Generative Engine Optimization: cos’è la GEO e come si lavora

GEO sta per Generative Engine Optimization, ed è la disciplina che ottimizza i contenuti perché vengano selezionati, parafrasati e citati dai motori di ricerca generativi: ChatGPT, Perplexity, Claude con web search, Google AI Overviews, Gemini, Copilot. La sigla l’ha formalizzata un paper accademico pubblicato nel 2023 da Princeton, Georgia Tech, Allen Institute e IIT Delhi (Aggarwal et al.,”GEO: Generative Engine Optimization”), che per primo ha provato a misurare quali segnali sui contenuti aumentano la probabilità di citazione.

La differenza con la SEO classica si capisce con un’immagine. La SEO ottimizza una pagina per essere scelta come destinazione del click; la GEO ottimizza un passaggio per essere scelto come fonte della risposta. Sono due obiettivi compatibili ma non identici, e una pagina può essere fortissima su uno e debole sull’altro. La SEO classica vincente — title ottimizzato, autorità di dominio, link building — non garantisce automaticamente la citazione: il modello generativo non guarda solo il dominio, guarda il singolo blocco di testo e decide se è abbastanza chiaro, denso e verificabile da essere usato.

Esiste poi l’AEO, Answer Engine Optimization, che spesso viene confusa con la GEO ma è la generazione precedente: nasceva per i featured snippet e gli assistenti vocali, lavorava su Q&A strutturate per essere lette ad alta voce. La GEO ne è l’evoluzione naturale, allargata ai motori generativi veri e propri, dove la risposta non è una citazione letterale ma una sintesi. Le tre sigle, SEO, AEO, GEO, le ho separate per bene in un pezzo a parte sulle differenze tra SEO, AEO e GEO, che vale la pena leggere se hai ancora dubbi su quale guardare per prima.

Il paper di Princeton ha testato sistematicamente nove tipi di intervento su un dataset di query reali, e i risultati hanno spazzato via diverse credenze. La cosa che funziona di più, in modo trasversale, è la citazione di fonti: aggiungere riferimenti espliciti a studi, statistiche e autori aumenta la probabilità di citazione fino al 40% rispetto alla versione”pulita”dello stesso contenuto. Subito dietro arrivano l’inserimento di statistiche verificabili e l’uso di un linguaggio autorevole.

Quello che non funziona, e qui c’è la sorpresa per chi viene dalla SEO classica, è il keyword stuffing tradizionale: ripetere la keyword principale nel testo non sposta la citazione, in alcuni casi la peggiora. I motori generativi sono nati su dati post-2020, hanno imparato a riconoscere il testo over-ottimizzato, e lo trattano come segnale di bassa qualità. È la fine di una pratica che molti consulenti pigri usavano come scorciatoia.

Conta poi tantissimo la struttura. Un passaggio che apre con una risposta diretta, contiene un dato numerico nei primi 60 caratteri e cita una fonte verificabile è quattro o cinque volte più probabile da essere usato di un passaggio dello stesso argomento scritto in modo discorsivo. Conta la freschezza, con data visibile sulla pagina. Conta la coerenza dell’entità: il tuo brand deve essere scritto identico su tutti i punti di contatto digitali, perché il modello associa entità sulla base di pattern ricorrenti e una sigla che cambia è un’entità che si frantuma.

Il primo errore, e l’ho visto fare anche da agenzie strutturate, è generare l’intero contenuto in AI senza valore aggiunto. Il modello che dovrebbe citarti riconosce il proprio stile di output, riconosce le formule tipiche (“nel panorama attuale”,”è fondamentale notare che”), e tende a non citare contenuti che gli sembrano testo generato senza supervisione. Tradotto: usare l’AI per scrivere senza poi metterci sopra un occhio competente è il modo più rapido per non venire mai scelti.

Il secondo errore è scrivere prose lunghe non spezzettabili. Pagine di 3.000 parole con un solo flusso narrativo, senza H2 chiari, senza dati ancorati, senza un blocco che stia in piedi da solo: il modello non sa cosa estrarre, e quasi sempre estrae altro. Lo stesso contenuto, riscritto in passaggi atomici con risposte in prima riga, può triplicare le citazioni a parità di sostanza.

Il terzo errore è la mancanza di entità nominate. Pagine che parlano di”le aziende del settore”,”uno studio recente”,”alcuni esperti ritengono”, senza mai nominare aziende, studi, esperti. Il modello si nutre di entità: se la tua pagina non ne contiene, non gli stai dando appigli per ricomporre un fatto, gli stai dando rumore generico. E il rumore generico non si cita.

C’è poi un errore più sottile, tipico di chi prova a fare GEO da solo: ottimizzare per un singolo motore. Si concentra sul comportamento di ChatGPT, lo bracca per settimane, e poi scopre che Perplexity usa fonti diverse e Claude pesa segnali diversi ancora. Lavorare su un motore alla volta è dispersione, lavorare sui segnali comuni a tutti è efficienza: ne parlo nel dettaglio nel pezzo dedicato a ChatGPT, Perplexity e Claude.

Una PMI non ha bisogno di un piano da agenzia enterprise, ha bisogno di un percorso ordinato in quattro fasi che si possa portare avanti in tre mesi. La prima fase è l’audit citazioni attuali: si raccolgono le 20-30 query più rilevanti per il business, si lanciano manualmente su ChatGPT, Perplexity, Google AI Overviews, e si segna chi viene citato. Quasi sempre il quadro è chiaro entro la prima settimana: o sei citato e vuoi capire perché, o non sei citato e qualcun altro sì.

La seconda fase è la scelta delle pagine pilota. Si prendono cinque pagine — di solito tre pagine servizio e due post di blog forti — e si applica la riscrittura GEO solo su quelle. Mai partire riscrivendo tutto: il rischio è perdersi e non misurare niente. La terza fase è la riscrittura passaggio-per-passaggio, con le regole che vedevamo prima: prima riga come risposta, dati numerici, fonti citate, FAQ schema, blocco Key Takeaways.

La quarta fase è il monitoraggio mensile. Si rilanciano le stesse query del primo audit, si segnano i cambiamenti, si guarda se la pagina pilota ha cominciato a comparire e con quale frequenza. Se sì, si estende il metodo. Se no, si capisce dov’è la falla: spesso è un problema di brand mention esterne, e a quel punto il lavoro si sposta sulle PR digitali e sulle directory di settore, perché senza presenza fuori dal tuo sito i modelli non hanno modo di sapere che esisti.

La parte meno matura della GEO è la misurazione. Esistono già diversi tool dedicati: Otterly, Profound, Peec AI, Goodie, BrightEdge AI Catalyst, AlsoAsked nella sua versione AI. Tracciano la presenza del tuo brand nelle risposte AI per un set di query che configuri, e ti restituiscono uno”share of voice”comparabile con i competitor. Sono utili, ma vanno presi con misura: i dati sono ancora rumorosi e le risposte AI variano molto tra una sessione e l’altra.

Il sostituto artigianale, e per molte PMI è ancora il migliore, è l’audit manuale ricorrente. Una volta al mese si rilancia il set di query di riferimento, in finestre incognito, da contesti geografici neutri, e si confronta con il mese precedente. Ci si mette mezza giornata, e si ottiene una baseline pulita che nessun tool automatico replica al 100%. Per quanto sia poco scalabile, è la cosa più vicina alla verità.

Se vuoi che la roadmap te la disegni e la esegua chi fa SEO e sviluppo nello stesso paio di mani da più di dieci anni, c’è il servizio sito + autorità SEO/AI, e c’è una telefonata diretta al 329 128 68 25 che vale più di tre ore di audit fatti da soli. Per il resto, gli altri pezzi della categoria — quello sugli AI Overviews di Google, quello sulle differenze tra motori, quello sulle tre sigle — completano il quadro senza che tu debba leggere un manuale accademico.

Contattaci per ricevere indicazioni precise sul servizio piu adatto.

Contattaci