Il blog ha 300 articoli e l'AI ne cita 4. Non è qualità: gli altri 296 non rispondono a query reali. Gap analysis è il nuovo editorial calendar. Ti spiego il forecasting a 6 mesi.
Il tuo blog ha 300 articoli, ma l’AI cita sempre gli stessi 4. Non è un problema di qualità: è che i 296 restanti non rispondono a query reali. Gap analysis AI è il nuovo editorial calendar, e senza un forecast trimestrale finisci a promettere a chi mette i soldi cose a caso, sperando che il prossimo update di ChatGPT ti premi.
Ti spiego come costruire una previsione di visibilità AI che regga davanti al titolare o al socio che tiene il portafoglio, partendo da un caso reale che ho seguito su un gruppo di hotel sciistici in Abruzzo.
Cosa intendo per forecast di visibilità AI
Forecast significa una cosa sola: dato il tuo trend attuale di citazioni AI, le azioni che hai pianificato per i prossimi 90 giorni, e i cicli noti di aggiornamento dei modelli, dove ti aspetti di essere tra un trimestre.
Non è una previsione meteorologica con il decimale. È una forchetta — ottimistico, realistico, pessimistico — che serve a due cose: pianificare il budget e gestire le aspettative di chi tiene i cordoni della borsa. Se prometti al titolare “saremo nelle prime tre fonti di ChatGPT entro giugno” senza un modello dietro, stai vendendo magia.
Negli articoli precedenti sulla misurazione ti ho spiegato come contare le citazioni, tracciare lo share of voice nei motori AI, separare il segnale dal rumore. Il forecast è il passo successivo: prendi quei numeri e li proietti in avanti.
Perché non esiste un paper che ti dà la formula
Sono onesto: non c’è uno studio peer-reviewed che ti dica “moltiplica le citazioni di marzo per 1,3 e ottieni quelle di giugno”. Il forecast di visibilità AI è un claim di tipo deduttivo, non un fatto documentato.
Nel mondo della ricerca sui modelli linguistici è ben documentato che i sistemi come ChatGPT e Perplexity vengono ri-allenati o ri-indicizzati a cadenze note (ogni 3-6 mesi per i training cut-off, in continuo per i sistemi con retrieval live). Da questo segue che la tua visibilità si muove a scatti su ChatGPT/Claude (legati ai cicli di training) e in modo più fluido su Perplexity/Gemini (che leggono il web in tempo reale).
La conseguenza operativa è che il tuo forecast deve trattare i due gruppi di motori AI in modo diverso. Sui modelli con cut-off pianifichi le pubblicazioni perché entrino nel prossimo training; sui motori con retrieval live ottimizzi per essere recuperabile oggi.
Il caso degli hotel sciistici in Abruzzo
Lavoro da circa otto mesi con un piccolo gruppo di hotel a Pescasseroli, sul versante aquilano della Majella. Tre strutture, due aperte solo in inverno, una con stagione lunga. Il problema iniziale: l’AI quando le chiedevi “dove dormire per sciare in Abruzzo” citava sempre le stesse due strutture di Roccaraso, mai loro.
A novembre abbiamo fatto la prima gap analysis seria. Ho preso 60 query realistiche su ChatGPT, Perplexity, Gemini e Claude — query del tipo “hotel con noleggio sci a Pescasseroli”, “dove dormire vicino agli impianti di Pescasseroli per famiglie”, “albergo Parco Nazionale d’Abruzzo aperto a Pasqua”. Su 60 query, le tre strutture comparivano in 4. Quattro su 60.
Il forecast a 90 giorni l’ho costruito così, davanti alla proprietà:
- Trend baseline: 4/60 query a novembre, ovvero il 6,7% di share of voice sul campione.
- Azioni pianificate: 18 articoli che colmavano i gap evidenti (impianti, eventi, food locale legato alle strutture, accessibilità Parco), schede Google Business Profile sistemate, voce Wikidata aggiornata per la struttura principale.
- Date note dei cicli: prevedevo che ChatGPT chiudesse un nuovo training cut-off intorno a febbraio (basandomi sulla cadenza osservata negli 18 mesi precedenti), mentre Perplexity e Gemini avrebbero risposto in 2-4 settimane dalla pubblicazione.
I tre scenari erano:
- Pessimistico: 8/60 a febbraio (raddoppiato il baseline, solo Perplexity/Gemini reagiscono).
- Realistico: 14/60 a febbraio, 22/60 ad aprile dopo il presunto refresh di ChatGPT.
- Ottimistico: 18/60 a febbraio, 28/60 ad aprile.
Il dato a fine febbraio è stato 12/60. A inizio aprile, 19/60. Forchetta centrata tra realistico e pessimistico, e la proprietà non si è sentita tradita perché il numero stava dentro la previsione dichiarata.
Ti dico anche i limiti di questo test: campione di tre hotel, un solo settore, un solo territorio. Non è uno studio. È un caso operativo che mostra che un forecast costruito con disciplina batte qualsiasi promessa “a sentimento”.
Come costruisci il tuo forecast in pratica
Ti serve poco, ma ti serve disciplina. Ecco i quattro ingredienti.
Baseline misurato. Scegli un campione fisso di query (40-60 query realistiche del tuo settore, scritte come le scriverebbe un cliente, non come le scriveresti tu) e contale ogni mese sui quattro motori AI principali. Senza baseline costante non hai forecast, hai opinioni.
Inventario azioni pianificate. Articoli in uscita, nuove pagine prodotto, schede Google Business Profile aggiornate, voce Wikidata sistemata, link earning previsto. Ogni azione ha una data e un peso atteso (alto/medio/basso).
Calendario cicli noti. Annota le finestre presunte dei cut-off dei modelli principali — non hai date ufficiali, ma puoi osservare la cadenza storica dell’ultimo anno e mezzo. Sui motori con retrieval live (Perplexity, Gemini con grounding) consideri 2-4 settimane di latenza dalla pubblicazione alla citabilità.
Tre scenari, non un numero secco. Pessimistico (solo retrieval live reagisce), realistico (retrieval + parte del nuovo training), ottimistico (entrambi reagiscono al massimo). Presenta sempre la forchetta a chi decide sul budget, mai il numero singolo.
Gli errori che vedo più spesso
Forecast lineare. Prendere il +20% mensile osservato negli ultimi tre mesi e proiettarlo a 12 mesi. Non funziona così: le citazioni AI hanno scatti legati ai training, non una crescita lineare. Vai a sbattere al primo trimestre senza scatto.
Confondere traffico e citazioni. Il forecast di traffico organico non è il forecast di visibilità AI. ChatGPT e Claude spesso non generano clic — generano menzioni del brand. Tracci due cose diverse, le previsioni vivono su due binari.
Promettere il singolo numero. “A giugno saremo nei top 3 risultati di Perplexity per la query X.” Una promessa così specifica brucia la tua credibilità: l’AI non funziona per posizioni stabili come Google. Promettere forchette di share of voice è onesto e difendibile.
Ignorare i competitor. Il tuo forecast è incompleto se non guardi cosa stanno facendo i 3-5 brand che l’AI cita oggi nel tuo settore. Se stanno pubblicando il triplo dei tuoi contenuti, lo scenario “ottimistico” diventa irrealistico.
Audit operativo prima di promettere qualcosa al titolare
Due step, mezza giornata di lavoro.
Primo: prendi 40 query realistiche del tuo settore (scritte da un cliente, non da te) e misurale oggi sui quattro motori. Quante citano il tuo brand? Sotto il 10% sei in fase di costruzione, tra 10% e 30% sei in fase di consolidamento, sopra il 30% sei in fase di mantenimento. La fase determina il tipo di forecast realistico.
Secondo: confronta la tua produzione editoriale degli ultimi 90 giorni con quella dei 3-5 competitor che l’AI cita per le tue query chiave. Se loro pubblicano 3x i tuoi contenuti su query rilevanti, il tuo “ottimistico” non può prevedere un sorpasso a 6 mesi. Aggiusta le aspettative di chi firma il budget ora, non dopo.
Sono check entry level: l’analisi seria richiede strumenti professionali di tracking e dataset di query molto più ampi, ma per uscire dalla “promessa al buio” bastano e avanzano.
Dove ti porta il forecast nel filo della visibilità AI
Il forecast non è un esercizio da analista: è il documento che trasforma la tua misurazione di visibilità AI in una conversazione strategica con chi tiene il portafoglio. Se in questa serie hai imparato a misurare share of voice, citation count, brand mention rate, il forecast è il pezzo che li mette in sequenza temporale e li lega al budget.
Negli articoli precedenti ti ho parlato del peso dei backlink come citation proxy e dell’implicit reference weight: entrambi entrano nel forecast come variabili di peso delle azioni pianificate. Avere la voce su Google Knowledge Graph sistemata, ad esempio, ha un peso atteso “alto” nello scenario realistico.
Nei prossimi articoli della serie ti porto sul tracciamento longitudinale delle citazioni e sull’attribuzione di ricavo alle menzioni AI: due pezzi che chiudono il cerchio tra forecast, misurazione e ROI difendibile davanti a chi finanzia il progetto.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
