Nel 2026, il 25-35% delle ricerche passa ormai da un assistente IA — ChatGPT, Perplexity, Claude, Google AI Overviews. Il clic verso i « 10 link blu » storici si erode mese dopo mese, e con esso il traffico SEO puro di numerosi siti. La constatazione è netta: essere primi su Google non garantisce più di essere letti.

Una nuova disciplina si afferma in parallelo: il GEO, Generative Engine Optimization. L'obiettivo non è più solo posizionarsi in una SERP, ma essere citati come fonte in una risposta sintetica generata da un LLM. Questo articolo descrive il metodo che applichiamo nei nostri audit DevHighWay per posizionare i clienti in questi nuovi flussi di visibilità.

SEO e GEO non sono opposti — sono complementari

Prima precisazione: il GEO non sostituisce il SEO. Un contenuto ben posizionato su Google ha strutturalmente più probabilità di essere ingerito e citato dagli LLM, poiché questi si basano in parte sugli indici web per le risposte. Ma l'inverso è falso: un eccellente posizionamento Google non implica una citazione in ChatGPT.

La differenza sta in ciò che l'LLM estrae. Un motore classico elenca 10 URL e l'utente sceglie. Un LLM sintetizza 3-8 fonti in un'unica risposta, e cita solo quelle che apportano un'informazione atomica, verificabile, datata. Questo cambio di paradigma esige una riscrittura strategica dei contenuti di riferimento.

Passo 1 — Verificare la propria presenza nelle risposte LLM

Non si pilota ciò che non si misura. Il primo passo di una strategia GEO consiste nel testare 30 prompt rappresentativi del vostro mercato sui principali assistenti: ChatGPT (con e senza ricerca web), Perplexity, Claude, Google AI Overviews, Le Chat di Mistral. Per ogni prompt, annotate i marchi citati, le fonti collegate e gli angoli evocati.

Questo audit rivela due cose: i vostri punti ciechi (argomenti su cui dovreste esistere e non comparite) e il panorama competitivo reale (spesso diverso da quello delle SERP Google). Molti marchi scoprono in questa occasione che i loro concorrenti storici sono assenti dalle risposte IA, e che nuovi attori — spesso media specializzati, blog tecnici, Reddit — catturano la citazione.

Passo 2 — Strutturare il contenuto per la citazione

Gli LLM non citano paragrafi, citano unità di informazione. Un dato, una definizione, un confronto, un passo di una procedura. Più il vostro contenuto è strutturato in blocchi atomici identificabili, più ha probabilità di essere estratto. È l'esatto opposto del SEO del decennio 2010, che valorizzava i contenuti lunghi e scorrevoli.

  • Dati datati e con fonte: « 67% delle aziende B2B SaaS europee (studio X, 2025) » — estraibile così com'è
  • Definizioni chiare: « Un agente IA è X. Si distingue da un chatbot per Y » — citabile in una frase
  • FAQ mirate: 5-10 domande reali + risposte brevi marcate FAQPage
  • HowTo numerati: passi nominati ed esplicitati, marcati HowTo in JSON-LD

Passo 3 — Arricchire la marcatura strutturata

Il JSON-LD è il linguaggio che i crawler GPTBot, ClaudeBot, PerplexityBot, Google-Extended comprendono meglio. Come minimo, ogni pagina di contenuto deve dichiarare Article (con author, datePublished, dateModified), Organization a livello di sito, e Person per l'autore. Le pagine di riferimento aggiungono FAQPage e HowTo se opportuno.

Il sameAs su Organization e Person (verso LinkedIn, Wikipedia se applicabile, GitHub, profili professionali) tesse il grafo di autorevolezza che gli LLM sfruttano per valutare l'affidabilità di una fonte. Un sito senza sameAs è tecnicamente orfano nel web semantico — quindi meno propenso ad essere citato con sicurezza.

Passo 4 — Rafforzare l'E-E-A-T

Esperienza, Competenza, Autorevolezza, Affidabilità: questo framework Google si è imposto come griglia di lettura comune a motori e LLM. Concretamente, un contenuto con un E-E-A-T forte espone un autore reale con bio dettagliata, fonti esterne citate e collegate, una data di aggiornamento esplicita e un contatto accessibile.

L'opposto — articoli anonimi, contenuto IA non revisionato, date assenti — è ormai un segnale negativo forte. Gli LLM sono stati addestrati a pesare questi criteri per distinguere fonte di qualità e contenuto opportunista. Una bio di autore di 80 parole con link LinkedIn fa spesso di più per la citabilità di un'ottimizzazione tecnica in più.

Passo 5 — Moltiplicare i segnali di autorevolezza multi-canale

Gli LLM si addestrano su un corpus ampio: web aperto, Wikipedia, Reddit, GitHub, stampa, libri, podcast trascritti. Un marchio che esiste solo sul proprio sito è un segnale di autorevolezza debole. Al contrario, una presenza coerente — anche modesta — su 4 o 5 canali distinti è interpretata come un marcatore di legittimità.

  • Wikipedia: pagina aziendale o di fondatore se i criteri di ammissibilità sono soddisfatti — guadagno di autorevolezza importante
  • Stampa specializzata: 2-4 menzioni l'anno su testate di settore riconosciute
  • Reddit e forum: presenza autentica di esperti interni sui thread pertinenti — niente spam
  • GitHub e open source: per gli attori tech, l'autorevolezza si costruisce qui con la stessa efficacia di LinkedIn

Passo 6 — Monitorare in continuo le citazioni LLM

Il GEO non è un progetto puntuale, è un processo continuo. I modelli evolvono (Claude 3.7, GPT-4 Turbo, aggiornamenti Perplexity), i corpus di addestramento anche, e la vostra visibilità fluttua di conseguenza. Un monitoraggio mensile su un panel fisso di 20-50 prompt permette di rilevare rapidamente regressioni e opportunità.

Diversi strumenti dedicati emergono — Profound, Otterly, AthenaHQ — ma anche un approccio in-house tramite le API di OpenAI, Anthropic e Perplexity funziona molto bene per i team tecnici. L'essenziale è la regolarità e la stabilità del panel di prompt, per consentire un confronto nel tempo.

Quale stack di strumenti per gestire il GEO nel 2026?

Il mercato degli strumenti GEO è ancora giovane, ma le buone pratiche si stabilizzano intorno a quattro componenti. Il livello di misurazione interroga automaticamente i principali LLM su un panel di prompt target e archivia le risposte per analisi. Il livello di analisi confronta le citazioni nel tempo, per concorrente, per argomento. Il livello di ottimizzazione guida le azioni di strutturazione del contenuto e di marcatura. Il livello di alerting avverte quando il vostro marchio è citato in modo errato o sparisce da una query strategica.

Dominano tre famiglie di strumenti. Le soluzioni SaaS dedicate (Profound, Otterly, AthenaHQ, BrightEdge Generative AI) coprono i quattro livelli con dashboard integrate e un costo mensile tra 200 e 2 000 € secondo la volumetria. Gli approcci semi-fatti in casa combinano le API pubbliche di ChatGPT, Claude e Perplexity con un orchestratore (n8n, Make o codice Python) e una dashboard interna. Gli approcci full-DIY sfruttano solo le API LLM, da privilegiare per i team tecnici che vogliono il controllo totale e un costo marginale.

  • Volume di prompt da monitorare — 20 prompt per iniziare, 100-200 per un programma strutturato
  • Cadenza di misurazione — settimanale per i marchi attivi, mensile come minimo
  • Metriche chiave — tasso di citazione, posizione nella risposta, share of voice vs concorrenti
  • Budget di pilotaggio — 300-1 500 €/mese in SaaS, 50-200 €/mese in approccio API diretto

Tre trappole frequenti nella strategia GEO

Essendo il GEO una disciplina giovane, gli errori di impostazione sono numerosi. Tornano sempre gli stessi tre scogli nei nostri audit.

  • Sovra-ottimizzare per un solo LLM: ottimizzare solo per ChatGPT a scapito di Perplexity e Google AI Overviews crea una dipendenza fragile da un singolo attore
  • Dimenticare la freschezza: un contenuto non datato o non aggiornato perde citabilità — gli LLM privilegiano l'informazione recente, soprattutto nel B2B tech
  • Non sorvegliare le allucinazioni sul proprio marchio: gli LLM talvolta inventano fatti su di voi (falso dirigente, falsi numeri, falsi clienti). Senza monitoraggio, impossibile correggere

E adesso?

Il GEO è passato in due anni dallo status di disciplina sperimentale a quello di leva di business importante. I marchi che lo affrontano adesso catturano una visibilità che i concorrenti impiegheranno 12-18 mesi a ricostruire. Per partire, un audit mirato basta a identificare i 5-10 quick win.

Essere citati da ChatGPT o Perplexity nel 2026 non è più un bonus, è una condizione di sopravvivenza commerciale nella maggioranza dei settori B2B. La finestra di opportunità è aperta per i marchi che agiscono ora — si chiuderà rapidamente.