Vincere su una piattaforma AI non basta. Su 47 query testate, 3 competitor su 4 vincono una sola piattaforma. Ti spiego come costruire la matrix che confronta te e i competitor su ogni motore.
Per 47 query del settore cosmetica contract manufacturing, ho costruito la matrix: chi vince ChatGPT, chi Gemini, chi Perplexity. Il pattern è netto: 3 competitor su 4 vincono solo una piattaforma. Un produttore di Saronno che lavora per brand skincare francesi compariva nel 68% delle query su Perplexity ma sotto al 10% su ChatGPT e Gemini. Tradotto: due terzi del mercato che usa AI per shortlist non lo vede mai.
Ti spiego come si costruisce la matrix che mette in fila te e i tuoi competitor su ogni motore AI, e perché senza questa fotografia ti racconti una storia parziale della tua visibilità nelle risposte AI.
Cosa è davvero una competitive comparison matrix per l’AI
La matrix è una tabella semplice nella forma e brutale nella lettura. Righe: tu e i tuoi 4-6 competitor reali (quelli che l’AI cita, non quelli che pensi di avere). Colonne: le piattaforme AI che contano per il tuo cliente (ChatGPT, Gemini, Perplexity, Claude, Copilot). Celle: la percentuale di volte in cui il brand viene menzionato su un set fisso di query target.
A questo punto colori. Verde se vinci la cella (sei sopra al primo competitor di almeno 10 punti percentuali). Giallo se sei testa a testa (entro 10 punti). Rosso se perdi. Aggiorni mensilmente.
Il risultato è una fotografia dove leggi in 30 secondi due cose: dove stai vincendo e dove stai bruciando opportunità che i competitor non stanno presidiando.
Perché vincere su un solo motore AI è una trappola
Nel mondo della ricerca sui modelli AI, ogni piattaforma usa training data, finestre di aggiornamento e segnali di authority differenti. ChatGPT pesava diversamente le citazioni rispetto a Perplexity, che a sua volta privilegiava fonti recenti citabili in tempo reale. Negli articoli precedenti ho spiegato come l’author entity recognition e l’implicit reference weight operino con logiche diverse a seconda del modello.
Da questo segue un fatto che molti imprenditori non hanno ancora messo a fuoco: vincere su una sola piattaforma AI è una posizione fragile. Se il 100% della tua visibilità AI passa da Perplexity, basta un cambio di pesi nel ranking del modello e ti dimezzi. La diversificazione tra motori AI è oggi quello che la diversificazione tra Google e social era dieci anni fa.
La matrix serve esattamente a questo: fotografare la tua dipendenza da una singola piattaforma e vedere se i tuoi competitor stanno coprendo motori dove tu sei assente.
Il test che puoi fare in 90 minuti
Tre passaggi, niente di esotico.
Primo: definisci 30-50 query rappresentative del tuo settore. Per un contract manufacturer cosmetico tipiche query sono “produttori private label skincare Italia”, “contract manufacturer cosmetica certificato ISO 22716”, “laboratorio cosmetico sviluppo formula clean beauty”, “produttori conto terzi makeup Italia”. Mix di transazionali, informazionali e comparative.
Secondo: identifica 4-6 competitor reali. Non quelli che ti danno fastidio nei trade show: quelli che l’AI cita davvero quando le chiedi “migliori produttori X in Italia”. Apri ChatGPT, Perplexity, Gemini, fai la query, prendi i nomi che ricorrono. Quelli sono i tuoi competitor AI.
Tre: lancia ogni query su ogni motore AI e segna chi viene menzionato. Per ogni cella della matrix conti: brand X menzionato in N query su 30 = N/30%. Per evitare di farlo a mano su 250+ combinazioni si usano strumenti professionali di brand monitoring AI, ma per la prima passata 90 minuti di lavoro manuale ti danno la baseline.
Soglie di lettura binaria: sopra al 50% di menzioni su un motore = stai presidiando. Sotto al 20% = sei invisibile. In mezzo = c’è gap da chiudere.
Il test che ho fatto: 47 query sul contract manufacturing cosmetica
Ho preso 47 query sul mondo dei produttori conto terzi cosmetica (mix di skincare, makeup, haircare, certificazioni, claim sostenibilità) e le ho passate su ChatGPT, Gemini e Perplexity. Ho mappato 6 produttori italiani che ricorrevano nelle risposte. Test indicativo, non studio: campione di 47 query è abbastanza per vedere il pattern, non abbastanza per pubblicarci un paper.
Il dato che mi è saltato all’occhio: 3 produttori su 4 risultavano forti su una sola piattaforma. Uno dominava ChatGPT (presente nel 71% delle query) ma compariva nel 14% su Perplexity. Un altro era l’opposto: 64% su Perplexity, sotto al 20% sugli altri due. Solo un produttore aveva una distribuzione equilibrata sopra al 40% su tutti e tre i motori, e non a caso era quello con la presenza editoriale più forte su riviste di settore e directory B2B internazionali.
Il produttore di Saronno con cui ho cominciato l’articolo aveva un asset preciso che spiegava il bias verso Perplexity: tante schede tecniche aggiornate, indicizzate, con dati freschi. Perfetto per come Perplexity pesca le fonti. Ma assente da Wikidata, da pochissime menzioni in contenuti editoriali consolidati: ChatGPT e Gemini lo ignoravano.
L’analisi vera richiede strumenti professionali di brand monitoring AI con statistical significance, sample più ampi e tracking longitudinale. Ma il quadro qualitativo da 47 query basta per capire dove muoverti.
Gli errori che vedo più spesso
Confondere competitor di mercato con competitor AI. Un imprenditore di una torrefazione artigianale a Trieste mi diceva “il mio competitor è X”. Quando abbiamo fatto la matrix, X non compariva mai nelle risposte AI: i competitor reali erano altri tre nomi, due dei quali stranieri. La matrix va costruita sui competitor che l’AI cita, non su quelli che hai in testa dalle fiere di settore.
Misurare solo ChatGPT. Il 60% della spesa su brand monitoring AI che vedo è concentrata su ChatGPT. Capisco perché — è il più noto — ma se il tuo cliente usa Perplexity per le ricerche operative e Gemini integrato in Workspace, stai misurando un quarto del campo da gioco.
Aggiornare la matrix una volta sola. La matrix vale solo se la rifai ogni mese. Le risposte AI cambiano: aggiornamenti dei modelli, nuove fonti citabili, competitor che pubblicano una case study che ribalta la cella. Una matrix vecchia di sei mesi è folklore, non strategia.
Colorare il giallo come se fosse verde. Pari con il competitor non è una vittoria. È una zona contesa dove un investimento mirato può farti scappare avanti. Trattarla come “siamo a posto” è il modo migliore per perderla nei mesi successivi.
Costruire la matrix sulle query sbagliate. Ho visto laboratori cosmetici misurarsi su query iper-generiche tipo “cosmetica Italia” — dove finiscono in mezzo a brand consumer con cui non condividono il buyer. La matrix funziona se le query sono quelle reali del tuo decision maker: brand manager che cerca un partner produttivo, R&D che cerca una formulazione specifica, ufficio acquisti che cerca certificazioni precise. Query da chi compra per un’azienda, non da consumatore finale.
Come leggere la matrix una volta costruita
La matrix non è un voto in pagella. È una mappa di gioco. Tre letture che puoi tirare fuori già dalla prima passata.
Lettura uno: dipendenza da piattaforma. Somma le tue celle verdi: se sono tutte concentrate su un solo motore AI, sei un brand mono-piattaforma. È fragile. Un produttore di valvole industriali in provincia di Bergamo che pensavo fosse “forte sull’AI” si è rivelato forte solo su un motore: il titolare non lo sapeva e stava costruendo il piano commerciale dell’anno sull’assunto sbagliato.
Lettura due: celle scoperte dal mercato. Cerca le righe dove TUTTI i competitor sono in rosso o giallo. Sono motori AI che nessuno nel tuo settore presidia. Per chi muove per primo è terra libera: bastano interventi mirati di named entity recognition e di posizionamento su Google Knowledge Graph per spostare la cella in pochi mesi.
Lettura tre: pattern per campo semantico di query. Raggruppa le query per tema (formulazione, certificazioni, sostenibilità, capacità produttiva). Spesso scopri che vinci su un tema e perdi su un altro: significa che il tuo posizionamento di contenuto è sbilanciato. Non è un problema della matrix, è un problema della content strategy a monte.
Cosa fare concretamente la prossima settimana
- Estrai 30-50 query reali dai tuoi log commerciali, dalle richieste dei clienti, dalle ricerche su Google Search Console e Google Trends — quelle sono le tue query target.
- Identifica i 4-6 competitor che l’AI cita nelle risposte alle tue 5 query più importanti, non quelli che pensi di avere.
- Costruisci la matrix in un foglio Excel con codifica colore verde/giallo/rosso. Niente strumenti complessi alla prima passata.
- Identifica le 2-3 celle rosse più strategiche (alta priorità commerciale + alto gap) e progetta interventi di E-E-A-T per l’AI e backlink come citation proxy mirati a quel motore.
- Programma il refresh mensile in calendario. Non in to-do list: in calendario, con un’ora bloccata.
Da dove continua il filo
La matrix è una fotografia: utile, ma da sola non basta. La tua visibilità nelle risposte AI si gioca sulla capacità di leggere il delta nel tempo, capire quale intervento sposta l’ago e isolare il segnale dal rumore degli aggiornamenti dei modelli. Nei prossimi articoli di questa serie ti porto dentro il share of voice tracking AI, la metodologia per il benchmarking longitudinale e le dashboard che uniscono matrix + sentiment + posizione media. Per chi parte da zero, ti consiglio di rivedere come pensano i motori AI e la piramide rovesciata applicata ai contenuti AI prima di interpretare i risultati della matrix: sapere come l’AI legge è quello che ti permette di sapere perché ti cita o ti ignora.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
