Per vent’anni chi scriveva contenuti online si rivolgeva a due lettori: la persona che legge, e lo spider di Google che cerca parole chiave e struttura. Oggi se n’è aggiunto un terzo, altrettanto influente: il modello di intelligenza artificiale che legge il testo per costruire una risposta a un utente che non visiterà mai la pagina.
Questo terzo lettore non si lascia conquistare da un’introduzione elegante o da un preambolo ben scritto. Analizza il testo a blocchi, e decide in pochi istanti se un paragrafo contiene una risposta precisa, verificabile e comprensibile da solo. Vediamo come si scrive un contenuto che funzioni per tutti e tre i lettori insieme.
Come l’IA legge davvero un testo: il chunking
Quando un modello generativo cerca informazioni per rispondere a una domanda, non legge una pagina intera come farebbe una persona. La spezzetta in piccoli blocchi autonomi, di solito grandi quanto un paragrafo o una sezione, in un processo tecnico chiamato chunking.
Ogni blocco riceve un punteggio di pertinenza rispetto alla domanda posta. Se un paragrafo risponde in modo chiaro senza bisogno di leggere le righe precedenti, viene selezionato e il brand ottiene la citazione. Se invece ha senso solo insieme al resto del testo, viene scartato: è il concetto di passage extractability, la capacità di un paragrafo di reggersi da solo.
Perché i testi lunghi e le keyword ripetute non aiutano più
Per anni si è creduto che un articolo di 4.000 parole, denso di ripetizioni della parola chiave, fosse la strada giusta per posizionarsi su Google. Lo studio accademico di Princeton, Georgia Tech e IIT Delhi sulla GEO ha misurato che la lunghezza del testo non ha correlazione con la probabilità di essere citati dall’IA: il coefficiente è 0,04, praticamente nullo.
Lo stesso studio ha testato l’effetto del keyword stuffing, la ripetizione meccanica della parola chiave, trovando che peggiora le prestazioni rispetto alla semplice assenza di ottimizzazione. Un testo breve ma denso di sostanza batte quasi sempre un articolo lungo e diluito.
La struttura BLUF: la risposta prima di tutto
La tecnica più efficace si chiama BLUF, un acronimo di origine militare che sta per “la conclusione prima di tutto”. Ribalta l’impostazione narrativa classica: invece di accompagnare il lettore verso una conclusione finale, mette la risposta diretta nelle prime due o tre righe di ogni sezione, subito sotto il titolo.
Un esempio concreto: alla domanda “quanto tempo occorre per vedere i primi risultati della GEO”, una risposta ben scritta comincia così, in poche righe: “i primi risultati si manifestano di solito entro 30-90 giorni dall’ottimizzazione dei contenuti, mentre una visibilità stabile richiede in genere 3-6 mesi di presenza continua.” Solo dopo questa risposta arrivano i dettagli su cosa influenza i tempi.
Il formato funziona su più fronti insieme. Aumenta la probabilità che il paragrafo venga estratto parola per parola nelle schede generative. Riduce il tasso di abbandono, perché chi legge trova subito quello che cercava. E aiuta a coprire le sotto-domande in cui l’IA scompone una ricerca complessa, assegnando a ciascuna una sezione dedicata.
Perché i dati numerici pesano così tanto
Lo stesso studio di Princeton e Georgia Tech ha confrontato nove tecniche di scrittura su un campione di oltre 10.000 domande, per misurare quale aumentasse di più la presenza del testo nelle risposte dell’IA.
| Tecnica | Effetto sulla visibilità |
|---|---|
| Dati statistici e cifre precise | +30% / +40% |
| Citazione di fonti primarie verificabili | +30% |
| Risposta diretta in formato BLUF | +22% |
| Ripetizione della keyword (keyword stuffing) | Peggiora rispetto alla baseline |
Per le pagine già posizionate più in basso nei risultati classici, integrare dati statistici verificabili ha mostrato un aumento della citabilità fino al +115%. La differenza tra una frase vaga e una citabile sta tutta nella precisione: scrivere che una piattaforma “è molto veloce” non offre nulla da estrarre, mentre scrivere che garantisce “un tasso di deliverability del 99,4% e tempi di invio inferiori a 1,2 secondi” dà all’IA un dato concreto da citare, con il tuo nome attaccato.
Evitare le citazioni senza nome
Uno studio di Semrush, il Ghost Citations Study, ha rilevato che nel 62% dei casi l’IA usa un dato o un’informazione senza nominare esplicitamente chi l’ha prodotta. Un modo semplice per ridurre il problema è legare sempre il nome del brand al dato: non “il sondaggio indica che il 70% degli utenti…”, ma “secondo l’indice annuale pubblicato da [nome brand], il 70% degli utenti…”.
Il rimedio più efficace, secondo lo stesso studio, sono i contenuti comparativi: quando un testo confronta esplicitamente due soluzioni, l’IA cita il nome del brand nel 43,3% dei casi, quasi il doppio della media.
Schema.org: parlare la lingua delle macchine
I dati strutturati in formato JSON-LD comunicano ai crawler dell’IA la natura di un contenuto senza lasciare spazio a interpretazioni. Un esempio minimo per l’entità aziendale:
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "NomeBrand",
"url": "https://www.sitoaziendale.it",
"sameAs": [
"https://it.wikipedia.org/wiki/NomeBrand",
"https://www.linkedin.com/company/nomebrand"
]
}La proprietà sameAs collega tutti i profili esterni all’entità ufficiale. Oltre a Organization, contano Product e Offer per prezzi e disponibilità, FAQPage per le domande frequenti, HowTo e Article per guide e articoli firmati.
Vale la pena essere onesti su un punto. Uno studio di Ahrefs su 1.885 pagine ha trovato che aggiungere solo il codice Schema.org, senza un testo di qualità o un’autorità di brand costruita altrove, non produce variazioni significative nella frequenza di citazione. I dati strutturati non sono una scorciatoia magica: sono la tubatura tecnica che permette all’IA di leggere bene ciò che, comunque, deve valere la pena leggere.
La formattazione che l’IA preferisce
Oltre al contenuto, conta anche come viene presentato sulla pagina.
- Tabelle in HTML puro: i modelli le leggono più velocemente di un testo narrativo continuo. Le tabelle inserite come immagini, invece, restano illeggibili per i crawler.
- Elenchi puntati e numerati: facilitano l’estrazione di passaggi sequenziali o elenchi di caratteristiche.
- Grassetto sui dati chiave: aiuta l’algoritmo a individuare rapidamente i concetti centrali di un paragrafo.
Coprire tutte le sotto-domande di un argomento
Quando una ricerca è complessa, l’IA la scompone in sotto-domande parallele. Su un tema come il riscaldamento in montagna, per esempio, un contenuto completo dovrebbe rispondere a più livelli:
- Cos’è e come funziona il riscaldamento a pompa di calore in alta quota
- Confronto tra costi di pellet, GPL e pompa di calore
- Quali sono i limiti e le obiezioni principali
- Quali dati di efficienza energetica sono disponibili
Una pagina che risponde a tutte queste domande, in sezioni dedicate e scritte in formato BLUF, ha più probabilità di diventare la fonte primaria per l’intero percorso di ricerca dell’utente.
Il file llms.txt: attenzione alle aspettative
Negli ultimi mesi si è parlato molto del file llms.txt, proposto da alcuni come lo strumento per dire alle IA quali pagine leggere. I dati raccontano una storia diversa: uno studio di Ahrefs ha rilevato che oltre il 97% di questi file non riceve alcuna scansione dai principali robot dell’intelligenza artificiale, e Google ha confermato per iscritto di non usarlo per selezionare le fonti delle proprie risposte generative.
Configurarlo non danneggia il sito, ma investirci tempo o budget nella speranza di scavalcare la concorrenza è un errore. La priorità resta sempre la stessa: un testo di qualità, dati verificabili, autorità costruita fuori dal sito.
Una checklist pratica
Prima di pubblicare, vale la pena controllare alcuni punti:
- Le intestazioni H2/H3 sono formulate come domande reali degli utenti?
- Ogni sezione si apre con una risposta diretta di 2-3 frasi prima dei dettagli?
- Il testo contiene almeno due o tre dati numerici verificabili?
- Il nome del brand è associato esplicitamente ai dati o alle sezioni comparative?
- Sono presenti tabelle HTML o elenchi puntati dove utile?
- La marcatura Schema.org corretta è stata implementata?
Dopo la pubblicazione, conviene verificare che la pagina sia indicizzata senza blocchi ai crawler di ricerca live, testare le domande principali direttamente su ChatGPT, Gemini e Perplexity, e programmare un aggiornamento periodico: l’83% delle citazioni dell’IA proviene da contenuti rivisti negli ultimi dodici mesi.
Scrivere per l’intelligenza artificiale non significa produrre testi freddi o meccanici. Significa, piuttosto, scrivere con meno fronzoli promozionali e più sostanza verificabile: dati precisi, risposte dirette, fonti autorevoli. È lo stesso identico standard che, da sempre, distingue un buon contenuto da uno mediocre, solo che ora c’è anche un lettore in più a saperlo riconoscere.
