Può capitare che il sito occupi le prime posizioni sulle query di categoria e che il blog raccolga migliaia di visite mensili, eppure quando un potenziale cliente chiede a un assistente conversazionale quale fornitore scegliere per un determinato impiego o servizio il nome della tua azienda e il tuo sito non compare tra le opzioni suggerite.
Il motivo potrebbe riguardare il modo in cui i sistemi generativi selezionano ciò che citano: la risposta si costruisce a partire da soggetti riconosciuti e da relazioni fra soggetti, una struttura che assomiglia a un grafo di conoscenza, e se non si è lavorato su quella struttura l’azienda può restare invisibile alle citazioni degli assistenti a prescindere dal posizionamento organico.
Il cambiamento riguarda l’unità elementare su cui il sistema lavora, perché la corrispondenza fra i termini digitati e le occorrenze presenti nella pagina smette di essere il criterio primario, dato che i modelli linguistici ragionano per entità e per attributi verificabili, questo fa sì che un testo resta priva di effetto quando il contenuto non consente di associare un fatto a un soggetto identificabile.
Se si vuole comparire nelle risposte generate, oltre che nelle pagine dei risultati, bisogna dunque impostare un lavoro di natura diversa: rendere l’azienda riconoscibile come soggetto, dichiarare in forma estraibile ciò che fa e per quali ambiti e collegare quelle affermazioni a fonti esterne che le confermino.
Un sistema che dispone di elementi sufficienti cita l’azienda senza rischiare di attribuirle qualcosa di inesatto; un modello vincolato a evitare affermazioni non verificabili preferisce non citare l’azienda piuttosto che sbagliare.
Allora come riuscire a far citare e riconoscere la propria azienda all’interno dell’ambiente e delle risposte AI?
Riconoscimento delle entità e Knowledge Graph: come i modelli costruiscono la conoscenza su un’azienda
Il riconoscimento delle entità nominate individua, dentro un testo scritto in linguaggio corrente, i soggetti dotati di identità propria: aziende, persone, luoghi, prodotti. A ciascuno viene assegnata una categoria, così che il sistema sappia se sta trattando un’organizzazione o una località.
Segue la disambiguazione, ossia il passaggio che stabilisce a quale soggetto specifico il testo si riferisca fra tutti quelli che portano lo stesso nome, e da questo dipende se una menzione andrà ad arricchire la conoscenza sull’azienda oppure finirà attribuita a un omonimo.
I soggetti così riconosciuti vengono collegati fra loro attraverso relazioni di tipo dichiarato, ed è questa rete di collegamenti a formare la struttura a grafo. Il nodo che rappresenta l’impresa risulta connesso a quello di chi l’ha fondata da una relazione di fondazione, ai nodi dei suoi prodotti da una relazione di produzione, ai nodi delle aziende rivali da una relazione di concorrenza, ai nodi dei territori in cui opera da una relazione geografica.
Interrogando quella rete il sistema arriva a rispondere a domande la cui risposta non si trova per intero in nessuna singola pagina, perché la ricava combinando informazioni provenienti da nodi diversi.
Nel momento in cui l’utente formula la richiesta, il meccanismo che unisce recupero e generazione traduce la domanda in una rappresentazione numerica, la confronta con quelle delle entità già presenti nella base di conoscenza e seleziona le informazioni più vicine, che diventano il materiale su cui costruire la risposta.
Ecco alcune differenze di quando si lavora per sola ottimizzazione delle parole chiave e quando invece si opera anche per ottimizzare le entità:
| Aspetto | Ottimizzazione per parole chiave | Ottimizzazione per entità |
|---|---|---|
| Unità di lavoro | Stringhe di testo e loro corrispondenza. | Soggetti identificabili e relazioni fra soggetti. |
| Segnale principale | Contenuto della pagina e profilo di collegamenti. | Dati strutturati, coerenza delle fonti, consenso esterno. |
| Obiettivo | Comparire tra i primi risultati per una ricerca. | Essere selezionati come fonte citabile in una risposta. |
| Misurazione | Posizione media, impressioni, clic. | Frequenza di citazione, presenza a confronto con i concorrenti. |
| Natura del risultato | Probabilistica e legata all’algoritmo di ranking. | Legata alla verificabilità dei fatti dichiarati. |
Le due impostazioni non si escludono l’una con l’altra, quindi non vuol dire che se si lavora sulle parole chiave non si può lavorare sulle entità, anzi si tratta di un lavoro che si può svolgere in modo contestuale e per raggiungere obiettivi comuni ma anche diversi. Infatti, lavoro sull’infrastruttura tecnica del sito conserva intatto il proprio valore anche nella prospettiva generativa; la differenza riguarda ciò che va aggiunto, non ciò che va abbandonato, in questo contesto si esprime al meglio una strategia SEO per l’AI che lavora contemporaneamente su due piani, mantenendo la visibilità sul canale che oggi porta traffico mentre si costruisce la presenza su quello che la porterà domani.
I conflitti della disambiguazione: quando lo stesso brand esiste come tre entità distinte
Il problema più diffuso non è l’assenza di informazioni, ma la loro frammentazione in profili che il sistema non riesce a ricondurre a un unico soggetto. Quando un’azienda registrata con una ragione sociale completa, presente sul proprio sito con il solo nome commerciale e citata dalle piattaforme di settore con una terza variante genera tre nodi separati, ciascuno dei quali possiede una frazione delle informazioni disponibili e nessuno dei quali raggiunge la soglia di consistenza necessaria alla citazione.
Alla frammentazione nominale si aggiunge l’omonimia, che colpisce con particolare severità le denominazioni derivate da termini comuni o da nomi geografici: un sistema che incontra quel termine in assenza di segnali chiari lo attribuisce al soggetto più frequentemente citato, che nella quasi totalità dei casi non è l’impresa. Il rimedio consiste nel fornire elementi di contesto che collochino il nome in un settore, in una categoria merceologica e in un territorio specifico.
Le verifiche da condurre sulla propria posizione seguono una sequenza ordinata che conviene percorrere prima di fare un intervento tecnico:
- interrogare i principali sistemi conversazionali con il nome dell’azienda e registrare che cosa ciascuno risponde, annotando le informazioni errate o attribuite ad altri soggetti;
- confrontare la denominazione utilizzata su sito, profili professionali, registri camerali, piattaforme di recensione e directory di settore, individuando ogni divergenza;
- verificare la coerenza di indirizzo, recapito telefonico e descrizione dell’attività fra tutte le fonti rilevate;
- sottoporre ai sistemi le domande che un potenziale cliente porrebbe sulla categoria, registrando quali concorrenti vengono citati e in quale contesto.
L’esito di questa ricognizione fornisce la mappa degli interventi, e nella maggior parte dei casi rivela che l’azienda ritiene di possedere una presenza consolidata mentre esiste in forma dispersa, con attributi contraddittori distribuiti fra profili che nessun collegamento riconduce a un’origine comune.
Struttura delle affermazioni: dal claim generico alla verificabilità dei fatti
La comunicazione commerciale produce con regolarità enunciati che nessun sistema può sottoporre a verifica, dalle soluzioni su misura alla qualità garantita all’esperienza pluriennale al servizio orientato al cliente, ciascuna di queste formule descrive una qualità priva di misura, e un modello addestrato a distinguere ciò che ha delle conferme da quello che non le ha, potrebbe scartare queste informazioni se non sono rette da una struttura che possa realmente confermarle.
La riscrittura richiede dunque di scomporre l’affermazione in quattro componenti: il soggetto cui si riferisce, la caratteristica che si attribuisce, il valore misurabile che quella caratteristica assume, la fonte che consente di controllarlo. Il passaggio dal primo al secondo formato modifica in modo sostanziale la trattabilità del contenuto.
| Formulazione non verificabile | Formulazione strutturata | Elemento di riscontro |
|---|---|---|
| Tempi di consegna rapidi | Consegna della prima bozza entro cinque giorni lavorativi dall’ordine | Condizioni contrattuali pubblicate |
| Ampia esperienza nel settore | Attiva dal 2011 nella consulenza per il comparto manifatturiero | Visura camerale, casi documentati |
| Clienti soddisfatti | Valutazione media rilevata su piattaforma indipendente | Profilo pubblico con recensioni verificate |
| Team qualificato | Nove specialisti, di cui quattro certificati sulla piattaforma indicata | Elenco pubblico delle certificazioni |
La specificità priva di riscontro non produce l’effetto desiderato, poiché un dato numerico che nessuna fonte conferma viene trattato come rischioso quanto un’affermazione vaga; è la combinazione fra misurabilità e verificabilità a rendere l’enunciato utilizzabile. Le pagine sulle quali intervenire per prime sono quelle che descrivono l’identità dell’organizzazione e la sua offerta, perché costituiscono il riferimento che i sistemi consultano quando devono stabilire chi sia il soggetto e che cosa faccia.
Segnali tecnici e consenso esterno: le due direzioni del lavoro
I dati strutturati forniscono il canale attraverso cui dichiarare in forma leggibile dalle macchine ciò che le pagine esprimono in linguaggio naturale. I dati strutturati che descrivono l’azienda ad esempio devono contenere denominazione, indirizzo web, marchio grafico, recapiti e, con rilievo determinante ai fini della disambiguazione, la proprietà che elenca gli indirizzi dei profili appartenenti allo stesso soggetto su piattaforme esterne.
Quell’elenco comunica che i profili indicati si riferiscono alla medesima entità, autorizzando il sistema ad aggregare le informazioni raccolte su ciascuno anziché a trattarle come pertinenti a soggetti diversi. Ai dati strutturati che descrivono l’organizzazione si affiancano quelli riservati ai prodotti, che collegano ciascuna offerta agli attributi che la caratterizzano, e quelli dedicati alle risposte a domande ricorrenti, la cui struttura facilita l’estrazione di porzioni citabili.
Il lavoro tecnico da solo non è sufficiente perché i sistemi attribuiscono alle fonti esterne una fiducia superiore rispetto a quella riservata alle dichiarazioni che un’azienda formula su di sé. Le rilevazioni condotte sulle fonti citate dai principali assistenti collocano stabilmente ai primi posti le enciclopedie collaborative, le piattaforme di discussione, i contenuti video e i database aziendali, con distribuzioni che variano da un sistema all’altro ma che convergono nell’indicare la prevalenza di ciò che sta fuori dal dominio del brand.
La costruzione del consenso, ossia la conferma indipendente dello stesso fatto da parte di più fonti non collegate, produce una maggiore possibilità di essere citati dalle AI, ecco perché sono molto rilevanti in questo ambito anche le attività di rafforzamento della brand authority che operano anche a livello SEO a oltre che in campo reputazionale.
Misurazione della presenza sulle AI: gli indicatori più rilevanti
Gli strumenti di analisi del traffico organico non rilevano la citazione all’interno di una risposta generata, poiché quell’evento non produce necessariamente una visita e non lascia traccia nelle rilevazioni sulle impressioni. La misurazione richiede quindi un impianto autonomo, costruito su un insieme stabile di domande sottoposte periodicamente ai sistemi e su una registrazione ordinata degli esiti.
Gli indicatori che restituiscono informazione utilizzabile riguardano la quota di risposte nelle quali il brand compare rispetto al totale delle domande sottoposte, il confronto fra quella quota e quelle registrate dai concorrenti sulle stesse domande, il contesto in cui la menzione avviene e il tono che l’accompagna, dato quest’ultimo tutt’altro che secondario: comparire come alternativa di ripiego produce un effetto peggiore dell’assenza.
Il traffico proveniente dalle piattaforme conversazionali si isola nelle analisi attraverso il riconoscimento delle sorgenti di provenienza, e le rilevazioni disponibili concordano nell’attribuirgli volumi contenuti insieme a tassi di conversione sensibilmente superiori a quelli del traffico organico ordinario.
La cadenza della rilevazione incide sull’attendibilità, poiché le risposte generate variano fra un’interrogazione e l’altra e una misurazione isolata restituisce un dato privo di significato; la ripetizione su base mensile con lo stesso insieme di domande e la registrazione della percentuale di comparsa producono una serie che consente di distinguere il miglioramento effettivo dall’oscillazione casuale.
Vuoi davvero migliorare la percezione che le AI hanno del tuo brand e ottenere un migliori posizionamento nelle sue citazioni? Scopri il metodo W.O.L.F, la strategia studiata e comprovata dalla nostra esperienza sul campo, che ti aiuta ad entrare nelle risposte delle AI.