilità per ogni modello.” Questo riassunto preventivo conferma all’AI che la pagina è pertinente e contiene le informazioni cercate.

6. Perché l’aggiornamento costante è un fattore di ranking?

La SEO nell’era AI è un processo iterativo, non statico. I modelli LLM preferiscono dati recenti per evitare le “allucinazioni” dovute a informazioni obsolete. Aggiornare non significa cambiare la data di pubblicazione. Significa:

• Verificare che i dati tecnici siano ancora validi.
• Aggiungere nuove sezioni su trend emergenti.
• Correggere link rotti o fonti non più esistenti. Un contenuto “fresco” segnala a Google che il sito è presidiato e affidabile (Trustworthiness). Un sito abbandonato perde progressivamente posizioni nelle citazioni generative.

Nota dell’autore: hai visto cosa è successo al testo?

Se sei arrivato fin qui, hai assistito a una trasformazione pratica. Ho iniziato l’articolo con uno stile SEO tradizionale, discorsivo e fluido, per poi virare progressivamente verso la GEO pura. Gli ultimi paragrafi mostrano la differenza: blocchi spezzati, liste per l’estrazione dati e risposte dirette (Direct Answer). Rileggi l’inizio e confrontalo con la fine: le differenze visive sono la prova di come sta cambiando la scrittura per i motori di ricerca.

Giovanni Scafoglio

Se ci sono dei termini che vuoi approfondire: GEO vs SEO: i termini tecnici per progettare contenuti ottimizzati per iA, LLM e AI Overviews spiegati facile