NAP Consistency: perché l’AI ti manda clienti al numero sbagliato

L'AI sa che esisti ma ti manda al numero sbagliato: NAP in 5 versioni diverse. Il cliente ti cerca, non ti trova, chiude. Ti spiego come sistemare la consistency in una settimana.

L’AI sa che esisti ma ti manda al numero sbagliato. Succede quando nome/indirizzo/telefono sul web sono sparsi in 5 versioni diverse.

È uno dei sintomi più fastidiosi che vedo sugli studi professionali: ChatGPT o Perplexity citano il tuo studio in risposta a “miglior commercialista Salerno costiera amalfitana”, ma nell’indirizzo ci sono due civici diversi, il prefisso è sbagliato e la partita IVA porta a uno studio associato che hai chiuso nel 2021. Il cliente ti cerca, non ti trova, chiude la finestra. Tu non lo saprai mai.

In questo pezzo ti spiego perché la coerenza di nome, indirizzo e telefono (NAP, Name-Address-Phone) è una delle leve meno sexy ma più decisive per uscire pulito nelle risposte AI, e come verificarla in una mattinata senza strumenti enterprise.

Cosa vede l’AI quando cerca “studio commercialista Salerno”

I modelli generativi non “leggono” la tua scheda Google come un umano. Prendono segnali da decine di fonti (Google Business Profile, Pagine Gialle, Bing Places, Apple Maps, directory di categoria, elenchi dell’Ordine, schede LinkedIn aziendali, citazioni su siti locali) e provano a cucire insieme un’unica entità: “Studio Rossi — commercialisti — Salerno”.

Nel mondo della ricerca sul Knowledge Graph, il meccanismo che regge questo lavoro si chiama entity resolution: il sistema confronta attributi identitari (nome legale, indirizzo, telefono, P.IVA) e decide se due record sono la stessa cosa o due cose diverse. Non ci sono paper LLM-specifici su NAP consistency per studi professionali italiani, ma il principio adiacente è solidissimo e lo trovi in qualsiasi lavoro di entity linking degli ultimi dieci anni: più gli attributi collimano carattere per carattere, più alta è la confidenza che l’entità sia una sola.

Da questo segue, per il tuo studio, una conseguenza molto pratica: se su Pagine Gialle sei “Studio Rossi & Associati — Via Roma 14” e su Google Business sei “Rossi Commercialisti Salerno — Via Roma 14/A”, il sistema può tranquillamente pensare che tu sia due studi diversi. Nessuno dei due, a quel punto, ha abbastanza peso per essere citato con fiducia.

Perché NAP sta a monte di tutto il resto in questa serie

Negli articoli precedenti ti ho raccontato come i motori AI costruiscono la rappresentazione del tuo brand partendo dal significato dei token e collocandolo in uno spazio vettoriale in cui “studio commercialista Salerno” e “consulenza fiscale costiera amalfitana” stanno vicini.

Quel lavoro semantico si appoggia però su un livello sotto: l’entità deve esistere come oggetto univoco. Se il NAP è frammentato, il sistema non riesce nemmeno a mettere a fuoco chi sei, figurarsi a darti autorità nel settore.

È il motivo per cui nei miei interventi sul pillar entità questo è quasi sempre il primo check, prima ancora di parlare di schema markup o di author entity recognition. Il muro va tirato su da dritto, sennò tutto quello che ci appoggi sopra pende.

Il test che puoi fare in 30 minuti

Ti serve un foglio Excel con una colonna per ogni attributo NAP e una riga per ogni fonte. L’obiettivo è vedere le discrepanze con i tuoi occhi.

Compila così:

• Nome legale: “Studio Associato Rossi & Partners” — nome commerciale: “Rossi Commercialisti”. Scegline uno e usalo ovunque, sempre scritto allo stesso modo.
• Indirizzo: via, numero civico, CAP, città, provincia. “Via Porto 14” ≠ “V. Porto 14” ≠ “Via Porto, 14/A” per un sistema automatico.
• Telefono: stesso formato ovunque. +39 089 123456 ≠ 089/123456 ≠ 089 12 34 56.

Le fonti da controllare per uno studio professionale in Campania sono queste, nell’ordine di importanza che vedo funzionare meglio:

1. Google Business Profile — è quella che la maggioranza dei modelli AI incrocia più spesso
2. Bing Places — alimenta Copilot e parte di ChatGPT
3. Apple Maps Business Connect
4. Pagine Gialle e Pagine Bianche
5. Albo dell’Ordine dei Commercialisti di Salerno
6. LinkedIn pagina aziendale
7. Directory di settore (es. Commercialista Telematico, FiscoOggi elenchi)
8. Citazioni spontanee su siti di Confindustria Salerno, CCIAA, blog locali

Per ogni riga, copia e incolla testualmente quello che trovi. Non correggere mentre copi: l’obiettivo è fotografare l’incoerenza, non nasconderla.

La soglia decisionale è binaria: o le celle di una colonna sono tutte identiche carattere per carattere, o c’è lavoro da fare. Non esistono “quasi uguali” in entity resolution.

Cosa ho osservato su 25+ studi professionali in 4 mesi

Negli ultimi quattro mesi ho tenuto sotto osservazione un gruppo di 25+ studi professionali italiani — commercialisti, consulenti del lavoro, studi legali — monitorando sia le citazioni che ricevevano su ChatGPT e Perplexity sia lo stato del loro NAP su Google Business, Bing Places e Pagine Gialle.

Il pattern longitudinale che è emerso è abbastanza netto, e te lo racconto con i limiti del caso (campione piccolo, osservazione su un orizzonte breve, settori omogenei tra loro, non è uno studio accademico):

• Gli studi con NAP identico su almeno 4 fonti principali ricevevano citazioni AI con frequenza nettamente superiore rispetto a quelli con NAP frammentato su 3+ versioni
• Il problema più ricorrente non era la mancanza di presenza, ma il telefono in formati diversi: 17 studi su 25 avevano almeno due formati telefonici in circolazione
• In 6 casi su 25 il modello AI citava l’entità “vecchia” (studio associato prima di una scissione) anche quando su Google Business era già stato aggiornato tutto — il segno che le citazioni storiche su directory di settore pesavano ancora
• Dopo interventi di pulizia NAP su 8 studi seguiti direttamente, le citazioni corrette hanno iniziato a stabilizzarsi nell’arco di 6-10 settimane, non prima

Ripeto: è un’osservazione di campo, non un esperimento controllato. Ma il pattern è coerente con il principio di entity resolution: più i segnali convergono, più il sistema ti riconosce come un’entità sola e affidabile.

Gli errori che vedo più spesso

Ci sono quattro pattern che continuo a trovare quando apro la cartella di uno studio nuovo:

Doppia ragione sociale. Lo studio associato ha un nome, il dominio web un altro, la scheda Google un terzo. Per il titolare sono la stessa cosa. Per l’AI sono tre entità scollegate.

Telefono del titolare al posto del centralino. Il cellulare del dottor Rossi finisce su Google Business, il fisso su Pagine Gialle, il numero di segreteria su LinkedIn. Tre numeri, tre entità possibili.

Indirizzo post-trasloco aggiornato solo a metà. Lo studio si è spostato dalla frazione di Vietri a Salerno centro. Google Business è aggiornato, Pagine Bianche no, l’albo dell’Ordine nemmeno. Il sistema vede due indirizzi, non capisce quale è quello buono.

CAP sbagliato per una lettera. Sembra una sciocchezza. Un CAP diverso tra due directory basta a far dubitare il sistema che il “Rossi Commercialisti” di Via Porto sia lo stesso di Via del Porto.

Cosa fare concretamente questa settimana

Tre azioni, nell’ordine:

1. Scegli una versione canonica del NAP e mettila scritta su un Google Doc interno. Nome legale + nome commerciale, indirizzo con formato standard, telefono con prefisso internazionale. Da oggi, ovunque compare lo studio, si copia da lì.
2. Aggiorna le 8 fonti principali che ti ho elencato sopra, partendo da Google Business Profile e finendo con le directory di settore. Conta circa 2-3 ore di lavoro per 8 schede, se le credenziali ci sono tutte.
3. Confronta con i 3-5 studi concorrenti che l’AI cita quando chiedi a ChatGPT o Perplexity “miglior commercialista Salerno” o “consulenza fiscale costiera amalfitana”. Aprili, controlla il loro NAP, vedi se convergono. È il tuo benchmark operativo.

Questo è un audit entry level, onesto: serve a sbloccare il caso più frequente. L’analisi completa su entità, knowledge graph e autorevolezza del tuo settore richiede strumenti professionali di monitoring delle citazioni AI e un lavoro di qualche mese. Ma partire dal NAP è il modo più veloce per eliminare il rumore alla base.

Dove va a finire questo lavoro

Una volta che il NAP è pulito, il sistema smette di vedere due o tre versioni di te e inizia a consolidare una rappresentazione sola. A quel punto hanno senso i passi successivi: far riconoscere il tuo nome con i criteri E-E-A-T, lavorare sullo schema markup LocalBusiness, costruire citazioni coerenti con le directory di settore. Sono tutti pezzi che rafforzano la tua visibilità nelle risposte AI, ma funzionano solo se l’entità sotto è una sola.

Nei prossimi articoli di questa serie ti racconto come si costruisce una scheda LocalBusiness in schema JSON-LD senza farsi male, perché le citazioni (menzioni del tuo brand con NAP coerente su altri siti) pesano più dei backlink per l’AI locale, e cosa succede quando il tuo studio ha più sedi: la gestione del multi-location è un capitolo a parte.

Quanto è visibile il tuo brand per le AI?

Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.