Essere citati da un'IA: i quattro segnali che ChatGPT, Perplexity e gli AI Overviews guardano davvero

Una risposta generata da ChatGPT, Perplexity o dagli AI Overviews di Google cita in genere tra le tre e le otto fonti. Eppure decine di pagine trattavano lo stesso argomento. La domanda non è più «sono indicizzato?» ma «perché quella pagina e non la mia?». I modelli di selezione non si conoscono nel dettaglio, ma si dispone di quattro riferimenti affidabili per ragionare: la documentazione ufficiale di Google sulle sue funzionalità di IA, quella di OpenAI e di Perplexity sui loro robot, e i lavori accademici che hanno misurato che cosa fa variare la visibilità di una pagina in una risposta generata. Queste fonti convergono su quattro segnali.

Segnale 1: la pagina è accessibile al robot giusto, non solo a Googlebot

È il presupposto che molti siti trascurano senza saperlo. I motori generativi non usano tutti lo stesso robot del motore di ricerca classico, e uno stesso editore ne invia diversi. OpenAI documenta tre agenti distinti: GPTBot per l'addestramento, OAI-SearchBot per l'indice di ricerca di ChatGPT e ChatGPT-User per andare a prendere una pagina su richiesta di un utente. Ciascuno si controlla separatamente nel file robots.txt, come spiega la documentazione dei robot di OpenAI. Anthropic fa altrettanto con ClaudeBot, Claude-SearchBot e Claude-User, e Perplexity con PerplexityBot e Perplexity-User.

In concreto, un sito che nel 2024 ha bloccato «tutti i robot di IA» per precauzione ha spesso bloccato anche quelli che servono a rispondere agli utenti. Non può più essere citato, qualunque sia la qualità dei suoi contenuti. La lettura dei log del server è l'unico modo per sapere chi passa davvero; vi dedichiamo un articolo sull'identificazione dei robot di IA.

Segnale 2: il motore seleziona passaggi, e ogni sezione deve esserne uno

Google è esplicito su questo punto nella sua documentazione delle funzionalità di IA nella ricerca: gli AI Overviews e la modalità IA si appoggiano sugli stessi sistemi della ricerca classica, e non c'è «nulla di speciale da fare» al di là delle raccomandazioni abituali. Ma il modo in cui questi sistemi leggono una pagina è cambiato. Google descrive una tecnica di query fan-out: la domanda dell'utente viene scomposta in più sotto-richieste, ciascuna lanciata in parallelo, e la risposta viene assemblata a partire dai passaggi più pertinenti per ogni sotto-domanda, come spiega l'annuncio della modalità IA.

L'unità di selezione non è dunque più la pagina, ma il passaggio. Un paragrafo che risponde con nettezza a una sotto-domanda precisa ha più possibilità di essere ripreso rispetto a una pagina lunga in cui la risposta è diluita. Questo depone a favore di una scrittura in cui ogni sezione porta una domanda identificabile, apre con la risposta, poi sviluppa la sfumatura. È l'oggetto del nostro articolo «Prima la risposta, poi la sfumatura».

Segnale 3: il contenuto porta elementi citabili

La ricerca ha misurato questo segnale meglio degli altri. Nel 2023 un gruppo di Princeton, della Georgia Tech e dell'Allen Institute ha pubblicato GEO: Generative Engine Optimization, uno studio che testa nove metodi di riscrittura di una stessa pagina e ne misura l'effetto sulla visibilità di quella pagina nelle risposte generate. Tre metodi si staccano nettamente dagli altri: aggiungere citazioni di fonti, aggiungere statistiche e aggiungere citazioni dirette attribuite. Gli autori misurano fino al 40% di visibilità in più, a seconda del metodo di riscrittura applicato. Al contrario, il keyword stuffing, tecnica storica della SEO, non porta nulla e a volte peggiora il risultato.

Si capisce perché: un modello che deve produrre una risposta affidabile preferisce appoggiarsi a un passaggio che afferma qualcosa di preciso, datato, quantificato e attribuito, piuttosto che a una generalità. Una cifra con la sua fonte è un frammento che l'IA può riprendere tale e quale indicando da dove viene. Una frase come «il mercato cresce fortemente» non lo è.

Segnale 4: la fonte è identificabile e coerente

I sistemi di Google valutano da anni ciò che le istruzioni per i valutatori della qualità chiamano esperienza, competenza, autorevolezza e affidabilità, riunite sotto l'acronimo inglese E-E-A-T (experience, expertise, authoritativeness, trustworthiness). Non è un fattore di posizionamento in senso stretto, ma è il quadro entro cui Google addestra e verifica i suoi sistemi. Questi criteri, però, riguardano la fonte tanto quanto la pagina: chi scrive, con quale legittimità, e se il sito tiene un discorso coerente da una pagina all'altra.

Per un motore generativo la coerenza conta doppiamente. Un sito che dà tre cifre diverse per lo stesso dato su tre pagine è una fonte rischiosa. Un sito in cui ogni articolo è firmato da una persona identificata, con una pagina autore e un ambito di competenza stabile, è una fonte che il sistema può attribuire. La documentazione dei dati strutturati Article di Google descrive del resto i campi che rendono questa attribuzione leggibile da una macchina: autore, data di pubblicazione, data di modifica.

Che cosa cambiano questi quattro segnali nella produzione

Messi in fila, questi segnali disegnano un metodo che non ha più molto a che vedere con la SEO di volume:

• Verificare l'accesso prima di scrivere: il robots.txt viene letto alla radice del dominio, e ogni robot di IA ha il proprio token. Bloccare l'addestramento non obbliga a bloccare la citazione.
• Scrivere per passaggi: una domanda per sezione, la risposta in apertura, la sfumatura dopo.
• Documentare con una fonte ogni affermazione che conta: una cifra, una data, un'origine. È il segnale più forte misurato dalla ricerca, ed è anche ciò che protegge l'editore dall'errore.
• Firmare e tenere una linea: un autore identificato, un vocabolario stabile, dati che non si contraddicono da una pagina all'altra.

Nessuno di questi punti è un trucco tecnico. Sono esigenze editoriali, che reggono su scala solo se vengono integrate nello strumento di produzione invece di essere verificate a mano a posteriori. In concreto: contenuti organizzati in cluster coerenti, una fonte per affermazione, una firma per articolo.

Ciò che non si sa, e che va detto

Questi segnali sono documentati, ma non formano una formula. I motori generativi cambiano in fretta, i loro indici non si sovrappongono, e la stessa domanda posta due volte può produrre due elenchi di fonti diversi. L'unico modo onesto di governare la propria presenza è misurarla nel tempo: porre con regolarità le stesse domande agli stessi motori, annotare chi viene citato e distinguere le pagine semplicemente recuperate da quelle realmente attribuite. Descriviamo questo metodo di misura in un articolo dedicato allo share of voice nelle IA.