GEO SEO: gli interventi tecnici per ottimizzare un sito per l’AI

La GEO SEO integra la SEO tradizionale con interventi tecnici e semantici pensati per migliorare la comprensione e la selezione dei contenuti da parte dei sistemi generativi. Il lavoro coinvolge crawling, indicizzazione, dati strutturati, entità, internal linking e organizzazione dei contenuti.

GEO e SEO: come cambia l’ottimizzazione per la ricerca generativa

La Generative Engine Optimization (GEO) comprende gli interventi finalizzati a rendere i contenuti più facilmente reperibili, interpretabili e selezionabili dai sistemi di intelligenza artificiale generativa. Rispetto alla SEO, che presidia aspetti come crawling, indicizzazione, architettura informativa, rilevanza organica e link building, la GEO pone maggiore attenzione alla chiarezza semantica, alla struttura dell’informazione e alla capacità dei contenuti di essere recuperati e utilizzati nelle risposte generate. SEO e GEO condividono quindi la stessa base tecnica, ma rispondono a modalità diverse di accesso e selezione delle informazioni.

Il cambiamento più visibile riguarda il formato del contenuto. Un modello generativo estrae porzioni di testo autosufficienti, con una risposta chiara nelle prime righe, dati verificabili e struttura logica riconoscibile. Una pagina scritta per convincere un lettore a scorrere fino in fondo prima di trovare la risposta rischia di non essere selezionata come fonte, anche se contiene informazioni corrette e complete.

Nei progetti che coinvolgono aziende con contenuti tecnici molto lunghi, capita di trovare pagine informative valide dal punto di vista SEO tradizionale ma poco estraibili: la risposta utile è sepolta tra premesse, storia del settore e paragrafi introduttivi che un motore generativo tende a scartare durante la sintesi.

Come i motori generativi trovano e selezionano le informazioni

Nelle funzionalità generative di Google Search, il recupero delle informazioni può combinare RAG e query fan-out: il primo recupera pagine pertinenti dall’indice di ricerca per supportare la risposta, mentre il secondo genera ricerche correlate su sotto-temi collegati alla richiesta iniziale. Una pagina deve quindi essere accessibile, indicizzabile e pertinente rispetto alle informazioni che il sistema deve recuperare.

La selezione delle informazioni considera il significato della richiesta oltre alla corrispondenza letterale delle parole chiave. I sistemi possono quindi recuperare pagine pertinenti anche quando il lessico utilizzato è diverso da quello della domanda originale. La relazione semantica tra argomento, entità citate e contenuto della pagina contribuisce a rendere l’informazione più facilmente interpretabile nel contesto della richiesta.

Un prompt utente genera spesso più sotto-domande interne, un processo chiamato query fan-out: il modello scompone la richiesta in aspetti collegati e cerca fonti diverse per ciascuno. Un sito che copre solo l’aspetto principale del tema, senza approfondire le domande correlate, rischia di essere citato per un solo frammento della risposta finale invece che come fonte primaria.

Query e prompt da analizzare prima dell’ottimizzazione GEO

Prima di intervenire tecnicamente su un sito, occorre osservare quali prompt gli utenti sottopongono ai motori generativi sul tema di riferimento, perché un intervento GEO SEO senza questa analisi rischia di ottimizzare contenuti per domande diverse da quelle realmente poste. L’obiettivo è capire come viene formulata la richiesta, quali fonti compaiono nella risposta e quali argomenti collaterali il modello introduce di propria iniziativa.

L’analisi si svolge testando manualmente le stesse domande su più assistenti, annotando le fonti citate, il tono delle risposte e le eventuali domande di approfondimento suggerite. Le categorie di prompt da osservare comprendono:

• Domande dirette sul servizio o prodotto, formulate come richiesta di informazioni immediate.
• Domande di confronto tra due o più soluzioni, marchi o approcci.
• Domande con contesto aggiuntivo, in cui l’utente specifica settore, budget o vincoli.
• Domande di approfondimento tecnico, poste dopo una prima risposta generica.

Una differenza spesso trascurata riguarda la lunghezza dei prompt rispetto alle query digitate su un motore di ricerca classico: le richieste rivolte a un assistente conversazionale sono in genere più lunghe e articolate, con dettagli sul contesto che una keyword research tradizionale non intercetta. Ignorare questa differenza porta a costruire contenuti tarati su intenti troppo generici rispetto a quanto viene effettivamente chiesto.

Accessibilità tecnica e indicizzazione per la GEO

Un contenuto ben scritto non produce alcuna citazione se il motore generativo non riesce a raggiungerlo, elaborarlo e indicizzarlo. L’accessibilità tecnica resta la condizione preliminare della GEO: prima di lavorare su entità e struttura testuale, va verificato che le pagine siano effettivamente raggiungibili dai sistemi di scansione automatica, sia quelli dei motori di ricerca sia quelli dei crawler dedicati ai modelli generativi.

Crawling, rendering e indicizzazione

Crawling, rendering e indicizzazione sono tre fasi distinte che vanno controllate separatamente, perché un problema in una di esse blocca l’intero processo anche se le altre funzionano correttamente. Il crawling riguarda la scoperta della pagina, il rendering l’elaborazione di JavaScript e contenuti dinamici, l’indicizzazione l’inserimento effettivo nel database del motore.

Sui progetti con contenuti generati via JavaScript capita che il testo visibile all’utente non coincida con quello effettivamente elaborato dal crawler, con paragrafi chiave assenti dalla versione renderizzata: un controllo diretto sul codice sorgente restituito al bot evita di scoprire il problema solo dopo settimane di assenza dalle citazioni.

• Verificare che le pagine strategiche non restituiscano tag noindex accidentali.
• Controllare che la sitemap XML sia aggiornata e includa le pagine più recenti.
• Testare il rendering della pagina come farebbe un crawler, non solo come browser utente.
• Confermare che i tag canonical puntino alla versione corretta della pagina.

Crawler AI e gestione del robots.txt

Il file robots.txt non gestisce in modo indistinto l’accesso dei sistemi AI a un sito. Motori di ricerca e piattaforme generative utilizzano crawler, user agent e token differenti a seconda della funzione svolta: scansione per la ricerca, utilizzo dei contenuti per il training dei modelli, grounding delle risposte o accesso a una pagina su richiesta dell’utente. Prima di modificare le direttive è quindi necessario identificare quale servizio si intende consentire o limitare.

Nel caso di Google, i crawler di Google svolgono funzioni diverse. Googlebot è collegato alla scansione per Google Search, mentre Google-Extended è un token specifico che consente agli editori di gestire l’utilizzo dei contenuti per l’addestramento dei modelli Gemini e per alcune funzioni di grounding. Google precisa che le direttive rivolte a Google-Extended non determinano l’inclusione o il posizionamento del sito nella Ricerca Google.

Anche OpenAI separa le diverse finalità attraverso OAI-SearchBot, GPTBot e ChatGPT-User. OAI-SearchBot viene utilizzato per rendere disponibili le pagine nelle funzionalità di ricerca di ChatGPT, mentre GPTBot riguarda la scansione di contenuti che possono essere utilizzati per l’addestramento dei modelli. ChatGPT-User interviene invece in alcune visite effettuate su richiesta dell’utente e non viene utilizzato per determinare la presenza di una pagina nei risultati di ChatGPT Search. Bloccare uno di questi user agent non produce quindi automaticamente lo stesso effetto sugli altri servizi.

Dati strutturati ed entità per i motori generativi

Dati strutturati ed entità contribuiscono a rendere più esplicito il significato delle informazioni presenti in una pagina. Markup coerente, relazioni chiare e denominazioni uniformi aiutano i sistemi a interpretare correttamente contenuti, soggetti e collegamenti tra le diverse sezioni del sito.

Schema.org e dati strutturati

Schema.org fornisce il vocabolario utilizzato per descrivere entità come organizzazioni, prodotti, articoli e persone attraverso dati strutturati. Google Search supporta JSON-LD, Microdata e RDFa e indica JSON-LD come formato raccomandato quando la configurazione del sito ne consente l’implementazione.

I dati strutturati devono descrivere informazioni coerenti con il contenuto visibile della pagina. Per le funzionalità generative di Google Search non è richiesto uno schema specifico per l’AI: markup come Organization o Article possono esplicitare informazioni già presenti nella pagina, ma non costituiscono un requisito aggiuntivo per comparire nelle AI Overviews o in AI Mode.

Entità, relazioni e coerenza semantica

Un’entità è un concetto identificabile in modo univoco, come un’azienda, una persona o un prodotto. La coerenza con cui viene descritta nelle diverse pagine e nel markup riduce le ambiguità tra riferimenti che appartengono allo stesso soggetto. Nome dell’organizzazione, ruoli professionali e relazioni tra i contenuti dovrebbero quindi utilizzare denominazioni coerenti tra pagina di contatto, pagina chi siamo e dati strutturati.

L’internal linking collega pagine appartenenti allo stesso topic cluster e rende esplicite le relazioni tra contenuti affini. Anchor, pagina di destinazione e gerarchia del sito devono descrivere relazioni coerenti, evitando che pagine dedicate allo stesso argomento restino isolate o vengano collegate attraverso anchor poco pertinenti.

Nei siti con più sedi o più linee di prodotto capita di trovare varianti minime del nome aziendale distribuite tra pagine diverse: un controllo incrociato tra markup Organization, footer e pagina di contatto evita che il motore interpreti la stessa azienda come entità distinte con autorevolezza frammentata.

Come strutturare contenuti citabili e verificabili

Un contenuto citabile risponde in modo diretto alla domanda nelle prime righe, riporta dati verificabili con fonti riconoscibili e mantiene una struttura in cui ogni paragrafo si comprende anche isolato dal resto del testo. Un motore generativo estrae porzioni di testo, non l’intera pagina: se la risposta richiede di leggere tre paragrafi precedenti per avere senso, la probabilità di estrazione corretta si riduce.

La sequenza pratica per costruire un contenuto con queste caratteristiche prevede alcuni passaggi ricorrenti:

1. Aprire la sezione con la risposta diretta alla domanda espressa dal titolo, senza premesse.
2. Inserire dati, numeri o riferimenti verificabili subito dopo l’affermazione che supportano.
3. Scrivere paragrafi brevi con un solo concetto ciascuno, evitando dipendenze dal paragrafo precedente.
4. Indicare in modo chiaro autore, ruolo e competenza: i criteri di autovalutazione sui contenuti utili e affidabili includono la riconoscibilità dell’autore e precisano che E-E-A-T non costituisce un singolo fattore di ranking.
5. Aggiornare periodicamente dati e riferimenti, segnalando la data di revisione del contenuto.

L’autorevolezza percepita da un motore generativo non dipende solo dal testo pubblicato sul sito, ma anche da quante volte il dominio viene citato o menzionato da fonti terze. Attività di Digital PR che generano menzioni su testate di settore, comunicati verificabili e collaborazioni editoriali contribuiscono a rafforzare questo segnale esterno, spesso più incisivo di ulteriori modifiche interne alla pagina.

Riscrivere una sezione tecnica spostando la risposta diretta dalle ultime righe alle prime, senza modificare le informazioni contenute, è uno degli interventi che nella pratica produce l’effetto più immediato sulla capacità del contenuto di essere estratto e citato correttamente.

Come misurare la visibilità GEO

Misurare la visibilità GEO richiede di combinare gli strumenti di analisi già in uso per la SEO con un monitoraggio specifico delle citazioni ottenute nelle risposte generate, perché il traffico organico da solo non registra le menzioni senza clic verso il sito.

Citazioni e menzioni nelle risposte AI

Il modo più diretto per verificare le citazioni AI resta il test manuale: interrogare periodicamente ChatGPT, Perplexity e Gemini con le domande target del proprio settore, annotando se e come il dominio compare tra le fonti citate. Alcuni strumenti terzi automatizzano questo monitoraggio su larga scala, ma il controllo manuale resta utile per verificare il contesto esatto in cui il brand viene menzionato, non solo la frequenza numerica.

Le menzioni del brand senza link diretto vanno trattate come segnale distinto dal traffico: un’azienda può risultare citata come riferimento in una risposta generata senza generare una sessione misurabile, un effetto simile alla visibilità di marca ottenuta con la Digital PR classica.

Impression e visibilità in Google Search Console

Search Console dispone di un report Generative AI dedicato alla visibilità nelle funzionalità generative di Google Search. Il report mostra l’andamento delle impression organiche generate da queste esperienze e permette di analizzare quali pagine ricevono impression, oltre alla distribuzione per dispositivo e paese.

Un calo del CTR o una variazione delle impression non dimostrano da soli un effetto delle funzionalità generative. La lettura va confrontata con il report dedicato e con l’andamento delle singole pagine e query, evitando di attribuire automaticamente ogni variazione alla ricerca generativa.

Traffico dagli assistenti AI in GA4

GA4 permette di analizzare la provenienza delle sessioni attraverso dimensioni come Session source e Session source/medium nel report Acquisizione traffico. I referral provenienti dagli assistenti AI possono quindi essere isolati filtrando le relative sorgenti quando l’informazione sul referrer viene trasmessa. Le citazioni prive di clic restano invece fuori dalle sessioni misurate da Analytics.

Se il traffico osservato in GA4 è inferiore alle citazioni rilevate manualmente, il divario non indica automaticamente un problema di configurazione: una citazione può non produrre alcun clic e in alcuni passaggi l’informazione sulla sorgente può non essere disponibile. Prima di modificare i canali è quindi opportuno controllare Session source, Session source/medium e le regole di classificazione applicate alla proprietà.

Priorità tecniche per l’ottimizzazione GEO

Il problema che un’azienda deve risolvere non è scegliere tra SEO e GEO, ma stabilire in che ordine intervenire su un sito che deve restare visibile sia nei risultati organici sia nelle risposte generate. La priorità operativa segue una logica precisa: prima l’accessibilità tecnica, poi la struttura semantica, infine il formato dei contenuti pensato per l’estrazione.

Per un sito editoriale o di servizi professionali, la priorità iniziale riguarda quasi sempre la gestione dei crawler AI nel robots.txt e la struttura dei contenuti citabili, perché il volume di pagine informative è già alto e il margine di miglioramento più immediato sta nella loro riscrittura mirata. Per un e-commerce, il discorso cambia: la GEO per eCommerce richiede attenzione specifica ai dati strutturati di Product, Offer e SKU, perché un assistente AI che confronta prodotti si basa su questi attributi per generare raccomandazioni, con conseguenze dirette su quella che alcuni osservatori del settore chiamano Share of Model, ovvero la quota di menzioni ottenute da un brand rispetto ai concorrenti diretti all’interno delle risposte generate.

Un criterio pratico per decidere da dove partire consiste nel verificare, prima di ogni intervento, tre condizioni: il sito è raggiungibile dai crawler AI, i contenuti principali rispondono in modo diretto e verificabile, le entità aziendali sono descritte in modo coerente su tutte le pagine. Quando una di queste condizioni manca, ogni lavoro successivo sui contenuti produce risultati parziali. Una valutazione tecnica del sito permette di individuare le priorità di intervento e definire un percorso di ottimizzazione coerente: per approfondire il progetto è possibile richiedere un confronto con il team.