Capire il GEO
Come le IA generative decidono davvero chi citare, raccomandare e menzionare.
20 lezioni
- 01
Il panorama della ricerca nel 2026
Nel 2026, cercare informazioni passa tanto attraverso riassunti IA e chatbot quanto attraverso i link classici. Una panoramica dei canali e dei loro equilibri.
- 02
LLM classico vs LLM con ricerca (RAG)
Un LLM classico risponde con ciò che ha imparato durante l'addestramento. Un LLM RAG va a cercare informazioni aggiornate prima di rispondere. La differenza cambia tutto per la vostra visibilità.
- 03
Come un LLM RAG costruisce una risposta
Query, recupero dei documenti, selezione, sintesi, citazione: le cinque fasi concrete con cui un chatbot IA costruisce una risposta a partire dal web.
- 04
Le fan-out query: il concetto chiave
Una sola domanda posta a un'IA si scompone spesso in più sotto-query inviate in parallelo. Capire questo meccanismo cambia il modo di coprire un argomento.
- 05
Come l'LLM fonde i risultati (reranking)
Dopo aver recuperato decine di passaggi, un sistema IA deve scegliere quali mantenere. Questo ordinamento, chiamato reranking, decide in gran parte chi verrà citato.
- 06
Il chunking: come l'LLM suddivide i tuoi contenuti
Prima di essere letto da un'IA, il tuo articolo viene suddiviso in piccoli blocchi indipendenti. Capire questa suddivisione, chiamata chunking, cambia il modo di scrivere ogni sezione.
- 07
Perché le IA (a volte) ignorano il tuo sito
Blocco dei crawler, contenuto troppo generico, assenza di prove, marchio poco citato altrove: le cause più frequenti di invisibilità nelle risposte delle IA.
- 08
SEO vs GEO: le differenze essenziali
Il SEO classifica dei link, il GEO seleziona dei passaggi citati. Due logiche diverse, due metriche diverse, ma una base comune da non abbandonare.
- 09
Cos'è un contenuto "GEO-ready"?
Un contenuto GEO-ready risponde direttamente fin dalle prime frasi, si struttura chiaramente, si basa su prove, e resta comprensibile sezione per sezione.
- 10
Strutturare un articolo per il GEO
Risposta breve in apertura, sezioni tematiche autonome, FAQ, conclusione actionable: il piano tipo di un articolo pensato per essere letto da un'IA generativa.
- 11
Il formato domanda-risposta (FAQ) e il GEO
Il formato Q/R aderisce al modo in cui si interroga un'IA generativa. Come usarlo per essere citati, senza cadere in FAQ vuote e ripetitive.
- 12
Citazioni, dati e prove: perché contano
Le IA generative privilegiano i contenuti che sostengono le proprie affermazioni con dati verificabili. Come integrare numeri e fonti citabili senza mai inventarli.
- 13
E-E-A-T: esperienza, competenza, autorevolezza, affidabilità
Il framework E-E-A-T di Google si applica anche alle IA generative, che cercano fonti affidabili da citare. Come applicarlo concretamente al tuo contenuto.
- 14
Prompt e query IA: come gli utenti interrogano davvero l'IA
Informative, comparative, transazionali: le query IA si dividono in poche grandi famiglie. Cosa comporta ciascuna per i contenuti da produrre.
- 15
ChatGPT, Perplexity, Gemini, Claude: come ciascuno sceglie le proprie fonti
Perplexity, ChatGPT, Gemini, Claude: ogni motore IA ha abitudini di sourcing diverse in base alla propria architettura. Una panoramica prudente, senza generalizzazioni eccessive.
- 16
L'obiettivo: essere ovunque (Share of Voice IA)
Nel GEO, la presenza ripetuta su fonti terze conta quanto il sito stesso. Capire e perseguire la propria share of voice nelle risposte IA.
- 17
Le brand mention: il fattore n°1 della visibilità IA
Essere citati su siti terzi, anche senza link, pesa molto sulla probabilità di essere menzionati da un'IA. Come generare brand mention utili.
- 18
Google AI Overviews: il canale IA più grande in volume
Gli AI Overviews raggiungono molte più ricerche di tutti i chatbot dedicati messi insieme. Cosa sono e come ottimizzare le probabilità di comparirvi.
- 19
I numeri del GEO: mercato, ROI e conversione
Il mercato del GEO è troppo recente perché un unico numero ne riassuma in modo affidabile dimensione o ROI. Tendenze prudenti, non statistiche inventate.
- 20
Cosa dice la ricerca accademica sul GEO
Il paper fondativo sul Generative Engine Optimization propone una metodologia di test, non una formula magica. Cosa dimostra, e i suoi limiti.