Industry Vertical Classification: la categoria che ti rende visibile (o invisibile) nelle risposte AI

Se la tua homepage dice "offriamo soluzioni industriali su misura", stai dando al modello un segnale ambiguo. Se dice "produciamo macchine confezionatrici flowpack per prodotti da forno e film plastici food-grade", stai dando un segnale concentrato. La differenza non è marketing — è la regione del knowledge graph in cui finisci. Se il modello ti classifica come "servizi professionali", quando arriva la query "produttori italiani di macchine per confezionamento alimentare" non ti cerca nemmeno: quella query si risolve in un'altra regione del grafo. Ho osservato lo stesso pattern su più di trenta aziende del packaging industriale negli ultimi sei mesi. In dieci minuti puoi verificare dove ti classifica ChatGPT oggi e cosa cambiare domani. Ti spiego come.

I brand che ChatGPT classifica nel settore giusto ricevono circa dieci volte più citazioni rilevanti di quelli che restano categorizzati genericamente come “servizi”. Negli ultimi sei mesi ho osservato lo stesso pattern su più di trenta aziende del packaging alimentare industriale: quando il motore AI capisce che fai macchine di confezionamento per alimenti invece di “soluzioni industriali”, le citazioni nelle query di nicchia cambiano di ordine di grandezza. In questo articolo ti spiego come si cambia classificazione, perché conta per la tua visibilità nelle risposte AI, e il test che puoi fare oggi pomeriggio per capire dove ti colloca il modello.

Cosa fa davvero il modello quando “capisce” il tuo settore

Nel mondo della ricerca sul NLP applicato, il meccanismo che i modelli generativi usano per etichettare un’azienda in un settore è una forma di zero-shot text classification: il modello non consulta una tassonomia rigida, legge il testo disponibile (homepage, about, schema, profili terzi, articoli che ti citano) e costruisce una probabilità che tu appartenga a una certa categoria.

Non ho un paper diretto sull’industry vertical classification applicata alle risposte AI commerciali — nessuno lo ha ancora pubblicato con questo taglio. Quello che esiste è il principio generale, documentato abbondantemente nella letteratura sullo zero-shot classification: la categoria assegnata dipende dalla densità e coerenza dei segnali testuali che il modello trova sulla tua entità.

Da questo segue una conseguenza che mi è diventata chiara osservando i clienti nel packaging: se la tua homepage dice “offriamo soluzioni industriali su misura”, stai dando al modello un segnale ambiguo. Se dice “produciamo macchine confezionatrici flowpack per prodotti da forno e film plastici food-grade”, stai dando un segnale concentrato. Nel primo caso competi nel calderone “servizi”, nel secondo nella tua nicchia reale.

Perché sta a monte di tutto quello che fai per l’AI

In questa serie ho già scritto come l’AI legge un testo trasformandolo in vettori, dove concetti simili stanno vicini nello spazio numerico — se hai saltato quel passaggio, trovi il meccanismo spiegato nell’articolo su embedding e spazio vettoriale. La classificazione di settore è la proiezione più grossa che il modello fa di te in quello spazio: decide in quale regione del grafo ti posiziona.

Se finisci nella regione “servizi professionali”, sei vicino ad avvocati, commercialisti e consulenti generici. Il modello, quando riceve la query “produttori italiani di macchine per confezionamento alimentare”, cerca nella regione del packaging industriale, non nei servizi. Se non sei lì, non esisti per quella query. Anche con un E-E-A-T impeccabile (ne ho parlato in E-E-A-T per l’AI), non basta: l’autorevolezza conta dentro la tua categoria, non ti sposta di categoria.

Il test in dieci minuti: dove ti classifica ChatGPT oggi

Puoi capire dove sei classificato senza tool professionali. Apri ChatGPT o Perplexity e prova questa sequenza di prompt sul tuo brand. Prendo come esempio un’azienda di Reggio Emilia nel packaging alimentare, ma adatta al tuo caso:

• “In che settore opera [nome brand]?”
• “Elenca cinque aziende italiane che producono [la tua nicchia specifica, es: macchine flowpack per alimenti]. [Nome brand] è tra queste?”
• “Quali sono i principali produttori italiani di [categoria generica, es: macchinari industriali]? Citi [nome brand]?”

Leggi le risposte con due soglie binarie in testa:

• Soglia 1: alla prima domanda il modello usa la tua categoria specifica (packaging alimentare, macchine confezionatrici) o una generica (servizi industriali, soluzioni B2B)? Se è generica, sei nel calderone.
• Soglia 2: alla seconda domanda, quella sulla tua nicchia reale, compari? Se non compari nella tua nicchia ma compari nella categoria generica del terzo prompt, la diagnosi è chiara — il modello ti conosce ma ti ha classificato male.

È un check entry level, non un’analisi completa. L’analisi vera richiede strumenti professionali di monitoraggio AI search e un audit dei segnali testuali. Ma per capire se hai un problema di categoria, bastano dieci minuti.

Il pattern che ho visto su trenta aziende del packaging

Negli ultimi sei mesi ho osservato oltre trenta aziende italiane nel packaging alimentare industriale — produttori di macchine di confezionamento, film plastici food-grade, linee di riempimento. Non è uno studio controllato, è un’osservazione longitudinale sul mio portafoglio e su analisi fatte per prospect: campione non statistico ma pattern coerente.

Il pattern è questo. Le aziende la cui homepage, meta description e schema Organization contenevano esplicitamente la filiera (“packaging alimentare”, “food-grade”, “industria alimentare”) venivano citate da ChatGPT e Perplexity in query di settore come “produttori italiani di macchine flowpack per il settore food”. Le aziende con testi genericamente industriali (“soluzioni di packaging”, “tecnologie per l’industria”) venivano citate solo in query larghissime (“aziende di packaging in Italia”) dove la competizione è enorme e le risposte AI pescano quasi sempre i primi tre o quattro nomi noti.

La differenza nelle citazioni rilevanti — quelle che arrivano da query commerciali, non da query generiche — era nell’ordine di otto-dodici volte, a favore delle aziende con classificazione esplicita. È il dato da cui nasce l’apertura di questo articolo. Prendilo come pattern indicativo: un decuplicare delle citazioni utili quando cambi da “servizi” a “packaging alimentare industriale”.

Gli errori che vedo più spesso

Ci sono quattro pattern che ritrovo quasi ovunque, anche in aziende da venti-cinquanta milioni di fatturato:

• Homepage scritta per l’investitore, non per il settore. Frasi tipo “partner strategico per l’innovazione industriale” non contengono un singolo segnale di settore. Il modello AI non ha materiale per classificarti.
• Schema Organization generico. Tanti produttori usano `”@type”: “Organization”` senza `industry` o senza descrizione tecnica. Il Rich Results Test di Google ti dice se lo schema è valido, non se è informativo: valuta tu se il campo descrizione spiega davvero cosa fai. Il test lo trovi su search.google.com/test/rich-results.
• About page storytelling senza nomenclatura di settore. “Dal 1978 la famiglia X porta avanti una tradizione di qualità” è emotivo e non ti posiziona da nessuna parte. Serve almeno un paragrafo con la filiera esplicita.
• Profili terzi disallineati. LinkedIn, Google Business Profile, Wikidata: se tre fonti autorevoli ti classificano diversamente (una “manufacturing”, una “industrial services”, una “food packaging”), il modello fatica a consolidare. Vai su business.google.com e su wikidata.org e verifica che la categoria sia la stessa della homepage.

Cosa fare concretamente

L’intervento che funziona è più noioso di quanto sembri: consiste nel rendere il tuo settore una ripetizione coerente su ogni superficie testuale che l’AI legge.

• Riscrivi la prima frase dell’homepage con la filiera esplicita. Non “soluzioni di confezionamento”, ma “macchine confezionatrici flowpack e film plastici food-grade per l’industria alimentare”.
• Aggiorna la meta description con la stessa nomenclatura. Deve contenere il settore specifico, non la promessa di valore.
• Nello schema Organization, popola `description` con una frase che contenga settore + prodotti + mercato di riferimento.
• Allinea LinkedIn, Google Business Profile e Wikidata sulla stessa categoria. Se hai una voce Wikidata, controlla la `instance of` e la `industry`.
• Fai confrontare i tuoi testi con quelli dei tre-cinque competitor che l’AI cita nella tua nicchia quando chiedi “migliori produttori italiani di [tua specialità]”. Se loro nominano la filiera cinque volte per pagina e tu una, sai cosa manca.

Non è un fattore magico: la classificazione di settore non ti fa superare un competitor più autorevole di te. Ma toglie il primo ostacolo — essere invisibile nella query giusta — e ti mette nella partita. Da lì contano E-E-A-T, menzioni di terzi, e tutti gli altri segnali che ti ho spiegato negli articoli precedenti.

Dal settore alla visibilità nelle risposte AI

Il filo di questa serie è sempre lo stesso: uscire nelle risposte AI quando un potenziale cliente fa una domanda commerciale. L’Industry Vertical Classification è il punto in cui il motore decide se sei un candidato per la domanda o no. Se la risposta è no, tutto il resto non viene nemmeno valutato.

Nei prossimi articoli della serie vedremo come consolidare la classificazione con segnali più fini: le relazioni tra entità (fornitori, clienti, associazioni di categoria), la disambiguazione quando il tuo brand name è ambiguo, e il ruolo dei co-occurrence pattern nei testi dei terzi che ti citano. Se parti dalla categoria sbagliata, tutti quegli interventi costruiscono sopra fondamenta instabili. Se parti da quella giusta, ogni segnale successivo si somma.

Quanto è visibile il tuo brand per le AI?

Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.