Per vent'anni la SEO ha avuto un obiettivo chiaro: arrivare in cima ai dieci link blu. Oggi quei dieci link blu, per una fetta crescente di ricerche, non li vede più nessuno. L'utente fa una domanda a ChatGPT, Perplexity o legge la risposta sintetizzata di Google AI Overviews e si ferma lì. Il traffico non scompare: si sposta. E con esso si sposta anche la partita dell'ottimizzazione. Qui entra in gioco la GEO, la Generative Engine Optimization: l'insieme di tecniche per farsi trovare e soprattutto citare dagli answer engine basati su intelligenza artificiale. In questo articolo vi raccontiamo cos'è davvero la GEO, in cosa differisce dalla SEO per intelligenza artificiale che già conoscete, e quali tattiche concrete applichiamo oggi su aicircus.it per comparire su Perplexity, farci citare da ChatGPT e finire nelle risposte di Google AI Overviews.
Cos'è la GEO e perché non è la SEO di sempre
La GEO è l'ottimizzazione dei contenuti perché vengano selezionati, sintetizzati e citati dai motori generativi: ChatGPT con la sua funzione di ricerca, Perplexity, Google AI Overviews, Copilot. La differenza con la SEO classica non è cosmetica. Nella SEO l'unità di successo è il posizionamento: sei decimo, sei terzo, sei primo. Nella GEO l'unità di successo è la citazione: il modello ha usato il tuo contenuto per costruire la risposta e ti ha nominato come fonte, con un link cliccabile o anche solo con il nome del tuo brand.
Cambia la fisica del gioco. Un motore di ricerca tradizionale restituisce un elenco e lascia all'utente il lavoro di scegliere. Un answer engine fa una cosa diversa: legge molte pagine, ne estrae frammenti, li ricompone in un'unica risposta e decide quali fonti meritano di essere citate. Non vinci più "una posizione": vinci, o perdi, la possibilità di essere uno dei tre o quattro riferimenti che il modello mette in fondo alla sua risposta. Per questo la GEO premia chi scrive contenuti che una macchina può capire, estrarre e ricomporre senza fraintendimenti.
C'è un equivoco da togliere subito: la GEO non sostituisce la SEO, la estende. Le pagine devono comunque essere indicizzabili, veloci, ben linkate. Se Google non vede la tua pagina, neanche Google AI Overviews la userà. La GEO aggiunge un livello sopra le fondamenta SEO, non le demolisce.
Come gli answer engine scelgono e citano le fonti
Per ottimizzare conviene capire il meccanismo. Gli answer engine lavorano, semplificando, in due modi. Alcuni — come Perplexity o ChatGPT con la ricerca attiva — fanno una vera query in tempo reale, recuperano un set di pagine, le leggono e ne sintetizzano il contenuto citando le fonti. Altri attingono in parte alla conoscenza interna del modello, costruita durante l'addestramento su enormi quantità di testo. Nel primo caso conta essere recuperabili e chiari adesso; nel secondo conta essere presenti, coerenti e ripetuti nel tempo sul web.
Quando il modello deve decidere quali fonti citare, alcuni segnali ricorrono. Pesa la pertinenza diretta: un paragrafo che risponde esattamente alla domanda vale più di una pagina che gira intorno all'argomento. Pesa la chiarezza strutturale: titoli espliciti, paragrafi che si reggono da soli, risposte messe in cima. Pesa l'autorevolezza percepita: chi sei, se le informazioni su di te sono coerenti tra le varie fonti, se altri ti citano. E pesa, banalmente, l'estraibilità: un dato dentro una frase pulita viene preso volentieri, lo stesso dato sepolto in un periodo di sei righe spesso no.
La conseguenza pratica è netta. Scrivere "per gli answer engine" significa scrivere in blocchi auto-conclusivi, mettere la risposta prima della spiegazione, e rendere ogni informazione pescabile fuori contesto. È esattamente il contrario del testo che gira a vuoto per riempire la pagina.
Tattica 1: contenuto citabile, autosufficiente, con risposte dirette
La prima tattica è anche la più sottovalutata: scrivere paragrafi che funzionano da soli. Un modello che ricompone una risposta non legge l'articolo come un essere umano dall'inizio alla fine: estrae il pezzo che gli serve. Se quel pezzo presuppone tre paragrafi precedenti per avere senso, è inservibile.
Quindi: ogni sezione apre dichiarando di cosa parla. Le definizioni vengono date in modo esplicito ("La GEO è..."). Le risposte alle domande prevedibili stanno in cima, non in fondo. Le liste e i passaggi numerati aiutano, perché sono format che i modelli estraggono con facilità. Sul nostro sito strutturiamo gli articoli così: prima la risposta in una o due frasi, poi il ragionamento, poi gli esempi. Non è uno stile pensato solo per le macchine, è anche più onesto verso il lettore umano, che trova subito quello che cerca.
Un dettaglio che conta: i titoli e gli heading devono dire cosa contiene la sezione, non fare i creativi. "Come gli answer engine scelgono le fonti" è un buon heading perché è anche una query plausibile. "Il dietro le quinte della magia" non lo è.
Tattica 2: dati, numeri e statistiche originali
Gli LLM amano citare numeri. Un dato concreto, una percentuale, una misura, una data: sono unità di informazione ad alta densità, facili da inserire in una risposta e da attribuire. Se la tua pagina è l'origine di un numero che il modello vuole usare, diventi la fonte naturale da citare.
Vale soprattutto per i dati originali. Una statistica che hai prodotto tu — un benchmark, il risultato di un test interno, una misura presa sui tuoi progetti — non esiste altrove, quindi se il modello la usa deve citare te. È molto diverso dal ripetere un dato già pubblicato da venti altri siti, dove la citazione, se arriva, va alla fonte primaria. Quando possiamo, nei nostri contenuti tecnici inseriamo misure prese sul campo (tempi, numeri di iterazione, risultati di prove) proprio perché sono materiale citabile e nostro.
Due cautele. I numeri vanno contestualizzati (cosa misura, su quale campione, quando) altrimenti non sono credibili e non vengono ripresi. E vanno tenuti aggiornati: un dato datato perde valore in fretta.
Tattica 3: dati strutturati, schema.org e JSON-LD
I dati strutturati sono il modo in cui dici a una macchina, in modo non ambiguo, cosa c'è nella pagina: questo è un articolo, questo è l'autore, questa è la data, questa è una FAQ, questa è un'organizzazione. Si implementano tipicamente con JSON-LD secondo il vocabolario di schema.org, un blocco di codice che descrive il contenuto in forma leggibile dalle macchine senza toccare ciò che vede l'utente.
Perché conta per la GEO: riduce l'ambiguità. Un answer engine che trova un markup Article con autore, data e organizzazione esplicitati fa meno fatica a capire chi dice cosa e quando. Un markup FAQ trasforma le tue domande e risposte in coppie già pronte da estrarre. Un markup Organization con i campi giusti aiuta il modello a costruire un'entità coerente attorno al tuo brand.
Su aicircus.it usiamo JSON-LD schema.org per marcare gli articoli (tipo Article con autore e data), l'organizzazione (chi siamo, con i collegamenti ufficiali) e, dove ha senso, le FAQ. Non è un trucco: è semplicemente dire alle macchine, in modo formale, ciò che agli umani diciamo a parole.
Tattica 4: i file llms.txt e ai.txt
Sono due file, ancora poco diffusi, che vivono nella radice del sito e parlano direttamente agli strumenti basati su AI. Vale la pena spiegarli perché li usiamo entrambi.
Il file llms.txt è una mappa pensata per gli LLM. In pratica è un file di testo in markdown che riassume cos'è il sito e raccoglie i link più importanti, in forma pulita e priva di rumore (niente menu, niente banner, niente JavaScript). L'idea è offrire a un modello una versione "distillata" e affidabile dei contenuti chiave, più facile da leggere rispetto all'HTML pieno di markup di una pagina normale. Su aicircus.it pubblichiamo un llms.txt che descrive chi siamo, cosa facciamo e indica gli articoli e le pagine che vogliamo siano facili da trovare e capire.
Il file ai.txt è invece più vicino, per spirito, al robots.txt: serve a dichiarare le tue regole verso i crawler e gli agenti AI — cosa possono usare, cosa preferisci non venga raccolto. È un modo per esplicitare le tue preferenze invece di lasciarle implicite.
Una precisazione onesta: nessuno dei due file è uno standard universalmente rispettato e non garantiscono nulla da soli. Ma sono economici da mantenere, segnalano attenzione, e man mano che l'ecosistema si assesta avere già la casa in ordine è un vantaggio. Per noi sono parte del corredo base di un sito fatto bene oggi.
Tattica 5: autorevolezza, entità e coerenza tra le fonti
Gli answer engine ragionano per entità, non solo per parole chiave. "ShadApps", "aicircus", una persona, un prodotto come CORA o Smartlet CRM: per il modello sono entità di cui costruisce un profilo aggregando ciò che trova in giro. Più quel profilo è coerente, più sei una fonte affidabile da citare.
Da qui due lavori concreti. Il primo è la coerenza: il modo in cui ti descrivi deve essere lo stesso ovunque — sito, profili, registri, citazioni di terzi. Nome, descrizione, sede, ambito: se le versioni litigano tra loro, il modello fatica a costruire un'entità solida. Il secondo è il collegamento esplicito tra le tue presenze online, che nel markup si fa con il campo "sameAs" dello schema Organization o Person: un elenco di URL che dicono "questo profilo, questa pagina, questo registro sono la stessa entità". È un modo per dare al modello le coordinate e non lasciarlo indovinare.
L'autorevolezza vera, però, non si dichiara: si guadagna nel tempo, con contenuti che altri ritengono utili abbastanza da linkare e citare. Lo schema aiuta a renderla leggibile, non a fabbricarla.
Tattica 6: freschezza, heading chiari e versioni multilingua
Tre fattori più operativi, ma che spostano. La freschezza: gli answer engine, soprattutto quelli che cercano in tempo reale, privilegiano contenuti aggiornati. Una data di pubblicazione e di aggiornamento visibile ed esplicita nel markup aiuta. Non significa ritoccare tutto ogni settimana, significa tenere vivi i contenuti che contano e dichiarare quando li hai rivisti.
Gli heading chiari, come dicevamo, sono al tempo stesso struttura per la macchina e mappa per l'utente. Un articolo i cui sottotitoli formano già un indice sensato è un articolo che un modello naviga senza sforzo.
Il multilingua, infine: se servi un pubblico in più lingue, hreflang dice ai motori quale versione mostrare a chi, evita che le versioni si facciano concorrenza e fa sì che la risposta in italiano peschi dalla pagina italiana e quella in inglese dalla pagina inglese. Su un sito come il nostro, che pubblica in italiano e in inglese, è il modo per non disperdere il segnale tra le due versioni dello stesso contenuto — esattamente quello che state leggendo adesso.
Come si misura la GEO
Domanda legittima: come capiamo se sta funzionando, se non c'è più solo il ranking da guardare? Si misura, ma con metriche diverse e meno comode.
La prima sono le citazioni dirette: compari nelle risposte di ChatGPT, Perplexity, Google AI Overviews quando poni le query che ti interessano? È un controllo in parte manuale — fai le domande e guardi — e in parte automatizzabile con strumenti che monitorano la presenza del brand negli answer engine. La seconda è il traffico di referral proveniente dagli engine AI: nei log e nell'analytics iniziano a comparire visite che arrivano da domini come quelli di ChatGPT o Perplexity. Crescono lentamente, ma sono il segnale che la citazione si traduce in clic. La terza sono le query di brand: se le persone scoprono il tuo nome dentro una risposta AI, tendono poi a cercarti per nome; un aumento delle ricerche brand è un effetto collaterale misurabile di una buona GEO.
Nessuna di queste metriche è precisa come il vecchio ranking. La GEO si misura più per tendenza che per posizione esatta, e va guardata su finestre temporali, non sul singolo giorno.
Miti da sfatare
Visto l'hype intorno al tema, qualche chiarimento netto.
No, non basta riscrivere i meta tag. La GEO non è una manciata di title e description ottimizzati. Gli answer engine leggono il corpo della pagina, la sua struttura, i dati, l'entità che ci sta dietro: i meta tag sono l'ultimo dei loro problemi. Chi vende "ottimizzazione GEO" come ritocco di metadati sta vendendo fumo.
No, la SEO non è morta. È il contrario: la GEO poggia sulla SEO. Una pagina non indicizzabile o lenta è invisibile anche agli engine AI. Chi annuncia la morte della SEO ogni sei mesi, da quindici anni, si sbaglia anche stavolta.
No, non puoi comprare una citazione. Non esiste un'asta per finire tra le fonti di una risposta AI come esiste per gli annunci a pagamento. Le citazioni si guadagnano con contenuto utile, struttura leggibile e autorevolezza reale. Chi promette di "garantirti" una posizione nelle risposte di ChatGPT o ti sta mentendo o sta descrivendo qualcosa che non controlla.
E un ultimo: no, non è una scorciatoia. La GEO non rende inutile il lavoro di scrivere contenuti veri. Lo rende, semmai, più importante.
In pratica: la GEO è SEO fatta bene, più struttura leggibile dalle macchine
Tolto l'hype, resta una sintesi semplice. La GEO è SEO fatta bene più una cura ossessiva della struttura, in modo che una macchina possa leggere, estrarre e citare i tuoi contenuti senza fraintenderli. Niente magie, niente scorciatoie: contenuto citabile e autosufficiente, dati originali e contestualizzati, markup strutturato JSON-LD, file come llms.txt e ai.txt al loro posto, un'entità coerente tra le fonti, freschezza e heading chiari, hreflang dove serve.
È esattamente quello che facciamo sui nostri siti, a partire da aicircus.it: gli articoli sono strutturati per essere citabili, marchiamo i contenuti con dati strutturati, manteniamo llms.txt e ai.txt, teniamo coerente l'identità della nostra organizzazione. Non perché insegua una moda, ma perché è il modo in cui un sito si fa leggere bene oggi — dagli umani e dalle macchine. Se dovete partire da un punto solo, partite da qui: scrivete una pagina che risponda davvero a una domanda, in modo che chiunque, persona o modello, possa prenderne il pezzo giusto e dire da dove arriva.