Come eseguire un audit GEO: monitora la tua visibilità nelle ricerche basate sull'intelligenza artificiale

Introduzione

La maggior parte dei team di marketing verifica la propria visibilità sull'IA sempre allo stesso modo: qualcuno apre ChatGPT, digita "migliore [categoria] a [città]" e legge la risposta. Se il marchio compare, tutti tirano un sospiro di sollievo. Se non compare, qualcuno va nel panico in un canale Slack. In entrambi i casi, non si è appreso quasi nulla: un singolo prompt, eseguito una sola volta su una piattaforma, è solo un aneddoto.

Un audit GEO sostituisce l’aneddoto con una misurazione ripetibile. Il GEO ( Generative Engine Optimization, ovvero ottimizzazione del motore gener ativo) è la disciplina che mira a far comparire un marchio, in modo accurato, nelle risposte generate dall’IA. Questa guida illustra i cinque passaggi di un audit completo: creazione di un pannello di prompt fisso, esecuzione coerente su tutte le piattaforme, valutazione delle risposte, mappatura delle fonti su cui si basano tali risposte ed esecuzione periodica secondo un programma prestabilito. Alla fine avrete una linea di riferimento che potrete difendere e un processo che potrete ripetere il mese successivo senza dover ricominciare da capo.

Cosa misura effettivamente un audit GEO

Il motivo per cui è importante prendere sul serio questo aspetto proprio ora è semplice: le risposte dell’IA sono diventate, in modo quasi impercettibile, un canale di acquisto. I potenziali clienti che un tempo aprivano dieci link blu ora leggono una sola risposta sintetizzata e agiscono di conseguenza. I marchi presenti in quella risposta si dividono la domanda; tutti gli altri si dividono ciò che resta. La maggior parte delle aziende non ha idea di quale parte di quella linea si trovi.

Prima di passare ai passaggi, è utile essere precisi riguardo alle unità di misura, poiché non si tratta di classifiche.

Un audit GEO misura quattro aspetti. Primo, la menzione: l’assistente nomina il vostro marchio quando un acquirente pone il tipo di domanda che i vostri acquirenti pongono? Secondo, la citazione: rimanda al vostro sito web, o a quello di qualcun altro, quando fa affermazioni su di voi? Terzo, la descrizione: quando parla di voi, ciò che dice è vero – la vostra categoria, la vostra ubicazione, la vostra fascia di prezzo, il vostro servizio principale? Quarto, la dipendenza dalla fonte: su quali pagine di terze parti si basa l’assistente quando formula la sua risposta, e quelle pagine dicono ciò che vorreste che dicessero?

Questi quattro aspetti si comportano in modo indipendente. Un marchio può essere menzionato ovunque e non citato da nessuna parte. Può essere citato e descritto male. Può essere descritto bene perché una pagina di recensioni ormai obsoleta risulta essere lusinghiera in questo trimestre. Calcolare la media di tutto questo in un unico “punteggio AI” nasconde i problemi che dovete assolutamente individuare. Mantenete i quattro aspetti separati e l’audit diventerà diagnostico: ogni tipo di errore ha una soluzione diversa.

Un’altra cosa su cui concordare prima di iniziare: un audit è un’istantanea di un sistema in evoluzione. I modelli si aggiornano, le fonti di recupero cambiano e le risposte variano. Il valore non sta in una singola esecuzione, ma nell’eseguire nuovamente lo stesso test in un secondo momento e osservare la differenza. Tutto ciò che è descritto nei passaggi seguenti è progettato per rendere tale ripetizione economica e attendibile.

Passo 1: Creare un pannello di prompt fisso

La base dell’audit è un pannello di 20-30 domande scritte nel modo in cui parlano gli acquirenti reali, non nel modo in cui parla il vostro team di marketing. Questo è più difficile di quanto sembri, perché i team interni tendono inevitabilmente a scrivere domande che contengono il proprio vocabolario di marca – che nessun acquirente usa e che rende l’audit privo di significato.

Un buon panel combina cinque tipi di domande. Domande di categoria: «Quali agenzie a Giacarta si occupano di ottimizzazione generativa dei motori di ricerca?» Domande relative a problemi: «Perché ChatGPT non menziona mai la mia azienda?» Domande di confronto: «Confronta le prime tre opzioni per X.» Domande locali o specifiche per lingua, in ogni lingua effettivamente utilizzata dai vostri acquirenti. E domande specifiche che indicano una caratteristica, una fascia di prezzo o un requisito, poiché sono quelle più vicine a un acquisto. Uno strumento di ricerca delle parole chiave è utile in questo caso: le query che le persone digitano già su Google sono la migliore materia prima per le domande che digiteranno in un assistente.

Ecco come si presenta una piccola parte di un panel reale per un marchio di servizi B2B:

• “Quali sono le migliori agenzie GEO per un’azienda di e-commerce di medie dimensioni?” - “Quanto costa un audit GEO e cosa dovrebbe includere?” - “È meglio [marchio] o [concorrente] per la SEO internazionale?” - “Agensi digital di Jakarta yang paham AI search?” (lo stesso intento, nell’altra lingua dell’acquirente) - “Perché Perplexity raccomanda [concorrente] ma non [marchio]?”

Notate che nessuna di queste menziona lo slogan del marchio, i nomi dei prodotti o la terminologia interna. È proprio questo il punto.

Tre regole garantiscono l’autenticità del panel. Scrivete domande tratte da chiamate di vendita e ticket di assistenza, non da sessioni di brainstorming: le formulazioni che gli acquirenti usano con un venditore sono le stesse che useranno con un assistente. Includete alcune domande in cui sapete di dover vincere e alcune in cui vi aspettate di perdere; un panel in cui vinciate su tutta la linea non vi dice nulla. E bloccate l’elenco. L’errore più comune in questi audit è sostituire silenziosamente ogni mese le domande con altre più facili, il che fa salire qualsiasi linea di tendenza. Concordate il panel una volta per tutte, mettetelo per iscritto, condividetelo con le parti interessate e non modificatelo tra un ciclo e l’altro.

Fase 2: Esegui il panel su tutte le piattaforme, in modo coerente

Esegui ogni domanda su tutte le piattaforme utilizzate dai tuoi acquirenti. Per la maggior parte dei marchi oggi ciò significa ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity, Copilot, Claude e Grok – ma lascia che siano le tue analisi e la tua base clienti a decidere, non l’abitudine.

La coerenza conta più della copertura. Utilizzate una sessione pulita per ogni piattaforma: nessuna personalizzazione derivante dall’accesso, ove possibile, nessuna istruzione personalizzata, le stesse impostazioni di posizione e lingua ad ogni esecuzione. Documentate tali impostazioni una volta sola e riutilizzatele, poiché influenzano le risposte. Esegui ogni domanda tre volte per piattaforma, non una sola: un’unica esecuzione può lusingarti o spaventarti, mentre tre esecuzioni rivelano quanto sia effettivamente stabile una risposta. Se una domanda restituisce il tuo marchio due volte su tre esecuzioni, si tratta di un risultato diverso rispetto a tre volte su tre.

Non tralasciare le lingue. La stessa domanda in inglese e in bahasa indonesiano può restituire due liste di selezione completamente diverse, poiché le fonti sottostanti da cui i modelli attingono variano a seconda della lingua. Qualsiasi marchio che venda in più di un mercato linguistico sta di fatto effettuando un audit per ogni lingua.

Registrate tutto man mano che procedete: domanda, piattaforma, numero di esecuzione, data, testo completo della risposta o uno screenshot. La registrazione può sembrare noiosa nella prima settimana, ma diventa il documento più prezioso in vostro possesso nel terzo mese, quando qualcuno vi chiederà perché un dato è cambiato.

È sufficiente una struttura di registrazione semplice. Una riga per ogni esecuzione, con colonne per data, piattaforma, ID della domanda, numero dell’esecuzione, menzione (sì/no), URL citato (se presente), sintesi descrittiva, fonti visibili e un link alla risposta completa. In questa fase i fogli di calcolo sono più efficaci delle dashboard; il formato cambierà man mano che imparerete cosa chiedono effettivamente i vostri stakeholder, e un foglio di calcolo si adatta facilmente ai cambiamenti.

Fase 3: Assegnare un punteggio a menzioni, citazioni e descrizioni

Per ogni risposta, registra quattro campi.

Menzione: il marchio è stato menzionato, sì o no. Citazione: la risposta conteneva un link al vostro sito e, se rimandava altrove, dove. Descrizione: una breve nota su come è stato caratterizzato il marchio – categoria, ubicazione, posizionamento, fascia di prezzo. Fonti: su quali pagine esterne la risposta si è visibilmente basata, laddove la piattaforma le mostra.

Due casi meritano particolare attenzione. Una menzione senza citazione significa che il modello conosce il vostro nome ma non lo ha collegato alle vostre fonti ufficiali – di solito un segno che il vostro sito non è la risposta migliore alla domanda posta. Una citazione con una descrizione errata è peggiore di entrambe: l’assistente indirizza con sicurezza gli acquirenti verso di voi fornendo però informazioni errate su ciò che fate, dove vi trovate o quanto costate. I team tendono a sottovalutare questo aspetto. Un assistente che ti nomina ma sbaglia la tua ubicazione, la fascia di prezzo o il servizio principale provoca più danni di uno che ti tralascia, perché genera acquirenti delusi su larga scala.

Resistete alla tentazione di raggruppare le piattaforme in un’unica media. Le piattaforme si comportano in modo talmente diverso che la media è pura finzione. Nel nostro lavoro con i clienti vediamo regolarmente un marchio comparire in centinaia di panoramiche di Google AI e risposte in modalità AI, mentre lo stesso pannello di domande produce poche decine di menzioni su Copilot, Perplexity, Gemini e ChatGPT messi insieme. Un marchio che si basasse solo sul dato complessivo crederebbe che la propria visibilità nell’IA fosse “media ovunque”, quando in realtà è forte nelle superfici di Google e quasi assente dagli assistenti autonomi: due problemi con soluzioni completamente diverse.

Fase 4: Mappare le fonti su cui si basano le risposte

Questo è il passaggio che trasforma la misurazione in un piano d’azione.

Quando un assistente cita una fonte a sostegno di un’affermazione sulla tua categoria, annota la fonte. Attraverso un pannello completo raccoglierai un elenco: piattaforme di recensioni, articoli comparativi, elenchi di settore, Wikipedia, thread su Reddit, copertura giornalistica, le tue proprietà. Quell’elenco è il vero campo di battaglia. I modelli non inventano opinioni sui marchi; recuperano e sintetizzano ciò che il web dice già.

Leggi il tuo elenco di fonti ponendoti tre domande. Quali di queste pagine controlliamo, direttamente o tramite relazioni? Quali pagine sono imprecise, obsolete o non ci menzionano – e cosa servirebbe per correggerle? E quali fonti compaiono per i concorrenti ma non per noi?

Un esempio concreto: supponiamo che la domanda di confronto “il miglior X per Y” si basi costantemente su un noto sito di recensioni e su una directory di settore. Il vostro marchio è assente da entrambi; tre concorrenti sono presenti su entrambi. L’analisi vi ha appena fornito un’informazione precisa: gli assistenti non vi stanno ignorando, stanno semplicemente riportando fedelmente una realtà del web in cui siete assenti dalle due pagine che contano per questa domanda. La soluzione è altrettanto precisa: conquistate una presenza accurata e aggiornata su quelle due pagine. Nessuna riscrittura del testo della vostra homepage avrebbe modificato quella risposta.

Questo è anche il motivo per cui la GEO e la SEO classica finiscono per condividere gran parte dei loro strumenti: le fonti che si posizionano in alto tendono ad essere quelle che vengono recuperate. Le PR digitali, gli articoli ospiti su testate affidabili, le inserzioni accurate nelle directory e le recensioni di clienti reali sono un lavoro poco appariscente che, però, è esattamente ciò che influenza le risposte dell’IA. È anche il fulcro di ciò che facciamo in Arfadia per i marchi che stanno costruendo la loro presenza nella ricerca basata sull’IA.

Fase 5: Correggi, poi riesegui secondo una pianificazione

Un audit che si conclude con una presentazione non cambia nulla. Trasformate i risultati in un elenco di correzioni, ordinato in base all’impatto: correggete prima le descrizioni errate sulle fonti ad alta autorevolezza, poi rafforzate la presenza sulle fonti che determinano le risposte di categoria, infine potenziate le vostre pagine affinché diventino la migliore risposta reperibile per le domande su cui dovreste essere i punti di riferimento.

Quindi rieseguite lo stesso panel – stesse domande, stesse piattaforme, stesse impostazioni, stesse tre esecuzioni – con una cadenza fissa. Mensile va bene per la maggior parte dei marchi; trimestrale è il minimo. Confrontate un’esecuzione con l’altra, piattaforma per piattaforma, metrica per metrica. Quello che state cercando non è un numero in aumento. Quello che cercate è un cambiamento nelle risposte specifiche: la domanda di confronto che ora include il vostro sito, la descrizione che è finalmente accurata, le risposte di Perplexity che ora citano il vostro sito invece di una recensione di tre anni fa.

Definisci le aspettative con gli stakeholder sin dall’inizio: l’evoluzione delle risposte dell’IA è in ritardo rispetto al lavoro sottostante di settimane o mesi, poiché i modelli e i loro livelli di recupero si aggiornano secondo i propri tempi. Una prima riesecuzione senza variazioni dopo un mese di correzioni è normale, non un verdetto.

La rendicontazione merita un accenno a parte. Gli stakeholder abituati ai report SEO chiederanno l’equivalente AI di un rank tracker: un unico numero, in crescita. Offri loro qualcosa di meglio: un breve report per piattaforma, con le quattro metriche separate, due o tre estratti testuali delle risposte e l’elenco delle correzioni con il relativo stato. Gli estratti testuali contribuiscono alla credibilità più di qualsiasi grafico, perché nessuno contesta uno screenshot di un assistente che descrive erroneamente la tua azienda.

È utile anche eseguire la classica misurazione SEO in parallelo anziché in sostituzione. Posizionamenti, traffico organico e visibilità AI rispondono a domande diverse: dove vi trovate nelle pagine dei risultati e cosa dicono di voi le macchine quando vengono interrogate direttamente. I due aspetti condividono sempre più input, quindi monitorarli fianco a fianco – le posizioni delle vostre parole chiave in un rank tracker, le vostre menzioni e citazioni nel registro di audit – vi mostra quale leva ha determinato quale risultato.

È possibile automatizzare un audit GEO?

In parte. L’esecuzione del panel e la registrazione delle risposte possono essere automatizzate, e per i panel di grandi dimensioni è consigliabile farlo: gli stessi strumenti SEO di ricerca basati sull’IA che monitorano la visibilità possono programmare le esecuzioni. La lettura delle risposte non dovrebbe essere automatizzata, almeno non del tutto: valutare se una descrizione sia sottilmente errata – il servizio giusto, il mercato sbagliato; il prezzo giusto, il livello sbagliato – è ancora un compito umano, ed è proprio lì che si nascondono gli errori più costosi. Una configurazione ragionevole prevede la raccolta automatizzata con valutazione umana, con la stessa cadenza fissa.

Errori comuni che compromettono silenziosamente gli audit GEO

La maggior parte degli audit falliti fallisce per le stesse poche ragioni. Modificare il pannello delle domande tra un ciclo e l’altro, creando così un falso progresso. Testare una sola piattaforma – solitamente ChatGPT – e generalizzare il risultato all’“IA”. Eseguire il test una sola volta invece di tre e concentrarsi su elementi irrilevanti. Interpretare le menzioni come un successo senza verificare se la descrizione fosse accurata. Ignorare le lingue, per poi concludere che il marchio è invisibile quando in realtà è semplicemente invisibile in inglese. E calcolare la media di tutto in un unico punteggio, il che nasconde l’unica informazione su cui vale la pena agire.

Si tratta in tutti questi casi di errori di processo, non di strumenti. Sono inoltre facili da evitare, motivo per cui un audit manuale condotto con rigore è preferibile a uno automatizzato e approssimativo.

Quanto tempo ci vorrà prima che le correzioni si riflettano nelle risposte dell’IA?

Ci vorranno settimane o mesi, non giorni. Le pagine di proprietà possono essere sottoposte a una nuova scansione rapidamente, ma le fonti di terze parti che alimentano la maggior parte delle risposte per categoria si aggiornano secondo i propri tempi, e il comportamento del modello segue con un certo ritardo. Questo è un motivo per iniziare la verifica ora piuttosto che aspettare: ci vuole una settimana per costruire la linea di base, e ogni mese senza di essa è un mese di scostamento che non potete vedere.

Considerazioni finali

Un audit GEO non è affascinante. Si tratta di un elenco fisso di domande degli acquirenti, eseguito con cura sugli assistenti utilizzati dai vostri clienti, letto prestando attenzione a menzioni, citazioni, descrizioni e fonti, per poi essere ripetuto allo stesso modo il mese successivo. I marchi che lo fanno capiscono a che punto si trovano realmente e cosa devono correggere. I marchi che continuano a controllare a campione singoli prompt continuano ad affidarsi a sensazioni anziché a dati.

Tessar Napitupulu, fondatrice e CEO di Arfadia.

La disciplina è ancora così giovane che la maggior parte delle categorie non ha affatto una linea di riferimento consolidata – il che significa che il primo team di una categoria a misurare onestamente è solitamente il primo a migliorare. I due libri che ho pubblicato su questo argomento, “Found Before They Search” sul panorama digitale indonesiano e “Cited or Silent” sulla visibilità GEO e AI, partono entrambi dalla stessa premessa di questa guida: non si può vincere una partita di cui ci si rifiuta di leggere il tabellone.

Crea il panel, blocca i dati, esegui l’analisi e lascia che siano le risposte a indicarti dove intervenire.