Un utente apre ChatGPT e scrive: "Sto cercando un fornitore di imballaggi sostenibili per il mio ecommerce, cosa mi consigli?" L'AI risponde in dieci secondi con quattro nomi. Il tuo non c'è.
Non c'è stato un algoritmo che ti ha penalizzato. Non hai violato nessuna linea guida. I modelli, semplicemente, non ti "conoscono" abbastanza da tirarti fuori in quel contesto.
È un problema nuovo? In apparenza. Nella sostanza, è lo stesso che le aziende affrontano su Google da trent'anni — con una differenza: lì esiste un'intera industria di strumenti per misurarlo, monitorarlo e lavorarci sopra. Sugli LLM, fino a poco fa, c'era solo l'intuizione.
GEO: non un trend, un'accelerazione
Negli ultimi mesi si sente parlare molto di GEO — Generative Engine Optimization — come se fosse una nuova disciplina, separata dalla SEO, con le sue logiche, i suoi specialisti, i suoi corsi da seguire prima che sia troppo tardi.
Non è così. O meglio: non è così per chi fa SEO seriamente da qualche anno.
La SEO ha smesso di essere una questione di keyword density almeno nel 2015. Da allora, il lavoro vero si fa sui contenuti che rispondono a bisogni reali, sull'autorevolezza tematica, sui cluster semantici, sulle entità — non sulle singole parole. Chi ha costruito contenuti long tail su domande specifiche degli utenti, chi ha sviluppato FAQ contestuali, chi ha lavorato sulla crawlability e sul markup strutturato: è già a metà strada verso la GEO.
La GEO non è una rivoluzione. È un acceleratore nella stessa direzione. I modelli generativi si nutrono di contenuti autorevoli, pertinenti, ben strutturati — esattamente quello che Google premia da anni. Trattarla come un trend separato significa, nella migliore delle ipotesi, duplicare il lavoro. Nella peggiore, ignorarla pensando che passi.
Non passa. Cambia il canale, non la logica.
C'è un'altra cosa che la SEO e la GEO condividono, e che vale la pena dire esplicitamente: i brand forti vincono su entrambe. Un'azienda con un brand riconoscibile, con una reputazione costruita nel tempo, con menzioni e riferimenti diffusi sul web — quella azienda emerge più facilmente anche nelle risposte degli LLM. I modelli si addestrano su ciò che esiste e viene citato. Un brand che le persone nominano, linkano e raccomandano è un brand che i modelli "conoscono" meglio.
Costruire un brand forte non è una strategia GEO. È la scorciatoia più efficace per la SEO, per la GEO, e per qualsiasi canale di visibilità verrà dopo. Vale oggi come valeva dieci anni fa.
Il nostro approccio alla misurazione
Il mercato di tool per la GEO si sta riempiendo velocemente. La domanda che ci siamo posti non è stata "anche noi?", ma "con quale logica?".
Il problema concreto non è capire che gli LLM contano. È capire quanto un brand ci sia dentro, in quali situazioni, e rispetto a chi — in modo sistematico e ripetibile nel tempo. Non con una sessione di test manuali su ChatGPT, che è l'equivalente di misurare il ranking su Google aprendo il browser in incognito una volta ogni tanto.
Brand Presence è la nostra risposta — un modulo di MAX, la piattaforma di organic business intelligence che abbiamo sviluppato in Boraso per analisi SEO e di mercato più strutturate: identificazione dei player reali in una nicchia, mappatura delle opportunità di traffico organico, segmentazione per intento di ricerca. Brand Presence ne estende la logica verso un canale nuovo: gli LLM. Con un'impostazione specifica su come costruire le domande di misurazione — che è il punto su cui, a nostro avviso, si gioca la qualità del dato.
Come funziona Brand Presence
Il punto di partenza è il dominio del cliente. Da lì, il sistema costruisce in autonomia un profilo del brand: settore, posizionamento, pubblico di riferimento, contesto competitivo. Nessuna configurazione manuale lunga ore.
Il passaggio che differenzia Brand Presence dagli approcci più elementari è la generazione degli scenari di ricerca. Il sistema non si limita a chiedere ai modelli "cosa pensi del brand X?" — una domanda che nessun utente reale farebbe mai. Identifica i job to be done: i bisogni concreti per cui una persona potrebbe rivolgersi a un'AI in quel mercato.
Il concetto di job to be done viene dal mondo della UX e del product design, e l'intuizione di base è questa: le persone non cercano prodotti o brand, cercano soluzioni a situazioni concrete che si trovano ad affrontare. Non "quali brand vendono scarpe da trail?" ma "sto iniziando a correre in montagna, cosa mi serve per un percorso di un'ora?". Non "chi sono i migliori fornitori di imballaggi sostenibili?" ma "devo ridurre l'impatto ambientale del mio packaging senza far esplodere i costi: da dove parto?". Il bisogno non è mai il prodotto — è la situazione che il prodotto deve risolvere.
Questo cambia completamente il modo in cui si misura la presenza sugli LLM. Perché quando un utente reale si rivolge a ChatGPT o Gemini, non fa una query secca da motore di ricerca: racconta una situazione, chiede un consiglio, descrive un problema. E l'AI risponde in quel contesto, citando brand che ritiene pertinenti a quella situazione specifica — non brand genericamente famosi nel settore.
Brand Presence identifica i job to be done rilevanti per il mercato del cliente — possono essere cinque come cinquanta, dipende dall'ampiezza del settore e dalla complessità dell'offerta. Per ognuno, genera una batteria di prompt diversi: da due a dieci varianti che formulano lo stesso bisogno in modi differenti — tono più formale o più colloquiale, angolazione più pratica o più strategica, contesto più specifico o più aperto. Questo serve a compensare parzialmente la natura probabilistica dei modelli: se un brand emerge in sei prompt su otto costruiti intorno allo stesso scenario, il segnale è più solido di una singola risposta.
Il tutto senza mai citare il brand nel prompt — per osservare come emerge spontaneamente, non come risponde a una domanda diretta su di sé.
Brand Presence traduce questa logica in una batteria di prompt neutri pensati per far emergere le opzioni di mercato come le riceverebbe un utente reale. Le stesse domande vengono poste in parallelo a ChatGPT, Gemini, Claude e Perplexity, così il confronto è omogeneo tra i quattro provider più diffusi.
Le risposte vengono analizzate e strutturate: quali brand sono stati citati, quante volte, in quale contesto, accanto a quali competitor. Il risultato arriva in una dashboard dedicata — presenza totale, copertura per provider, confronto diretto con i competitor, breakdown per scenario d'uso, trend nel tempo.
Il monitoraggio non è una fotografia una tantum. Ogni analisi può essere schedulata a cadenza ricorrente, perché i modelli si aggiornano, il mercato si muove, e quello che vale oggi potrebbe non valere tra sei mesi.
Una premessa onesta: gli LLM non sono le SERP
Detto questo, c'è una cosa che vale la pena dire chiaramente: misurare la presenza su un LLM non è come misurare la posizione su una SERP.
Le SERP sono deterministiche, o quasi. A parità di query, il ranking è stabile, confrontabile, storicamente interpretabile. I dati di un rank tracker hanno una solidità statistica costruita in vent'anni.
Gli LLM no. Le risposte sono probabilistiche per natura. Lo stesso prompt può produrre output diversi a distanza di minuti. Un modello che cita un brand oggi potrebbe non farlo domani per ragioni che non dipendono dal brand — un aggiornamento interno, una variazione del contesto, parametri che nessuno controlla dall'esterno.
Brand Presence va usato come un proxy, non come una verità assoluta. Un'indicazione di tendenza. Una direzione. Siamo in un campo in evoluzione rapida, e chi vende certezze assolute su questo tema probabilmente ne vende anche su altro.
(Vale la pena ricordare che fidarsi dei volumi di ricerca di Google è già di per sé un atto di fede — ma almeno lì abbiamo trent'anni di esperienza nel capirne i limiti. Sugli LLM siamo tutti al primo anno.)
Il valore del monitoraggio continuo sta proprio qui: non nel singolo dato, ma nel trend. Vedere se nel tempo la presenza cresce, cala, cambia forma — rispetto ai competitor e rispetto ai propri scenari d'uso prioritari.
Cosa ci fai con questi dati
Misurare è il primo passo. Il secondo è sapere cosa fare con quello che trovi.
I dati di Brand Presence aprono direzioni diverse a seconda di cosa emerge. Un brand assente su uno specifico scenario d'uso ha davanti a sé una priorità editoriale: quei bisogni non presidiati diventano il brief per i contenuti successivi. Un brand che compare su ChatGPT ma non su Gemini — o viceversa — ha un problema di distribuzione dell'autorevolezza tra modelli diversi, che si lavora in modo diverso dalla SEO classica. Un brand che non compare mai in un certo contesto competitivo potrebbe avere un problema di contenuti, oppure un problema di PR digitale, oppure — più raramente, ma vale saperlo — un problema di posizionamento di offerta. La differenza non è banale.
A questo si aggiunge la dimensione temporale: seguire l'evoluzione della presenza nel tempo permette di collegare causa ed effetto in un canale che finora veniva gestito a sensazione, e di portare al management dati oggettivi su un investimento che altrimenti rimarrebbe intangibile.
Ogni situazione ha la sua lettura. E la lettura giusta, spesso, vale più del dato grezzo.
Il momento giusto per iniziare a misurare
Chi presidia la propria presenza sugli LLM oggi ha un vantaggio su chi aspetterà. Non perché i modelli sostituiranno Google domani. Ma perché i modelli si addestrano su ciò che esiste adesso. L'autorevolezza che costruisci oggi — contenuti, menzioni, presenza strutturata — è quella che i modelli di domani impareranno a riconoscere.
Se vuoi vedere dove il tuo brand compare nelle risposte delle AI — e dove invece compaiono i tuoi competitor al posto tuo — scrivici: facciamo un'analisi insieme.
Condividi articolo
