SEO per LLM: come i modelli linguistici scelgono le fonti, cosa rende citabile un passaggio, accesso dei crawler, coerenza dell'entità e misura delle menzioni.

In breve
la SEO per LLM consiste nel far comparire il vostro marchio e le vostre pagine nelle risposte dei grandi modelli linguistici come ChatGPT, Gemini, Claude e Perplexity. Questi modelli attingono a due fonti: ciò che hanno imparato durante l'addestramento e ciò che recuperano dal web al momento della domanda. Sulla prima si agisce con menzioni numerose e coerenti del marchio sul web, sulla seconda con pagine scansionabili i cui passaggi rispondono direttamente alle domande, con fatti e fonti. Poi si misura, domanda per domanda, se si viene citati.
Vuoi approfondire? Chiedi a
La ricerca si divide sempre di più tra la classica pagina dei risultati e le risposte conversazionali, e SEO per LLM è il nome che la maggior parte dei marketer dà alla seconda metà del lavoro. Si parla anche di GEO (generative engine optimization), AEO o LLMO. I nomi cambiano, i meccanismi restano gli stessi e sono abbastanza concreti da essere affrontati con metodo.
La SEO per LLM è l'insieme delle azioni che aumentano la probabilità che un modello linguistico menzioni, raccomandi o citi il vostro marchio quando risponde a una domanda. La SEO classica punta a una posizione in un elenco di dieci link. La SEO per LLM punta a un posto dentro una risposta sintetica, in cui spesso compaiono solo da tre a cinque marchi o fonti.
L'obiettivo ha due forme da tenere distinte:
Un marchio può essere menzionato senza essere citato (il modello lo conosce dall'addestramento) e citato senza essere raccomandato (la pagina fa da fonte neutra). Un buon lavoro copre entrambe.
Attraverso due canali: la memoria costruita durante l'addestramento e il recupero in tempo reale dal web quando il modello effettua una ricerca. Capire quale dei due agisce su una domanda indica la leva da usare.
| Canale | Come funziona | Cosa lo influenza | Tempi dell'effetto |
|---|---|---|---|
| Dati di addestramento | Il modello ha appreso associazioni da un'ampia istantanea del web, ferma alla data di cutoff | Quanto spesso e quanto coerentemente molti siti indipendenti descrivono il marchio | Lenti: mesi, fino alla versione successiva del modello |
| Recupero in tempo reale | Il modello lancia ricerche, recupera alcune pagine e costruisce la risposta con passaggi estratti | Indicizzazione, accesso dei crawler, posizionamento sulle sotto-query, qualità dei passaggi | Rapidi: da giorni a settimane dopo la pubblicazione |
Il recupero corrisponde al meccanismo della generazione aumentata dal recupero (RAG). Quando cerca, il modello spesso scompone la domanda in più sotto-query (query fan-out), recupera risultati per ciascuna e tiene i passaggi che rispondono meglio. Posizionarsi bene nella ricerca classica su quelle sotto-query resta quindi uno dei migliori indicatori di citazione. Google spiega che le sue funzioni di IA, come AI Overviews, si basano sullo stesso indice e sugli stessi sistemi di qualità della Ricerca, senza markup speciale (Google Search Central).
Un passaggio viene citato quando risponde per intero a una domanda, in modo autonomo, con un fatto verificabile. Il modello estrae un blocco di poche frasi, che deve avere senso senza il resto della pagina.
La ricerca lo conferma. Lo studio di Princeton che ha coniato il termine GEO ha testato diversi metodi di riscrittura: aggiungere fonti, citazioni e statistiche ha aumentato la visibilità nelle risposte generate fino a circa il 40% nel loro banco di prova (Aggarwal et al., GEO). Il keyword stuffing, al contrario, non ha aiutato.
Le regole pratiche:
Potete verificare come un modello legge una pagina con il nostro verificatore di leggibilità per LLM, gratuito.
Perché un modello si fida di ciò che molte fonti indipendenti dicono allo stesso modo. Se sito, pagina LinkedIn, piattaforme di recensioni, directory e articoli di stampa descrivono l'azienda con lo stesso nome, la stessa categoria e gli stessi fatti chiave, il modello forma un'associazione stabile tra il marchio e quella categoria.
Descrizioni incoerenti (un vecchio nome qui, un'altra categoria là, prezzi superati altrove) confondono questa associazione e aumentano il rischio di errori nelle risposte. È un lavoro poco appariscente ed efficace:
È il cuore della SEO delle entità, e spesso il pezzo mancante dei marchi con un sito ben ottimizzato che non compaiono mai negli elenchi di raccomandazioni.
Consentendo i crawler che recuperano le pagine per le risposte in tempo reale, rendendo le pagine leggibili senza JavaScript e restando indicizzati nei motori di ricerca usati dai modelli. Una pagina che il modello non riesce a recuperare non sarà mai citata, per quanto sia valida.
| Crawler | Gestore | Ruolo |
|---|---|---|
| OAI-SearchBot | OpenAI | Recupera le pagine per le risposte di ricerca di ChatGPT |
| GPTBot | OpenAI | Raccoglie contenuti per l'addestramento dei modelli |
| ClaudeBot | Anthropic | Raccoglie contenuti per Claude |
| PerplexityBot | Perplexity | Indicizza le pagine per le risposte di Perplexity |
| Google-Extended | Controlla l'uso dei contenuti per l'addestramento di Gemini; nessun effetto sulla Ricerca né su AI Overviews |
Controllate robots.txt, le impostazioni anti-bot del firewall o della CDN (alcune bloccano i crawler delle IA per impostazione predefinita) e il rendering lato server del contenuto principale. La nostra guida alle regole robots.txt per i crawler delle IA spiega le direttive riga per riga.
Seguendo nel tempo un elenco fisso di domande e annotando menzioni, citazioni e i concorrenti nominati al vostro posto. Non esiste un equivalente della posizione e le risposte cambiano da una volta all'altra, quindi si misurano tendenze su un panel di domande.
A mano questo monitoraggio diventa presto pesante: per questo gli strumenti di monitoraggio delle menzioni nelle IA ripetono il panel ogni settimana ed elencano le fonti citate per ogni domanda.
La SEO per LLM si riassume in tre punti: essere accessibili ai crawler, scrivere passaggi che rispondono per intero a una domanda con fatti documentati, e fare in modo che il resto del web descriva il marchio come lo descrivete voi. Poi misurate su un panel di domande stabile, perché ciò che non si monitora non si può migliorare.
Sorank svolge questo lavoro in autopilot: scrive e pubblica ogni giorno articoli che rispondono subito, verifica ogni settimana se ChatGPT, Gemini, Claude o Perplexity citano il vostro marchio e mostra chi viene citato al vostro posto. Potete iniziare con la prova gratuita di 3 giorni.

La SEO per LLM estende la SEO tradizionale senza sostituirla. Le IA che cercano sul web si basano ancora su pagine scansionabili e indicizzate, quindi salute tecnica e autorevolezza contano sempre. Cambia l'unità di competizione: le IA citano passaggi e non pagine intere, e tengono conto di quanto in modo coerente altri siti descrivono il vostro marchio.
Elencate le 20-50 domande che i vostri clienti pongono davvero, sottoponetele a ChatGPT, Gemini, Perplexity e Claude e annotate se il marchio compare, in quale posizione e quali fonti vengono citate. Ripetete la stessa lista ogni settimana o ogni mese, perché le risposte variano. Uno strumento di monitoraggio automatizza il lavoro e mostra chi viene citato al vostro posto.
Bloccare un crawler di addestramento come GPTBot esclude i contenuti dai futuri dati di addestramento, ma non toglie il marchio dalle risposte e può ridurne la presenza nel lungo periodo. I crawler di ricerca come OAI-SearchBot o PerplexityBot recuperano le pagine per le risposte in tempo reale: bloccarli rende invisibili in quelle risposte. La maggior parte dei marchi che cercano visibilità li consente entrambi.
HANNO PROVATO SORANK PRIMA DI TE
