Lanci Gemini Deep Research sul tuo settore: il report ti dice esattamente chi cita e da dove. È reverse engineering servito. Ti spiego come usarlo per riallocare le risorse.
Lancia Gemini Deep Research sul tuo settore di nicchia. Il report che genera è un regalo: ti dice esattamente chi cita e da dove. Leggilo per capire dove sei e dove non sei.
Te lo dico subito perché è la cosa più sottovalutata di tutto questo lavoro. La maggior parte degli imprenditori prova ChatGPT, vede che non viene citata, e si demoralizza. Sbagliato. ChatGPT è una scatola nera. Gemini Deep Research invece ti consegna un PDF di 15 pagine con la lista esatta delle fonti che ha consultato, ordinata, con URL. È reverse engineering servito su un piatto.
In questa serie ti sto raccontando come funzionano le diverse piattaforme AI. Oggi ti spiego il caso Google: cosa cambia quando il motore che ti deve citare non è ChatGPT generico ma un’infrastruttura come Vertex AI o Enterprise Search, e perché Deep Research è lo strumento più onesto che hai per capire la tua posizione di partenza.
Cosa è Vertex AI quando un’azienda lo usa per cercare
Vertex AI è la piattaforma che Google vende alle aziende per costruire applicazioni AI. Una banca, una catena retail, uno studio legale grande possono configurarla in due modi: pescare solo dai loro documenti interni, oppure pescare anche dal web pubblico. Quando attivano la seconda modalità, il sistema fa quello che fa Gemini quando ti risponde: cerca, recupera, sintetizza, cita.
Enterprise Search (la versione “search interno per dipendenti”) segue la stessa logica. Differenza importante: il modello di recupero che decide quali pagine entrare nel contesto è lo stesso stack che alimenta le risposte generative di Google nei prodotti consumer. Stessi criteri di chunking, stessi parametri di rilevanza, stessa logica di selezione delle fonti.
Tradotto: se la tua pagina viene pescata bene da Gemini quando un utente fa una query sul web, viene pescata bene anche dal sistema RAG che un’azienda enterprise ha configurato sopra Vertex AI. Il canale di distribuzione cambia, il meccanismo di selezione no.
Perché Deep Research è l’unico modo onesto per fare reverse engineering
Negli articoli precedenti ti ho spiegato come funziona la tokenizzazione e come l’AI valuta l’E-E-A-T per stabilire chi è autorevole. Tutto bello in teoria. In pratica, quando devi capire dove ti posizioni davvero in un settore, ti serve un metodo concreto.
Deep Research è quel metodo. Quando lo lanci su una query verticale, il sistema esegue 30-40 ricerche secondarie, consulta decine di fonti, e produce un report in cui ogni affermazione è linkata alla fonte originale. Non devi indovinare cosa cita: ce l’hai scritto.
Da questo segue che hai due informazioni in mano: chi cita Google su quel topic, e quali caratteristiche editoriali hanno le fonti scelte. È una mappa.
Il test che ho fatto su tre nicchie italiane
Ho scelto tre verticali piccoli e abbastanza specifici da essere interessanti: orologeria haute horlogerie italiana (artigiani che fanno alta orologeria a mano, non boutique multimarca), agriturismi biologici certificati nelle Langhe, studi di restauro affreschi murali.
Per ognuno ho lanciato Gemini Deep Research con prompt simili: “fai un report sui principali artigiani orologiai italiani indipendenti che producono haute horlogerie”, e così via per gli altri due. Ho scaricato i report, ho aperto la sezione fonti, ho contato.
Risultati su questo campione (test indicativo, non studio): nelle tre nicchie il report ha consultato in media 32 fonti distinte. Le fonti citate più volte (3+ riferimenti nel report) erano in totale 11 sui tre verticali. Di queste 11, 9 avevano alcune caratteristiche in comune che ti elenco fra poco. Le altre due erano Wikipedia e una rivista di settore con dominio molto vecchio.
Limite onesto: tre nicchie non fanno una statistica. Ma il pattern è abbastanza chiaro da essere utilizzabile come indicazione operativa.
Il pattern delle fonti che Gemini ha scelto di citare
Le 9 fonti “centrali” condividevano queste caratteristiche:
- Pagine lunghe e auto-contenute: ogni sezione H2 spiegava un concetto da sola, senza rimandare ad altre pagine del sito
- Metadati ricchi: title parlante, meta description scritta, schema markup di tipo Article o Organization
- Nessun paywall né soft-gate (no popup mailing list che blocca la lettura)
- Caricamento veloce: ho controllato a campione, le pagine principali stavano sotto i 2 secondi
- Anzianità del dominio: nessuna fonte era stata pubblicata da meno di 18 mesi
Per l’orologeria haute horlogerie il report citava in modo ricorrente un piccolo atelier con sede tra Verbania e il VCO (un artigiano che fa movimenti a mano per collezionisti). Il sito era spartano, niente design da agenzia premium, ma le sezioni del sito erano organizzate come capitoli: “Come nasce un movimento”, “I materiali del bilanciere”, “Tempi di lavorazione di un calendario perpetuo”. Ogni capitolo regge da solo. Ed era citato 5 volte nel report.
Confronto con un competitor della stessa nicchia, presumibilmente più grande come fatturato, con sito moderno fatto da agenzia: zero menzioni nel report. Il sito era costruito per impressionare un visitatore umano in homepage, non per essere recuperato per pezzi da un sistema RAG.
Come si traduce questo per la tua visibilità nelle risposte AI
Il sistema di retrieval di Google taglia le pagine in chunk e indicizza i chunk, non le pagine intere. Se la tua pagina è scritta in modo discorsivo, con sezioni che si rimandano l’un l’altra (“come abbiamo visto sopra…”, “ne parliamo nel prossimo capitolo”), ogni chunk preso isolato risulta povero. Il sistema lo scarta a favore di chunk più “completi”.
La conseguenza operativa è banale ma devastante: un sito ben fatto per gli umani può essere pessimo per il retrieval. Un sito dall’aspetto modesto ma con sezioni auto-contenute può vincere.
Ti ricordo qui il filo che attraversa tutta questa serie: uscire nelle risposte AI non è una questione di SEO classica né di branding. È una questione di compatibilità tecnica con il modo in cui i sistemi RAG selezionano e citano fonti. Vertex AI è solo un caso particolare di questo principio.
Gli errori che vedo più spesso
- Bandire i sottotitoli H2 in nome del “design pulito”: senza heading espliciti il sistema non sa dove tagliare i chunk. Risultato: chunk a caso, retrieval disordinato.
- Mettere informazioni chiave dentro accordion o tab: spesso il rendering non viene letto correttamente. Quello che il visitatore vede cliccando, il crawler non lo vede mai.
- Costruire pagine “vetrina” senza testo: tre slogan e un form. Il sistema RAG non ha nulla da pescare. Il competitor con la pagina noiosa ma piena di sostanza vince.
- Velocità di caricamento sopra i 3 secondi: oltre questa soglia molti sistemi di crawling AI lasciano perdere e passano oltre. Il tuo contenuto può essere il migliore del mondo: se non si carica in tempo, non esiste.
Come fare in concreto un audit su 3 nicchie
Ti lascio le tre azioni che farei al posto tuo questa settimana:
- Apri Gemini, attiva Deep Research, lancia un prompt sul tuo settore di nicchia (“fai un report sui principali [tipo di azienda] in [territorio]”)
- Aspetta 5-10 minuti, scarica il report, apri la sezione fonti citate
- Vai su due o tre fonti citate più di una volta e confronta la struttura editoriale con la tua: heading, lunghezza sezioni, presenza di metadati. Apri il Rich Results Test, incolla la tua homepage, vedi se trova schema Organization (binario: c’è o non c’è)
Per una verifica più strutturata di cosa Google sa di te come entità, puoi rileggere il pezzo della serie sul Google Knowledge Graph entry e su come il riconoscimento dell’autore funziona per i sistemi AI.
Onestà: questo è un audit entry-level. Confermerà o smentirà l’ipotesi “il mio sito è retrievabile”. L’analisi vera, con campioni più ampi e crawl simulati, richiede strumenti professionali e un lavoro di settimane.
La tua prossima mossa nella serie sulle piattaforme
Capito come Vertex AI ed Enterprise Search pescano dal web, nei prossimi articoli della serie ti racconto due tasselli vicini: come Gemini gestisce il grounding rispetto agli altri motori AI, e perché Perplexity e ChatGPT Search applicano logiche di selezione fonti diverse a parità di query. Sapere queste differenze è quello che ti permette di smettere di sparare a caso e iniziare a ottimizzare per il sistema giusto al momento giusto.
Il principio resta uno: la tua visibilità nelle risposte AI dipende da quanto i tuoi contenuti sono compatibili con i parametri di retrieval che ogni piattaforma applica. Vertex AI è la prova provata che basta un sito modesto ma ben strutturato per battere un competitor più grande ma editorialmente disorganizzato.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
