Token

I token sono le porzioni di testo che i modelli linguistici leggono e generano, di solito più piccole delle parole complete. Contano perché ogni prompt, ogni chunk di retrieval e ogni risposta del modello viene prezzata e limitata dai token, non dal numero di parole.

Per i team GEO, questo cambia rapidamente le operazioni sui contenuti. Se il materiale di partenza è gonfio, ripetitivo o strutturato male, paghi di più e ottieni output peggiore. È così, punto.

Perché i token contano nel GEO

Il conteggio dei token controlla quattro aspetti: costo, aderenza al contesto, qualità della risposta e probabilità di citazione. Se i dati del brand, le specifiche di prodotto o le prove che vuoi usare non rientrano in modo pulito nella finestra di contesto disponibile, il modello li comprime, li omette o li ignora.

È qui che la maggior parte dei team diventa approssimativa. Si fissano sui prompt e ignorano l’efficienza della fonte.

OpenAI, Anthropic e Google misurano l’utilizzo in base ai token. A seconda del modello, una media approssimativa in inglese è di 1,3-1,5 token per parola, ma questa stima si rompe con codice, tabelle, cataloghi di prodotto e contenuti multilingue. Una pagina da 500 parole non equivale in modo affidabile a un input da 700 token. Misuralo.

Cosa dovrebbero fare davvero i professionisti

Inizia con un audit dei token. Usa tiktoken per i flussi OpenAI, il tokenizer di Anthropic per Claude o i log di utilizzo del tuo layer di orchestrazione. Poi mappa l’uso dei token per template, tipo di pagina e obiettivo di output.

• Risposte di supporto: spesso gestibili con 150-300 token in output.
• Spiegazioni di prodotto: di solito 300-800 token.
• Risposte tecniche approfondite con citazioni: 1.000+ token, a volte molto di più.

Usa gli export di Screaming Frog, i dati delle query in GSC e insiemi di pagine di Semrush o Ahrefs per identificare dove i contenuti “AI-facing” sono troppo verbose rispetto alla reale intenzione di ricerca. Poi comprimi la fonte, non solo il prompt.

Una buona compressione significa eliminare affermazioni duplicate, ridurre il boilerplate e inserire in anticipo informazioni uniche come prezzi, compatibilità, metodologia ed entità nominate. Surfer SEO può aiutarti a individuare testi sovradimensionati, ma da solo non risolve lo spreco di token.

Dove la strategia sui token si rompe

C’è una premessa importante. Meno token non significano automaticamente prestazioni GEO migliori. Se esageri con la compressione, togli sfumature, qualificatori e prove. Questo può ridurre la fiducia nelle citazioni o far sì che i sistemi di retrieval perdano del tutto il passaggio giusto.

Un altro problema: la dimensione della finestra di contesto non è la stessa cosa dell’attenzione effettivamente “usabile”. Il fatto che un modello accetti 128k token non significa che il token 127.500 venga trattato allo stesso modo. John Mueller di Google ha confermato nel 2025 che la visibilità della ricerca AI dipende ancora da contenuti sorgente chiari e accessibili, non dall’inserire più testo in formati leggibili dalle macchine.

Come usare i token come metrica operativa

Traccia i token per risposta, i token per blocco di fonte citato e il costo per un output andato a buon fine. Se esegui GEO su larga scala, aggiungi soglie di fallimento per truncation e allucinazioni dopo contesti lunghi.

Moz, Ahrefs e Semrush non mostrano direttamente l’efficienza dei token, ma aiutano a dare priorità a quali pagine meritano di essere compresse per prime: pagine con impression, engagement debole e alto valore informativo. È lì che la disciplina sui token ripaga più velocemente.

In sintesi: i token non sono un dettaglio tecnico marginale. Sono un inventario. Sprecarli significa comprare una visibilità AI più lenta, più costosa e meno affidabile.