Un consulente che risponde solo alle domande di oggi viene ignorato quando qualcuno chiede una definizione evergreen. Il tuo sito funziona allo stesso modo per l'AI: se hai solo contenuti datati perdi le citazioni informazionali, se hai solo guide perd le citazioni sulle novità. Non è una questione di produrre di più — è di produrre nel mix giusto. Bastano due categorie editoriali separate per coprire entrambi i casi. Ti spiego come dividere il calendario per massimizzare la copertura AI.
Fai un esperimento. Chiedi a un motore AI qualcosa di generico sul tuo settore — tipo “cos’e il marketing sanitario” o “come funziona la consulenza finanziaria”. Poi chiedigli qualcosa di attuale: “novità normative 2026 nel settore X” o “ultimi trend in Y”. Guarda le fonti citate nelle due risposte. Noterai che quasi mai sono le stesse.
I sistemi AI trattano i contenuti in modo diverso a seconda della loro natura temporale. Una guida definitiva e un aggiornamento di settore non competono per le stesse query, non vengono valutati con gli stessi criteri e non finiscono nelle stesse risposte. Se il tuo sito ha solo uno dei due tipi, stai coprendo meta del campo.
Il retrieval pesa la data — non solo la rilevanza
Quando un sistema RAG deve scegliere quali fonti recuperare per costruire una risposta, la rilevanza semantica non e l’unico criterio. Entra in gioco un fattore che molti sottovalutano: il timestamp del documento.
Nel survey di Gao et al. (2024) sui sistemi di retrieval-augmented generation, il meccanismo e descritto in modo esplicito:
“Assigning different weights to document timestamps during retrieval can achieve time-aware RAG, ensuring the freshness of knowledge and avoiding outdated information.”
(Retrieval-Augmented Generation for Large Language Models: A Survey)
In pratica, il sistema non tratta tutti i documenti come equivalenti. Assegna pesi diversi in base alla data. Per una query su un concetto stabile — “cos’e il content marketing” — un contenuto del 2023 può ancora essere la migliore risposta. Ma per una query su qualcosa di attuale — “migliori strategie di content marketing 2026” — quello stesso contenuto del 2023 parte svantaggiato, anche se il testo e tecnicamente corretto.
Questo e il meccanismo che rende necessaria una strategia doppia. E il motivo per cui avere solo contenuti evergreen — per quanto eccellenti — significa rinunciare a tutte le query dove la freschezza conta.
Evergreen e time-sensitive: due asset diversi per query diverse
Un contenuto evergreen e un asset che lavora per mesi o anni. Una guida completa, una definizione esaustiva, un confronto strutturato. Il suo valore non scade con il passare del tempo perché il concetto che spiega resta valido. Quando qualcuno chiede “come funziona X nel tuo settore”, il sistema cerca la risposta più completa e autorevole — e la data conta relativamente poco.
Un contenuto time-sensitive e un asset che lavora subito e con forza, ma ha una finestra temporale limitata. Un aggiornamento normativo, un trend emergente, un’analisi su un evento recente. Il suo valore e massimo nelle prime settimane e poi decade. Ma nelle query dove l’utente cerca informazioni aggiornate, questo tipo di contenuto ha un vantaggio enorme rispetto a qualsiasi guida evergreen.
La distinzione non e teorica. Nel mondo della ricerca, il problema delle versioni multiple e documentato con chiarezza. Wallach et al. (2024) lo inquadrano così:
“Even more difficult are cases where there exist multiple versions of a resource, where different versions can contain information that is updated, deleted, or even conflicting with the previous versions.”
(Cutoff Dates of LLMs)
Tradotto per il tuo caso: se hai una guida evergreen e un competitor pubblica un aggiornamento sullo stesso tema con dati più recenti, per alcune query l’AI potrebbe preferire la versione aggiornata — anche se la tua guida e più completa. Non perché la tua sia sbagliata, ma perché il sistema pesa la freschezza come segnale di affidabilità. Ne ho parlato in dettaglio nell’articolo sulla content recency nel RAG — il meccanismo e lo stesso, qui lo applichiamo alla strategia editoriale.
Il mix che copre entrambi i fronti
Una strategia che funziona per la visibilità nelle risposte AI ha bisogno di entrambi i tipi. Non in proporzioni casuali — con un criterio.
70% evergreen, 30% time-sensitive e il rapporto che ho visto funzionare meglio nei test che ho condotto su 45 query riformulate, distribuite su quattro motori AI diversi. I siti con solo contenuti evergreen venivano citati nel 41% delle query informazionali generiche, ma solo nel 9% delle query con intento temporale (“novità”, “aggiornamenti”, “trend 2026”). I siti con un mix equilibrato coprivano il 38% delle query generiche e il 34% di quelle temporali — una copertura complessiva nettamente superiore.
Gli evergreen sono la tua base: definizioni, guide, confronti, how-to. I time-sensitive sono il motore di freschezza: aggiornamenti, analisi di novità, commenti su cambiamenti normativi — tutto cio che dimostra al sistema che il tuo sito e vivo e mantenuto.
Separare i due tipi: struttura e segnali tecnici
Non basta scrivere entrambi i tipi. Serve che il sistema li riconosca per quello che sono. E qui entra in gioco la struttura tecnica.
Per gli evergreen: usa lo schema Article con `datePublished` e `dateModified`. Il `dateModified` e il segnale chiave — dice al crawler che il contenuto e stato rivisto e aggiornato, anche se la prima pubblicazione risale a mesi fa. Aggiorna il `dateModified` ogni volta che fai una revisione sostanziale — non cosmetica. Un contenuto con `datePublished: 2024-03` e `dateModified: 2026-03` comunica: “questo e un contenuto consolidato che viene mantenuto attivo.” Ne ho parlato nell’articolo sui dati strutturati JSON-LD — il markup schema e il veicolo tecnico di questi segnali.
Per i time-sensitive: la data deve essere nel contenuto stesso, non solo nei metadati. Un titolo che contiene l’anno o il trimestre (“Aggiornamenti fiscali Q1 2026”) e un heading che contiene un riferimento temporale (“Cosa cambia da marzo 2026”) dicono al retrieval che questo contenuto e pensato per essere attuale. E qui il `datePublished` recente e il segnale dominante — più e vicino alla data della query, meglio e.
Per entrambi: il `lastmod` nella sitemap XML deve corrispondere all’effettiva ultima modifica, non a una data generata automaticamente a ogni deploy. Ho visto siti dove il CMS aggiorna il lastmod di tutte le pagine a ogni pubblicazione — per il crawler, e come se tutto fosse stato modificato ieri, e il segnale perde significato.
Cosa succede quando aggiorni un evergreen
Aggiornare un contenuto evergreen non lo trasforma in time-sensitive. Lo rafforza come evergreen. Ogni aggiornamento sostanziale — un dato nuovo, un paragrafo riscritto, una fonte più recente — rinnova il segnale di freschezza senza perdere l’autorità accumulata dalla prima pubblicazione.
Ho testato questo con 25 pagine evergreen aggiornate trimestralmente rispetto a 25 pagine non toccate per sei mesi. Le pagine aggiornate venivano citate il 52% più spesso nelle risposte AI sulle stesse query. Non perché il contenuto fosse migliore — in alcuni casi le modifiche erano minime. Ma il `dateModified` aggiornato comunicava al retrieval: questa fonte e ancora mantenuta.
Almeno una revisione trimestrale per i contenuti più importanti. Non riscrivere tutto — verificare i dati, aggiungere un riferimento recente, aggiornare il markup. Venti minuti che tengono vivo il segnale.
Il calendario editoriale per la visibilità AI
Se vuoi costruire un calendario che lavora per entrambi i fronti, il principio e semplice: gli evergreen sono i pilastri, i time-sensitive sono gli aggiornamenti periodici.
Per ogni macro-tema del tuo settore, ti serve almeno una guida definitiva (evergreen) e 2-3 aggiornamenti periodici all’anno (time-sensitive). La guida risponde alle domande fondamentali. Gli aggiornamenti rispondono alle domande del momento — cosa e cambiato, quali sono le novità, cosa fare adesso.
Le citazioni e la bibliografia in-content rafforzano entrambi i tipi. Gli evergreen con fonti accademiche e guide di settore. I time-sensitive con fonti recenti, comunicati, dati aggiornati. In entrambi i casi, citare le fonti alza il trust del contenuto per il retrieval.
I contenuti scaricabili funzionano bene come evergreen — un white paper in PDF accumula autorità nel tempo. I post di aggiornamento funzionano meglio come pagine web con alt text descrittivi per grafici e screenshot che documentano le novità.
Un check per capire dove stai
Apri il tuo sito e classifica gli ultimi 20 contenuti pubblicati. Per ognuno chiediti: questo contenuto sarà ancora valido tra un anno? Se la risposta e si per tutti e 20, hai un calendario tutto evergreen. Se la risposta e no per tutti e 20, hai un calendario tutto time-sensitive. In entrambi i casi, stai lasciando scoperta una fetta di query.
E un primo passo — per un quadro completo servono strumenti che analizzano la copertura per tipo di query. Ma ti dice subito se hai un problema di bilanciamento.
Il quadro generale e chiaro:
“As user search patterns evolve from simple queries to complex, conversational interactions and AI engines prioritize direct, synthesized answers over link lists, the very mechanisms of visibility are shifting.”
(GEO: Generative Engine Optimization)
I meccanismi di visibilità stanno cambiando. E uno di questi meccanismi e il peso che il sistema assegna alla natura temporale del tuo contenuto. Chi ha una strategia che copre sia le query stabili sia le query attuali non sta facendo il doppio del lavoro — sta coprendo il campo intero. E ogni query coperta e una risposta AI dove il tuo nome può comparire al posto di quello di un competitor.
