La ricerca online sta attraversando una delle trasformazioni più importanti dalla nascita dei motori di ricerca.

Per molti anni il modello è stato relativamente semplice:

query ⇨ pagina dei risultati ⇨ click ⇨ sito web

Oggi questo percorso non è più scontato.

Google, Bing e le nuove piattaforme di ricerca basate sull’intelligenza artificiale sono sempre più capaci di comprendere domande complesse, effettuare ricerche multiple, confrontare fonti e costruire direttamente una risposta.

Google ha introdotto e progressivamente ampliato AI Overview e AI Mode. Microsoft integra la ricerca con Bing e Copilot, mentre sistemi come ChatGPT Search hanno trasformato ulteriormente il concetto di motore di ricerca, combinando ricerca sul web e generazione della risposta.

Il risultato è un cambiamento nel comportamento degli utenti: per molte query informative non è più necessario visitare diversi siti per costruire autonomamente una risposta.

Il motore di ricerca sta quindi evolvendo da elenco di documenti a sistema di recupero, comprensione e sintesi delle informazioni.

Questo non significa che la SEO sia morta.

Significa che il suo obiettivo si sta ampliando.

Non dobbiamo più chiederci soltanto:

“Come posso posizionare questa pagina?”

ma anche:

“Come posso rendere questa pagina una fonte affidabile che un motore di ricerca o un sistema AI possa trovare, comprendere, recuperare e citare?”

---

Dalla SEO alla AEO e GEO

Negli ultimi anni sono diventati popolari termini come:

SEO: Search Engine Optimization

Ottimizzazione per ottenere visibilità nei motori di ricerca tradizionali.

AEO: Answer Engine Optimization

Ottimizzazione dei contenuti affinché possano contribuire direttamente alla risposta fornita all’utente.

GEO: Generative Engine Optimization

Ottimizzazione della presenza di un sito all’interno delle esperienze di ricerca basate sull’intelligenza artificiale.

Non si tratta però di tre discipline completamente separate.

La SEO rimane la base.

Google ha chiarito che AI Overview e AI Mode utilizzano ancora i principali sistemi di ranking e qualità della Search e che non esistono requisiti tecnici speciali per apparire nelle funzionalità generative.

Anche Microsoft utilizza ormai esplicitamente il termine GEO per descrivere il modo in cui i contenuti partecipano alle esperienze AI e vengono utilizzati come fonti nelle risposte generate.

Possiamo quindi rappresentare l’evoluzione come:

SEO ⇨ Discovery

AEO ⇨ Answer

GEO ⇨ Citation & Generative Visibility

La SEO permette al contenuto di essere trovato.

AEO e GEO estendono il concetto verso la possibilità che quel contenuto venga compreso, recuperato e utilizzato all’interno di una risposta generativa.

---

Tipologie di query e rischio di perdita di traffico

L’impatto della ricerca generativa non è uguale per tutte le ricerche.

Query informative: RISCHIO ALTO

Sono domande per le quali l’utente cerca principalmente una spiegazione.

Per esempio:

• cos’è il protocollo OAuth2?
• cosa significa canonical URL?
• come funziona un CDN?
• qual è la differenza tra SEO e SEM?

Per queste query una risposta generativa può fornire immediatamente una spiegazione sufficientemente completa.

La conseguenza è l’aumento delle zero-click search, cioè ricerche che terminano senza una visita a un sito esterno.

---

Query comparative e di ricerca: RISCHIO MEDIO/ALTO

Le piattaforme AI sono particolarmente efficaci nel confronto.

Una domanda come:

“Quale CMS è più adatto per un portale healthcare internazionale: Drupal o WordPress?”

può richiedere al sistema di confrontare:

• sicurezza;
• scalabilità;
• gestione multi-country;
• workflow editoriali;
• SSO;
• privacy;
• integrazioni;
• costi;
• manutenzione.

Google AI Mode e altri sistemi generativi possono effettuare più ricerche per costruire direttamente questo confronto.

Il click rimane importante quando l’utente vuole verificare una fonte, approfondire un aspetto tecnico, leggere un’esperienza reale o analizzare dati più dettagliati.

---

Query transazionali: RISCHIO PIÙ BASSO

Quando l’utente deve completare un’azione, il sito continua ad avere un ruolo fondamentale.

Per esempio:

• acquistare un prodotto;
• prenotare un hotel;
• richiedere un preventivo;
• iscriversi a un servizio;
• scaricare un software;
• contattare un’azienda.

Anche qui, però, la situazione sta evolvendo.

Gli AI Agent stanno progressivamente trasformando l’intelligenza artificiale da semplice sistema di risposta a strumento capace di interagire con servizi e applicazioni.

La trasformazione potrebbe quindi essere:

Search ⇨ Answer ⇨ Conversation ⇨ Action

---

Come funziona la ricerca generativa

Non tutti i motori utilizzano la stessa architettura e non conosciamo tutti i dettagli dei loro sistemi.

Possiamo però individuare un modello generale.

1. Comprensione dell’intento

Il sistema interpreta la richiesta cercando di comprenderne:

• significato;
• contesto;
• entità;
• intento;
• relazioni tra concetti.

Diventa quindi sempre meno importante la corrispondenza esatta tra keyword inserita dall’utente e testo presente nella pagina.

---

2. Query fan-out

Una delle caratteristiche più interessanti della ricerca generativa è il query fan-out.

Google ha confermato ufficialmente che AI Overview e AI Mode possono eseguire contemporaneamente più ricerche correlate su diversi sottoargomenti e fonti.

Una query complessa può quindi essere scomposta in numerose ricerche secondarie.

Per esempio:

“Qual è la migliore piattaforma CMS per un portale HCP europeo?”

potrebbe generare ricerche relative a:

CMS healthcare

Drupal security

WordPress healthcare

GDPR CMS

multi-country CMS

HCP authentication

SSO healthcare portal

Il contenuto non deve quindi necessariamente corrispondere alla frase digitata dall’utente per poter diventare una fonte rilevante.

---

Retrieval, Grounding e RAG

Uno dei concetti fondamentali della ricerca AI è il grounding.

Un Large Language Model possiede conoscenza acquisita durante il training, ma per rispondere a domande che richiedono informazioni aggiornate può utilizzare fonti esterne.

Un approccio utilizzato è il Retrieval-Augmented Generation (RAG).

In forma semplificata:

Query
⇩
Retrieval
⇩
Selezione delle fonti
⇩
Estrazione delle informazioni
⇩
Generazione della risposta
⇩
Citazioni / link

Google conferma esplicitamente l’utilizzo di tecniche RAG e grounding nelle proprie funzionalità generative.

Microsoft considera il grounding un elemento centrale dell’AI Web: le fonti web permettono ai sistemi generativi di collegare la risposta a informazioni verificabili e aggiornate.

Per chi lavora con SEO e contenuti questo significa una cosa importante:

prima che un contenuto possa essere utilizzato in una risposta AI deve poter essere scoperto, interpretato e considerato sufficientemente pertinente.

Ed è proprio qui che la SEO tradizionale continua ad avere un ruolo fondamentale.

---

Google, Bing e la nuova Search

La trasformazione non riguarda soltanto Google.

Google

Google utilizza principalmente:

• Search tradizionale;
• AI Overview;
• AI Mode.

AI Overview sintetizza informazioni direttamente nella SERP quando Google ritiene che questo aggiunga valore alla ricerca.

AI Mode estende ulteriormente il modello permettendo ricerche più complesse, confronti e conversazioni successive.

Entrambi possono utilizzare il query fan-out per trovare fonti differenti rispetto a quelle che emergerebbero da una singola query tradizionale.

---

Bing e Microsoft Copilot

Microsoft sta seguendo una direzione simile attraverso Bing e Copilot.

Un aspetto particolarmente interessante è l’introduzione di AI Performance in Bing Webmaster Tools.

Il report permette ai publisher di analizzare metriche come:

• citazioni totali;
• pagine citate;
• grounding query;
• andamento delle citazioni nel tempo.

Microsoft sta quindi iniziando a distinguere in maniera più esplicita la tradizionale visibilità SEO dalla visibilità all’interno delle risposte AI.

Questo rappresenta probabilmente un’anticipazione di come evolveranno gli strumenti SEO nei prossimi anni.

---

ChatGPT Search e i nuovi motori AI

Accanto ai motori tradizionali stanno crescendo sistemi nei quali la ricerca è integrata direttamente nell’assistente AI.

ChatGPT Search, per esempio, può cercare informazioni sul web e utilizzare pagine esterne come fonti delle proprie risposte.

Per i publisher questo introduce un’altra dimensione della visibilità organica.

Non esiste più soltanto:

Google ranking

ma un ecosistema composto da:

Search visibility

AI visibility

Citation visibility

Brand visibility

Un sito può quindi generare valore anche quando la sua pagina viene utilizzata come fonte senza produrre necessariamente un click immediato.

---

Da keyword a Topic, Intent, Entity e Context

La keyword non scompare.

Cambia però il suo peso strategico.

L’approccio tradizionale:

una keyword ⇨ una pagina

diventa sempre meno efficace quando viene applicato in maniera rigida.

Un approccio moderno considera invece:

Keyword ⇨ Topic ⇨ Intent ⇨ Entity ⇨ Context

Google ha inoltre chiarito che non è necessario creare decine di pagine per coprire ogni possibile variante long-tail.

I moderni sistemi di ricerca comprendono sinonimi, concetti ed entità anche quando non esiste una corrispondenza letterale con la query.

Diventa quindi più importante costruire una copertura semantica completa dell’argomento.

---

Come scrivere contenuti adatti alla ricerca AI

Non esiste una formula magica per essere citati.

Non esiste neppure una lunghezza ideale del paragrafo che garantisca la presenza nelle risposte AI.

L’obiettivo dovrebbe essere rendere il contenuto facilmente comprensibile sia alle persone sia ai sistemi di recupero delle informazioni.

Una buona struttura prevede:

• titoli descrittivi;
• paragrafi chiari;
• risposte dirette quando appropriate;
• tabelle per confrontare dati;
• liste quando migliorano la leggibilità;
• definizioni precise;
• esempi;
• fonti verificabili;
• collegamenti tra concetti correlati.

La vecchia idea della Atomic Answer obbligatoriamente di 40-60 parole non deve quindi essere considerata una regola SEO.

La risposta deve essere semplicemente chiara, completa e proporzionata alla domanda.

---

Il vero vantaggio competitivo: contenuti non-commodity

Con l’intelligenza artificiale diventa estremamente semplice produrre contenuti generici.

Ed è proprio per questo che il contenuto generico perde valore.

Google utilizza il concetto di non-commodity content per indicare contenuti che aggiungono qualcosa rispetto alle informazioni comunemente disponibili.

Possono essere:

• esperienze dirette;
• test;
• benchmark;
• dati proprietari;
• ricerche originali;
• casi studio;
• screenshot;
• esempi reali;
• opinioni tecniche motivate;
• metodologie sviluppate internamente.

Un articolo che ripete:

“10 vantaggi del cloud computing”

può essere facilmente sintetizzato da un sistema AI.

Un articolo che presenta:

“Come abbiamo ridotto del 38% i tempi di risposta migrando questa architettura su Azure”

possiede invece informazioni che il modello difficilmente può ottenere altrove.

Questa differenza diventerà sempre più importante.

---

E-E-A-T nella ricerca AI

Experience, Expertise, Authoritativeness e Trustworthiness continuano a rappresentare concetti importanti per valutare la qualità dei contenuti.

Non devono però essere interpretati come un singolo “ranking factor AI”.

Il principio fondamentale rimane dimostrare che dietro il contenuto esistono esperienza, competenza e informazioni verificabili.

Experience

Dimostrare esperienza reale attraverso:

• test;
• casi reali;
• screenshot;
• foto originali;
• problemi incontrati;
• risultati ottenuti.

Expertise

Dimostrare competenza attraverso:

• approfondimenti tecnici;
• terminologia appropriata;
• fonti;
• dati;
• spiegazioni accurate;
• profilo dell’autore.

Authoritativeness

Costruire autorevolezza attraverso:

• citazioni;
• backlink;
• menzioni;
• pubblicazioni;
• reputazione nel settore.

Trustworthiness

Rafforzare la fiducia attraverso:

• fonti verificabili;
• autore identificabile;
• trasparenza editoriale;
• date di pubblicazione e aggiornamento;
• informazioni aziendali chiare;
• sicurezza del sito.

---

Structured Data: importanti, ma senza miti

Schema.org e i dati strutturati rimangono strumenti importanti della SEO.

Aiutano i motori di ricerca a comprendere meglio alcune informazioni e possono consentire l’accesso a specifici rich result.

Non bisogna però considerarli un requisito per essere utilizzati dalle risposte AI.

Google ha chiarito che non esiste uno Schema.org speciale per AI Overview o AI Mode.

I dati strutturati dovrebbero quindi essere implementati quando rappresentano realmente il contenuto presente nella pagina e quando sono utili alla Search.

Per esempio:

• Article;
• Product;
• Organization;
• Person;
• Event;
• BreadcrumbList;
• LocalBusiness.

La regola rimane:

markup strutturato sì, markup artificiale creato esclusivamente per “convincere l’AI” no.

---

Immagini, video e contenuti multimodali

La ricerca sta diventando sempre più multimodale.

Le risposte possono utilizzare:

• testo;
• immagini;
• video;
• prodotti;
• mappe;
• dati strutturati;
• elementi interattivi.

Google raccomanda esplicitamente di accompagnare i contenuti testuali con immagini e video di qualità quando utili.

Diventa quindi importante curare anche:

• qualità dell’immagine;
• alt text;
• nome del file;
• testo vicino all’immagine;
• caption;
• Video SEO;
• sitemap immagini/video quando appropriate;
• coerenza tra testo e contenuto visuale.

Un diagramma originale o uno screenshot tecnico possono fornire un valore informativo molto maggiore rispetto a una generica immagine stock.

---

Cluster tematici e Internal Linking

La ricerca generativa rafforza ulteriormente il valore della topical authority.

Un singolo articolo isolato difficilmente dimostra la stessa profondità di un ecosistema di contenuti collegati.

Una struttura efficace può essere:

Pillar Page

Approfondimento A

Approfondimento B

Caso studio

FAQ

Tutorial

Confronto

L’internal linking permette ai motori di comprendere:

• relazione tra contenuti;
• gerarchia;
• contesto;
• profondità tematica.

E facilita anche il crawling e la scoperta delle pagine.

---

Technical SEO: cosa non cambia

L’intelligenza artificiale non elimina la necessità di avere un sito tecnicamente solido.

Rimangono fondamentali:

• crawlability;
• indexability;
• robots.txt;
• sitemap XML;
• canonical;
• redirect corretti;
• status code;
• performance;
• mobile usability;
• accessibilità;
• JavaScript rendering;
• internal linking;
• HTML comprensibile;
• contenuti importanti disponibili in forma testuale.

Se il motore non riesce a recuperare correttamente il contenuto, difficilmente potrà utilizzarlo come fonte.

---

I nuovi KPI della SEO

Uno degli errori più comuni sarà continuare a misurare il successo esclusivamente attraverso il traffico organico.

I KPI tradizionali rimangono importanti:

• ranking;
• impression;
• CTR;
• click;
• sessioni organiche;
• conversioni.

Ma devono essere affiancati da nuove metriche:

• citazioni nelle risposte AI;
• pagine citate;
• branded search;
• brand mentions;
• traffico diretto;
• referral da piattaforme AI;
• engagement;
• conversion rate;
• visibility sulle query rilevanti.

Bing ha già iniziato questa transizione attraverso AI Performance in Bing Webmaster Tools, mostrando citazioni e grounding query provenienti da Copilot, Bing AI e alcune esperienze partner.

Google, invece, attualmente include AI Overview e AI Mode all’interno del traffico Web complessivo di Search Console.

La misurazione della AI Visibility è quindi ancora un settore in forte evoluzione.

---

La SEO non sta scomparendo: sta cambiando il suo obiettivo

Per anni l’obiettivo principale della SEO è stato:

ottenere una posizione
⇩
generare un click
⇩
portare l’utente sul sito

Oggi il percorso può diventare:

essere scoperti
⇩
essere considerati pertinenti
⇩
essere recuperati come fonte
⇩
essere citati
⇩
generare fiducia
⇩
ottenere una visita o un’azione

Questo cambia profondamente il modo in cui dobbiamo valutare il valore di un contenuto.

Un contenuto può contribuire alla visibilità del brand anche prima che avvenga il click.

---

Conclusione

La SEO non è morta.

Al contrario, rimane l’infrastruttura sulla quale si sta costruendo gran parte della nuova ricerca basata sull’intelligenza artificiale.

Ciò che cambia è il contesto.

Non stiamo più ottimizzando soltanto per una pagina composta da dieci link blu.

Stiamo ottimizzando per un ecosistema nel quale convivono:

Search Engine

Answer Engine

Generative Engine

AI Assistant

AI Agent

Google AI Overview, AI Mode, Bing, Microsoft Copilot e le nuove piattaforme AI stanno progressivamente trasformando il modo in cui le informazioni vengono trovate e utilizzate.

Per questo il futuro della SEO non consiste nel trovare trucchi per “piacere agli LLM”.

Consiste nel costruire siti tecnicamente accessibili e contenuti che abbiano qualcosa di reale da offrire:

esperienza, dati, competenza, chiarezza, autorevolezza e informazioni originali.

Prima l’obiettivo era soprattutto ottenere il click.

Oggi l’obiettivo è anche diventare una fonte della risposta.

Domani potrebbe essere diventare una fonte e un servizio utilizzabile direttamente dagli agenti AI.

Fonti Primarie:
Google Search Central – AI features and your website, Google – Generative AI optimization guide, Bing Webmaster – AI Performance