Fai una ricerca su AI e nel tuo settore escono sempre gli stessi tre o quattro brand — mai il tuo? Non puoi semplicemente aggiungerti alla lista: le risposte AI hanno slot limitati e per entrare devi spostare qualcuno che c'è già. Non è arbitrario — dipende da chi ha più autorità sulle fonti che il modello considera rilevanti per quelle query. Il punto non è fare di più in assoluto, è fare di più sui canali giusti. Ti spiego come analizzare le fonti di autorità dei brand che compaiono oggi e costruire una presenza che li superi esattamente dove conta.
Chiedi a un motore AI “quali sono i migliori studi di consulenza fiscale a Milano?” e conta i nomi nella risposta. Tre, quattro, cinque. Mai quindici. Mai tutti quelli che esistono davvero. Se il tuo non c’è, non è perché l’AI non ti conosce — è perché quei posti sono già occupati da qualcun altro. E per entrare, devi prendere il posto di uno di loro.
Non è un’opinione su come funziona il mercato AI. È il modo in cui funziona la generazione del testo quando il parametro di temperatura è basso — e nelle applicazioni commerciali è quasi sempre basso. I posti sono limitati dalla meccanica stessa del sistema, non da una scelta editoriale.
Perché i posti sono limitati: la meccanica della temperatura
Ne ho parlato in modo approfondito nell’articolo sulla temperature e il sampling, ma qui serve richiamare il punto centrale. Quando un LLM genera una risposta, non “decide” quali brand consigliare. Calcola una probabilità per ogni possibile token successivo, e poi ne seleziona uno. La temperatura è il parametro che regola quanto questa selezione è conservativa o aperta.
Zhao et al. lo formalizzano nel loro survey del 2024:
“The randomness is usually introduced via the concept of temperature. The temperature T is a parameter that ranges from 0 to 1, which affects the probabilities generated by the softmax function, making the most likely tokens more influential.” — Zhao et al., 2024
“Making the most likely tokens more influential” — questa è la frase che conta. A temperatura bassa, i token con probabilità alta dominano. I token con probabilità media o bassa vengono ignorati. Applicato alle risposte commerciali: i brand che il modello ha visto più spesso, su fonti più autorevoli, in associazione più stretta con quella categoria, vengono generati. Gli altri no.
Ecco perché sono 3-5 nomi, non 15. Il modello non produce una lista esaustiva. Produce i token che superano la soglia di probabilità, e a temperatura bassa quella soglia è alta. Sotto, c’è il silenzio.
La soglia invisibile che ti taglia fuori
I sistemi RAG moderni — quelli che usano Perplexity, Bing Chat, e sempre più spesso anche ChatGPT — aggiungono un ulteriore meccanismo di filtro. Non si limitano a generare dal training data: recuperano documenti dal web e poi decidono quali tenere e quali scartare.
Chang et al. nel loro lavoro sul filtraggio multi-agente descrivono esattamente come funziona:
“Documents to the right of the threshold are retained, while those to the left are filtered out.” — Chang et al., 2024
Una soglia netta. Da una parte chi passa, dall’altra chi viene tagliato. Non esiste una zona grigia gentile dove “quasi” basti. O il documento che parla di te supera il threshold, o non entra nella risposta. Punto.
Da questo segue una deduzione importante — e voglio essere chiaro che è una deduzione, non un risultato sperimentale diretto: per spostare un competitor da uno di quei 3-5 posti, non ti basta “esistere” online. Devi superare la sua probabilità. Devi costruire un segnale più forte del suo su quelle specifiche query, così che il modello — quando calcola la distribuzione di probabilità — assegni al tuo brand un valore più alto.
Su quali segnali si gioca la partita
Se la sfida è superare un competitor in probabilità, la domanda diventa: probabilità basata su cosa? La risposta viene da un dato che ribalta le intuizioni di molti.
Aggarwal et al. nel 2025 hanno analizzato quali tipi di fonti i motori AI privilegiano nelle risposte:
“AI Search exhibit a systematic and overwhelming bias towards Earned media — third-party, authoritative sources.” — Aggarwal et al., 2025
Earned media. Non il tuo sito. Non i tuoi social. Fonti terze, autorevoli, che parlano di te senza che tu le abbia scritte. Articoli su testate di settore, citazioni in directory qualificate, menzioni in report, interviste. Questo è il segnale che pesa di più quando il modello decide chi includere nella risposta.
Il che significa che il competitor displacement non si gioca sul tuo sito web. Si gioca fuori. Si gioca sulle stesse fonti terze dove il tuo competitor ha costruito la sua presenza — e dove tu devi costruire una presenza più forte, più recente, più coerente.
Il displacement non è teoria: è reverse engineering
Qui è dove la strategia diventa concreta. Il competitor displacement funziona al contrario rispetto a quello che la maggior parte delle persone pensa. Non parti da te. Parti da chi è già dentro.
Il primo passo è la mappatura. Prendi le 10 query più importanti per il tuo business e falle su ChatGPT, Gemini e Perplexity. Per ogni risposta, annota chi viene citato. Dopo 10 query avrai una mappa chiara: 3-4 brand che compaiono sempre, e probabilmente il tuo non è tra quelli.
Il secondo passo è capire perché quei brand sono lì. E qui serve guardare le fonti, non le risposte. Su Perplexity è facile: le citazioni sono visibili. Su ChatGPT e Gemini devi ricostruire. Cerca ciascuno dei brand citati e analizza dove compaiono: hanno una pagina Wikipedia? Sono citati su media di settore? Hanno schede dettagliate su directory verticali? Il loro fondatore ha un profilo con authority riconosciuta?
Il terzo passo è trovare le falle. Raramente un competitor è forte su tutti i fronti. Magari ha ottima copertura media ma una brand entity inconsistente tra le piattaforme. Magari è ben posizionato a livello nazionale ma debole sulla geographic authority locale. Magari la sua associazione brand-categoria è generica mentre tu puoi costruirne una iper-specifica.
Le falle del competitor sono le tue leve di ingresso. E non è un esercizio teorico — è il lavoro che faccio con i clienti prima di qualsiasi strategia di visibilità AI. Senza questa mappatura, ogni azione è un colpo nel buio.
Concentrare il fuoco, non disperderlo
Un errore che vedo spesso: cercare di costruire autorità “su tutto” contemporaneamente. Più menzioni possibili, più directory possibili, più contenuti possibili. Ma il displacement non funziona così.
Se il competitor ha 20 menzioni su earned media e tu ne hai 3 sparse su fonti deboli, non lo superi aggiungendo altre 5 menzioni sparse. Lo superi concentrando lo sforzo su un fronte specifico dove puoi costruire un vantaggio netto. Una nicchia più stretta, una geografia più precisa, una specializzazione più definita.
Torna al meccanismo della probabilità: il modello calcola la probabilità condizionata al contesto della query. “Miglior consulente fiscale per startup a Milano” è una query diversa da “miglior consulente fiscale”. Sulla query generica, il competitor consolidato è quasi impossibile da spostare. Sulla query specifica, la partita è aperta — perché la probabilità si ricalcola su un contesto dove la tua specializzazione pesa di più.
Concentrare il segnale su una nicchia precisa, con earned media mirate, è il modo più efficiente per superare la soglia su quelle query specifiche. Una volta dentro, da lì si espande. È lo stesso principio per cui un brand sconosciuto a livello nazionale può dominare le risposte AI nella sua città o nel suo verticale: la probabilità condizionata alla query specifica è un campo di gioco diverso dalla probabilità assoluta.
Il check: sai contro chi stai giocando?
Il displacement parte dalla consapevolezza. Se non sai chi occupa quei 3-5 posti oggi, stai costruendo alla cieca.
Fai il test delle 10 query che ho descritto sopra. Per ogni competitor che compare, crea una scheda con: fonti dove è citato, tipologia di menzioni (earned vs. owned), coerenza del naming, copertura geografica, associazione categoria. Poi fai la stessa scheda per te.
Il confronto ti dirà due cose: quanto è ampio il gap e dove il gap è più stretto. I punti dove il gap è stretto sono quelli dove lo sforzo produce risultati più rapidi. Non è un’analisi che si esaurisce in mezz’ora — serve incrociare dati che normalmente non guardi. Ma ti dà la direzione.
Non stai cercando di essere “migliore in generale”. Stai cercando il punto preciso dove puoi superare una soglia specifica. Quando quel punto lo trovi, tutto lo sforzo va lì — earned media mirate, coerenza del naming, associazione brand-categoria ripetuta su quelle fonti — finché il modello non ti genera al posto di qualcun altro. Il displacement non è un evento singolo. È il risultato cumulativo di segnali che, query dopo query, spostano la probabilità a tuo favore.
