GEO: come posizionarsi sui motori generativi e nelle AI Overview

Quando un utente chiede qualcosa a ChatGPT, a Google con le AI Overview o a Perplexity, non riceve dieci link blu: riceve una risposta, costruita pescando da poche fonti che il modello ha deciso di citare. Esserci o non esserci, in quella risposta, è la nuova partita della visibilità online. E non si vince con le stesse mosse della SEO classica.

La Generative Engine Optimization (GEO) è l’insieme delle pratiche con cui un contenuto viene compreso, selezionato e citato dai motori di ricerca generativi e dagli assistenti AI. Non sostituisce la SEO: la estende. Chi pubblica contenuti di valore parte avvantaggiato, ma deve imparare a renderli leggibili e citabili da una macchina che sintetizza invece di linkare. Questa guida inquadra la disciplina e rimanda agli approfondimenti operativi del cluster.

Che cosa cambia tra SEO e GEO

La SEO tradizionale ottimizza per una lista di risultati: l’obiettivo è scalare le posizioni e ottenere il clic. La GEO ottimizza per la risposta sintetica: l’obiettivo è essere la fonte da cui il modello attinge e che, spesso, cita per nome. Cambia l’unità di misura del successo. Non basta più posizionarsi: bisogna essere estraibili, cioè scritti in modo che un passaggio regga anche tagliato fuori dal suo contesto e inserito in una risposta generata.

Restano validi i fondamentali: contenuti accurati, struttura pulita, autorevolezza. Anzi, contano di più, perché i modelli tendono a privilegiare fonti affidabili e ben strutturate. Le basi dell’ottimizzazione SEO on-page sono il punto di partenza; la GEO aggiunge un livello orientato alla comprensione automatica del testo.

Come i motori generativi scelgono cosa citare

I sistemi che generano risposte combinano due ingredienti: ciò che il modello ha appreso in addestramento e ciò che recupera in tempo reale dai contenuti indicizzati. Nel secondo caso — il meccanismo dietro AI Overview e Perplexity — il sistema cerca, seleziona i passaggi più pertinenti e affidabili e li sintetizza, citando le fonti.

Tre fattori aumentano la probabilità di essere scelti. La pertinenza puntuale: il contenuto risponde in modo diretto e completo alla domanda, non gira intorno. L’affidabilità: segnali di competenza, esperienza, autorevolezza e affidabilità — il quadro E-E-A-T — che il sistema ricava dal contenuto e dal contesto del sito. La chiarezza strutturale: titoli che descrivono con esattezza la sezione, definizioni nette, dati concreti. Su questo si gioca buona parte della citabilità.

I segnali che rendono un contenuto citabile

Il primo segnale è la struttura semantica. Dati strutturati, entità ben definite e una gerarchia di titoli coerente aiutano la macchina a capire di cosa parli e a chi si riferisce. È il terreno dei dati strutturati Schema.org per trasmettere segnali E-E-A-T, che meritano un discorso a parte per il loro peso crescente.

Il secondo segnale è il modo in cui scrivi. I modelli estraggono meglio i passaggi autoportanti: una frase che apre la sezione e risponde in modo compiuto, prima di articolare il ragionamento. Le risposte secche in cima, il formato domanda-risposta, i dati verificabili e citati per fonte rendono il testo più facile da riusare. È un mestiere specifico, trattato nell’articolo su come scrivere contenuti citati da ChatGPT e dalle AI Overview.

Il terzo è l’autorevolezza accumulata: firma degli autori, competenza dimostrata, coerenza tematica del sito, menzioni e citazioni esterne. Un dominio che tratta in modo approfondito e coerente un’area tematica viene percepito come fonte, non come pagina isolata. Anche gli strumenti di AI applicata alla SEO aiutano a mappare entità e coperture mancanti.

Misurare la visibilità sui motori AI

Il problema più scomodo della GEO è la misurazione: gli strumenti tradizionali non vedono se ChatGPT ti cita. Oggi si lavora su tre fronti. Il monitoraggio diretto: interrogare periodicamente gli assistenti sulle query strategiche e annotare se e come il sito compare. L’analisi del traffico di referral proveniente dagli assistenti AI, ormai tracciabile in analytics. E gli strumenti specializzati che stanno nascendo proprio per stimare la presenza di un brand nelle risposte generate. Nessuno di questi è ancora maturo come la Search Console, ma ignorare il fenomeno significa restare ciechi su un canale che cresce.

Da dove partire, concretamente

Non serve riscrivere il sito. Serve scegliere le pagine che già rispondono a domande reali e renderle più estraibili: una risposta sintetica in apertura di sezione, definizioni precise, dati con fonte, dati strutturati corretti, autori riconoscibili. Parti dai contenuti che intercettano domande informative ad alto valore, applica i due approfondimenti del cluster — struttura dati ed E-E-A-T da un lato, scrittura citabile dall’altro — e misura. L’errore da evitare è trattare la GEO come una moda da rincorrere con trucchi: è la naturale evoluzione del fare contenuti seri per un motore che ha smesso di limitarsi a elencare link.

Cosa succede davvero quando un motore costruisce una risposta

Capire il meccanismo aiuta a smettere di inseguire trucchi. Quando un assistente riceve una domanda, non cerca una pagina: cerca dei passaggi. Scompone la domanda in sotto-domande, recupera frammenti da fonti diverse, verifica se si contraddicono e ne compone una risposta unica. Il vostro articolo non compete come documento intero, compete pezzo per pezzo.

Da questo discendono tre conseguenze concrete. La prima è che un articolo può essere citato per una sola sezione, anche se il resto non viene mai usato: conviene quindi che ogni sezione regga da sola. La seconda è che le fonti selezionate sono poche, spesso tre o quattro, quindi non basta essere buoni, bisogna essere fra i migliori su quella specifica sotto-domanda. La terza è che la coerenza fra fonti conta: un dato che concorda con quello che il modello trova altrove viene usato più volentieri di uno isolato, anche se il vostro fosse più preciso.

Le tre leve su cui si può davvero intervenire

Molto di ciò che si legge sulla GEO è speculazione. Tre leve però sono solide, perché derivano dal funzionamento e non dalle indiscrezioni.

La prima è la struttura estraibile: risposta in apertura di sezione, titoli che descrivono con precisione cosa contiene il blocco, frasi che non dipendono da ciò che le precede. È la leva più economica e quella con l’effetto più immediato, e vale anche sui contenuti già pubblicati, come spiegato nell’articolo su come scrivere contenuti citabili.

La seconda è la chiarezza delle entità: dire chi siete, chi firma, a cosa siete collegati, in modo che un modello possa riconciliare la vostra identità con quello che trova altrove. Qui il lavoro tecnico sui dati strutturati per l’E-E-A-T fa la differenza fra una fonte riconoscibile e una anonima.

La terza è la copertura dell’argomento: coprire non solo la domanda principale ma le domande adiacenti che l’utente porrebbe subito dopo. È il motivo per cui una struttura a pillar page e topic cluster continua a funzionare: dà al modello un corpo di contenuti coerenti su cui appoggiarsi invece di una pagina isolata.

Un piano di lavoro realistico

Chi parte da zero fa spesso l’errore di riscrivere tutto. Conviene procedere per priorità, e un ordine che funziona è questo.

Si comincia dall’inventario: quali pagine ricevono già impressioni su query formulate come domande complete. Sono i contenuti che il motore sta già considerando e su cui l’intervento rende di più. Il rapporto sulle prestazioni di Search Console, filtrato sulle query lunghe, restituisce quella lista in pochi minuti.

Il secondo passo è l’editing strutturale di quelle pagine: spostare le risposte in apertura di sezione, esplicitare i soggetti, ancorare i dati alle fonti, aggiungere le domande adiacenti. È lavoro di ore, non di giorni, e non richiede di riscrivere.

Il terzo è la marcatura di autore ed editore, che si fa una volta e vale per tutto il sito. Solo dopo, quarto passo, ha senso produrre contenuti nuovi pensati fin dall’inizio per essere estraibili. Chi inverte l’ordine spende molto e misura poco.

Chi guadagna e chi perde con i motori generativi

L’effetto delle risposte generative non è uniforme: cambia molto a seconda del tipo di ricerca. Le query puramente informative con risposta breve — una definizione, una conversione di unità, una data — perdono clic in modo evidente, perché la risposta viene mostrata per intero e non c’è motivo di visitare una pagina. Chi aveva costruito traffico su questo tipo di contenuti sta già vedendo il calo, e non lo recupererà con ottimizzazioni.

Le query complesse si comportano in modo opposto. Quando qualcuno sta valutando un fornitore, confrontando due soluzioni o cercando di capire come applicare qualcosa al proprio caso, la risposta generativa funziona da riepilogo iniziale e il clic arriva comunque, spesso più qualificato di prima perché chi arriva ha già superato la fase di orientamento. In questi casi essere citati nella risposta vale più di una posizione organica, perché la citazione arriva prima nella pagina e porta con sé un implicito riconoscimento di affidabilità.

La conseguenza strategica è che la mappa dei contenuti va rivista con un criterio in più. Non basta chiedersi quanto volume ha una query: bisogna chiedersi se la risposta a quella query è qualcosa che un motore può esaurire da solo. Se sì, quel contenuto serve al massimo a costruire copertura tematica, non a portare traffico. Se no — perché richiede giudizio, esperienza diretta, dati che nessun altro ha o un confronto con il contesto specifico del lettore — allora vale l’investimento, e vale anche la pena renderlo il più citabile possibile. Vale lo stesso ragionamento che si applica quando si costruisce una content strategy: la priorità va a ciò che nessun altro può scrivere al posto tuo.

Domande frequenti