I due numeri che contano nella ricerca con l'IA: fiducia e visibilità.

Quando qualcuno chiede a ChatGPT, Gemini, Perplexity, Claude o Grok quale prodotto usare, il motore non consulta una classifica. Decide se ha bisogno di cercare, riscrive la domanda in ricerche proprie, legge una manciata di pagine, decide a quali credere e scrive una sola risposta con pochi nomi. Un marchio può uscire di scena in uno qualsiasi di questi passaggi, e la correzione cambia a ogni passaggio.

Tutto ruota attorno a questo percorso. Il resto, i file schema, i file di testo speciali per i sistemi di scansione, i grafici di autorevolezza del dominio, è una piccola parte di un passaggio oppure non conta nulla. Google dichiara apertamente che non legge il file llms.txt e che per le sue funzioni di IA non serve alcun markup speciale. Il risultato dipende da ciò che il motore riesce a recuperare, da ciò che quel materiale dice e da chi altro lo dice.

Misurare due cose, tenendole separate

Gli acquirenti pongono ai motori due tipi di domanda molto diversi. Chiedono dei marchi che già conoscono e chiedono delle categorie in cui stanno cercando di scegliere. Servono numeri separati, perché un marchio può essere descritto benissimo quando viene nominato ed essere del tutto assente quando l'acquirente non sa di doverlo nominare.

La fiducia è ciò che il motore dice quando un acquirente la verifica per nome. Non è il sentiment. Una risposta può suonare cordiale e dire comunque «esistono poche prove indipendenti sulla sua sicurezza», che è un problema di fiducia con un tono positivo. La misura utile è se la risposta è accurata, aggiornata, sostenuta da fonti diverse da lei, equa sui rischi e abbastanza convinta da consigliarla.

La visibilità è se entra nella rosa di scelta quando un acquirente pone una domanda sulla categoria senza il suo nome. La parola che conta è qualificata. Una menzione nella categoria sbagliata, o come esempio di ciò che non bisogna comprare, non vale nulla. Sotto il dato principale ci sono il tasso di menzione, il tasso di raccomandazione, la quota di prima raccomandazione e la quota di voce rispetto ai concorrenti effettivamente nominati.

Le citazioni, i link sotto una risposta, servono a diagnosticare, non sono un obiettivo. Nelle nostre misurazioni lo scarto va in una sola direzione: i motori nominano un marchio senza citarne il sito molto più spesso di quanto citino un sito senza nominare il marchio. Monitori entrambi i dati. Non li sommi mai.

I motori non sono un unico sistema

L'errore più grande del settore è un piano scritto per «l'IA». Ogni motore ha il proprio modo di leggere il web e le proprie fonti di riferimento, quindi lo stesso marchio ha bisogno di una presenza leggermente diversa per ciascuno.

Ne derivano due conseguenze. La prima: i dati vanno presentati motore per motore, perché una quota di voce aggregata nasconde un successo su Perplexity dietro una perdita su ChatGPT. La seconda: la presenza fuori dal sito conta più della cura del sito stesso. Su 75.000 marchi (Ahrefs), le menzioni su YouTube e nel resto del web risultavano correlate alla visibilità nell'IA molto più del punteggio di autorità del dominio (domain rating) o delle dimensioni del sito. I motori si fidano di ciò che gli altri dicono di lei.

Dia un nome al problema prima di correggere qualsiasi cosa

Poiché il percorso ha dei passaggi, se un marchio non compare c'è un motivo, ed è il motivo a decidere il lavoro da fare. Usiamo dodici categorie di problema. Ecco quelle più frequenti:

• F1Ritardo del modello. La risposta predefinita del motore è datata, ma quella con la ricerca attiva è corretta. Il web è a posto; il modello non si è ancora aggiornato. Si alimenta l'ecosistema, senza mai promettere una data.
• F2Idoneità. Il bot di recupero del motore non riesce a leggere le sue pagine. Ogni motore ha un bot diverso e applica in modo diverso le regole del file robots.txt: si verifica che cosa riceve davvero ciascuno.
• F4Selezione. Ha una pagina pertinente, ma il motore continua a recuperare le fonti dei concorrenti. La correzione va fatta sulle fonti che il motore già legge, non sulla sua pagina.
• F6Conferme indipendenti. Lo dice solo lei. Le sue pagine fanno un'affermazione; le fonti indipendenti la rendono credibile. È il meccanismo di fiducia comune a tutti i motori.
• F8Narrazione. Il marchio è incluso ma descritto in modo sbagliato, di solito come il prodotto che era un tempo. Si corregge alla fonte con una pagina che riporta la data e dice che cosa è oggi e che cosa non è più.

L'ordine del lavoro ne discende. Prima si mettono in chiaro, con prove, i dati del marchio. Poi si verifica che ogni motore possa recuperarli. Si fa in modo che ogni rappresentazione del marchio sia coerente: sul suo sito, nei database della categoria, sui profili da cui i motori risolvono l'identità. Si individuano le dieci o venti pagine che già orientano le risposte sulla categoria. Solo a quel punto si scrive il numero minimo di risorse che copre la decisione dell'acquirente e si conquista presenza sulle fonti che orientavano le risposte senza di lei.

Misuri come uno scienziato, non come una dashboard

Le risposte sono stocastiche. La stessa domanda, posta cinque volte, non dà cinque volte la stessa risposta. Una singola rilevazione del lunedì che dice 100% e poi 0% non le ha detto quasi nulla. Si fissa un insieme di domande di riferimento, si pone ciascuna più volte per motore, si riporta la varianza insieme al dato e si conta solo la variazione che la supera. Si registra se il motore ha cercato o ha risposto a memoria, perché sono risultati diversi. Quando si cambia l'insieme di domande, si avvia una nuova serie invece di fingere che la vecchia continui.

Così i due numeri diventano dati su cui agire: una rilevazione della fiducia che indica quale affermazione manca di prove e una rilevazione della visibilità che indica quali fonti conquistare. Il metodo è tutto qui. Il resto è fare il lavoro.