In B2B di filiera, non basta il sito: è il network di partner dichiarati che ti fa uscire nelle risposte AI. Ti spiego come rendere leggibili i legami di filiera ai motori AI.
Un fornitore tier 2 automotive in Friuli, tra Udine e Pordenone, 12 milioni di fatturato, zero menzioni AI. Quando chiedevo a ChatGPT e Perplexity “fornitori di stampi per l’automotive italiano” l’AI non lo nominava mai — nonostante lavorasse da anni con due OEM noti del nord Italia. Ecco cosa abbiamo cambiato e cosa è successo dopo quattro mesi.
Ti racconto il caso per intero perché è uno dei più puliti che mi sia capitato di seguire su questo tema: la mappatura delle relazioni di filiera dal punto di vista dei motori AI. In questa serie ti ho già spiegato come l’AI riconosce le entità e come costruisce i grafi di conoscenza. Oggi entriamo nel pezzo che quasi nessuno cura: i legami fornitore-cliente, le partnership dichiarate, il network di filiera. Per un tier 2 friulano — stampista, componentista di precisione per OEM — è spesso la variabile che sposta di più l’ago della bilancia.
Cosa significa essere un’entità di filiera per un motore AI
Quando ChatGPT o Perplexity costruiscono una risposta su un settore B2B, non leggono solo la pagina del singolo fornitore. Leggono il network. Chi lavora con chi, chi fornisce chi, quali partnership sono dichiarate pubblicamente.
Nel mondo della ricerca sul tema, il paper di AlMahri et al. (2024) “Enhancing Supply Chain Visibility with Knowledge Graphs and LLMs” (arXiv:2408.07705) documenta un principio che per il nostro lavoro è dirimente: la visibilità di filiera dipende dalla misura in cui gli attori della supply chain condividono pubblicamente informazioni chiave sulle proprie relazioni operative, e questa condivisione va costruita in forma leggibile per sistemi automatici — non solo per umani.
Da questo segue una conseguenza diretta per chi vuole uscire nelle risposte AI: se la relazione “il tier 2 friulano X fornisce l’OEM Y” non è scritta da nessuna parte in modo macchina-leggibile — né sul tuo sito, né su quello del cliente, né su Wikidata, né in un case study congiunto — per un modello linguistico quella relazione non esiste. E se non esiste, il tuo nome non compare quando un buyer chiede “fornitori italiani di stampi per automotive”.
Perché la filiera sta a monte di tutto il resto
Nei pezzi precedenti di questa serie ho insistito su un concetto: l’AI costruisce vicinanze semantiche nello spazio degli embedding. Se ti interessa il dettaglio tecnico l’ho spiegato in come funziona lo spazio vettoriale degli embedding.
La vicinanza non nasce dal nulla. Nasce da co-occorrenze: nomi che compaiono insieme, ripetutamente, in contesti credibili. Se il tuo brand compare sempre accanto a nomi forti della tua filiera, erediti parte del loro segnale di affidabilità. Se compari isolato, parti da zero ogni volta.
Un secondo lavoro accademico, Zheng & Brintrup (2024) “Supply Chain Visibility with Generative AI” (arXiv:2412.03390), documenta che i modelli generativi possono inferire relazioni di filiera a partire da dati pubblici dispersi, ma solo quando quei dati esistono in forma strutturata o semi-strutturata. Da questo segue che per il tuo business la regola è semplice: se vuoi che un motore AI ti mappi accanto agli OEM con cui lavori, devi rendere quella relazione esplicita in almeno due-tre fonti indipendenti. Un claim da solo non basta.
Il caso del tier 2 friulano: cosa abbiamo misurato prima
Parto dai numeri pre-intervento, così il confronto dopo è onesto. Sul cliente friulano — stampi e componentistica di precisione per OEM automotive — ho fatto un baseline con 18 query su ChatGPT, Perplexity e Gemini, variando le formulazioni:
- “fornitori di stampi per automotive in Italia”
- “stampisti tier 2 nord Italia automotive”
- “produttori stampi componenti automotive Friuli”
- “chi fornisce stampi a [OEM cliente]”
Risultato pre-intervento: 0 menzioni su 18 query, su tutti e tre i motori. Dichiaro il limite: 18 query sono un campione indicativo, non uno studio. Ma il segnale era netto — zero menzioni ovunque, quando invece c’erano competitor tier 2 simili citati 2-3 volte sulle stesse query.
Sulla parte web la situazione era tipica: sito istituzionale con tre pagine servizio, una pagina “clienti” con loghi OEM non cliccabili e nessun testo, nessuno schema Organization, nessun case study congiunto pubblicato, zero presenza su Wikidata. I due OEM dal canto loro non citavano il fornitore friulano da nessuna parte pubblica.
Cosa abbiamo cambiato in quattro mesi
L’intervento è stato costruire esplicitamente il grafo di relazioni in modo che fosse leggibile da un modello AI. Nessuna magia, lavoro paziente su pezzi molto concreti:
- Pagina partner riscritta: da galleria loghi muta a pagina con testo che diceva “dal 2017 produciamo stampi per [OEM A], dal 2019 componenti di precisione per [OEM B]”, con anni, volumi indicativi dichiarati e sezioni dedicate.
- Schema Organization e relazioni: inserimento di schema markup che dichiarava i settori serviti e i cluster geografici di appartenenza (distretto meccanico friulano). Verificabile con il Rich Results Test di Google.
- Tre case study congiunti: due pubblicati sul sito del fornitore (con permesso scritto dei clienti), uno ripreso dal cliente stesso in una news di settore.
- Scheda Wikidata creata per il fornitore, con proprietà “industry” e “location”, linkata dalle pagine del sito.
- Intervista su due testate di settore in cui i nomi OEM venivano citati in modo naturale.
Nessuna di queste azioni è esotica. È igiene di filiera fatta pensando a come un modello AI leggerà il network.
Cosa è successo dopo quattro mesi
Stessa batteria di 18 query, stessi motori, stesso metodo. Risultato post-intervento: 7 menzioni su 18 query complessive, con il nome del fornitore presente 3 volte su ChatGPT, 3 volte su Perplexity, 1 volta su Gemini. In due casi su Perplexity compariva con citazione diretta del case study pubblicato.
Onestà intellettuale: non posso isolare al 100% l’effetto del lavoro entity-relazionale da altri fattori. Negli stessi mesi il cliente ha pubblicato tre articoli tecnici sul proprio sito. Però il pattern è chiaro: le menzioni AI arrivano proprio sulle query dove è dichiarata la relazione con gli OEM. Le query generiche su “stampi Italia” senza legame di filiera restano ancora poco presidiate.
Il check entry level lo dichiaro subito: 18 query sono un primo passo, l’analisi vera richiede strumenti professionali che tracciano citazioni AI su grandi volumi e con continuità nel tempo.
Gli errori che vedo più spesso su filiere italiane
Lavorando con diversi tier 2 e tier 3 del manifatturiero, i pattern che trovo sempre gli stessi:
- Pagina “i nostri clienti” muta: solo loghi, nessun testo, nessun contesto. Per un’AI quei loghi sono invisibili.
- NDA usati come scusa per non dire niente: spesso il cliente permetterebbe di citare la relazione in modo generico (“lavoriamo da X anni con un gruppo automotive tier 1 tedesco”). Nessuno glielo chiede.
- Case study scritti solo dal cliente finale: il fornitore non li riprende mai, non li linka, non li commenta sul proprio sito. Il segnale si perde.
- Zero presenza sul nome del distretto: il distretto meccanico friulano, il polo della carrozzeria piemontese, il cluster stampisti lombardo sono entità geografiche forti. Se il tuo brand non è mai scritto accanto al nome del distretto, l’AI non ti associa al territorio.
Cosa fare concretamente, in ordine di priorità
Se gestisci un’azienda di filiera B2B italiana, questo è il percorso minimo:
- Apri il Rich Results Test di Google sulla tua homepage e verifica se hai uno schema Organization valido. Se manca, è la prima cosa da sistemare.
- Riscrivi la pagina partner: da galleria loghi a pagina con testo narrativo che dichiari esplicitamente settori, anni di collaborazione, geografie.
- Chiedi a 2-3 clienti strategici il permesso scritto di pubblicare un case study congiunto. Non serve che sia lungo: 600 parole con numeri indicativi bastano.
- Crea una scheda Wikidata base del tuo brand, con industry e location, e collegala dal sito.
- Confronta il tuo posizionamento con 3-5 competitor di filiera che l’AI già cita nel tuo settore. Guarda cosa hanno che tu non hai in termini di partnership dichiarate.
Il filo con la visibilità nelle risposte AI
Mappare le relazioni di filiera non è un fattore magico. Non ti farà citare da ChatGPT domani se oggi il tuo sito ha tre pagine e nessun case study. Ma è la leva che, per un B2B di filiera, sposta di più il posizionamento nel grafo di conoscenza dei motori AI.
Il motivo è semplice: la tua visibilità nelle risposte AI non si costruisce solo sulle tue pagine, si costruisce sulla rete di entità a cui sei collegato. Per un tier 2 manifatturiero i partner sono il capitale più sottovalutato.
Nei prossimi articoli di questa serie approfondisco due temi legati: come dichiarare le relazioni temporali tra entità (cronologie, storici, evoluzioni di partnership) e come le co-citazioni tra brand nello stesso settore influenzano le risposte AI. Se non li hai ancora letti, partirei anche da E-E-A-T per l’AI e da Author Entity Recognition, perché il principio delle relazioni vale anche per le persone dietro al brand.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
