Come misuriamo la visibilità nella ricerca IA

WhoCanFindMe misura due cose diverse, ed è importante capirle entrambe:

1. Preparazione della pagina (il Controllo AI Gratuito). Un punteggio deterministico ed euristico basato su segnali che estraiamo direttamente dalla tua pagina pubblica: regole del robots.txt, dati strutturati, estraibilità dei contenuti, segnali di aggiornamento e salute tecnica. Viene eseguito in pochi secondi e non costa nulla perché non richiede chiamate API IA dal vivo. Ti dice se la tua pagina è posizionata per essere trovata dai crawler e dai parser IA.
2. Visibilità Misurata (piano a pagamento). Query dal vivo con grounding inviate a ChatGPT, Perplexity, Gemini e Claude, per misurare se il tuo brand compare davvero nelle risposte. Ogni motore viene interrogato con lo strumento di ricerca web dal vivo del suo stesso provider attivo, quindi le risposte che valutiamo si basano sul retrieval e non sul richiamo dai dati di addestramento. Vedi la Sezione 4 per i dettagli completi.

La distinzione conta. Un punteggio di Idoneità ti dice quali sono i prerequisiti tecnici per la visibilità nell'IA; la Visibilità Misurata ti dice il risultato effettivo. Pensa all'Idoneità come a "la porta è aperta?" e alla Visibilità Misurata come a "le persone ci stanno davvero passando attraverso?"

Il punteggio di Idoneità aggrega sei categorie di segnali. Ognuna è misurabile in modo indipendente dalla tua pagina pubblica, senza alcuna chiamata API IA.

Ogni motore IA pesa le sei categorie di segnali in modo diverso, perché hanno architetture di retrieval realmente diverse. Invece di presentare un unico "punteggio IA", calcoliamo un punteggio di Idoneità per ciascun motore e poi ne facciamo la media per il numero complessivo in evidenza.

ChatGPT pesa molto l'accesso dei crawler perché l'87% delle sue citazioni proviene dai primi 10 risultati di Bing, e Bing richiede l'accesso di OAI-SearchBot. Perplexity pesa soprattutto l'aggiornamento e l'autorevolezza perché la sua pipeline RAG a sei fasi filtra aggressivamente per recenza e densità di fatti. È su Gemini che pesiamo di più i dati strutturati, perché un markup pulito è ciò che rende una pagina facile da interpretare per i sistemi di Google. Google stessa indica che alle sue funzioni IA si applica la SEO di sempre, quindi lo schema è igiene e non una leva specifica per l'IA. Claude mette l'estraibilità al primo posto perché è il motore più selettivo, con il 97.8% delle citazioni provenienti da fonti consolidate e chiaramente strutturate.

Qualsiasi motore bloccato nel robots.txt riceve una penalità del 55% sul punteggio combinato (il punteggio viene moltiplicato per 0.45), a riflettere il fatto che i motori bloccati non possono indicizzare né citare la pagina.

Il punteggio complessivo di Idoneità è la media aritmetica dei quattro punteggi per motore, ciascuno limitato all'intervallo [0, 100].

I punteggi di Idoneità sono una condizione necessaria ma non sufficiente per la visibilità nell'IA. La Visibilità Misurata va oltre: inviamo query reali ai motori IA effettivi e misuriamo se il tuo brand compare nelle risposte con grounding e citazioni.

Perché query con grounding, e non sondaggi sulla memoria di addestramento

Per la maggior parte dei principali motori IA consumer (ChatGPT Search, Perplexity, Google AI Overviews e Copilot), le risposte si basano su retrieval web dal vivo al momento della query. La memoria di addestramento decide se un'IA "sa" che un brand esiste; il retrieval dal vivo decide se lo cita nelle risposte. La GEO è principalmente un problema di retrieval, ed è per questo che preferiamo le query con grounding ovunque il motore le supporti.

Per tutti e quattro i motori non usiamo il prompting sul modello base (chiedere all'IA cosa "sa" di un brand senza ricerca web). Questo testa la memoria di addestramento congelata, è altamente non deterministico, incline ad allucinazioni per i brand meno conosciuti, e non riflette ciò che gli utenti vedono davvero nei motori consumer con grounding. Claude incluso: lo interroghiamo tramite lo strumento di ricerca web proprietario di Anthropic, la stessa forma di recupero dal vivo che usiamo per gli altri tre. Una differenza va detta con chiarezza: Anthropic lascia al modello la decisione se una data domanda richieda una ricerca, quindi una risposta di Claude ha grounding solo quando ha davvero cercato. Lo registriamo su ogni risposta e calcoliamo le metriche basate sulle citazioni solo dalle risposte con grounding.

Composizione del set di query

Costruiamo un set di query curato che copre tre categorie: query di scoperta (basate sulla categoria, senza nomi di brand), query di confronto (fase di valutazione), e query dirette sul brand. Il mix è di circa 60/30/10: la scoperta ha il peso maggiore perché è lì che si intercetta nuovo pubblico. Il volume di query dipende dal piano: il controllo misurato del piano gratuito esegue 4 prompt su ChatGPT, il Report Completo una tantum ne esegue 25 su 3 motori, Lite ne esegue 15 su 2, e Multi-Site ne esegue 25 su tutti e 4.

Ripetizioni e trattamento statistico

Una singola esecuzione di una singola query è quasi priva di significato. Il non-determinismo degli LLM implica che la stessa query può produrre citazioni diverse tra un'esecuzione e l'altra, anche a temperature=0 (la varianza dovuta alla dimensione del batch a livello di GPU non può essere eliminata). Il paper GEO di Princeton ha rilevato che servono da 60 a 100 ripetizioni per stabilizzare le percentuali di visibilità.

Ogni ripetizione invia di nuovo la query identica. Non variamo né parafrasiamo il prompt tra una ripetizione e l'altra. Il piano gratuito e il Report Completo una tantum eseguono 3 ripetizioni per query per motore. I piani in abbonamento ne eseguono 1 e ricavano il loro segnale di precisione dalla serie storica del monitoraggio settimanale, che campiona le vere fonti di variabilità (movimenti dell'indice, concorrenti, aggiornamenti dei modelli) nell'arco di settimane anziché di secondi. Il compromesso, detto chiaramente: una scorecard in abbonamento mostra stime puntuali senza banda all'interno dello stesso audit. Il tasso di citazione è calcolato come la frazione di esecuzioni in cui il brand è stato citato (brandCited = true). Dove le ripetizioni sono sufficienti, usiamo l'intervallo di Wilson per calcolare un intervallo di confidenza del 95% su questa proporzione. Questo riflette la coerenza da un'esecuzione all'altra sotto il jitter lato provider tra chiamate identiche, non un campione di come la citazione potrebbe variare tra formulazioni diverse della stessa query.

Fedeltà tra API e interfaccia consumer

Per tutti e quattro i motori usiamo l'API programmatica del provider con il suo strumento di ricerca web attivato. Questo è lo standard di settore e l'unico approccio scalabile, ma introduce discrepanze note:

• ChatGPT.com in versione consumer può includere personalizzazione e cronologia di navigazione che le API non replicano.
• L'API di Gemini con grounding di Google Search e Google AI Overviews condividono solo circa il 38.5% dei domini più citati, una discrepanza strutturale che dichiariamo esplicitamente su ogni punteggio Google.
• Perplexity documenta una possibile divergenza tra la propria API e l'interfaccia consumer.
• Claude decide da sé se una domanda richieda una ricerca, quindi una singola risposta di Claude può tornare senza grounding. Registriamo il grounding per ogni risposta ed escludiamo quelle senza grounding dalle metriche di citazione, invece di contarle come uno zero.

Segnaliamo questi limiti in ogni report che include un punteggio di Visibilità Misurata. Crediamo che la trasparenza sui limiti della misurazione valga più di una falsa precisione.

I punteggi di visibilità nell'IA sono stime, non fatti. Tre fonti di volatilità influenzano qualsiasi misurazione:

1. Non-determinismo degli LLM. Anche a temperature=0, le risposte delle API variano a causa della varianza della dimensione del batch a livello di GPU. Un punteggio puntuale senza ripetizioni può variare del ±30% in una nuova esecuzione. Il nostro motore di Visibilità Misurata ripete più volte ogni query identica e riporta intervalli di confidenza Wilson-score sul tasso di citazione risultante. Questo misura la coerenza da un'esecuzione all'altra sotto il jitter lato provider, non la variazione tra formulazioni diverse della stessa query, così puoi vedere quanto è stabile ogni numero.
2. Aggiornamenti di modello e algoritmo. OpenAI, Google e Perplexity aggiornano continuamente i loro modelli, spesso senza annunci pubblici. Un punteggio di sei settimane fa potrebbe non riflettere la realtà attuale. Mostriamo la data di misurazione su ogni punteggio e segnaliamo i punteggi più vecchi di 30 giorni.
3. Variazione geografica e di personalizzazione. La stessa query produce risposte diverse a seconda di località, lingue e tipi di account. Le nostre misurazioni vengono eseguite da località standardizzate. I risultati per altre aree geografiche potrebbero differire.

Il punteggio di preparazione della pagina (il Controllo AI Gratuito) è molto più stabile della Visibilità Misurata perché testa segnali deterministici (robots.txt, dati strutturati, contenuto HTML), non output stocastici dell'IA. Una variazione del punteggio di preparazione della pagina riflette un cambiamento reale della tua pagina.

Pensiamo che l'onestà intellettuale sui limiti della misurazione sia ciò che distingue uno strumento utile da un generatore di punteggi solo apparentemente convincente. Ecco cosa questo strumento non può dirti, esplicitamente:

La nostra metodologia si basa su ricerca accademica pubblicata e studi primari di settore. Il campo si evolve in fretta; riverifichiamo le statistiche chiave ogni trimestre. Etichette di forza dell'evidenza: Comprovato = studio controllato o replicato in più studi; Probabile = singolo studio o forte consenso tra professionisti con un meccanismo plausibile; Diceria = ampiamente ripetuto, nessuno studio.