Come trasformare le conversazioni con i chatbot basati sull'intelligenza artificiale in ricerche di parole chiave

Introduzione

Gli strumenti per le parole chiave sono utili per mostrare ciò che le persone digitano su Google. Non possono però mostrare ciò che i tuoi visitatori volevano ancora sapere dopo essere arrivati sul tuo sito e non averlo trovato.

Se il tuo sito dispone di un chatbot basato sull’intelligenza artificiale, quell’elenco secondario esiste già. Molte di quelle conversazioni sono domande poste dai visitatori, con frasi complete e contestualizzate, a cui la tua pagina non ha dato risposta. Alcune di queste domande hanno un volume di ricerca. Molte di esse non compaiono affatto in nessuno strumento per le parole chiave, eppure possono comunque essere il motivo per cui qualcuno abbandona la pagina di un prodotto senza effettuare l’acquisto.

Questo articolo copre l’intero ciclo, dall’estrazione delle conversazioni dal tuo chatbot alla verifica se i contenuti che hai scritto sulla base di esse hanno funzionato. Gli esempi provengono dall’e-commerce, ma il metodo funziona allo stesso modo per un sito SaaS, un’azienda di servizi o un editore con un chatbot sulle proprie pagine.

Perché le domande poste al chatbot sembrano diverse dalle query di ricerca

Una query di ricerca è una domanda sintetica. Chi vuole sapere se può cambiare delle scarpe già indossate digita “restituzione scarpe indossate” e spera che Google completi il resto. Parlando con un chatbot sul tuo sito, la stessa persona scrive l’intera frase: “Le ho comprate due settimane fa e le ho indossate una volta in casa, posso comunque cambiarle con una mezza taglia in più?”

Questa versione più lunga contiene informazioni che uno strumento per le parole chiave non può fornirti. Indica il prodotto, la situazione, la preoccupazione e il risultato che il visitatore spera di ottenere. Inoltre, avviene su una pagina specifica, e un chatbot che registra dove è iniziata una conversazione ti dice quale pagina non è riuscita a rispondere alla domanda.

Molte di queste domande lunghe mostreranno un volume pari a zero in uno strumento per le parole chiave, il che la dice più corta sulla domanda di quanto sembri. Google ha affermato che il 15% delle ricerche che registra ogni giorno sono completamente nuove, quindi una quota consistente di domande reali è troppo specifica o troppo recente per essere rilevata da qualsiasi stima di volume. Il log del tuo chatbot le rileva comunque, poiché registra ciò che le persone hanno chiesto invece di stimare la frequenza con cui effettuano la ricerca.

Come esportare e pulire le conversazioni del chatbot

Inizia con conversazioni relative a un periodo compreso tra uno e tre mesi, a seconda del tuo traffico. Ti servirà un campione sufficiente per individuare il ripetersi delle stesse domande, e qualche centinaio di conversazioni è più che sufficiente per una prima analisi.

La maggior parte degli strumenti per chatbot consente di esportare le trascrizioni o almeno di sfogliarle. Per questo esercizio, ogni conversazione deve includere la domanda del visitatore, la pagina da cui è partita e se il bot è riuscito a rispondere. Il chatbot con IA di Elfsight, ad esempio, salva ogni conversazione con un riassunto e la pagina da cui è partita, e mantiene un elenco separato delle domande a cui non è riuscito a rispondere. Qualunque sia lo strumento che utilizzi, l’elenco delle domande senza risposta è il punto di partenza ideale, poiché rappresenta un elenco delle lacune già presenti nei tuoi contenuti.

Prima di trasferire i log in un foglio di calcolo o in uno strumento di IA per il raggruppamento, elimina nomi, indirizzi e-mail, numeri di telefono e numeri d’ordine. Ti servono le domande, non le persone, e tenere i dati personali fuori dai tuoi file di analisi ti eviterà discussioni con il tuo team legale in seguito.

Leggi le trascrizioni e considera i riassunti al massimo come una scorciatoia. Un riassunto è l’interpretazione della conversazione da parte del modello del chatbot, e parte del lavoro del modello avviene al suo interno prima ancora che scriva una parola, dove è difficile da verificare. La trascrizione è ciò che il visitatore ha effettivamente digitato, e le sue parole esatte sono i dati relativi alle parole chiave che stai cercando.

Come raggruppare le domande del chatbot per argomento

Raggruppate le domande in base all’esigenza che le sottende piuttosto che alla formulazione. «Posso cambiarlo con una taglia più grande?», «Queste vestono piccole?» e «Quale taglia dovrei scegliere se sono a metà tra due taglie?» sono tre formulazioni di un’unica domanda sulle taglie e appartengono a un unico cluster.

Per ogni gruppo, tieni traccia di quante conversazioni copre, delle pagine in cui compare, se il bot è in grado di rispondere e della fase in cui si trova il visitatore. Un semplice foglio di calcolo è sufficiente.

La colonna «fase» determina come gestire un gruppo. Una domanda pre-acquisto su una pagina di prodotto, riguardante le taglie, la compatibilità o il contenuto della confezione, è un problema di conversione mascherato da richiesta di assistenza. Le domande post-acquisto, come quelle sui resi e sul tracciamento, rappresentano un carico di assistenza che un buon contenuto può ridurre. E quando i visitatori chiedono “questo sito è affidabile?” o “chi lo produce effettivamente?”, la soluzione è solitamente una pagina “Chi siamo” più completa o recensioni ben visibili, cosa che uno strumento per le parole chiave difficilmente suggerirà.

Un modello di IA può effettuare una prima selezione raggruppando alcune centinaia di domande in pochi minuti. Controllate manualmente i cluster prima di fidarvi dei conteggi, poiché un modello può unire domande che condividono parole ma non l’intento.

Come verificare le domande del chatbot rispetto alla domanda di ricerca

Trasformate ogni cluster in due o tre query in stile ricerca, così come qualcuno le digiterebbe su Google, e inseritele in uno strumento per le parole chiave come il Keyword Finder di Ranktracker. “Sono tra una 42 e una 43, quale devo scegliere?” diventa “taglie scarpe da trail running”, “scarpe da trail running tra due taglie” e il nome del marchio più “calza perfettamente”.

Se le query mostrano un volume di ricerca e la pagina dei risultati è superabile, il cluster rappresenta un’opportunità di contenuto: una guida, un confronto o una risposta adeguata in grado di posizionarsi autonomamente.

Se le query mostrano un volume scarso o nullo ma il cluster continua a emergere nelle chat, la risposta è comunque importante. Inseriscila nella pagina in cui viene posta la domanda. Non porterà nuovo traffico, ma aiuterà i visitatori che hai già, e quelli sono i più vicini all’acquisto.

Dai un’occhiata anche alla pagina dei risultati. Quando i primi risultati sono thread di forum e post su Reddit, la domanda è reale e le risposte fornite finora sono scarse, il che di solito è una buona notizia per un sito più piccolo. Se un cluster è raro nelle chat e invisibile nella ricerca, lascialo al tuo team di assistenza.

Dove inserire ogni risposta sul tuo sito

La risposta va inserita nel punto in cui si trovava il visitatore quando ha posto la domanda, a meno che la domanda non occupi più di una pagina.

Utilizza le parole stesse del visitatore dove sono appropriate. Se le persone continuano a chiedere “calzano piccoli?”, una riga sulla pagina del prodotto che risponda esattamente a questo (“Calzano circa mezza taglia in meno, quindi la maggior parte delle persone ordina una taglia in più”) aiuta gli acquirenti a scorrere la pagina, fornisce al tuo chatbot una fonte chiara la prossima volta che qualcuno pone la domanda e offre agli assistenti AI qualcosa di citabile quando recuperano la pagina per rispondere alla stessa domanda altrove.

Un cambiamento da tenere in considerazione: Google ha smesso di mostrare i risultati avanzati delle FAQ il 7 maggio 2026. Vale comunque la pena scrivere sezioni di FAQ sia per i lettori che per il tuo chatbot, ma non ottengono più spazio aggiuntivo nei risultati di ricerca. Questo è un motivo in più per collocare la risposta dove il lettore la cerca, ovvero spesso direttamente sulla pagina del prodotto piuttosto che in una sezione FAQ separata.

Come capire se il nuovo contenuto ha funzionato

Il chatbot ti fornisce il segnale più immediato. Da due a quattro settimane dopo aver pubblicato una risposta, controlla nuovamente lo stesso cluster. Se il contenuto funziona, su quella pagina si apriranno meno conversazioni sull’argomento e il bot risponderà al resto attingendo dal nuovo testo.

La ricerca richiede più tempo. Aggiungi le query dei tuoi cluster di contenuti a uno strumento di monitoraggio del posizionamento, come Rank Tracker di Ranktracker, e attendi da due a tre mesi prima di valutarle.

Un avvertimento sui dati del chatbot: un minor numero di domande può anche significare un minor numero di visitatori. Confronta la quota di un cluster rispetto al totale delle conversazioni, non solo il suo conteggio grezzo, in modo che un mese tranquillo non sembri un successo dei contenuti.

Una routine mensile per la ricerca delle parole chiave del chatbot

Una volta completata la prima fase, il ciclo dovrebbe richiedere un’ora al mese. Esporta le conversazioni del mese scorso, aggiorna i cluster, confronta quelli nuovi con i dati di ricerca, assegnali alle pagine e verifica se le correzioni del mese scorso hanno influito sui numeri.

Si tratta di un tipo particolare di ricerca per parole chiave, in cui chi effettua la ricerca lascia traccia della domanda completa, insieme alla pagina in cui si trovava quando l’ha formulata.