SEO Confidential – La nostra intervista esclusiva a John Shehata di NewzDash

Google Discover, AI Overviews e Information Gain: John ci racconta come cambiano la visibilità dei publisher, il valore delle citazioni AI e le strategie per conquistare l’autorevolezza che meriti

Ti sei mai chiesto quanto vale davvero comparire dentro una risposta AI?

È la domanda che ogni imprenditore dovrebbe farsi oggi, perché la risposta non è semplice.

Da una parte c’è la visibilità del brand, che conta anche senza un click, perché insegna all’AI ad associare il tuo nome al tuo settore. Dall’altra c’è il rischio di festeggiare per una citazione che non porta nessuno sul tuo sito. Capire la differenza tra queste due cose è esattamente uno dei temi di questa intervista.

Oggi su SEO Confidential ospitiamo John Shehata, uno dei nomi più autorevoli al mondo nella news SEO. È CEO e fondatore di NewzDash, la piattaforma di analytics real time usata da BBC, NBC News, CBS News, Reuters, Le Figaro e, in Italia, da GEDI e Quotidiano Nazionale.

Ha creato GDdash, che misura la visibilità dei brand dentro le piattaforme AI. Ha guidato l’audience development di Condé Nast su 60 brand in 11 mercati e la search di Disney ABC. Con Barry Adams organizza il NESS, il News & Editorial SEO Summit, quest’anno dal 13 al 15 ottobre 2026.

Ti avviso subito: questa è una delle interviste più dense mai pubblicate su SEO Confidential, con un livello di approfondimento raro su Google News e Google Discover, e molto altro ancora.

John è entrato nel dettaglio con grande concretezza e ci ha rivelato alcune best practice, spiegate con una chiarezza tale da risultare comprensibili a chiunque: quali metriche guardare da subito, come funziona davvero Google Discover, quali segnali contano per essere citato dall’AI e quali invece stai inseguendo a vuoto.

Preparati a prendere appunti. Tanti.

Punti a ranking e citazioni? Allora investi sull’Information Gain!

Con la crescita delle AI Overviews, molte notizie e contenuti vengono sintetizzati direttamente nella pagina dei risultati. Qual è, secondo te, il modo migliore per misurare l’impatto reale di questi sistemi sul traffico e sulla visibilità dei publisher? Quali metriche dovrebbero osservare oggi editori e professionisti SEO?

L’errore che commette la maggior parte degli editori è cercare di misurare le AI Overviews con le metriche che già utilizza. Click e sessioni ti dicono cosa è successo dopo. Non ti dicono perché è successo e non ti dicono cosa stai perdendo sulle query per le quali non ti sei mai posizionato.

Parti da un controllo. Prendi le query per le quali compare un’AI Overview e confrontale con query comparabili per le quali non compare, analizzando impression, CTR, click e posizione nel tempo. Ancora meglio, prendi la stessa query prima e dopo che ha iniziato a mostrare un’AIO. Senza questo confronto, rischi di attribuire all’AI fenomeni che potrebbero dipendere dalla stagionalità, da un cambiamento nel ranking o da una settimana con poche notizie.

A settembre 2026, le AI Overviews compaiono in circa la metà delle query di notizie di tendenza che monitoriamo su NewzDash, con percentuali che arrivano all’80% in categorie come la salute. La prima domanda, quindi, non è “il mio traffico è diminuito?”, ma “quanto sono esposto?”.

Per rispondere serve un insieme diverso di metriche:

1. Tasso di attivazione delle AI Overviews sui tuoi argomenti, suddiviso per sezione. Salute e scienza si comportano in modo completamente diverso rispetto a intrattenimento e sport, quindi un dato complessivo sull’intero sito nasconde ciò che sta realmente accadendo.
2. Tasso di citazione e posizione della citazione. Non basta sapere che esiste un’AIO. Devi sapere se sei citato, se sei la prima fonte o la sesta e quali concorrenti vengono citati più spesso di te.
3. Posizionamento di Top Stories rispetto all’AIO. È il dato che quasi nessuno misura. I nostri dati mostrano che, tra le query di notizie di tendenza che generano un carosello Top Stories, il 16-17% negli Stati Uniti e nel Regno Unito mostra oggi quel carosello all’interno dell’AI Overview anziché come modulo separato: il 15,5% negli Stati Uniti e il 17,46% nel Regno Unito. Quando accade, headline, immagine e brand si trovano all’interno della funzione dominante della ricerca anziché sotto di essa. Quando non accade, un carosello autonomo può essere spinto molto più in basso nella pagina. A parità di ranking, il risultato in termini di click può essere molto diverso. Per questo serve un monitoraggio che indichi quale delle due posizioni hai ottenuto per ogni query, non semplicemente che ti sei posizionato.
4. CTR per tipo di query in Search Console, confrontato nel tempo, sulle query in cui è presente un’AIO rispetto a quelle in cui è assente. I nuovi report sulle performance dell’AI generativa di Google possono essere utili in questo caso, ma i dati di GSC vanno letti insieme al monitoraggio della SERP, non al suo posto.
5. Dove si concentra l’esposizione. L’intrattenimento supera il 30% per i Top Stories incorporati in entrambi i Paesi. Salute e scienza sono vicini allo zero. Se il tuo business dipende da una determinata categoria, il dato di quella categoria è il dato che conta per te.

A quel punto, mantieni separati tre elementi: visibilità, traffico e risultato di business. Una citazione in un’AIO rappresenta un’esposizione del brand e ha un certo valore, ma un’impression non equivale a una visita. Se la visibilità nell’AI cresce del 40% e il traffico diminuisce del 20%, questo non significa automaticamente che sia un risultato positivo o negativo. La domanda è cosa è successo ad abbonamenti, registrazioni e “lettori di ritorno”.

Gli strumenti di analytics resteranno sempre la fonte di riferimento per i dati complessivi sui click. Quello che non possono mostrare è la query, la configurazione della SERP e l’insieme dei concorrenti presenti nel momento esatto in cui un utente ha effettuato la ricerca. Per questo abbiamo costruito NewzDash intorno ai lead indicator: ranking e visibilità su Top Stories, risultati organici, Discover e AI Overviews, aggiornati ogni pochi minuti, compresa l’informazione per capire se un risultato Top Stories è comparso come modulo autonomo nella SERP oppure all’interno dell’AI Overview. In questo modo il team SEO può vedere l’esposizione prima che si trasformi in una perdita di traffico nel report mensile.

Se Google risponde direttamente a determinate ricerche attraverso l’AI, gli editori dovrebbero continuare a investire allo stesso modo in quei temi oppure spostare risorse verso argomenti dove il click verso il sito è ancora più probabile?

Cambiare, sì, ma in base al tipo di query, non all’argomento.

È sulle informazioni più semplici e standardizzate che l’AI vince. Una query come “a che ora inizia la partita” o “chi ha vinto le elezioni nella regione X” trova risposta nell’AIO, mentre le centinaia di testate che hanno scritto tutte le stesse 300 parole finiscono per spartirsi quasi nulla. Erano contenuti di scarso valore già prima dell’AI. La differenza è che Google continuava comunque a distribuire una parte dei click. Ora spesso non lo fa più.

Questo non significa abbandonare l’argomento. Per due ragioni. La prima è che la copertura di base di un tema permette a Google e ai sistemi di AI di capire per quali argomenti la tua testata è autorevole, e questa autorevolezza è ciò che può portarti a essere citato e posizionato successivamente nelle diverse superfici di Google. Un argomento che non hai mai trattato è un argomento sul quale non potrai mai essere considerato una fonte affidabile.

La seconda è che la domanda utile non è “l’AI può rispondere a questa domanda?”, ma “cosa succede dopo la risposta?”. Se l’intero valore dell’articolo sta in tre frasi, quel contenuto è esposto. Se il lettore ha ancora bisogno dell’intervista, dei dati, delle conseguenze locali o degli aggiornamenti in tempo reale, l’AIO è una porta d’ingresso, non un muro.

Bisogna quindi essere onesti su quale parte dell’argomento si sta realmente coprendo. Le breaking news continuano a conquistare Top Stories e l’etichetta Live nelle prime ore. Ciò che non sostiene più una redazione è la semplice riscrittura di un lancio d’agenzia che non aggiunge nulla. Il seguito della notizia, l’analisi, l’esperto citato per nome, il dato originale, il punto di vista locale: sono questi i contenuti che resistono all’AIO e che possono essere citati al suo interno.

Questo è quindi l’approccio pratico che consigliamo agli editori:

• Continuare a seguire la notizia nelle prime ore, quando la velocità permette di conquistare Top Stories. Continuare anche a coprire gli eventi in evoluzione attraverso aggiornamenti live.
• Non aspettarsi che il primo articolo generi traffico per tre giorni. Pianificare un secondo contenuto, più approfondito, e scegliere se aggiornare lo stesso URL nella stessa giornata oppure collegare tra loro i due articoli.
• Analizzare i propri dati per sezione. Dove il tasso di attivazione delle AIO è elevato e il tasso di citazione è basso, la strategia di riscrittura non sta funzionando. Dove l’AIO è presente, ma i propri risultati Top Stories sono incorporati al suo interno, quella resta una posizione forte per cui vale la pena competere.
• Destinare una parte delle risorse liberate ad altre sezioni e a Google Discover. Per molti degli editori con cui lavoriamo, Discover rappresenta già il 70% o più del traffico proveniente da Google e premia un tipo diverso di contenuto: entità forti, immagini efficaci e una motivazione chiara del “perché proprio adesso”.

Bisogna poi analizzare ogni sezione informativa separatamente, perché l’esposizione non è distribuita in modo uniforme. I nostri dati SERP di NewzDash mostrano che oggi il 60-80% delle query di tendenza sulla salute presenta un’AI Overview. A questi livelli, la questione non è più soltanto SEO.

Diventa una questione editoriale e di business: questa sezione fa parte dell’identità del brand? Genera un ritorno che giustifica i costi? E questo ritorno deve necessariamente arrivare dalla ricerca?

Una redazione dedicata alla salute che alimenta la newsletter, il podcast e il percorso verso gli abbonamenti può valere la pena di essere mantenuta anche se Google le invia pochissimo traffico. Una sezione salute nata esclusivamente per generare traffico dalla ricerca, invece, probabilmente non può essere sostenibile. Sport e intrattenimento si trovano all’estremo opposto della stessa scala e, per ciascuno, la risposta sarà diversa.

Nessuno può prendere questa decisione al posto della redazione, ma la redazione non può prenderla senza avere a disposizione i dati relativi alle singole sezioni.

La questione delle risorse è, in realtà, una questione di portafoglio. La maggior parte dei team finanzia ancora i contenuti in base all’argomento. Dovrebbe invece finanziare i contenuti in base alla superficie sulla quale possono realmente competere, sezione per sezione.

C’è un errore che vedi ripetersi spesso negli editori che cercano di adattarsi ad AI Overviews e AI search?

Trattare la “ricerca AI” come una disciplina separata, con un team dedicato, una checklist specifica e una serie di trucchi ad hoc.

I principi fondamentali che permettono di conquistare uno spazio in Top Stories sono in gran parte gli stessi che favoriscono una citazione in un’AIO: un titolo chiaro che contenga le entità rilevanti, un’introduzione a piramide rovesciata che esponga il fatto già nelle prime 100 parole, pagine strutturate, indicizzazione rapida e un brand di cui Google si fida già per quella categoria.

Gli editori che inseguono un fantomatico fattore di ranking per l’AI mentre hanno problemi di lentezza nell’indicizzazione e titoli vaghi stanno affrontando il problema sbagliato. La versione peggiore di questo approccio consiste nello scrivere per il modello invece che per il lettore: inserire blocchi riassuntivi e riquadri con i “punti chiave” in ogni articolo nella speranza che un LLM li riprenda. Il modello non ha bisogno di aiuto per riassumere. Ha bisogno di qualcosa che valga la pena riassumere.

La seconda parte di questo errore riguarda la misurazione. Vedo team che festeggiano perché “compariamo su ChatGPT” senza chiedersi se quella query abbia un volume significativo, se l’AI abbia associato il brand all’argomento che vogliono realmente presidiare o se da quella presenza sia arrivato del traffico. La visibilità nell’AI non è una singola metrica. Significa capire se le piattaforme AI associano il tuo brand ai tuoi argomenti, se ti citano e se quella citazione porta qualcuno sul tuo sito. Sono tre livelli diversi e richiedono tre misurazioni diverse.

All’interno di questo quadro contano due distinzioni. La prima è separare i prompt branded da quelli non-branded. Comparire quando qualcuno chiede “cosa dice la BBC sullo sciopero” non dimostra nulla. Comparire quando qualcuno chiede “cosa sta succedendo con lo sciopero” rappresenta il tipo di visibilità che permette di far crescere un pubblico, e la maggior parte degli editori non ha mai misurato questo secondo fenomeno.

La seconda distinzione è tra fonti recuperate e fonti citate. Le piattaforme recuperano molte più fonti di quelle che poi mostrano. Un brand che viene recuperato ma non citato viene letto dal modello, ma perde l’attribuzione a favore di qualcun altro. È un problema molto diverso dal non essere trovato affatto e, secondo la nostra esperienza, indica più spesso un problema di chiarezza ed estraibilità dei contenuti che una mancanza di autorevolezza.

È questo il modello che abbiamo integrato nel tracciamento AI di GDdash, perché uno screenshot di un singolo prompt non è una strategia.

Google Discover è diventato una fonte di traffico molto importante per molti editori. Se Google iniziasse a inserire sempre più contenuti generati dall’AI anche dentro Discover, pensi che questo potrebbe ridurre il traffico verso gli articoli originali? E cosa dovrebbero fare gli editori per prepararsi a questo possibile cambiamento?

Sì, può farlo, e gli editori dovrebbero considerarlo il cambiamento più rischioso, più delle AI Overviews.

La ricerca è guidata dall’intento. Discover è guidato dall’interesse. È questa differenza a rendere più dannoso un riepilogo su Discover: nella Ricerca l’utente aveva una domanda e l’AIO ha fornito la risposta. Su Discover l’utente aveva una curiosità e la card rappresentava il click. Se il riepilogo soddisfa quella curiosità, il click non avviene.

Il resto è una semplice questione matematica. Nella nostra analisi di oltre 400 editori, la quota di traffico mobile proveniente da Google generata da Discover è quasi raddoppiata in due anni, passando dal 37% nel 2023 al 67,5% alla fine del 2025, mentre la Ricerca web è scesa dal 51% al 27%. Google sta già sperimentando riepiloghi generati dall’AI ed esperienze che raggruppano le notizie all’interno di Discover. Una citazione nell’AIO che non hai ottenuto ti costa un click su una query. Una card di Discover sostituita da un riepilogo può costarti il principale canale di traffico.

C’è poi un problema di controllo che la maggior parte degli editori non ha ancora compreso. Il nuovo controllo di Google Search Console dedicato all’AI generativa consente ai siti idonei di escludersi dalle AI Overviews, da AI Mode e dalle funzioni generative di Discover. Non esiste però un’opzione per bloccare il riepilogo AI mantenendo il proprio link e l’attribuzione all’interno della stessa funzione. L’esclusione significa niente link, niente impression e niente traffico da quell’esperienza, mentre altri editori continuano a comparire. Anche il vecchio workaround, il tag nosnippet, genera quello che definisco un semi-blocco su Discover, perché rimuove il testo descrittivo di cui la card ha bisogno per essere visualizzata. Secondo le nostre osservazioni, questo riduce la portata su Discover molto più di quanto sarebbe necessario per bloccare le sole funzioni AI a cui era destinato.

Come prepararsi:

1. Conoscere la propria esposizione su Discover per categoria. L’intrattenimento ha perso una parte significativa della propria visibilità alla fine del 2025 e il core update di Discover di febbraio 2026 ha ridistribuito vincitori e perdenti a livello di dominio. Se non monitori la tua posizione nella categoria rispetto ai primi dieci siti, non puoi distinguere un cambiamento legato all’AI dalla normale volatilità.
2. Diventare la fonte per cui vale la pena cliccare anche quando esiste un riepilogo: reportage originali, entità nominate, immagini larghe almeno 1.200 pixel e titoli che dichiarano la notizia invece di limitarsi a creare curiosità. I titoli costruiti sul curiosity gap spingono il sistema a penalizzarti attraverso le chiusure rapide e le sessioni brevi.
3. Utilizzare data-nosnippet sui paragrafi specifici che vuoi proteggere, invece di applicare nosnippet all’intero sito.
4. Decidere la propria politica di opt-out sulla base dei numeri, non delle opinioni. Misurare quanto traffico proviene dalle funzioni generative di Discover prima di disattivare qualsiasi cosa.
5. Diversificare. Newsletter, app, traffico diretto e distribuzione attraverso creator rappresentano una protezione dalla dipendenza da una singola superficie di Google. Usa Discover in modo aggressivo, ma consideralo un canale di distribuzione, non il modello di business.

Discover è ingegneria della distribuzione. Gli editori che costruiscono una pipeline solida continueranno a ottenere la card, indipendentemente dalla presenza o meno del riepilogo.

Quanto possiamo davvero capire oggi di come funziona Google Discover osservando i segnali che Google raccoglie sui dispositivi degli utenti? E quali aspetti del suo algoritmo restano ancora impossibili da conoscere dall’esterno?

Più di quanto la maggior parte delle persone immagini, ma meno di quanto sostengano i vendor che vendono “i segreti di Discover”.

Il lavoro più utile su questo tema è arrivato dall’analisi della telemetria dell’SDK di Discover realizzata da Metehan Yeşilyurt, che abbiamo ampliato in NewzDash trasformandola in una pipeline dei contenuti articolata in nove passaggi: acquisizione, analisi di Open Graph, classificazione, filtro a livello di raccolta, corrispondenza con gli interessi, ranking lato server, composizione del feed, distribuzione e ciclo di feedback.

Il valore di questa prospettiva non sta nella scoperta di un segreto del ranking. Sta nel fatto che Discover può fallire in diversi punti della pipeline. Un crollo della visibilità sull’intero sito è spesso dovuto a un problema di rendering, come un og:image o un og:title non correttamente elaborato dopo una modifica al template, oppure a un problema legato al filtro a livello di editore, non al titolo. La maggior parte dei team analizza Discover come se fosse Search e questa è la trappola.

Cosa possiamo osservare con un buon livello di affidabilità:

• Quali entità, categorie, tipologie di card e varianti delle immagini compaiono effettivamente e per quanto tempo. Nei nostri dati DiscoverPulse, gli articoli rimangono generalmente in Discover da uno a tre giorni.
• Se Google ha riscritto la descrizione, modificato l’immagine o raggruppato il contenuto insieme a quello di un concorrente.
• La visibilità del dominio nel tempo e quali siti entrano o escono dal feed in un determinato mercato. Il nostro panel DiscoverPulse si basa su circa sei milioni di utenti che hanno fornito il proprio consenso negli Stati Uniti e un milione nel Regno Unito, mappati sulla tassonomia utilizzata da Google, che comprende circa 2.000 categorie e oltre nove miliardi di entità. È un campione rappresentativo, non esaustivo, e consiglio sempre agli editori di leggerlo insieme ai propri dati di Search Console.
• Il fatto che la telemetria indichi un sistema di ranking basato su un modello che prevede il click-through rate e che viene eseguito sui server di Google, alimentato da titolo, qualità dell’immagine, freschezza del contenuto e rapporto storico tra click e visualizzazioni.

Cosa rimane invisibile dall’esterno:

• Il peso assegnato a ciascun fattore per ogni singolo utente. Due persone possono vedere feed diversi nello stesso momento e una singola fotografia della situazione può quindi essere fuorviante. Non possiamo nemmeno vedere come Google bilanci un interesse momentaneo, come una singola ricerca di una ricetta, rispetto a un interesse di lungo periodo, come una squadra di calcio seguita per anni.
• I meccanismi interni che determinano il filtro a livello di raccolta. Possiamo vedere il risultato, non ciò che ha attivato il filtro.
• Il modello pCTR vero e proprio (il CTR predetto, NdR) e quanto il comportamento successivo al click, come sessioni brevi e chiusure delle card, pesi negativamente su un dominio.
• Le impression suddivise per tipologia di card. Google fornisce dati su Discover in termini di click e impression, ma non per posizione o tipo di elemento. Senza dati provenienti da un panel non è quindi possibile separare la qualità della storia dall’effetto della posizione nel feed.
• La volatilità dovuta agli esperimenti. La distribuzione dei contenuti è un sistema attivo che utilizza streaming, caching e sincronizzazione in background, quindi alcuni cali possono dipendere da variazioni temporanee e non rappresentare necessariamente un giudizio negativo.

La posizione più corretta è questa: possiamo misurare bene i risultati, possiamo analizzare con chiarezza le diverse fasi della pipeline, ma non possiamo confermare direttamente i pesi utilizzati nel ranking. Il reverse engineering permette di capire come la macchina sembra comportarsi. Non permette di accedere al suo codice sorgente.

La domanda utile, però, non è mai stata “conosciamo l’algoritmo?”. È “sappiamo abbastanza per prendere decisioni editoriali migliori?”. Oggi la risposta è sì.

Google Discover sembra basarsi sempre più sulla previsione degli interessi e dei comportamenti degli utenti. Quanto contano, secondo te, i segnali raccolti dalle interazioni con Search, YouTube, Chrome e gli altri servizi Google nel decidere quali contenuti mostrare a una persona?

Sono la base del sistema, e Google lo afferma nella propria documentazione. La personalizzazione di Discover si basa sull’Attività web e app, che comprende la cronologia delle ricerche, e sulla cronologia di YouTube quando questa funzione è attiva, oltre che sulla posizione, sugli argomenti e sui brand che un utente segue e sui contenuti con cui interagisce o che rifiuta direttamente nel feed.

La ricerca mostra ciò che una persona sta cercando. YouTube rivela interessi che non emergono mai da una query. La posizione modifica quali notizie siano effettivamente rilevanti. Il motivo per cui Discover può mostrare a una persona una notizia su una squadra di calcio di nicchia o su uno specifico produttore di chip è che Google sa già, attraverso Search e YouTube, che quella persona è interessata a quell’argomento.

L’errore degli editori è pensare di poter agire su questi segnali a livello individuale. Non puoi ottimizzare per John o per Roberto. Devi ottimizzare per gruppi di utenti che condividono uno stesso interesse. Per questo la domanda editoriale non dovrebbe essere “quali articoli hanno generato traffico da Discover?”, ma “quali entità e quali argomenti collegano in modo costante il nostro giornalismo a un pubblico?”

Il punto in cui questo aspetto diventa più importante è la fase di corrispondenza con gli interessi. Discover non può associare un contenuto a un interesse che non riesce a identificare. Se il profilo di un utente mostra un forte interesse per una persona, una squadra, un’azienda o una serie televisiva, il tuo articolo potrà essere associato a quell’interesse solo se il titolo e il primo paragrafo identificano chiaramente quelle entità. “La TikToker ottiene un’importante opportunità” è una descrizione generica. “Charli D’Amelio firma un accordo con Netflix” identifica un’entità precisa. Il grafo degli interessi dell’utente è utile per te solo se il grafo delle entità del tuo contenuto è altrettanto chiaro e strutturato.

Da questo derivano due conseguenze:

• Discover dipende dall’autorevolezza costruita nella Ricerca. I nostri dati mostrano che un dominio di cui Google si fida su un determinato argomento nella Ricerca viene associato più facilmente a quell’argomento anche in Discover. È anche per questo che gli editori con una solida base nella Ricerca tendono a mantenere meglio la propria esposizione su Discover durante gli aggiornamenti. Nella nostra esperienza, gli editori con una distribuzione del traffico pari al 98% dalla Ricerca e al 2% da Discover hanno in genere un potenziale di crescita su Discover da due a tre volte superiore, semplicemente perché non hanno mai adattato i propri contenuti a questa superficie.
• Il ciclo di feedback è il punto in cui la personalizzazione diventa particolarmente severa. Le chiusure delle card, le sessioni brevi e i tocchi su “Non mi interessa” modificano il modello dell’utente a sfavore del tuo dominio, un lettore alla volta. Il clickbait può funzionare oggi e costarti caro domani.

Non possiamo vedere quanto pesi ciascuna di queste fonti. Non è però necessario conoscere i singoli pesi per agire sul principio di fondo: identifica chiaramente l’entità, mantieni la promessa già nella prima schermata e inserisci le entità più importanti nel titolo OG (significa il valore del tag og:title, cioè il titolo Open Graph della pagina, NdR). Nei nostri test, questo è il campo che Discover utilizza per primo.

Per un piccolo editore che non ha la forza contrattuale di un grande gruppo, bloccare i crawler AI può sembrare l’unico modo per proteggere i propri contenuti. Ma rischia così di diventare meno visibile nelle risposte generate dall’AI? Come dovrebbe valutare questo compromesso?

Gli editori più piccoli dovrebbero tenere separate due decisioni che continuano a essere confuse: bloccare l’addestramento dell’AI e bloccare la distribuzione attraverso l’AI. Utilizzano controlli diversi e comportano costi molto differenti.

Bloccare Google-Extended nel file robots.txt limita la possibilità che i tuoi contenuti vengano utilizzati per l’addestramento e il grounding di Gemini. Google afferma che questo non influisce sulla presenza nei risultati di ricerca, sul ranking, sulle AI Overviews, su Top Stories o su Discover. La mia raccomandazione per la maggior parte degli editori, grandi o piccoli, è bloccare Google-Extended, a meno che non abbiano un accordo commerciale con Google o una ragione strategica per fornire contenuti a Gemini. Non si perde nulla in termini di visibilità.

Bloccare la distribuzione è un’altra questione. L’esclusione dalle funzioni di AI generativa attraverso Search Console rimuove i tuoi link dalle AI Overviews, da AI Mode e dalle funzioni generative di Discover. Per un piccolo editore, questa non è una forma di protezione, ma di invisibilità, perché i concorrenti più grandi occuperanno volentieri gli spazi per le citazioni che lasci liberi. La stessa logica vale per il blocco dei crawler di ChatGPT, Perplexity e altri servizi: proteggi i tuoi contenuti testuali, ma scompari dalle risposte. E sia chiaro: bloccare questi crawler di terze parti non ha alcun effetto sulle AI Overviews, che utilizzano Googlebot.

Capisco perché gli editori siano contrari. La situazione economica è scomoda: paghi per produrre reportage originali e i sistemi di AI li utilizzano per rispondere agli utenti senza restituire un volume di traffico equivalente. Ma essere invisibili non protegge un’attività. Rende semplicemente la perdita meno evidente. Ho mappato tutti questi controlli, spiegando cosa blocca realmente ciascuno di essi e quale costo comporta, nella nostra guida Top Stories in AI Overviews and the impact of blocking Google’s AI, perché gran parte della confusione nasce dal considerarli come un unico interruttore.

La valutazione dovrebbe quindi partire da tre domande:

1. Quanto della mia visibilità e del mio traffico attuali arriva da queste funzioni? Bisogna misurarlo prima di decidere e farlo su più livelli: capire se le piattaforme AI associano il tuo brand ai tuoi argomenti, se ti citano e se quella citazione porta qualcuno sul tuo sito. Ho illustrato questo modello nella guida AI visibility tracking for news publishers: the 3 layers that matter. Per la maggior parte dei piccoli editori, oggi il traffico derivante dalle citazioni nelle AI Overviews è ancora limitato, ma l’esposizione nelle funzioni generative di Discover potrebbe non esserlo. È però il livello dell’associazione tra brand e argomenti quello in cui si trova il valore di lungo periodo per il brand.
2. I miei contenuti sono davvero il tipo di contenuto che i sistemi AI possono sostituire? Se pubblichi riepiloghi standardizzati, bloccare l’AI non cambia nulla, perché l’intelligenza artificiale può sintetizzare le stesse informazioni utilizzando altri dieci siti. Se pubblichi reportage locali originali, i sistemi AI hanno bisogno di te e la citazione è il momento in cui il tuo brand diventa visibile a un lettore che altrimenti non ti avrebbe mai trovato.
3. Posso proteggere ciò che conta senza bloccare tutto? Utilizzare data-nosnippet sui paragrafi proprietari, mettere un paywall sulle analisi più approfondite e mantenere una distribuzione aperta per il livello riassuntivo è una posizione più difendibile rispetto a un blocco totale.

I piccoli editori devono anche essere onesti sulla realtà che li aspetta, perché sarà più difficile, non più facile. I click dalla Ricerca stanno diminuendo mentre le impression aumentano, AI Mode utilizza da 13 a 39 fonti per risposta invece dei dieci link tradizionali e il consolidamento di cui gli analisti avevano parlato è ormai visibile anche nel mercato delle acquisizioni. Digiday ha riferito lo scorso dicembre che le operazioni di M&A nel settore dei media vengono sospese a causa delle AI Overviews, che molti editori hanno perso un terzo o più del proprio traffico dal lancio dei riepiloghi AI e che ai proprietari incerti sul futuro delle proprie attività viene consigliato di vendere subito, a valutazioni più basse. Siti indipendenti come The Planet D hanno già chiuso e Stereogum ha perso il 70% dei ricavi pubblicitari in un anno.

Bloccare un crawler non cambia nulla di tutto questo. A fare la differenza sono la scala e l’indipendenza: produrre più contenuti e più contenuti originali rispetto a quelli che la redazione produce oggi; essere disponibili a entrare in una realtà più grande o a collaborare con essa quando restare indipendenti significa ridimensionarsi; e costruire ricavi che non dipendano affatto dalla ricerca, attraverso newsletter, eventi, abbonamenti, licenze e rapporti diretti con il pubblico.

Gli obiettivi che ho indicato nel nostro Publisher Survival Playbook rappresentano un punto di partenza: Google al 50% o meno del traffico totale, un contatto diretto con la maggior parte dei lettori abituali e almeno il 40% dei ricavi proveniente da fonti diverse dalla pubblicità. Un piccolo editore che raggiunge questi numeri può permettersi di decidere sul blocco dei crawler in base ai propri principi. Chi non li raggiunge, invece, non può permettersi di prendere questa decisione.

I piccoli editori non vincono nascondendosi. Vincono diventando la fonte che ha qualcosa che gli altri non hanno e facendo in modo che i sistemi AI conoscano il loro nome quando quell’informazione viene utilizzata.

Se un editore può scegliere di non comparire nelle funzioni AI di Google, ma così rischia di perdere anche la visibilità delle proprie Top Stories dentro le AI Overviews, quale scelta dovrebbe fare? È meglio proteggere i contenuti dall’AI o sfruttare quella visibilità per continuare a raggiungere gli utenti?

Prendete la visibilità, con due eccezioni.

Il motivo è ciò che mostrano i dati sul funzionamento di queste posizioni. Nei risultati che monitoriamo, Top Stories all’interno di un’AI Overview non rappresenta una seconda posizione. Google mostra il carosello all’interno dell’AIO oppure come modulo autonomo sotto di essa, non entrambe le cose. Quando il carosello è integrato nell’AIO, titolo, immagine, brand e link si trovano nella parte alta della pagina, all’interno della funzione dominante della ricerca. Quando si sceglie di uscire, la nostra interpretazione della documentazione di Google è che si perda quella posizione incorporata. Google non ha però documentato se, per quella stessa query, ricompaia un carosello autonomo oppure se il carosello incorporato continui semplicemente a essere mostrato con altri editori. Essere idonei a comparire nelle Top Stories autonome non garantisce che Google ne mostri effettivamente una.

Un editore che sceglie di uscire sta quindi scambiando una posizione nota e molto visibile con un’alternativa non documentata. Per quasi tutti è uno scambio sfavorevole.

Le due eccezioni:

• un editore che ha un accordo di licenza o una strategia legale in cui l’esclusione rappresenta uno strumento di negoziazione e non l’obiettivo finale. È una decisione di business e la perdita di visibilità è il prezzo della trattativa.
• un editore la cui esposizione è concentrata in categorie nelle quali Top Stories integrate nell’AIO compaiono molto raramente. Nei nostri dati, salute e scienza sono vicine allo zero. In questi casi l’opt-out comporta un costo inferiore in termini di Top Stories, anche se l’esposizione su Discover rimane comunque interessata.

Per tutti gli altri, il percorso dovrebbe essere questo: misurare con quale frequenza i propri posizionamenti in Top Stories vengono integrati nelle AIOs, suddividendo i dati per sezione; misurare quanta esposizione si ottiene dalle funzioni generative di Discover; se si vuole comunque testare l’esclusione, utilizzare l’ereditarietà tra proprietà principali e secondarie disponibile in Search Console per applicarla a una singola sezione, non all’intero dominio. Poi confrontare i risultati.

Un test controllato su una singola sezione vale più di un’opinione sull’intero sito.

Nel tuo articolo distingui tra Consensus e Information Gain. Se un contenuto deve comunque coprire le informazioni che Google e gli utenti si aspettano di trovare, come si può aggiungere abbastanza Information Gain da renderlo realmente diverso e più utile rispetto ai risultati già presenti in SERP?

Il consenso è il biglietto d’ingresso. L’Information Gain è ciò che ti permette di ottenere il ranking e la citazione. La maggior parte degli editori si ferma al biglietto d’ingresso.

Una guida su Parigi deve parlare della Torre Eiffel, altrimenti sembra incompleta. Questo è consenso e serve a costruire fiducia. Ma se un lettore apre il primo risultato, non è soddisfatto, apre il tuo articolo come secondo risultato e trova gli stessi fatti presentati in un ordine diverso, Google ha imparato che la tua pagina non aggiunge nulla. È questa la perdita, e l’AI la rende ancora più evidente perché comprime i dieci contenuti basati sulle stesse informazioni in un unico paragrafo e ne cita due.

Restiamo sulla guida di Parigi. Ogni risultato della prima pagina dice le stesse cose: vai alla Torre Eiffel, prenota i biglietti online, la vista è migliore al tramonto, evita la coda andando presto. Questo è il consenso e devi comunque fornire queste informazioni. L’Information Gain è ciò che viene dopo.

È il paragrafo di un giornalista che ha trascorso una settimana agli ingressi e racconta quale entrata aveva la fila più corta alle 9, alle 13 e alle 19. È una tabella che mostra quanto è costato realmente lo stesso biglietto, acquistato nello stesso giorno attraverso il sito ufficiale, due rivenditori e il concierge di un hotel. È la dichiarazione di una guida che lavora alla Torre da vent’anni e spiega quale piano i turisti rimpiangono di aver saltato. È il punto di vista di un abitante del posto: la panchina dall’altra parte della Senna dove i parigini vanno a guardare la Torre illuminata, indicando anche il nome della strada. È il dato sulle persone che hanno letto la tua precedente guida su Parigi e poi hanno posto una domanda nei commenti, insieme alla risposta a quella domanda.

Niente di tutto questo richiede un mese di lavoro. Ma sono elementi che gli altri nove articoli non hanno e rappresentano la parte che un riepilogo AI non può generare autonomamente. È quindi la parte che deve citare.

Il test pratico che propongo agli editori è semplice: cosa c’è in questo articolo che un lettore non potrebbe già trovare nei primi tre risultati posizionati? Se la risposta è “nulla”, allora è un contenuto standardizzato.

L’Information Gain non richiede un’inchiesta durata sei mesi. Bastano piccoli elementi di novità quando tutti gli altri hanno un livello di novità pari a zero:

• una citazione di un esperto identificato per nome che nessun altro ha intervistato;
• un dato originale: un numero che possiedi tu e che gli altri non hanno, proveniente dal tuo archivio, dal tuo pubblico o dal tuo mercato;
• un punto di vista che gli altri dieci articoli hanno ignorato, spesso la conseguenza locale o specifica per un determinato settore di una notizia nazionale;
• una domanda che la SERP fa emergere e a cui nessuno risponde. Le People Also Ask sono una mappa delle lacune informative;
• un aggiornamento che gli altri non hanno ancora inserito. La freschezza sullo stesso URL diventa Information Gain quando la situazione è cambiata.

Anche il processo di lavoro conta quanto l’intento. Prima di pubblicare, bisogna confrontare la bozza con ciò che si sta posizionando, non con ciò che l’autore ricorda dell’argomento. È esattamente ciò che abbiamo sviluppato con NewzDash Article Optimizer: analizza i concorrenti che si posizionano meglio per la query principale dell’articolo e indica le entità, gli angoli e le domande dei lettori mancanti, permettendo all’editor di vedere il gap prima della pubblicazione invece di scoprirlo tre giorni dopo nel report sul traffico.

Copri le informazioni di base per costruire fiducia. Poi aggiungi ciò che solo tu puoi aggiungere. L’Information Gain non consiste nel dire la stessa cosa usando parole diverse. Quello è rewriting. Significa aggiungere all’ecosistema informativo qualcosa che prima non c’era. E l’AI ha reso questo elemento ancora più prezioso, non meno, perché oggi produrre un articolo medio è diventato estremamente facile.

Qual è l’errore più comune che oggi gli editori e i professionisti SEO commettono quando cercano di creare contenuti che abbiano un valore realmente distintivo?

Confondere il “di più” con il “diverso”.

La risposta tipica all’idea che “i nostri contenuti devono distinguersi” consiste nel realizzare un articolo più lungo: più sezioni, più sottotitoli, più FAQ, più parole. Questa è completezza, e la completezza è esattamente ciò che un sistema di IA può produrre autonomamente. Per anni la SEO ci ha insegnato a leggere i primi dieci risultati, coprire tutto ciò che coprono e pubblicare qualcosa di più grande. Il risultato è la media della SERP, e oggi un modello può generare quella stessa media della SERP in pochi secondi. Un approfondimento di 2.500 parole che ripete ciò che dicono altri cinque articoli non è distintivo. È il consenso, sviluppato più a lungo.

La domanda che rivolgerei a ogni editor è questa: se questo articolo scomparisse domani da internet, quale informazione scomparirebbe con lui? Se la risposta è “nessuna”, non c’è alcun Information Gain, per quanto lungo possa essere il pezzo.

La seconda versione dello stesso errore consiste nel fingere di essere diversi. Si aggiunge un “parere di un esperto” senza dire chi sia, si scrive “gli studi dimostrano” senza citare alcuno studio, si inserisce un’opinione forte che in realtà nessuno in redazione sostiene. I lettori se ne accorgono e, sempre più spesso, anche i sistemi se ne accorgono, perché dietro quella dichiarazione non c’è un’entità identificabile, una fonte o un dato numerico.

La soluzione richiede disciplina, non un formato particolare. Prima di assegnare un articolo, bisogna stabilire quale sia il suo elemento distintivo. Se il team non riesce a definirlo in una frase (“abbiamo i dati della provincia”, “abbiamo parlato con il chirurgo”, “seguiamo questa azienda da sei anni e sappiamo cosa è cambiato”), allora il pezzo è una riscrittura e va trattato come tale: rapido, breve, pubblicato per intercettare la query e senza aspettarsi che generi traffico per tre giorni.

Gli editori che lavorano bene in questo modo organizzano la redazione su due velocità. La rapidità permette di conquistare le prime due o tre ore su Top Stories e Live. La profondità porta risultati nei tre giorni successivi attraverso la ricerca organica, Discover e le citazioni dell’IA. L’errore è cercare di affidare entrambi i compiti a un unico articolo.

Se guardiamo ai prossimi anni, quali saranno secondo te i segnali che permetteranno a Google di distinguere un contenuto semplicemente completo da uno che offre un vero Information Gain?

Google dispone già della maggior parte di questi segnali. Ciò che cambia è il peso che avranno quando l’AI sarà in grado di generare gratuitamente contenuti completi ed esaustivi.

Ecco quali elementi, secondo me, avranno un peso maggiore:

1. Entità e affermazioni originali. Il lavoro di Google sull’information gain, che risale ai suoi stessi brevetti, riguarda la misurazione di ciò che un documento aggiunge rispetto ai documenti che l’utente ha già visto. Man mano che il Knowledge Graph di Google e i modelli alla base delle AI Overviews diventano più efficaci nell’estrarre informazioni e affermazioni, una pagina che introduce un fatto nuovo, una nuova fonte nominata o un nuovo dato numerico sarà chiaramente diversa da una pagina che ripete informazioni già note. È un segnale che riguarda le singole affermazioni, non il numero di parole.
2. Attribuzione alla fonte originale. Chi ha pubblicato per primo un’informazione, chi è stato citato da altri, chi è stato linkato quando la notizia si è diffusa. Nel settore dell’informazione esiste una vera e propria sequenza temporale: l’editore A riporta un fatto alle 10:02, l’editore B lo riprende alle 10:20, cento siti lo hanno riassunto entro mezzogiorno e il web ha ormai raggiunto un consenso. Ma l’informazione è nata alle 10:02 e Google e i sistemi di AI hanno tutto l’interesse a diventare sempre più bravi nell’individuare quel momento. Il lavoro giornalistico originale lascia una traccia di citazioni. Le riscritture no.
3. Forza dell’entità autore e del brand su uno specifico argomento. Non parlo di una semplice firma, ma di un’entità: una persona riconoscibile che Google può collegare ad anni di articoli e approfondimenti su una determinata categoria. I nostri dati sulla News Topic Authority mostrano che gli autori che dominano una nicchia appartengono a un gruppo ristretto e costante. I modelli che utilizzano fonti per costruire le risposte dell’AI faranno affidamento sullo stesso principio.
4. Soddisfazione dopo il click. Discover dispone già di segnali espliciti in questo senso: i follow, i contenuti nascosti, i click su “non mi interessa”, insieme alle chiusure e alle sessioni molto brevi, contribuiscono chiaramente a determinare ciò che l’utente vedrà in seguito. Un contenuto completo ed esaustivo che nessuno porta a termine dice qualcosa a Google. Lo stesso vale per un articolo più breve che gli utenti leggono fino alla fine e condividono.
5. Comportamento al secondo click. Questa è un’ipotesi, ma mi aspetto che possa diventare un segnale importante: se un utente apre un’AI Overview, poi apre uno dei risultati e smette di cercare, quel risultato probabilmente ha aggiunto qualcosa. Se invece apre tre risultati e torna comunque a effettuare una nuova ricerca, nessuno di quei contenuti ha davvero soddisfatto il suo bisogno.
6. Originalità multimodale. Immagini originali, video originali e visualizzazioni di dati originali che non esistono altrove sul web. Discover attribuisce già grande importanza alla qualità delle immagini e i sistemi di AI possono identificare una foto d’agenzia riutilizzata con la stessa facilità con cui riconoscono un testo già ripubblicato.

Non mi aspetto invece che lunghezza, densità delle keyword o numero di sottotitoli abbiano un peso significativo, perché sono esattamente gli elementi che un modello può produrre a costo praticamente nullo. Per vent’anni abbiamo ottimizzato i contenuti affinché le macchine potessero comprenderli. Ora le macchine comprendono perfettamente anche contenuti mediocri. Il vantaggio sarà dare loro qualcosa che valga davvero la pena comprendere.

Per gli editori, la direzione è chiara. I prossimi due anni premieranno le redazioni capaci di dimostrare di essere state la fonte originale: la citazione, il numero, il documento, la fotografia. È prima di tutto un problema di giornalismo, prima ancora che di SEO, e il compito del team SEO sarà fare in modo che Google e i sistemi di AI possano vedere e riconoscere quella prova.

Search, Discover e AI non sono più discipline separate. Sono tre livelli di distribuzione dello stesso giornalismo. È questo il tema di cui stiamo parlando con gli editori di NewzDash e GDdash e sarà anche il tema del confronto con una community proveniente da più di 50 Paesi al NESS di ottobre 2026.

Oltre Google, oggi gli editori vengono citati, oppure ignorati, da ChatGPT, Perplexity, Claude, Gemini e AI Mode. Come dovrebbe misurare un editore la propria visibilità all’interno di queste piattaforme AI e può davvero influenzarla?

Bisogna partire dalla consapevolezza che strumenti e abitudini della SEO basata sulle keyword non possono essere trasferiti direttamente in questo nuovo contesto. Non esiste un volume di ricerca di prima parte per un prompt. Due persone che pongono la stessa domanda allo stesso assistente AI nello stesso giorno possono ricevere risposte diverse, con fonti diverse. E la maggior parte delle query importanti per un editore di news non sono prompt come “miglior laptop 2026”, che rimangono stabili per mesi. Sono domande su una persona, un prodotto, un’azienda o un evento che magari esiste per una settimana.

La misurazione deve quindi essere costruita in modo diverso. Io la penso su tre livelli, che rappresentano il modello alla base del sistema di monitoraggio dell’AI che abbiamo sviluppato in GDdash:

1. Associazione. Quando qualcuno chiede a una piattaforma AI informazioni sugli argomenti su cui vuoi costruire autorevolezza, il tuo brand compare? Non solo come fonte citata, ma anche come entità che il modello collega a quell’argomento. Un’emittente nazionale che non compare mai quando si chiede a Gemini qualcosa sulle elezioni ha un problema più grande di una semplice citazione mancata.
2. Citazione. Quando la piattaforma fornisce delle fonti, ci sei anche tu? Con quale frequenza, in quale posizione e rispetto a quali concorrenti? È l’elemento più vicino a un ranking ed è il livello su cui si fermano la maggior parte degli strumenti.
3. Traffico. La citazione porta qualcuno sul sito? Per quasi tutti gli editori con cui lavoriamo, i referral provenienti da ChatGPT e Perplexity sono ancora trascurabili rispetto a Search e Discover. Questo cambierà, ma una citazione senza click è esposizione del brand e dovrebbe essere considerata e riportata come tale, non come un risultato in termini di traffico.

La metodologia conta quanto i livelli di misurazione. Non puoi monitorare 50 prompt e considerarlo un sistema completo. I nostri strumenti di AI Visibility Tracking di GDdash costruiscono i set di prompt a partire da quattro fonti: le query presenti nella Search Console dell’editore, perché le query lunghe e formulate come domande sono quelle che gli utenti tendono a incollare in un assistente; le entità di cui l’editore parla più spesso su Discover; i prompt generati dall’AI attraverso varianti relative al brand, ai concorrenti e alle ricerche generiche per ciascun argomento; e i prompt inseriti manualmente dalla redazione perché considerati rilevanti. Poi li eseguiamo ripetutamente, su diverse piattaforme, osservando i trend anziché le singole rilevazioni, perché una sola esecuzione dice praticamente nulla.

Si può influenzare questo risultato?

Sì, e in modo meno misterioso di quanto l’industria lasci intendere. Le piattaforme possono citare soltanto ciò che riescono a recuperare e comprendere, e il loro sistema di retrieval si basa molto su ciò che i motori di ricerca già posizionano, oltre che su contenuti strutturati in modo chiaro, attribuiti chiaramente a una fonte e rapidi da recuperare.

La selezione delle fonti non è identica a quella di Google, ma c’è una significativa sovrapposizione. Un editore che conquista un posto nelle Top Stories con un titolo ricco di entità e un fatto inserito nelle prime 100 parole sta fornendo a questi sistemi esattamente il tipo di materiale che possono citare. Un editore che presenta un fatto distintivo, un esperto identificabile o un numero che nessun altro ha riportato riceverà più citazioni, perché un modello non può sintetizzare qualcosa che solo tu hai raccontato. Non esiste un nuovo fattore di ranking specifico per l’AI da inseguire. Esistono autorevolezza, chiarezza e Information Gain, misurati su una nuova superficie.

Se oggi dovessi consigliare un editore, su cosa gli diresti di concentrarsi nei prossimi dodici mesi tra Search, Google Discover e ricerca tramite AI?

Quattro cose, in quest’ordine, e l’ordine è importante. La maggior parte dei team le sta affrontando al contrario.

Prima di tutto, proteggere Search, perché rappresenta ancora il livello di base. Google Search e Discover portano agli editori di news molto più traffico di tutte le piattaforme AI messe insieme, con un margine molto ampio, e questo sarà ancora vero tra dodici mesi.

I fondamentali che permettono di conquistare le Top Stories nelle prime ore di una notizia, come l’indicizzazione in pochi minuti, titoli costruiti intorno alle entità, un fatto già nella prima schermata, pagine strutturate e template veloci, sono gli stessi fondamentali che favoriscono le citazioni nelle AI Overviews. I team che stanno perdendo terreno oggi, nella maggior parte dei casi, non stanno perdendo contro l’AI. Stanno perdendo contro un concorrente che pubblica più velocemente sulla stessa notizia. Nella SEO per le news si ragiona in minuti e un report quotidiano delle posizioni ti dice ciò che hai già perso.

Secondo, sfruttare Discover fino al suo reale potenziale. Nella nostra analisi di oltre 400 editori, la quota di traffico mobile proveniente da Google Discover è passata dal 37% al 67,5% in due anni, mentre quella proveniente da Web Search è scesa dal 51% al 27%. Gli editori con una distribuzione del traffico composta per il 98% da Search e per il 2% da Discover hanno in genere un margine di crescita da due a tre volte superiore.

La soluzione non consiste nel produrre più contenuti. Consiste nel confezionare specificamente per Discover dal 5% al 10% della produzione quotidiana: entità forti nel titolo OG, immagini larghe almeno 1.200 pixel, un chiaro “perché ora” e una strategia editoriale per categorie basata su chi sta conquistando quella categoria, non soltanto su ciò che ha funzionato la settimana precedente.

E bisogna misurare il risultato a livello di categoria, perché l’aggiornamento di Discover del febbraio 2026 e il reset della categoria entertainment alla fine dello scorso anno hanno dimostrato che un dominio può fare tutto correttamente e continuare comunque a muoversi insieme alla propria categoria.

Terzo, iniziare subito a misurare la visibilità nell’AI, prima ancora che diventi una voce di traffico. Non perché ChatGPT sostituirà Google il prossimo anno, ma perché l’editore che avrà dodici mesi di dati sui trend relativi ad associazioni e citazioni quando arriverà il traffico saprà cosa fare, mentre quello che partirà da zero dovrà andare per tentativi. Il costo della misurazione è contenuto. Il costo del ritardo è costruire una strategia basandosi sullo screenshot di un concorrente.

Quarto, ed è questo l’elemento che determina anche gli altri tre: investire nel lavoro giornalistico invece che nelle riscritture. Tutte le tendenze che ho descritto in questa intervista portano nella stessa direzione. Le AI Overviews comprimono i contenuti basati sul consenso. Discover penalizza il clickbait attraverso il proprio sistema di feedback. Le piattaforme AI citano la fonte che ha riportato per prima il fatto. Una redazione che produce dieci riscritture al giorno sta ottimizzando per un mondo che sta scomparendo. Una redazione che produce due riscritture rapide e tre articoli con una citazione, un numero o un documento che nessun altro possiede sta ottimizzando per il mondo che sta arrivando.

Quello che non metterei tra le priorità è l’ennesimo acronimo. Search, Discover e AI sono tre livelli di distribuzione dello stesso giornalismo. I vincitori dei prossimi dodici mesi saranno gli editori che li tratteranno in questo modo, misureranno ciò che accade realmente su ciascun livello e si adatteranno più velocemente della redazione concorrente.

Quello che conta davvero nell’AI Search (senza trucchi)

Allora, che ti avevo detto? Un’intervista davvero ricca, piena di contenuti utilissimi.

Se lavori nell’editoria o nel digitale in generale, un concetto deve restarti impresso: Search, Discover e AI non sono tre battaglie separate. Sono tre livelli di distribuzione dello stesso contenuto, e se li tratti come compartimenti stagni stai già perdendo terreno.

La mia idea, ascoltando John Shehata, è questa: l’errore più comune oggi è correre dietro all’ennesimo trucco per l’AI mentre si ignorano i fondamentali. Un titolo chiaro con le entità giuste, un fatto vero nelle prime righe, un dato che nessun altro ha.

Questo funziona su Google, su Discover e nelle citazioni AI, perché la macchina cerca sempre la stessa cosa: qualcosa che valga davvero la pena riprendere e citare. Il vero vantaggio competitivo nel 2026 si chiama Information Gain, non testi masticati e rimasticati, tienilo bene a mente!

Un grazie enorme a John per la chiarezza con cui ha condiviso dati, metodi e numeri che normalmente restano confinati in discussioni tra specialisti e addetti ai lavori.

E tu, sei pronto ad ascoltare il prossimo protagonista?

Ti aspetto la prossima settimana, sempre qui su SEO Confidential, con un altro nome autorevole della SEO, della GEO e dell’AI search internazionale.

#avantitutta