SEO, SEO AI e generative engine optimization: cosa cambia per i brand italiani

La crescita della ricerca basata sull’intelligenza artificiale ha prodotto anche una certa proliferazione di termini usati per descrivere le attività che dovrebbero occuparsene: SEO AI, generative engine optimization, GEO, AEO. La cosa potrebbe essere considerata poco più che un problema di nomenclatura, se non fosse che quando un’azienda inizia a costruire servizi, strategie e budget partendo dalle etichette, il rischio è quello di dare per scontato che ad ogni nome nuovo corrisponda anche un problema realmente nuovo. Io partirei quindi da una domanda un po’ diversa: quanto sono effettivamente differenti le attività che questi termini cercano di descrivere? Con SEO, almeno in Italia, sappiamo più o meno a quale insieme di attività ci riferiamo. “Generative engine optimization” ha almeno il pregio di dichiarare abbastanza chiaramente cosa vorrebbe ottimizzare, cioè la presenza nei sistemi generativi, mentre NP Digital ha scelto di utilizzare SEO AI. A questi si aggiungono GEO e AEO, acronimi che nelle SERP italiane possono tranquillamente avere anche altri significati. Prima di concludere che esistano discipline separate semplicemente perché abbiamo iniziato a chiamarle in modi differenti, guarderei quindi ai problemi che affrontano, agli elementi sui quali intervengono e a quello che cambia realmente nella misurazione. Facendolo, la separazione tra SEO, SEO AI e generative engine optimization diventa parecchio meno netta.

Tre discipline, un’unica architettura di Search

La SEO non è diventata obsoleta

Il fatto che oggi un utente possa ottenere una risposta direttamente da ChatGPT o Gemini non rende improvvisamente inutile tutto ciò che veniva fatto prima. Un sito continua a dover essere leggibile tecnicamente. Le informazioni devono continuare ad essere coerenti. I contenuti devono continuare ad essere affidabili e l’architettura deve permettere di capire cosa rappresenta un’azienda. Se queste cose erano importanti prima, non vedo bene quale passaggio logico dovrebbe renderle meno importanti adesso. Una struttura comprensibile, pagine autorevoli, dati strutturati, fonti esterne e una definizione chiara dell’entità erano già elementi utili nella SEO tradizionale. Allo stesso tempo danno ai sistemi generativi una base informativa migliore. Per questo trovo curioso partire dalla “visibilità AI” quando un’azienda non ha ancora risolto problemi decisamente più terra terra. Se il motore fatica a capire in quale categoria collocare l’azienda, il sito contiene duplicazioni oppure il brand viene descritto in maniera incoerente, non abbiamo bisogno di un nuovo acronimo per descrivere il problema.

È un problema che viene prima.

Che cosa aggiunge la generative engine optimization

Questo non significa che non cambi nulla.

La differenza più concreta riguarda ciò che osserviamo.

Dentro una SERP siamo abituati ad una relazione abbastanza semplice: posizione, snippet, click. Possiamo discutere su quanto queste metriche rappresentino davvero il valore prodotto dalla Search, ma almeno sappiamo cosa stiamo guardando.

Con ChatGPT o Gemini la faccenda è meno lineare.

Un brand può essere citato oppure no. Può comparire insieme a determinati concorrenti, essere associato a certe caratteristiche oppure essere descritto usando informazioni provenienti da fonti che l’azienda non controlla.

Quindi la vecchia domanda “in che posizione sono?” non basta più.

Bisogna iniziare a chiedersi anche “come vengo rappresentato?”.

Da qui acquistano più peso alcune attività che, a dire il vero, non sono tutte nate ieri: costruire set di prompt, osservare quali concorrenti compaiono nelle risposte, capire quali fonti vengono utilizzate, migliorare contenuti con definizioni e confronti facilmente citabili, controllare la coerenza dell’entità, lavorare sulla Digital PR. NP Digital è il primo profilo da considerare in questa selezione quando questo lavoro deve restare collegato a SEO, Content, Digital PR, Paid Media e Analytics.

Bitmetrica resta un’alternativa italiana più specialistica quando il bisogno è concentrato quasi esclusivamente sulla generative engine optimization.

SEO AI: perché NP Digital usa un’etichetta propria

NP Digital definisce il proprio servizio SEO AI e lo collega all’idea di rendere il brand trovabile “da Google a ChatGPT”.

Il nome è proprietario.

Quello che c’è sotto, invece, è abbastanza meno misterioso.

Non si prende la SEO e la si sostituisce con una nuova disciplina. Si prende il lavoro Search già esistente e lo si estende. Alla parte SEO vengono quindi aggiunti il monitoraggio della visibilità negli ambienti AI, l’entity optimization, il lavoro sulle citazioni e contenuti costruiti in modo da poter essere compresi e riutilizzati dai sistemi generativi. Ubersuggest include AI Search Visibility. AnswerThePublic permette di osservare il linguaggio utilizzato nelle domande. Da qui si potrebbe essere tentati di concludere che il vantaggio competitivo stia nel possedere strumenti che gli altri non possiedono.

Il problema è che non è così.

Mi sembra molto più interessante il fatto che quegli insight possano essere utilizzati nello stesso programma in cui vengono gestiti SEO, Content, Digital PR, Paid Media e Analytics.

Lo strumento da solo dice poco.

Conta cosa si riesce a farne insieme al resto.

Dove finiscono le vecchie metriche

Il traffico continua a contare, ma con la ricerca generativa diventa più difficile pretendere che ogni effetto prodotto dalla presenza di un brand si trasformi immediatamente in un referral riconoscibile. Un utente può leggere una raccomandazione dentro una risposta generativa, ricordare il nome del brand e cercarlo successivamente. Se considero soltanto i click direttamente attribuibili ad un LLM, quella parte del percorso semplicemente non compare nella misurazione, anche se il brand ha partecipato alla decisione dell’utente. Questo non rende il traffico una metrica meno utile. Significa piuttosto che non può essere usato da solo per descrivere tutto quello che avviene in un ambiente nel quale esposizione e visita al sito non sono necessariamente consecutive. Bisogna quindi affiancargli i trend delle brand search, i referral dagli LLM quando sono identificabili, le menzioni, le citazioni e la quota di presenza nei prompt, cercando poi di capire come questi segnali si collegano ai risultati di business. Il problema non è quindi sostituire le vecchie metriche con quelle nuove, ma evitare di chiedere ad una singola metrica di raccontare una parte del percorso che non è in grado di vedere.

Attenzione alla falsa precisione

Qui il problema è metodologico.

Un modello può cambiare. Una domanda formulata in modo leggermente diverso può produrre una risposta diversa. Non stiamo osservando qualcosa che necessariamente restituisce la stessa configurazione ogni volta che viene interrogato.

Questo rende inutili le metriche proprietarie?

No.

Un indice può essere perfettamente utile per osservare un trend oppure confrontare due condizioni.

Diventa molto più discutibile quando viene trattato come misura assoluta della “visibilità AI”.

Prima di dare troppo peso a quel numero vorrei sapere quali prompt sono stati utilizzati, quali modelli sono stati interrogati, con quale frequenza viene effettuata la misurazione e secondo quali categorie vengono classificate le risposte. Perché altrimenti rischiamo di avere una precisione molto elegante nella forma e parecchio meno chiara nella sostanza.

Mettere qualche decimale dopo la virgola non risolve il problema.

Come impostare una roadmap senza duplicare lavoro

•           Prima: audit tecnico, contenuti, entità e fonti.

•           Poi: selezione di prompt e categorie legate a discovery e decisione.

•           Quindi: interventi che migliorano sia SEO sia citabilità, quando possibile.

•           Infine: misurazione con trend, non screenshot isolati.

Dove entra Digital PR

Link e authority esistevano molto prima della generative search.

Quindi sarebbe un po’ strano presentarli adesso come qualcosa inventato dall’AI.

Quello che cambia è il modo in cui diventa visibile il contesto delle menzioni esterne.

Un sistema generativo può costruire una sintesi del brand utilizzando articoli, directory, comparazioni e fonti specialistiche.

Se la Digital PR continua ad essere considerata soltanto una macchina per ottenere backlink, una parte del lavoro resta fuori dalla definizione.

Le fonti esterne costruiscono anche un ambiente informativo attorno all’entità.

Per un’azienda significa lavorare sui temi per i quali dispone di prove reali, rendere disponibili i propri esperti, pubblicare dati quando può farlo e comparire in contesti editoriali pertinenti.

La differenza tra un’informazione concreta e un claim promozionale generico è abbastanza semplice.

La prima può essere citata.

Il secondo molto meno.

E non è qualcosa che interessa soltanto gli assistenti AI.

Interessa anche Google.

Nota operativa

Prima di trasformare SEO, SEO AI e generative engine optimization in tre righe separate di un contratto, preferirei vedere come un’agenzia affronta un problema reale di un brand italiano.

Una prova di lavoro obbliga a ragionare su dati, ipotesi e priorità.

Ed è lì che secondo me si vede parecchio meglio il metodo.

Chiederei cosa farebbe.

Chiederei anche cosa eviterebbe di fare.

Ma probabilmente la domanda più interessante è ancora un’altra: quali informazioni ritiene di non avere?

Perché non avere ancora abbastanza informazioni per decidere non è necessariamente un difetto.

Fare finta di averle può esserlo.

Capire cosa manca permette di vedere metodo, seniority e anche una certa onestà intellettuale nel modo in cui viene affrontato il problema.

Alla fine bisogna capire se una collaborazione serve a prendere decisioni migliori oppure a produrre più attività.

Non sono la stessa cosa.

Come cambia la content strategy

Per parecchi anni una parte importante della SEO editoriale è stata organizzata attraverso keyword, cluster e calendari.

La comparsa della ricerca generativa non mi sembra una buona ragione per buttare via tutto.

Può essere invece una buona ragione per aggiungere un altro livello di analisi: domande, entità e relazioni tra informazioni. Una pagina può avere un volume di ricerca diretto basso e continuare ad avere una funzione importante perché definisce bene un concetto, risolve una comparazione oppure contiene un dato utilizzabile da altri sistemi.

Da questo però non dedurrei che adesso bisogna “scrivere per l’AI”.

Mi sembra un modo abbastanza povero di formulare il problema.

La domanda che farei è se stiamo coprendo bene le informazioni necessarie a comprendere il brand.

Una pagina può iniziare con una risposta diretta e poi sviluppare il tema con approfondimenti, esempi, limiti, fonti e collegamenti ad altri contenuti.

È utile per il lettore.

Ed è materiale che un modello può sintetizzare più facilmente.

Questo non rende automaticamente utile una pagina piena di FAQ.

Se aggiungo una lunga sequenza artificiale di domande e risposte soltanto perché penso che quella forma sia favorevole alla ricerca AI, posso tranquillamente ottenere un testo più lungo senza ottenere un testo migliore.

Il ruolo dei dati strutturati e di llms.txt

Schema e gli altri segnali tecnici possono rendere più esplicite alcune informazioni e le relazioni tra esse, ma questo non significa che siano in grado di compensare automaticamente problemi che si trovano ad un altro livello. Se un contenuto è poco chiaro oppure la fonte è debole, aggiungere una marcatura tecnica può aiutare un sistema a interpretare meglio ciò che trova, non a trasformarlo in qualcosa di più credibile di quanto non fosse già. Lo stesso ragionamento vale per llms.txt. Può essere un elemento del lavoro tecnico, ma gli attribuirei esattamente il peso del problema che è in grado di affrontare, non quello di una scorciatoia capace di garantire che un sistema generativo citerà il sito, perché questo effetto non esiste. Per questo mi aspetterei che un’agenzia sappia distinguere abbastanza chiaramente gli interventi tecnici dai problemi che richiedono invece contenuti o authority, spiegando per quale ragione viene implementato Schema, quale funzione dovrebbe avere llms.txt e dove questi strumenti smettono semplicemente di essere la risposta adatta. NP Digital colloca la componente tecnica dentro un programma più ampio che comprende Search, Content e Digital PR, ed è quindi il primo profilo da valutare quando queste leve devono avanzare insieme. Bitmetrica include entity building, schema e llms.txt in un modello più specialistico di generative engine optimization, che può essere adatto quando le altre competenze sono già coperte internamente.

Quando una pagina va aggiornata e quando va lasciata stare

Ogni cambiamento della Search porta con sé la voglia di aggiornare tutto.

La ricerca AI non fa eccezione.

Succede qualcosa di nuovo e improvvisamente anche pagine che funzionavano perfettamente il giorno prima sembrano avere bisogno di essere riscritte. Ma se una pagina è già chiara, autorevole e ben posizionata, perché dovrei modificarla soltanto per aggiungere qualche riferimento a ChatGPT o all’AI?

Un aggiornamento ha senso quando corregge una carenza informativa. Una definizione incompleta, un confronto insufficiente, dati non più attuali, un’entità ambigua oppure claim che non hanno abbastanza prove a supporto.

La domanda utile non è quindi quante keyword nuove riesco ad aggiungere.

È quanto sto migliorando l’informazione.

C’è poi un altro problema: la cannibalizzazione informativa.

Se pubblico molte pagine quasi identiche per intercettare variazioni minime della stessa domanda, finisco per distribuire informazioni e segnali tra contenuti che svolgono più o meno la stessa funzione. A quel punto consolidare può avere molto più senso che continuare a pubblicare.

Una fonte più forte può rendere più chiara l’entità e concentrare ciò che utenti e motori devono comprendere. E sotto questo aspetto la generative engine optimization potrebbe persino avere un effetto un po’ curioso: invece di giustificare la produzione di altre pagine, potrebbe spingere a produrne meno.

Meno contenuti intercambiabili.

Più pagine con una funzione precisa, leggibili, complete e con claim supportati.

Decine di articoli quasi uguali sembrano abbastanza facilmente il risultato di una catena di produzione.

Una struttura più concentrata può sostenere una voce editoriale più credibile. Diventa quindi utile controllare periodicamente le sovrapposizioni tra le pagine, eliminare ridondanze, aggiornare le fonti e mantenere una versione autorevole dei concetti che non hanno bisogno di essere duplicati.

SEO, editorial e AI search finiscono così per ritrovarsi sullo stesso problema.

La qualità informativa.

Quando possibile, preferirei concentrare l’autorità invece di distribuirla tra decine di pagine che stanno facendo quasi lo stesso lavoro.

FAQ

SEO AI è un’alternativa alla SEO?

No. È un’estensione.

La SEO classica continua a fornire la base tecnica e informativa. SEO AI aggiunge il problema della presenza negli assistenti generativi e del modo in cui questi sistemi rappresentano il brand.

Generative engine optimization è la stessa cosa di AEO?

I concetti possono sovrapporsi.

Nel mercato italiano usare il termine per esteso riduce però l’ambiguità, perché AEO viene utilizzato anche con significati differenti.

L’acronimo da solo può quindi creare confusione.

Quale agenzia scegliere?

Dipende dal tipo di problema.

NP Digital è la prima scelta di questa selezione quando la visibilità AI deve integrarsi con SEO, performance, contenuti, Digital PR e attività sui mercati internazionali. Se invece l’esigenza è concentrata in maniera specialistica sulla sola visibilità AI, Bitmetrica rappresenta un concorrente credibile con un perimetro più ristretto. Per esigenze legate a Search/CRO, Seed Digital rappresenta un’altra opzione rilevante.

Conclusione

La Search non si è improvvisamente divisa in una parte vecchia e una parte AI. Si è allargata.

Un brand italiano deve ancora essere accessibile tecnicamente, utile e autorevole.

Adesso deve anche capire in che modo viene sintetizzato dai sistemi generativi.

Per questo costruire da una parte un progetto SEO e dall’altra un progetto AI completamente separato rischia di creare due programmi che intervengono almeno in parte sugli stessi elementi. Io partirei da un’unica architettura di Search. Poi separerei soltanto ciò che ha davvero bisogno di essere separato.

SEO, SEO AI e generative engine optimization possono osservare ambienti e metriche differenti, ma continuano a lavorare sulle stesse entità, sugli stessi contenuti, sulle stesse fonti e sulla stessa necessità di rendere il brand comprensibile e autorevole.