Una famiglia di modelli, tre modi di reperire le risposte
Tre superfici Google rispondono alla stessa domanda in tre modi diversi. Se lavori nella ricerca, la differenza tra grounded e generativo non è un dettaglio da quiz. Decide cosa devi fare per farti citare.
Si parla di "posizionarsi nell'AI" come se fosse una cosa sola. Non lo è. Google usa un'unica famiglia di modelli su tre superfici, e ciascuna decide in modo diverso da dove arriva una risposta.
Questa è la parte utile. Non stai costruendo un secondo sito per i robot. Stai facendo in modo che un solo sito sia recuperabile, posizionabile e citabile lungo ogni percorso che una risposta può prendere, invece che solo sulla query principale che ti capita di monitorare.
Gemini (l’app): generative-first
Come nasce la risposta. Le risposte sono generate per impostazione predefinita dai dati di addestramento del modello. Il grounding su Google Search si attiva in modo selettivo, quando il modello decide che una query richiede informazioni fresche o verificabili.
Da dove arrivano le risposte. Principalmente dai pesi del modello, cioè dalla memoria parametrica: ciò che il modello ha già imparato. Quando fa grounding, recupera risultati live di Search e mostra i link di supporto. Ma qui il grounding è opzionale, non è il comportamento predefinito.
Perché conta. Le menzioni di brand nell'app Gemini dipendono in larga parte dalla presenza nei dati di addestramento, non dai posizionamenti di questa settimana.
- Il tuo brand è ben rappresentato nel corpus di addestramento: copertura autorevole, una presenza su Wikipedia, un'entità consolidata.
- Oppure il grounding si è attivato per quella query e sei ben posizionato nella Search live.
- La maggior parte delle risposte arriva dalla memoria del modello. Se il tuo brand è nuovo, di nicchia o poco coperto prima del cutoff di addestramento, per il modello non esisti.
- Ottimi posizionamenti non ti salvano sulle query a cui il modello risponde senza grounding.
La mossa: costruire una presenza di entità duratura. Copertura di terze parti, dati di entità coerenti e contenuti da cui il modello abbia davvero avuto occasione di imparare.
AI Overviews: grounding-first
Come nasce la risposta. Il recupero viene prima. Un modello Gemini personalizzato sintetizza un riassunto a partire da documenti che i sistemi di ranking di Google avevano già recuperato, e compare solo quando la confidenza è alta.
Da dove arrivano le risposte. Dall'indice live di Search, dal Knowledge Graph e dallo Shopping Graph. I link citati puntano alle pagine da cui il riassunto è stato costruito.
Perché conta. La recuperabilità classica comanda ancora. Se non puoi essere recuperato e posizionato, non puoi essere citato.
- Sei nell'insieme recuperato e posizionabile per quella query.
- Un passaggio della tua pagina sostiene direttamente un'affermazione della risposta sintetizzata.
- Testo pulito ed estraibile e freschezza aiutano. Ahrefs ha rilevato che gli URL citati dall'AI sono circa il 26% più freschi dei risultati organici.
- Secondo Google non serve alcuno schema particolare per l'idoneità.
- Non sei recuperabile:
noindex,nosnippet, blocchi, o semplicemente un recupero debole. - Oppure nessun passaggio della tua pagina sostiene l'affermazione che viene fatta.
- La citazione avviene a livello di passaggio (passage-level). Un buon posizionamento non garantisce più la citazione, anche se alza nettamente le probabilità: la sovrapposizione con la top 10 va da circa il 17% al 76% a seconda degli studi.
- Non contare su una soppressione nelle categorie YMYL. Circa l'88% delle query in ambito sanitario ora attiva una AI Overview.
La mossa: scrivere passaggi citabili. Affermazioni chiare e autosufficienti che rispondano da sole a un sotto-intento, invece di pagine che si limitano a posizionarsi.
AI Mode: grounded più fan-out
Come nasce la risposta. La query fan-out divide la tua domanda in più sotto-query, cercate in parallelo. Gemini poi ragiona su tutto l'insieme per comporre una sola risposta conversazionale.
Da dove arrivano le risposte. Dall'indice web, dal Knowledge Graph e da dati in tempo reale come shopping, local e finanza, sintetizzati con link in uscita. Ogni risposta è ancorata al recupero.
Perché conta. Non stai più ottimizzando per una query. Stai ottimizzando per le decine di sotto-query in cui si apre a ventaglio.
- Ti posizioni su una qualsiasi delle sotto-query parallele generate dal fan-out, non solo sul termine principale.
- Le pagine posizionate sulle query di fan-out hanno circa il 161% di probabilità in più di essere citate, secondo Ahrefs e Surfer.
- Una copertura tematica profonda e dati di entità solidi allargano la tua superficie utile.
- Hai ottimizzato per una parola chiave mentre la risposta veniva assemblata da una dozzina di sotto-query che non avevi mai considerato.
- Solo circa il 20% delle citazioni di AI Mode proviene dai primi 20 risultati organici, secondo seoClarity.
- La pertinenza del passaggio è il biglietto d'ingresso, ma l'autorevolezza continua a funzionare da filtro, soprattutto in ambito YMYL.
La mossa: mappare il fan-out. Copri il cluster di intenti correlati attorno a ogni query commerciale, non solo la query in sé.
Cosa cambiare davvero
Tre superfici, tre modalità di fallimento. Il lavoro si divide nettamente lungo la linea tra grounded e generativo.
Per la superficie generativa, costruisci l'entità. Non puoi ottimizzare per entrare nella memoria di un modello entro questo trimestre. Quello che sposta l'ago è una copertura di terze parti duratura, dati di entità coerenti nei luoghi in cui Google riconcilia l'identità, e contenuti abbastanza sostanziali da dare al modello qualcosa da imparare. È un lavoro lento e cumulativo.
Per le superfici grounded, scrivi passaggi, non solo pagine. Una pagina che si posiziona è il prezzo del biglietto. Quello che viene citato è un passaggio che esprime un'affermazione in modo abbastanza pulito da poter essere estratto e continuare ad avere senso. Autosufficiente, specifico e agganciato a un sotto-intento che qualcuno ha davvero.
Smetti di misurare una sola query. Se AI Mode scompone una domanda in una dozzina di sotto-query, monitorare il termine principale non ti dice quasi nulla sul fatto che tu sia presente nella risposta. Mappa i sotto-intenti attorno alle query che contano commercialmente, e coprili.
Niente di tutto questo richiede una strategia AI separata da innestare sul sito. Richiede che lo stesso sito sia leggibile da sistemi che ora assemblano risposte invece di elencare link. E richiede una misurazione capace di vedere che cosa quei sistemi hanno fatto davvero, che è un problema diverso, di cui abbiamo scritto in i tre segnali che vale la pena monitorare.
Scopri quali superfici AI ti stanno citando davvero.
WISLR misura il canale AI sui tuoi dati first-party: quali crawler leggono le tue pagine, quali risposte le citano e che cosa fa quel traffico una volta arrivato. Verità a livello di server invece di una stima di share of voice.