Qual è la percezione che l’IA ha del tuo brand?

Essere citati da ChatGPT o Gemini conta sempre meno se i modelli hanno costruito un’immagine incompleta o distorta della tua azienda, perché è quella percezione a influenzare raccomandazioni, confronti e risposte

Essere citati da ChatGPT o Gemini non basta se l'intelligenza artificiale ha costruito un'immagine incompleta del tuo brand.
I dati mostrano che la percezione del modello, la qualità dei contenuti e le fonti esterne influenzano molto più di quanto si creda le raccomandazioni e la visibilità nelle risposte generate dall'IA.

Confessa: almeno una volta negli ultimi mesi hai aperto ChatGPT e hai scritto il nome della tua azienda, giusto per vedere cosa rispondeva.

Lo hai fatto con la stessa ansia con cui a vent’anni cercavi il tuo nome su Google dopo la prima intervista al giornale locale. Hai letto la risposta, hai tirato un sospiro di sollievo perché almeno ti ha citato, e sei passato oltre convinto di aver fatto il compito a casa.

Peccato che tu abbia controllato la cosa sbagliata.

Sapere se un modello ti nomina è come sapere se un cliente ha sentito il tuo nome al bar. Interessante, certo, ma non ti dice se quel cliente crede che tu venda scarpe o assicurazioni.

E oggi, mentre la ricerca tradizionale lascia sempre più spazio a sistemi che rispondono direttamente senza mandarti traffico al sito, capire cosa un’intelligenza artificiale crede di sapere di te, prima ancora di scrivere una parola, è la domanda che conta davvero.

Eh sì, perché è l’IA a decidere quanti clienti arrivano fino a te e quanti si fermano un passo prima, senza che tu te ne accorga nemmeno.

Cosa succede nella testa di un modello prima che risponda?

Andrea Volpini, fondatore dell’azienda italiana Wordlift, ha dato un nome a questo fenomeno: lo chiama Perception Graph. L’idea è semplice da spiegare e più complicata da digerire per chi finora si è accontentato di controllare se il proprio marchio comparisse tra le fonti citate da ChatGPT, Gemini o Perplexity.

Secondo Volpini, un modello linguistico non fallisce solo quando inventa informazioni false. Fallisce anche, e più silenziosamente, quando eredita una visione del mondo incompleta o distorta e continua a comportarsi come se fosse corretta.

Il modello può conoscere il tuo brand e allo stesso tempo confonderlo con il tuo prodotto di punta, metterlo nella categoria sbagliata, o non cogliere l’elemento che ti distingue davvero dalla concorrenza. La risposta che ne esce suona comunque fluente, sicura di sé, quasi autorevole. Ed è proprio questo il punto debole, perché un errore che suona bene è molto più difficile da individuare di un errore che suona goffo.

Per dimostrarlo, Volpini ha condotto un esperimento su un marchio pubblico: Renault.

L’ha fatto usando un modello aperto della famiglia Gemma 3 e strumenti di interpretabilità come le sparse autoencoder e le natural language autoencoder, tecniche che permettono di aprire il cofano del modello e leggere quali concetti si accendono davvero mentre elabora una domanda.

Il team ha scoperto che la percezione di Renault si divide in due poli.

Da una parte c’è un’immagine forte e radicata, quella del costruttore francese storico, di massa, tradizionale.

Dall’altra c’è un’immagine più debole, quella di Renault come protagonista della transizione elettrica, con modelli come la R5 E-Tech o la Megane E-Tech.

Quando il modello viene messo a confronto diretto con Tesla, la seconda immagine perde quasi sempre terreno, e il sistema attiva concetti come “costruttore tradizionale in transizione” contro “azienda nativa nel software”, anche se Renault vende auto elettriche da anni.

Se l’obiettivo aziendale è essere percepiti come innovatori nell’elettrico, questo scollamento tra ciò che l’azienda comunica e ciò che il modello ha davvero interiorizzato è esattamente il tipo di problema che nessun controllo sulle citazioni avrebbe mai fatto emergere.

Quando il modello confonde i tuoi prodotti (o peggio, ti confonde con la concorrenza)

Fatti questa domanda con calma: se un cliente chiedesse a un assistente IA di consigliargli un’azienda come la tua, il modello saprebbe distinguere il tuo prodotto di punta dal resto del catalogo?

Saprebbe spiegare cosa ti rende diverso dal competitor che vende (quasi) la stessa cosa?

Volpini elenca una serie di scivoloni che i modelli commettono con sorprendente regolarità: confondere il marchio con un singolo prodotto, associarlo alla categoria sbagliata, perdere il collegamento tra un ingrediente o una componente e la linea di prodotto a cui appartiene davvero, trattare concorrenti profondamente diversi come se fossero intercambiabili.

Prendi un’azienda di scarpe qualsiasi, tanto per restare su un esempio concreto.

Il modello la associa correttamente alla parola “calzature”, ma appiattisce ogni prodotto della gamma nella stessa etichetta generica di “scarpe”, senza cogliere la differenza tra le scarpe da running, quelle eleganti in pelle e le sneakers pensate per l’uso quotidiano.

Vista dall’esterno sembra una risposta innocua, vero?

Beh, vista da dentro è un problema strategico molto serio! Perché il modello sta letteralmente appiattendo anni di posizionamento in un’unica frase generica, e la colpa spesso è del sito stesso, dove le relazioni tra categoria, caratteristiche e prodotto restano deboli e i dati strutturati non raccontano l’architettura reale della gamma.

Questi non sono difetti estetici. Man mano che gli assistenti IA cominciano a raccomandare prodotti, confrontare fornitori, rispondere alle domande dei clienti e decidere quale opzione proporre per prima, un’azienda “vista male” finisce per perdere clienti che non sapranno mai di averla scartata.

Nessuno scriverà una recensione negativa. Semplicemente, il tuo nome non arriverà mai in cima alla lista, e tu continuerai a chiederti perché il telefono squilla sempre meno.

Il paradosso del contenuto che il modello sa già a memoria

C’è un secondo fronte della battaglia, e riguarda quello che scrivi sul tuo sito ogni settimana sperando che ti porti traffico. Un gruppo di ricercatori della società di marketing Flying V Group, insieme alla società sorella GEO Genius, ha provato a misurare quanto di una pagina web un modello linguistico sarebbe in grado di generare da solo, senza leggerla mai.

Hanno chiamato questo indicatore Commodity Content Score, e i numeri che ne sono usciti meritano una lettura attenta da parte di chiunque lavori con i contenuti.

Ti ricordo che per commodity si intende tutto ciò che è comune, scontato, già risaputo. Un’informazione che chiunque (o qualsiasi modello AI) conosce già a memoria, senza bisogno di andarla a cercare.

Nel caso dei contenuti web, un articolo è “commodity” quando dice cose che un’intelligenza artificiale come ChatGPT o Gemini sa già rispondere da sola, senza consultare nessuna pagina: “come si allaccia una scarpa”, “cos’è la fotosintesi”, “come si fa la pasta al pomodoro”. Sono informazioni talmente diffuse e ripetute in migliaia di siti che il modello le ha già “imparate” durante l’addestramento.

Bene, analizzando centinaia di pagine di quattro grandi editori, tra cui Nvidia, Microsoft, Adobe e TurboTax, i ricercatori hanno prima verificato che il punteggio del Commodity Content Score funzionasse davvero: le pagine pubblicate prima della data limite di addestramento di un modello ottenevano in media un punteggio di commodity del 72,6%, mentre quelle pubblicate dopo quella data scendevano al 26,1%, un aumento relativo del 178%, con un margine di affidabilità tra il 142% e il 224%.

In pratica, se il modello ha già visto un’informazione durante l’addestramento, tende a rispondere da solo, senza andare a cercare la tua pagina per confermarla.

Da qui arriva la scoperta che dovrebbe far riflettere chiunque scriva ancora guide generiche del tipo “cos’è” o “come si fa”: le pagine che ricevono traffico dall’intelligenza artificiale sono, in media, quelle con meno contenuto “scontato”. Nello studio, le pagine che non generano traffico AI contengono il 33,33% in più di contenuto commodity rispetto a quelle che invece l’AI cita e porta visite.

I classici contenuti esplicativi, il genere di articolo che ha fatto la fortuna della SEO per vent’anni, arrivano a un punteggio medio di commodity del 72%, contro appena il 32% delle pagine che l’IA sceglie davvero di citare, e solo il 7,89% di quelle guide riesce a intercettare un minimo di traffico dall’intelligenza artificiale.

Tradotto per chi deve decidere come spendere il budget dei prossimi mesi: se il tuo articolo dice qualcosa che il modello sapeva già prima di leggerlo, il modello risponde a memoria e la tua pagina resta chiusa in un cassetto.

Il confronto diventa ancora più netto quando si mettono a paragone le pagine migliori per traffico organico classico con quelle migliori per traffico dall’IA: le prime contengono l’84,6% in più di contenuto commodity delle seconde, con un intervallo di attendibilità tra il 37,8% e il 161,8%.

Il mio caso studio con le auto elettriche

Se pensi che questo paradosso riguardi solo i giganti americani analizzati da Flying V Group, lascia che ti racconti cosa ho trovato io, più vicino a casa tua.

Per il nuovo Osservatorio GEO·ho messo alla prova Claude Opus 4.8 su 27 marchi di auto elettriche, ponendo le stesse domande in due modalità: una che pesca solo dalla memoria del modello, senza cercare nulla sul web, e una che lo lascia libero di verificare in tempo reale. Il risultato, raccolto su 240 risposte a giugno 2026, racconta la stessa storia della ricerca americana, solo con i marchi che vedi ogni giorno lungo la statale.

Renault domina la memoria del modello con un perfetto 100%, ma quando Claude si mette davvero a cercare sul web scende all’82%, superato da Hyundai, che passa dal 99% di memoria all’86% di citazioni live e diventa così l’unico marchio solido su entrambi i fronti.

Peugeot crolla dal 58% al 16%, Kia dal 66% al 31%: il modello se li ricorda bene, ma appena verifica sul web smette di proporli. All’opposto Leapmotor passa dall’11% al 60% e Mercedes dal 3% al 27%, marchi quasi assenti nella memoria del modello che riemergono con forza proprio quando entra in gioco la ricerca live.

Ed è qui la parte che dovrebbe farti riflettere di più: quando Claude cerca davvero, le fonti citate più spesso non sono i siti dei costruttori, ma portali terzi come autoscout24.it (82% delle risposte), virgilio.it (71%) e guidautoelettrica.it (69%), mentre i siti ufficiali restano fermi a percentuali quasi comiche: kia.com al 3%, renault.it e hyundai.com al 2%.

In pratica il modello si fida più del rivenditore online che del sito che il brand ha costruito con tanta cura.

Fa’ attenzione, quindi: quello che il modello ricorda non è quello che consiglia quando cerca. Sono due mondi diversi, e quasi nessuno li sta misurando separati. Per farlo consigliare, l’IA si appoggia a directory e portali di settore, non al tuo sito. Sono loro, di fatto, a decidere chi entra nella risposta.

Cosa significa, in parole semplici: curare solo il tuo sito non basta più. Conta anche, e forse soprattutto, dove l’IA ti trova nominato altrove: sulle directory, sui portali di confronto, sui siti che considera autorevoli nel tuo settore.

Più sei presente e citato lì fuori, più probabilità hai di essere il nome che l’IA sceglie di consigliare, anche se poi il cliente arriverà comunque sulla tua homepage.

Essere citati non è come essere visitati, e la differenza vale il tuo budget

Se pensavi che il prossimo passo fosse semplicemente correre a controllare quanto traffico ti manda ChatGPT, ecco un altro dato che complica la faccenda, questa volta firmato dalla consulente SEO Aleyda Solis.

Analizzando i dati di aprile 2026 di quaranta siti americani leader in quattro settori, viaggi, finanza, immobiliare e retail, Solis ha calcolato che il traffico dall’IA rappresenta appena lo 0,19% delle visite totali, contro il 20,45% della ricerca organica classica.

La ricerca tradizionale resta, con enorme margine, il canale che porta più persone sul sito.

Il dato davvero interessante, però, non riguarda quanto le persone cliccano. Riguarda cosa i modelli citano quando costruiscono una risposta.

Circa il 57,7% del traffico proveniente dall’IA finisce sulle homepage o sulle pagine di ingresso al brand, ma soltanto il 3% delle citazioni nelle risposte dell’IA punta a quelle stesse pagine.

Al contrario, le pagine di approfondimento, confronto e valutazione, le guide, le categorie, le pagine di supporto, rappresentano il 57% delle citazioni, ma solo l’8,9% del traffico cliccato.

Te la dico meglio: praticamente il modello legge, confronta e valuta usando le tue pagine di contenuto più tecniche e dettagliate, quelle su cui magari hai investito meno perché sembravano poco premianti, ma quando decide di mandare davvero qualcuno sul sito, lo fa atterrare sulla homepage.

Se guardi solo il traffico in arrivo dall’IA, stai osservando la punta di un iceberg che si è già sciolto molto prima di arrivare in superficie, mentre il grosso del lavoro di persuasione è avvenuto altrove, dentro la risposta stessa, senza lasciare traccia nei tuoi log.

Un caso da manuale è quello di Stripe, che nel settore finanziario genera quasi la metà del traffico IA dell’intero campione analizzato da Solis, ma quasi tutto verso pagine di login, checkout e autenticazione, segno che sono soprattutto agenti automatici a seguire link operativi, non clienti in cerca di consigli.

Le pagine che l’IA cita davvero quando parla di Stripe sono tutt’altro, articoli divulgativi su codici bancari, partite IVA e sistemi di pagamento. Due strati completamente diversi, misurati con la stessa etichetta, “traffico IA”, che finiscono per raccontare due storie opposte se non vengono separati con attenzione.

La tua reputazione si costruisce fuori casa

Se sei arrivato fin qui, avrai capito che buona parte del dibattito sulla visibilità nell’IA è una recita già vista.

Ti vendono report pieni di “citazioni” come fossero medaglie, mentre la partita vera si gioca altrove: dentro la memoria di un modello che magari ti ha già archiviato nella categoria sbagliata, e sui portali terzi che in azienda probabilmente non ha mai controllato nessuno.

Non è colpa tua se negli ultimi mesi hai passato ore a rifinire la homepage convinto che bastasse. Te lo hanno raccontato così, ed era comodo crederci.

I dati, quelli veri, raccontano un’altra storia.

Raccontano che il grosso del lavoro di persuasione avviene fuori dal tuo sito, in risposte che non vedrai mai e su domini che nemmeno sapevi esistessero.

Raccontano che il contenuto “sicuro”, quello scritto per non sbagliare mai, è spesso il primo che un modello ignora perché lo sa già a memoria. E raccontano che il tuo brand, in questo preciso momento, ha già una reputazione consolidata per un’intelligenza artificiale, che tu lo voglia oppure no.

Puoi continuare a far finta di niente, sperando che la cosa passi, oppure puoi cominciare a chiederti se il modello che milioni di persone consultano ogni giorno ti conosce davvero, o si è semplicemente inventato una versione di te più comoda da raccontare.

La scelta è ancora tua.

Contatta la nostra agenzia SEO GEO. Misuriamo cosa un’IA pensa davvero della tua azienda. Scopriamo se ti racconta male o, peggio, ti ignora del tutto. Poi lavoriamo sulle fonti giuste, quelle dentro il tuo sito e quelle fuori, per una cosa sola: quando un cliente chiede consiglio a un assistente IA, il nome che sente deve essere il tuo.

---

Qual è la percezione che l’IA ha del tuo brand: domande frequenti

Perché non basta sapere se l’IA cita il tuo brand?

Perché un modello può citare un brand e, allo stesso tempo, averne costruito un’immagine incompleta o distorta. Può confonderlo con un singolo prodotto, associarlo alla categoria sbagliata o non cogliere ciò che lo distingue davvero dalla concorrenza.

Che cosa significa contenuto commodity?

Un contenuto commodity è un contenuto comune, scontato o già risaputo, che un modello di intelligenza artificiale può generare da solo senza consultare una pagina web. Per questo le guide troppo generiche rischiano di essere ignorate dall’IA.

Perché la reputazione AI si costruisce anche fuori dal sito?

Perché quando l’IA cerca informazioni online tende spesso ad affidarsi a portali, directory e fonti terze considerate autorevoli, non solo ai siti ufficiali dei brand. Per essere consigliati, quindi, conta anche dove il brand viene citato fuori dal proprio sito.