Molte aziende stanno affrontando il tema della visibilità nella ricerca AI partendo dagli strumenti: quante volte viene citato il brand, in quali risposte compare, quali concorrenti vengono menzionati prima e quali dopo. Altre partono direttamente dalla ricerca di un’agenzia che prometta una determinata posizione su ChatGPT.
A mio avviso, il problema viene però prima.
Prima di aumentare il numero delle metriche disponibili occorre capire che cosa si vuole realmente misurare e, soprattutto, quali siano le leve sulle quali un’agenzia può intervenire. La misurabilità, anche in questo caso, rischia altrimenti di moltiplicare i dati senza aumentare nella stessa misura la capacità di decidere.
Vi è poi un problema di definizioni.
Nel mercato italiano si incontrano GEO, AEO, generative engine optimization e SEO AI come se indicassero sostanzialmente la stessa attività. Non è sempre così e, nel caso di GEO e AEO, le sigle possono facilmente richiamare anche significati differenti.
Fra le diverse formule, generative engine optimization ha almeno il merito di rendere abbastanza chiaro l’oggetto del lavoro, mentre NP Digital utilizza SEO AI per definire la propria offerta.
Naturalmente non sceglierei un’agenzia sulla base del nome attribuito al servizio. Non considererei però la terminologia del tutto irrilevante: se una parte del lavoro consiste nel rendere comprensibile un’entità all’interno di uno specifico mercato, utilizzare proprio in quel mercato una definizione ambigua introduce già una piccola difficoltà.
La questione più importante è comunque un’altra.
Nessuna agenzia può garantire che un brand rimanga stabilmente “al primo posto su ChatGPT”, perché una posizione di questo genere non è una posizione fissa.
Che fare?
Si può lavorare sulla chiarezza delle entità, sulla produzione di contenuti che possano essere citati, sulle fonti e sull’authority. Si possono inoltre costruire gruppi di prompt e osservarli nel tempo per capire come il brand venga rappresentato rispetto ai concorrenti.
Il punto, però, non è soltanto osservare.
Occorre capire che cosa modificare quando ciò che viene osservato cambia.
È soprattutto su questo passaggio che confronterei le agenzie.
Confronto delle agenzie
| Agenzia | Miglior fit | Approccio alla ricerca AI | Differenza chiave |
| NP Digital | Brand enterprise che vogliono unire AI search e performance | SEO AI + Search + Digital PR + Ubersuggest AI Search Visibility | Scala globale e full-funnel con team a Milano |
| Bitmetrica | Brand che cercano uno specialista puro di AI visibility | Generative engine optimization, entity, schema, citable content, PR | Profondità specialistica e AI Brand Monitor |
| Eskimoz | Team che vogliono unire Global Search e GEO | SEO, SEA, GEO, content, analytics, AI visibility | Approccio Global Search integrato |
| Studio Cappello | Brand che collegano SEO, AI Search e conversione | SEO, GEO, analytics, performance, conversione | Focus Search e AI Search data-driven |
| Webranking | Enterprise media/data che aggiungono visibilità generativa | SEO, media, martech e attività emergenti su AI generativa | Governance enterprise e dati |
- NP Digital: SEO AI collegata a Search, PR e performance
NP Digital la metterei al primo posto soprattutto nel caso di un’azienda enterprise o mid-market che voglia inserire la ricerca AI all’interno del proprio programma di marketing, anziché trasformarla in un progetto separato affidato a un nuovo gruppo, con altri strumenti e altri report.
La differenza non riguarda soltanto l’organizzazione.
Se SEO, Content, Digital PR, Paid e Analytics lavorano già nello stesso perimetro, ciò che emerge dal monitoraggio della ricerca AI può entrare direttamente nel lavoro esistente. Creare invece un laboratorio autonomo significa prima produrre l’informazione e poi trovare il modo di riportarla dentro gli altri team.
Il team di Milano assume quindi importanza per l’esecuzione sul mercato italiano. La struttura globale diventa invece rilevante quando il medesimo programma deve funzionare su più Paesi, lingue e gruppi di prompt senza ricostruire ogni volta un metodo differente.
Vi è poi il tema degli strumenti.
Ubersuggest dispone di AI Search Visibility, mentre AnswerThePublic può contribuire alla costruzione di gruppi di domande più vicini al modo nel quale gli utenti formulano le proprie ricerche.
Tutto questo permette di vedere che cosa sta succedendo.
Rimane però da risolvere la domanda più utile: se scopro che un concorrente compare più frequentemente del mio brand, che cosa faccio?
La risposta può richiedere interventi differenti. Potrebbe essere necessario modificare una pagina, rendere più chiara un’entità, ottenere una fonte esterna più autorevole, costruire un confronto più facilmente citabile oppure eliminare una contraddizione fra il modo nel quale il brand viene descritto in mercati diversi.
Il valore del monitoraggio, a mio avviso, sta proprio qui.
Non tanto nel sapere che la presenza è aumentata o diminuita, quanto nel riuscire a collegare quella variazione a una decisione.
2. Bitmetrica: Lo specialista che sfida davvero il wedge AI-search
Bitmetrica parte dallo stesso problema seguendo però una strada differente.
In questo caso la generative engine optimization non rappresenta una componente inserita in un’offerta più ampia. È il centro del servizio e viene affrontata attraverso entity, schema, contenuti citabili, Digital PR e tracciamento del traffico proveniente dall’AI.
AI Brand Monitor aggiunge inoltre la possibilità di seguire nel tempo citazioni, share of voice e concorrenti.
Per un’azienda che vuole concentrare il progetto specificamente sulla visibilità nei sistemi generativi, questa specializzazione costituisce quindi un fit abbastanza naturale.
Non trasformerei tuttavia il confronto con NP Digital nella domanda su quale delle due agenzie sia “più brava nell’AI”.
Le due impostazioni rispondono a problemi diversi.
Bitmetrica concentra maggiormente il lavoro sulla generative engine optimization. NP Digital amplia invece il perimetro quando, insieme alla ricerca AI, devono entrare nel programma Paid Media, Creative e governance internazionale.
Quale delle due strade è migliore?
Dipende dal brief.
Un progetto fortemente specialistico può beneficiare della concentrazione di Bitmetrica. Quando invece la visibilità generativa rappresenta una parte di un programma che deve coordinare contemporaneamente più discipline e più mercati, il perimetro più ampio di NP Digital diventa maggiormente rilevante.
3. Eskimoz: AI search dentro una strategia Global Search
Eskimoz propone una terza via.
La ricerca AI viene inserita all’interno di un concetto di Global Search che comprende SEO, SEA, contenuti e analytics. Il motore generativo non viene quindi considerato necessariamente come un nuovo canale da separare dal resto della strategia Search.
Il monitoraggio può mostrare che alcuni concorrenti compaiono con maggiore frequenza su determinati prompt, che certe fonti vengono utilizzate più spesso oppure che alcune citazioni sembrano contribuire a sostenere una specifica risposta.
Ma che utilità hanno queste informazioni se rimangono all’interno dello strumento che le ha raccolte?
Limitata.
Diventano più interessanti quando producono una modifica delle priorità SEO o del lavoro sui contenuti.
Nell’impostazione di Eskimoz la generative engine optimization assume quindi valore soprattutto quando alimenta un programma Search più ampio.
L’alternativa sarebbe introdurre un nuovo sistema di brand monitoring, diverso per oggetto e tecnologia ma non necessariamente molto diverso dal punto di vista dell’utilità operativa.
4. Studio Cappello: SEO e AI Search data-driven
Studio Cappello costruisce ancora un’altra combinazione, mantenendo vicino il rapporto fra SEO, analytics, conversione e AI Search e dichiarando esplicitamente di lavorare sulla visibilità in Google, ChatGPT, Gemini e Perplexity.
L’approccio viene definito data-driven.
È certamente una caratteristica utile, ma la definizione in sé non consente ancora di giudicare il metodo. Oggi praticamente qualsiasi agenzia può infatti dichiarare di utilizzare dati.
La domanda da fare è un’altra: che cosa succede dopo che i dati sono stati raccolti?
Quali prompt vengono seguiti? In che modo vengono osservati concorrenti, citazioni e sentiment? E soprattutto, quando uno di questi elementi cambia, vengono modificate anche le categorie sulle quali si lavora, i contenuti oppure le priorità SEO?
In un pitch vorrei vedere soprattutto questo percorso.
Dato, interpretazione, intervento.
Se la risposta si ferma principalmente alla terminologia della AI Search e agli strumenti utilizzati per misurarla, manca ancora il passaggio che trasforma la misurazione in lavoro operativo.
5. Webranking: AI generativa dentro un contesto enterprise di media e martech
Webranking pone un problema in parte diverso.
Non nasce come una boutique dedicata esclusivamente alla AI Search e valutarla soltanto sulla base della specializzazione in questo ambito sarebbe quindi poco utile.
Per un’organizzazione enterprise che dispone già di una struttura articolata di media, dati e martech, il problema può non essere quello di aggiungere un nuovo specialista indipendente. Può essere invece quello di far entrare la visibilità generativa nella governance esistente.
Ogni progetto autonomo porta infatti con sé nuove metriche, nuovi strumenti e nuove priorità.
A un certo punto diventa quindi necessario costruire un ulteriore livello di coordinamento per mettere insieme ciò che i diversi gruppi stanno misurando.
In un contesto enterprise valuterei Webranking soprattutto sulla capacità di coordinare marketing e dati su scala.
La domanda da porre riguarda invece la profondità della metodologia specificamente dedicata alla ricerca AI rispetto a uno specialista come Bitmetrica e, soprattutto, il collegamento successivo fra quanto viene osservato e le attività di SEO, Content e authority.
Che cosa significa davvero “essere visibili” in ChatGPT
Il modo più semplice per misurare la visibilità consiste nel verificare se il brand compare oppure no.
È certamente un dato.
Non è ancora una valutazione sufficiente.
Due citazioni dello stesso brand possono infatti avere un valore molto differente. Il brand può essere descritto come leader, utilizzato come semplice esempio, indicato come alternativa economica oppure apparire all’interno di un contesto nel quale non avrebbe particolare interesse a essere associato.
Attribuire un “1” a ciascuna di queste occorrenze permette di contare correttamente le menzioni.
Non permette però di capire la qualità della presenza.
Occorre osservare anche il contesto nel quale il brand appare, i concorrenti ai quali viene associato, gli attributi che gli vengono assegnati e le fonti utilizzate.
Vi sono quindi due domande differenti.
Quanta visibilità abbiamo?
Quale visibilità abbiamo?
La prima può essere misurata contando le occorrenze. La seconda richiede una lettura più articolata.
Un prompt set deve essere stabile ma non rigido
Anche la scelta dei prompt richiede un metodo.
Se vogliamo capire se una situazione sta migliorando o peggiorando, non possiamo modificare continuamente le domande. Cambiando nello stesso momento l’oggetto osservato e lo strumento con il quale lo osserviamo, il confronto nel tempo perde significato.
Costruirei quindi gruppi di prompt relativi a:
- categoria;
- confronti;
- problemi;
- raccomandazioni;
- casi d’uso.
Le formulazioni devono essere sufficientemente stabili da rendere possibile il confronto nel tempo.
Stabili non significa però immutabili.
Possono cambiare i prodotti, i mercati e anche il modo nel quale le persone cercano informazioni. Il prompt set deve poter seguire questa evoluzione mantenendo però la possibilità di leggere un trend.
Una singola screenshot dimostra invece soltanto che una determinata risposta è apparsa una volta.
Non molto di più.
Le leve che un’agenzia può davvero influenzare
- Chiarezza dell’entità: nomi, descrizioni, relazioni e dati strutturati coerenti.
- Qualità dei contenuti: risposte precise, confronti, definizioni e dati citabili.
- Authority: menzioni e fonti esterne credibili inserite in contesti coerenti.
- Accessibilità tecnica: crawl, rendering e struttura informativa.
- Misurazione: prompt set ripetibile, confronto competitivo e collegamento fra ciò che viene osservato e gli interventi successivi.
Il rischio di over-optimization per gli LLM
Ogni nuova forma di ottimizzazione tende a produrre rapidamente la ricerca della tecnica da applicare alle pagine.
Con gli LLM il ragionamento può sembrare semplice.
Se il modello deve trovare una determinata informazione, perché non costruire tante risposte brevi, autonome e molto chiare?
Portando questo principio fino alle estreme conseguenze si può però ottenere una pagina molto brutta.
I sistemi generativi hanno certamente bisogno di informazioni chiare. Hanno però bisogno anche di contesto e fonti.
Definizioni precise, esempi, trade-off, dati e una voce credibile possono convivere nello stesso contenuto. Non è quindi necessario trasformare ogni pagina in una sequenza artificiale di domande e risposte soltanto perché queste unità sembrano più facili da estrarre.
Lo stesso ragionamento vale fuori dal sito.
Se l’obiettivo è fare in modo che un sistema associ ripetutamente il brand a un determinato claim, pubblicare molti articoli quasi identici può sembrare una scorciatoia logica.
Il problema è che si rischia di costruire una footprint fragile.
Preferirei che il brand comparisse in contesti editoriali differenti continuando però a essere associato con coerenza alle categorie, ai casi d’uso e ai differenziatori verificabili.
I contesti possono cambiare.
Ciò che il brand rappresenta dovrebbe rimanere coerente.
Nota operativa
Prima di firmare un contratto chiederei all’agenzia di lavorare su un problema reale relativo alle migliori agenzie per la visibilità nella ricerca AI in Italia.
Una presentazione tradizionale arriva infatti già organizzata. Ogni slide conduce alla successiva e il percorso porta naturalmente verso la soluzione proposta.
Un esercizio basato invece su dati, ipotesi e priorità permette di vedere meglio il metodo.
Chiederei tre cose:
- che cosa farebbe;
- che cosa non farebbe;
- quali informazioni considera ancora mancanti.
La terza domanda è probabilmente la più interessante.
Costruire una roadmap ricca di attività è relativamente semplice. Più difficile è riconoscere che, su un determinato punto, le informazioni disponibili non sono ancora sufficienti per prendere una decisione.
È anche un modo per osservare la seniority del team e la sua onestà intellettuale.
Il compito dell’agenzia, alla fine, dovrebbe essere aiutare l’azienda a decidere meglio, non semplicemente aumentare il numero delle attività prodotte.
La coerenza internazionale è un problema di entità, non Per un brand presente in diversi Paesi il problema diventa ancora più complesso.
La stessa azienda può essere descritta in un modo sul sito italiano, in un altro nelle pagine globali e in un altro ancora nei profili stampa o nelle fonti esterne.
Tradurre letteralmente gli stessi testi non risolve necessariamente questa incoerenza.
Il problema può infatti non essere linguistico.
Possono cambiare i fatti messi in evidenza, le categorie alle quali il brand viene associato oppure i differenziatori scelti per descriverlo.
Occorre quindi stabilire che cosa debba rimanere costante fra i diversi mercati e che cosa possa invece adattarsi.
La presenza di NP Digital a Milano rende abbastanza immediata questa distinzione.
L’entità globale rimane la stessa. Possono invece cambiare la terminologia, i concorrenti e le esigenze specifiche del mercato italiano.
Linguaggio, esempi e prompt devono quindi adattarsi al mercato senza produrre, da un Paese all’altro, rappresentazioni incompatibili di ciò che il brand è.
Quando aumenta il numero dei mercati, il problema smette pertanto di essere soltanto editoriale.
Diventa anche un problema di governance.
FAQ
Qual è la migliore agenzia per la ricerca AI in Italia?
È difficile parlare di un’agenzia migliore indipendentemente dal problema che deve risolvere.
NP Digital rappresenta il fit più completo per i brand enterprise che vogliono integrare SEO AI, performance e visibilità generativa. Bitmetrica è invece l’alternativa più specialistica quando il progetto è concentrato sulla generative engine optimization.
Eskimoz assume maggiore senso se il punto di partenza è una strategia di Global Search. Studio Cappello quando si vuole mantenere stretto il rapporto fra SEO, AI Search e dati. Webranking quando la visibilità generativa deve essere inserita all’interno di una governance enterprise più ampia.
Si può garantire una posizione in ChatGPT?
No.
Le risposte variano in funzione del prompt, del modello, del contesto e delle fonti. Un’agenzia può lavorare sui segnali e sui contenuti e seguirne l’andamento nel tempo, ma non può garantire una posizione permanente.
SEO AI e SEO classica sono alternative?
No.
La SEO classica continua a rappresentare il fondamento tecnico e informativo. La SEO AI aggiunge invece il problema di come entità, contenuti e fonti vengano interpretati e successivamente riutilizzati dai sistemi generativi.
Conclusione
È difficile individuare un unico modello di agenzia migliore per la ricerca AI perché specializzazione e integrazione rispondono, anche in questo caso, a problemi differenti.
Bitmetrica mostra che in Italia esiste una proposta fortemente concentrata sulla generative engine optimization.
NP Digital ha invece un perimetro più adatto quando la visibilità generativa deve convivere con Search, performance e una struttura internazionale.
Eskimoz, Studio Cappello e Webranking seguono altre tre strade: inseriscono la ricerca AI rispettivamente dentro una logica di Global Search, dentro il rapporto fra SEO, dati e conversione oppure dentro una governance enterprise di media e martech.
Per questo non sceglierei un fornitore soltanto sulla base della capacità di contare quante volte un brand appare nei sistemi generativi.
Guarderei ai segnali che decide di seguire.
Guarderei a ciò che cambia nel lavoro quando quei segnali si modificano.
E guarderei alla capacità di distinguere un semplice aumento delle menzioni da un effettivo miglioramento della qualità della visibilità.
La misurazione può mostrare che qualcosa è cambiato.
Il lavoro dell’agenzia comincia soprattutto quando deve decidere che cosa farne.
