La tecnica nasce da un algoritmo del 2018 e si misura su un benchmark creato nel 2024
Il mercato della SEO vale, secondo a16z, oltre 80 miliardi di dollari. Nei giorni scorsi è comparso su arXiv un paper sull’ottimizzazione per i motori generativi firmato da Vaibhav Sourirajan, Yao Zhang, Himanshu Kumar, Sahil Wadhwa, Mann Patel e Amirfarrokh Iranitalab. Non propone un’ennesima lista di parole chiave: usa l’ottimizzazione bayesiana per decidere come riscrivere i contenuti e battere i benchmark sui motori generativi. E i test disponibili mostrano già il rovescio della medaglia.
Per capire di cosa parliamo: la GEO — Generative Engine Optimization, ottimizzazione per i motori generativi — è l’insieme di tecniche per far comparire i propri contenuti nelle risposte che un motore di ricerca genera per l’utente. Non si tratta più soltanto di posizionarsi in una pagina di risultati: si tratta di essere citati, o riscritti, dentro la risposta che l’utente legge.
Il nuovo banco di prova non è una keyword: è un algoritmo
Il paper sottomesso lo scorso 27 agosto formalizza il problema in modo diverso dal solito. La GEO viene descritta come un problema di selezione di strategie che tiene conto della concorrenza. La pipeline è in due fasi. Nella prima, l’ottimizzazione bayesiana di strutture combinatorie — nota con la sigla BOCS — esplora in modo efficiente lo spazio delle strategie di riscrittura. Nella seconda, il sistema genera coppie di preferenze e tracce di ragionamento fondate sulle osservazioni della scatola nera di BOCS e le usa per addestrare un modello linguistico che analizza un corpus di documenti e propone combinazioni ottimali di strategie di riscrittura.
Il risultato dichiarato: prestazioni all’avanguardia su diverse metriche di impression rispetto ai metodi esistenti, sia agentici sia a euristica singola, su geo-bench e su geo-bench_comp, un dataset competitivo sintetico creato dagli autori. Il metodo, scrivono i ricercatori, si trasferisce anche a più dataset fuori distribuzione, dimostrandosi efficace in domini, query e tipi di documento differenti.
Dal 2018 al 2026: la genealogia della visibilità generativa
Per capire perché questo paper non è l’ennesimo framework agentico bisogna risalire a due momenti separati da sei anni. Da una parte, nel 2024, il lavoro fondativo di Aggarwal e colleghi di Princeton alla conferenza KDD ha coniato il termine “Generative Engine Optimization” e ha creato il benchmark GEO-bench. Dall’altra, i ricercatori Baptista e Poloczek avevano introdotto nel 2018, alla conferenza ICML, l’algoritmo BOCS per l’ottimizzazione black-box su spazi di ricerca combinatori: uno strumento pensato per raggiungere buoni risultati con pochi esperimenti. È proprio questo algoritmo del 2018 a muovere oggi la prima fase del nuovo paper GEO, con il compito di selezionare le combinazioni di riscrittura dei contenuti.
La doppia faccia dell’ottimizzazione: scalare o degradare?
E qui arriva il nodo. In simulazioni ripetute, gli attacchi di ottimizzazione generativa dei motori di ricerca si adattano alle difese convenzionali producendo riscritture che inseguono le citazioni, che degradano la qualità dei documenti e introducono affermazioni non supportate. È l’altra faccia dello stesso meccanismo: se il motore generativo premia certi pattern, il contenuto viene plasmato su quei pattern, anche a costo della veridicità.
L’arena è già affollata. C’è MAGEO, un framework multi-agente in cui pianificazione, editing e valutazione fedele all’originale coordinati fanno da strato di esecuzione, mentre i pattern di editing validati vengono progressivamente distillati in competenze riutilizzabili specifiche per ciascun motore. E c’è AutoGEO, presentato nell’ottobre 2025 da Wu e colleghi della Carnegie Mellon University: un framework che apprende automaticamente le preferenze dei motori generativi quando usano contenuti recuperati per generare risposte e riscrive i contenuti web per ottenere più traffico. Anche AutoGEO è stato valutato sullo stesso GEO-Bench.
Il mercato da oltre 80 miliardi di dollari citato da a16z non è un dettaglio: è la posta in gioco. Se la visibilità generativa diventa un problema di ottimizzazione combinatoria, ogni riscrittura può essere calibrata per un algoritmo. La domanda non è se i contenuti verranno ottimizzati per i motori generativi, ma chi controllerà la qualità quando l’ottimizzazione sarà la regola.
Chi pubblica online non può ignorare che la visibilità nei motori generativi sta diventando un campo di battaglia algoritmico. Il vantaggio competitivo si gioca sull’ottimizzazione combinatoria, ma la qualità del contenuto rischia di diventare la variabile sacrificabile. Prepararsi significa misurare non solo il traffico, ma anche l’integrità delle risposte generate.
