Come si legge uno studio sulla visibilità IA
Cinque domande che separano una misurazione da un materiale di marketing. Falle anche a noi.
rassegna metodologica di 45 studi, luglio 2026 · 8 luglio 2026 · 4 min di lettura
Ti faranno vedere degli studi. Ogni fornitore di questo mercato ne pubblica, ne pubblichiamo noi, e quasi tutti sono prodotti da aziende che hanno un interesse commerciale nella conclusione. Non è una squalifica, alcuni dei dati migliori di questo campo vengono dai fornitori, perché sono gli unici ad averli, ma vuol dire che ti serve un modo per leggerli.
A luglio 2026 una rassegna metodologica ha esaminato 45 studi sull’ottimizzazione per i motori generativi pubblicati fra novembre 2023 e luglio 2026. Le sue critiche alla letteratura sono una lista di controllo insolitamente buona, e l’abbiamo usata sul nostro lavoro.
1. Dà per scontato il recupero?
È il difetto più comune. Uno studio mette cinque documenti nel contesto di un modello, ne cambia uno, e misura quale viene citato. Risponde alla domanda “una volta trovato, sei stato scelto?”, e salta quella più difficile, cioè se tu sia stato trovato.
La rassegna lo chiama pregiudizio da contesto fisso, e conta perché le due cose possono puntare in direzioni opposte. Un test su 171.003 documenti ha trovato che ottimizzare solo il corpo del testo riduceva la presenza fra i primi venti di circa il 9% e la citazione finale del 6%: tattiche che vincevano il lancio di monetina della citazione perdevano il turno precedente. Vincere il lancio non vale niente se sei uscito dall’insieme dei candidati.
Chiedi: il documento è stato recuperato, o è stato passato in mano al modello?
2. Chi giudica?
Uno schema ricorrente: la stessa famiglia di modelli genera il contenuto di prova, lo riscrive, e poi valuta quale versione sia migliore. La rassegna lo chiama circolarità del modello giudice. Non è una frode: è semplicemente un circuito chiuso, e troverà regolarmente che i contenuti ottimizzati per le macchine piacciono alle macchine.
Lo studio più solido di questo campo, le 252.000 prove con il risultato sul prezzo dichiarato, ha esattamente questa caratteristica, e i suoi autori lo dicono. Hanno rivisto a mano 300 scenari come controllo. Noi quello studio lo citiamo di continuo e ha questo difetto, ed è per questo che lo etichettiamo come preprint tutte le volte.
Chiedi: chi ha generato il materiale, e chi lo ha valutato?
3. Qual è il denominatore?
La “quota di citazioni” viene spesso calcolata solo sulle risposte che contenevano citazioni. Ma quasi nessuna risposta ne contiene. Similarweb ha trovato che solo circa il 6,8% delle richieste statunitensi a ChatGPT produceva a maggio 2026 una risposta con una citazione qualsiasi, in netta crescita dall’1,6% dell’anno prima e comunque poco.
Quindi un titolo che dice che un marchio ha il 30% della quota di citazioni può descrivere il 30% di un numero piccolissimo. È un pregiudizio di selezione, ed è invisibile se non lo chiedi.
Chiedi: il 30% di cosa, e quante risposte non avevano nessuna citazione?
4. Sta ottimizzando anche qualcun altro?
Quasi tutti gli studi mettono alla prova un attore che cambia una cosa mentre il resto del mondo sta fermo. I mercati veri non funzionano così. C-SEO Bench, sottoposto a revisione fra pari a NeurIPS 2025, cosa che quasi nessun lavoro di questo campo è, ha trovato che quasi tutti i metodi di ottimizzazione conversazionale “non solo sono largamente inefficaci ma hanno anche frequentemente un impatto negativo sul posizionamento del documento”, e che l’efficacia diminuiva man mano che più concorrenti adottavano la stessa tecnica. Gli autori descrivono lo spazio come congestionato e a somma zero.
Il che significa che una tattica che funzionava in uno studio fatto all’inizio del 2025 può non funzionare adesso, per il motivo banale che quello studio lo hanno letto tutti.
Chiedi: cosa succede quando lo fanno anche i tuoi concorrenti?
5. Misura la visibilità, o una sua approssimazione?
La conclusione della rassegna vale la pena citarla intera:
“Nessuna tecnica esaminata mostra un effetto causale stabile, longitudinale e valido su tutte le piattaforme sulla reperibilità organica o sui comportamenti successivi.”
Conteggi di citazioni, frequenze di menzione, quote di voce: sono approssimazioni. La cosa che vuole davvero chiunque sono i clienti. Il legame fra l’una e l’altra, in questo campo, non lo ha ancora dimostrato nessuno.
Chiedi: qual è il risultato che si sta misurando, e quanto è lontano dai soldi?
Adesso applicala a noi.
Il nostro report gratuito fa dodici domande su tre modelli, due volte ciascuna. Ecco come se la cava sulla sua stessa lista di controllo.
Recupero: misuriamo risposte vere a domande vere, quindi il recupero è dentro la misura e non dato per scontato. Bene.
Giudizio: un modello estrae le menzioni e le posizioni da ogni risposta, ma non calcola mai un punteggio: l’aritmetica la fa il codice, sui dati salvati. Questo evita il peggio della circolarità, anche se il passaggio dell’estrazione resta una macchina che legge una macchina.
Denominatore: riportiamo il numero di risposte che non hanno nominato nessuno, accanto a quelle che hanno nominato qualcuno. Spesso è il numero più interessante della pagina.
Concorrenza: non possiamo controllarla. Non può nessuno. Se tutti nella tua categoria fanno questo lavoro, il vantaggio si comprime. Preferiamo dirtelo piuttosto che venderti una posizione permanente.
Distanza dall’approssimazione: misuriamo se una macchina ti nomina. Non misuriamo se questo ti ha portato un cliente, e non lo diremo mai. È il confine onesto di quello che questo servizio può dimostrare, e qualsiasi fornitore che ti dica il contrario ti sta descrivendo una catena causale che la letteratura non ha stabilito.
Un’ultima nota sui voti. Quasi tutti i risultati più solidi di questo campo, compresi diversi su cui ci appoggiamo, sono preprint su arXiv non sottoposti a revisione fra pari. Noi lo scriviamo tutte le volte. Quando qualcuno ti mostra uno studio senza dire in quale categoria ricade, quell’omissione è già un’informazione.
