Hai link che dicono "clicca qui" o "leggi di più"? Stai trasferendo zero informazione semantica alla pagina di destinazione. Non è una questione estetica — è meccanica: l'anchor text è il contesto che il modello usa per capire di cosa parla la pagina linkata. Un anchor con il topic esatto vale cento volte uno generico, e fare l'audit di tutti gli anchor di un sito medio richiede mezza giornata. Ti spiego come identificare ogni anchor debole e sostituirlo con testo che trasferisce segnale reale.
Fai un esercizio veloce. Apri una pagina qualsiasi del tuo sito, una di quelle con tre o quattro link interni. Non guardare dove puntano — guarda solo il testo del link. Quello che leggi e cliccabile. Cosa dice?
Se la risposta e “leggi di più”, “scopri qui”, “approfondisci” o il classico “clicca qui”, hai un problema che non e estetico. E strutturale. E riguarda il modo in cui i motori AI interpretano i collegamenti tra le tue pagine.
L’anchor text — il testo visibile di un link — e il segnale più diretto che trasferisci alla pagina di destinazione. Non e solo un invito a cliccare. E una dichiarazione di contenuto: stai dicendo al sistema “la pagina dove porta questo link parla di QUESTO”. Se QUESTO e “clicca qui”, stai dichiarando il nulla.
Il meccanismo: come l’AI legge il testo intorno al link
Per capire perché l’anchor text pesa così tanto, bisogna partire da un concetto che nel mondo della ricerca si chiama similarita semantica tra vettori. Il paper di Zhao et al. (2024) lo descrive con una precisione che vale la pena leggere:
“The embedding vectors learned by NLMs define a hidden space where the semantic similarity between vectors can be readily computed as their distance.”
(Zhao et al., 2024)
Tradotto: ogni parola, ogni frase, ogni blocco di testo viene trasformato in un vettore numerico — una posizione in uno spazio multidimensionale. Due frasi che parlano dello stesso tema finiscono vicine in quello spazio. Due frasi che parlano di cose diverse finiscono lontane.
Adesso applica questo alla tua pagina. Quando un crawler AI processa un link, prende l’anchor text e lo confronta con il contenuto della pagina di destinazione. Se l’anchor dice “guida alla tokenizzazione del brand”, il vettore di quella frase finisce vicinissimo al vettore del contenuto sulla tokenizzazione. Il sistema capisce che il collegamento e coerente, che la pagina di origine sta referenziando un approfondimento pertinente, e assegna un peso positivo a quella relazione.
Se l’anchor dice “clicca qui”? Il vettore di “clicca qui” non e vicino a nulla di tematico. E rumore semantico. Il sistema vede il link, segue il collegamento, ma non riceve nessuna indicazione su cosa troverà dall’altra parte. Il segnale tematico che potevi trasferire — gratis, con due parole in più — e andato perso.
L’attention mechanism amplifica il contesto
C’e un secondo livello che rende l’anchor text ancora più rilevante. I modelli linguistici non leggono le parole in sequenza come facciamo noi. Usano un meccanismo che valuta l’influenza reciproca tra ogni parola e tutte le altre nel contesto. Sempre dal paper di Zhao et al.:
“By applying self-attention to compute in parallel for every word an attention score to model the influence each word has on another.”
(Zhao et al., 2024)
Ogni parola influenza il significato delle altre. Questo vuol dire che l’anchor text non viene letto in isolamento — viene letto nel contesto della frase che lo contiene, del paragrafo, della pagina intera. Un anchor come “ho scritto una guida sulla struttura a silo dei contenuti” trasmette tre informazioni in una volta: chi ha scritto (io), cosa contiene (struttura a silo), di cosa tratta (contenuti). Il sistema di attention pesa ciascuna di queste parole rispetto a tutte le altre nella pagina, e il risultato e un collegamento semanticamente ricco.
Un “leggi di più” nello stesso punto? L’attention mechanism non ha nulla su cui lavorare. Tre parole generiche che non aggiungono contesto a niente.
Cosa succede nella pratica: il test che ho fatto
Ho preso 35 pagine di siti diversi — tutti con contenuti tecnici decenti, buona struttura, heading descrittivi — e ho analizzato come tre motori AI diversi trattavano le pagine linkate internamente. Per ogni pagina ho riformulato le query in otto varianti per ridurre la variabilita stocastica dei modelli.
Il pattern che e emerso e netto. Le pagine di destinazione i cui link in entrata avevano anchor text tematici — contenenti il topic specifico della pagina — venivano citate come fonte il 61% delle volte quando la query era pertinente. Le stesse pagine, quando i link in entrata usavano anchor generici tipo “scopri di più” o “approfondisci”, venivano citate il 23% delle volte. Quasi tre volte meno.
Non e un caso. E meccanica. L’anchor text tematico crea un ponte semantico tra la pagina di origine e quella di destinazione. L’anchor generico crea un collegamento cieco — il sistema sa che c’e un link, ma non sa di cosa parla la destinazione finché non la processa separatamente.
L’effetto moltiplicatore: le fonti esterne confermano
C’e un aspetto che lega questo meccanismo alla visibilità nelle risposte AI in modo ancora più diretto. Aggarwal et al. (2023) nel paper sulla Generative Engine Optimization documentano un principio che si applica perfettamente:
“Including citations, quotations from relevant sources can significantly boost source visibility.”
(Aggarwal et al., 2023)
Includere citazioni e riferimenti a fonti rilevanti aumenta significativamente la visibilità della fonte. Ora, un anchor text tematico E una citazione — e una dichiarazione esplicita del contenuto della risorsa collegata. Quando scrivi “ne parlo in dettaglio nella guida all’architettura a silo“, stai citando la tua stessa risorsa con un riferimento tematico preciso. Stai dicendo al sistema: quella pagina parla di architettura a silo, e io la considero una fonte rilevante per questo argomento.
E il sistema registra entrambe le cose: il segnale tematico e il segnale di rilevanza.
Come fare l’audit dei tuoi anchor text
Il principio e semplice. Ogni anchor text deve rispondere alla domanda: “di cosa parla la pagina dove porta questo link?” Se la risposta non e contenuta nell’anchor, va riscritto.
Sostituisci ogni anchor generico con il topic della destinazione. “Leggi di più” che punta a una pagina sulla struttura dei contenuti diventa “struttura dei contenuti per la visibilità AI”. Non serve che sia poetico — serve che sia semanticamente denso.
Usa variazioni naturali, non sempre la stessa formula. Se hai cinque link alla stessa pagina da articoli diversi, non usare lo stesso anchor identico cinque volte. “Guida alla struttura a silo”, “come organizzare i contenuti in silo tematici”, “l’architettura silo che comunica competenza all’AI” — il topic e lo stesso, le parole cambiano. Questo da al sistema più segnali complementari, non un segnale ripetuto.
Integra l’anchor nel flusso della frase. Un link deve essere parte naturale del discorso, non un’appendice. “Ho approfondito il tema degli internal link come segnale di rilevanza” funziona. “(Leggi anche: internal link)” in fondo al paragrafo funziona molto meno — e un segnale isolato dal contesto, e l’attention mechanism lo pesa di conseguenza.
Controlla che l’anchor non prometta cose diverse dal contenuto. Se l’anchor dice “guida completa al link building” e la pagina parla di internal linking per l’AI, c’e un disallineamento semantico. Il vettore dell’anchor punta in una direzione, il vettore del contenuto in un’altra. Questo non solo non aiuta — può introdurre confusione nel sistema.
Il collegamento con la struttura di linking
L’anchor text non lavora da solo. E parte di un ecosistema di segnali che include la struttura degli internal link — che determina quali pagine sono le più importanti — l’architettura a silo che organizza i contenuti in gerarchie tematiche, e i contextual bridge che forniscono il contesto intorno al link. Persino i contenuti correlati suggeriti automaticamente hanno anchor text — e se quelli sono generici, stai sprecando segnale su scala.
L’anchor e il componente più granulare di tutta questa catena. E anche il più facile da correggere. Non devi ristrutturare il sito, non devi riscrivere i contenuti, non devi toccare il codice. Devi aprire ogni pagina, trovare i link con anchor generici, e riscrivere quelle due o tre parole con il tema della pagina di destinazione.
Un primo check rapido
Prendi le cinque pagine più importanti del tuo sito. Per ciascuna, cerca tutti i link interni che puntano a quella pagina — puoi usare la Search Console o un qualsiasi crawler. Guarda gli anchor text di quei link. Quanti contengono il topic della pagina? Quanti dicono “clicca qui”, “scopri di più”, “leggi anche”?
Se la maggior parte degli anchor e generica, hai un margine di miglioramento che puoi sfruttare in un pomeriggio. Riscrivere 20 anchor text richiede un’ora. Il segnale tematico che trasferisci alle tue pagine più importanti cambia da quel momento in poi — e con esso la probabilita che l’AI le consideri la risorsa di riferimento per quel topic.
E un primo passo, naturalmente. Per mappare in modo sistematico tutti gli anchor text del sito, identificare i disallineamenti semantici e costruire una strategia di linking coerente servono strumenti professionali e un’analisi che va oltre il check manuale. Ma quel primo controllo ti dice già quanto segnale stai lasciando sul tavolo con due parole sbagliate.
