Perplexity elabora 10 milioni di query al giorno. Google AI Overviews compare nel 40% delle ricerche. La modalità browsing di ChatGPT sta già inviando traffico reale ai siti che cita.
Se i tuoi contenuti non sono ottimizzati per l'estrazione da parte dell'AI, stai perdendo visibilità che probabilmente non riesci ancora nemmeno a misurare — perché la maggior parte degli strumenti di analytics non la traccia affatto.
Negli ultimi sei mesi ho portato avanti esperimenti su questo tema in SEOJuice. Quello che segue è ciò che fa davvero la differenza: contenuti strutturati, risposte dirette e segnali di citazione costruiti bene. Non teoria — dati raccolti su siti reali. E sarò chiaro anche su ciò che non ha funzionato, perché conta tanto quanto il resto.
Ecco come abbiamo impostato l'esperimento: abbiamo preso 30 articoli di blog su 5 siti clienti, ne abbiamo ottimizzati 15 per l'estrazione AI usando le tecniche di questa guida e lasciato gli altri 15 come gruppo di controllo. Dopo sei mesi, abbiamo tracciato le citazioni AI usando il pannello fonti di Perplexity, i link alle fonti in Google AI Overviews e ricerche manuali con la modalità browsing di ChatGPT.
I risultati sono stati irregolari — ed è proprio questo che li ha resi utili. Ci hanno insegnato più loro di un risultato chiaramente positivo e senza intoppi:
Su quest'ultimo punto vale la pena soffermarsi. Non puoi manipolare le citazioni AI come una volta si cercava di manipolare i featured snippet. I modelli leggono davvero il tuo contenuto, non si limitano a scansionarne la struttura.
La ricerca AI-first è quando i motori di ricerca usano l'intelligenza artificiale per dare agli utenti risposte dirette e sintetizzate, invece di rimandarli semplicemente a una lista di link. Google AI Overviews (ex SGE) e Perplexity guidano questo cambiamento riassumendo informazioni prese da più fonti.
Il cambiamento pratico è questo: la SEO tradizionale puntava a farti entrare nella lista. La ricerca AI-first punta a farti entrare nella risposta. I tuoi contenuti non devono solo posizionarsi — devono essere estraibili, citabili e verificabili.
Cosa significa, in concreto:
Il contesto conta più delle keyword: ripetere "best yoga mats" all'infinito nel contenuto non ti farà ottenere citazioni. I modelli AI capiscono le relazioni semantiche. Ti servono spiegazioni chiare e specifiche — per esempio, invece di limitarti a ripetere "best yoga mat", funziona molto meglio una formulazione come "migliore per hot yoga perché la struttura open-cell assorbe il sudore". Se lavori su keyword in inglese, va bene mostrarle così come sono, ma il punto resta lo stesso: vince la precisione, non la ripetizione.
La struttura chiara viene estratta più facilmente: i modelli AI interpretano meglio contenuti ben organizzati. Elenchi puntati, sezioni FAQ e paragrafi brevi funzionano meglio perché si prestano di più all'estrazione nelle risposte. Lo abbiamo visto direttamente nei nostri test — gli articoli con heading H2 formulati come domande e una risposta concisa nel primo paragrafo venivano citati 2.5x più spesso di quelli con introduzioni lunghe e dispersive.
Le citazioni sono i nuovi backlink: quando Perplexity cita la tua pagina, ti manda un referral diretto con link. Quando Google AI Overviews fa riferimento al tuo contenuto, ottieni visibilità proprio in cima alla SERP. Questi sono i nuovi posizionamenti ad alto valore, e per conquistarli serve un'ottimizzazione diversa da quella del ranking tradizionale.
Google AI Overviews estrae risposte da ciò che Google considera contenuto autorevole e ben strutturato. In base ai nostri esperimenti, ecco cosa influenza davvero la selezione del tuo contenuto:
Fattori di ranking per Google AI Overviews (da quello che abbiamo osservato):
| Fattore | Tecniche pratiche di ottimizzazione |
|---|---|
| Rilevanza contestuale | Rispondi a domande specifiche degli utenti nelle prime 2-3 frasi sotto ogni H2. Non nascondere la risposta sotto tre paragrafi di contesto. |
| Dati strutturati | Usa schema FAQ e HowTo. Nei nostri test, le pagine con schema avevano 3x più probabilità di apparire negli AI Overviews. È stato il fattore con l'impatto più alto in assoluto. |
| Query conversazionali | Aggiungi sezioni Q&A dedicate. Usa la formulazione esatta di "People Also Ask" come heading H2/H3. |
| Segnali E-E-A-T | Firma autore con credenziali chiare, link in uscita verso fonti primarie e una dimostrazione evidente di esperienza diretta. I quality raters di Google valutano questi aspetti, e il segnale sembra riflettersi anche nella selezione delle fonti per AI Overviews. |
Una cosa che ci aspettavamo contasse ma non ha contato (almeno non in modo misurabile): la velocità della pagina. Le nostre pagine con caricamento più rapido non sono state citate più spesso di quelle con tempi medi. Mi ha sorpreso — potrebbe voler dire che la selezione delle fonti per Google AI Overviews passa da una pipeline diversa rispetto ai segnali di ranking tradizionali, oppure che il nostro campione era troppo piccolo per rilevarne l'effetto. Non me la sento di dire che la velocità non conti, ma nei nostri dati non è emersa.
Se Google AI Overviews sta già cambiando le regole del gioco, Perplexity va ancora oltre offrendo risposte dirette e citate prese da fonti che considera credibili. Perplexity è più aggressivo nel privilegiare risposte concise, lineari e precise.
Da quello che abbiamo osservato, la selezione delle fonti in Perplexity favorisce tre elementi che differiscono da Google:
| Aspetto chiave | Come ottimizzare in modo efficace |
|---|---|
| Chiarezza & concisione | Affermazioni brevi e precise invece di lunghi blocchi di contesto. Perplexity sembra estrarre a livello di frase, non di paragrafo. |
| Densità di citazioni in uscita | Le pagine che citavano 5+ fonti esterne autorevoli venivano citate di più da Perplexity. Sembra usare il tuo comportamento di citazione come segnale di credibilità — se citi buone fonti, diventi tu stesso una buona fonte. |
| Specificità prima della genericità | Numeri esatti, confronti specifici ed esempi nominati funzionano meglio dei consigli vaghi. "LCP sotto 2.5s migliora i CWV" viene citato; "la velocità conta per la SEO" no. |
La scoperta più controintuitiva: i contenuti più lunghi hanno performato meglio su Perplexity rispetto a quelli brevi, a patto che fossero ben strutturati. La mia ipotesi è che le pagine più lunghe offrano a Perplexity più punti di estrazione possibili. Una guida da 3,000 parole con 15 sezioni ben etichettate dà al modello 15 occasioni per trovare una risposta rilevante. Un articolo da 500 parole gliene dà una o due.
Un'altra differenza importante rispetto a Google: Perplexity sembra premiare di più le pagine che prendono posizione in modo netto, purché lo facciano con prove a supporto. I contenuti troppo prudenti, pieni di giri di parole e frasi vaghe, venivano citati meno spesso. Questo non significa scrivere in modo assolutista (sarebbe una pessima idea), ma essere chiari. Se hai dati, dillo. Se hai testato qualcosa, dillo. Se stai solo ipotizzando, dillo anche lì. Questa chiarezza sembra aiutare il modello a capire quanto può fidarsi di una frase specifica.
Anche i SEO più esperti qui inciampano. Questi sono gli errori che abbiamo fatto noi nei nostri esperimenti prima di correggere la rotta:
| Errore comune | Cosa abbiamo imparato |
|---|---|
| Formato senza sostanza | Abbiamo ristrutturato tre articoli in un formato FAQ perfetto senza migliorare davvero le risposte. Nessuno è stato citato. I modelli valutano la qualità del contenuto, non solo la struttura. |
| Keyword stuffing | Integra le keyword in modo naturale dentro contenuti ricchi di contesto. I modelli AI leggono la semantica, quindi la ripetizione exact-match non aggiunge nulla e può peggiorare la leggibilità. |
| Ignorare i dati strutturati | Lo schema markup è stato il fattore singolo più importante nelle nostre citazioni su Google AI Overviews. Saltarlo significa lasciare sul tavolo la vittoria più facile. |
| Link interni troppo ottimizzati | Testi di link interni descrittivi e naturali hanno performato meglio degli anchor text exact-match. I modelli AI riescono a riconoscere un'ottimizzazione forzata. |
In base a ciò che ha davvero spostato i risultati nei nostri esperimenti, ecco cosa metterei in priorità se dovessi partire da zero:
Aggiungi schema FAQ alle tue top 10 pagine. È il cambiamento con il maggiore impatto e il minor sforzo. Usa Google's Structured Data Markup Helper o un plugin del tuo CMS. Tempo: 30 minuti per 10 pagine. Impatto atteso: misurabile entro 4-6 settimane.
Ristruttura le tue pagine principali come risposte dirette. In ogni sezione, metti la risposta nella prima frase. Dettagli di supporto e contesto vengono dopo. È l'opposto di come scrive la maggior parte delle persone (prima il contesto, poi la risposta) ma è ciò di cui i modelli AI hanno bisogno per estrarre bene.
Aumenta la densità delle citazioni in uscita. Linka fonti primarie: paper di ricerca, documentazione ufficiale, report di settore. Punta a 5-10 link esterni ogni 2,000 parole. Questo è un segnale di fiducia soprattutto per Perplexity.
Fai audit dei tuoi heading. Ogni H2 dovrebbe essere una domanda o una frase tematica chiara. "Il nostro approccio ai contenuti" come heading non serve a nulla; "Come strutturare i contenuti per l'estrazione AI" è molto più facile da estrarre.
Devo essere onesto anche su ciò che ancora non sappiamo. Non sappiamo con quale velocità si aggiornino i dati di training dei modelli AI — alcuni dei nostri articoli ottimizzati potrebbero essere stati citati per via dell'autorità del dominio, non per le ottimizzazioni in sé. Non sappiamo se questi pattern terranno mentre i modelli evolvono. E non conosciamo il peso relativo di ciascuno di questi fattori. È un campo emergente, e chiunque parli con assoluta certezza di solito ti sta vendendo qualcosa.
Mentre aiutavamo le aziende ad adattarsi alla ricerca guidata dall'AI, alcune domande sono tornate fuori in modo costante:
Q: "La SEO tradizionale conta ancora, o ormai è tutto AI optimization?"
A: La SEO tradizionale conta ancora — i modelli AI citano spesso pagine che già si posizionano bene nella ricerca classica. Pensa all'ottimizzazione per l'AI come a uno strato aggiuntivo sopra solide basi SEO, non come a un sostituto. Nei nostri esperimenti, ogni pagina che ha ottenuto una citazione AI era già posizionata in pagina 1-2 per la sua keyword target. Una citazione AI senza ranking tradizionale era estremamente rara.
Q: "Quanto tempo ci vuole realisticamente per vedere risultati ottimizzando per la ricerca AI-first?"
A: Le modifiche allo schema markup hanno mostrato impatto in 4-6 settimane. La ristrutturazione dei contenuti ha richiesto più tempo — 8-12 settimane per la maggior parte delle pagine. Le citazioni da ChatGPT sono state le più imprevedibili, senza una timeline chiara.
Q: "I dati strutturati sono davvero necessari?"
A: In base ai nostri dati, sì. È stato il cambiamento singolo più impattante per Google AI Overviews. Non avere schema markup è come non avere un meta title — tecnicamente la pagina funziona, ma stai rinunciando a un vantaggio competitivo enorme.
Q: "Devo riscrivere tutti i contenuti esistenti?"
A: No. Parti dalle tue 10-20 pagine con più traffico. Ristruttura gli heading, aggiungi schema, anticipa le risposte in ogni sezione e aumenta le citazioni in uscita. Puoi farlo senza cambiare il contenuto di base. Metti in conto 30-45 minuti per pagina.
Non ti serve un nuovo tech stack per fare questo lavoro. La maggior parte dell'ottimizzazione usa strumenti che probabilmente hai già:
Schema App o Merkle's Schema Markup Generator
Per creare rapidamente schema FAQ, HowTo e Article. Sono i tipi di schema che hanno mostrato il maggiore impatto nei nostri esperimenti.
Traccia quali pagine compaiono negli AI Overviews (Google sta aggiungendo lentamente questi dati ai report Performance). Monitora separatamente impression e clic provenienti dai risultati generati dall'AI.
Automatizza link interni, dati strutturati e ottimizzazione on-page — i tre elementi fondamentali per essere pronti per l'AI. Utile se devi gestire questi cambiamenti su larga scala e su più siti.
SurferSEO Content Auditor o MarketMuse
Individuano gap nella struttura e nella rilevanza dei tuoi contenuti. Utili per capire quali sezioni hanno bisogno di essere riscritte in formato risposta diretta.
Migliorano la copertura semantica del tuo contenuto. Questi strumenti aiutano a verificare che tu stia coprendo i sottotemi e le entità che i modelli AI si aspettano di trovare quando analizzano un contenuto su uno specifico argomento.
La conclusione onesta è questa: l'ottimizzazione per la ricerca AI-first è reale, misurabile e merita tempo. Ma non è magia, non è garantita e non sostituisce le buone basi SEO — ci si appoggia sopra. Parti da schema markup e ristrutturazione dei contenuti sulle pagine con più traffico. Misura per 90 giorni. Poi itera in base a quello che vedi.
no credit card required
