Indice dei contenuti
Generative Engine Optimization: introduzione. Dai motori di ricerca tradizionali ai motori generativi
I motori di ricerca sono da ormai quasi trent’anni la principale porta d’accesso ai contenuti della rete. La loro introduzione e la loro diffusione ha rappresentato una vera rivoluzione nel modo di accedere ai contenuti e alle informazioni. E mentre state leggendo questo articolo, ogni secondo nel mondo vengono effettuate 40.000 ricerche su Google.
Il principio di funzionamento dei motori di ricerca non è cambiato molto in questi decenni. Certo gli algoritmi si sono evoluti enormemente, come le tecnologie abilitanti. Ma in sostanza il modello di servizio è sempre consistito nel proporre agli utenti una classificazione di link sulla base di una parola chiave, seppure arricchita negli ultimi anni da funzionalità aggiuntive.
Oggi lo sviluppo dei Large Language Models (LLM) sembra puntare in una direzione nuova, non solo per le attività di interpretazione del linguaggio, ma anche per l’organizzazione e il reperimento delle informazioni disponibili in rete. La nuova generazione di motori di ricerca generativi.
ChatGPT Deep Research è un AI Agent in grado di svolgere in autonomia compiti di ricerca
Il lancio di ChatGPT Deep Research, che è stato messo a disposizione di tutti gli utenti a livello globale ai primi di febbraio segna probabilmente un momento di svolta fondamentale per gli utenti della rete e per tutte le aziende che in rete ci vivono.
A dire il vero i modelli di ricerca generativa sono una realtà emergente da almeno un anno e mezzo (di questi tempi quasi un’era geologica). Ma probabilmente serviva il lancio di un servizio di facile accesso e aperto a tutti gli utenti come Deep Search per svelare il nuovo gioco. Successe così anche alla fine del 2022, quando il mondo si accorse dell’Intelligenza Artificiale Generativa con il lancio sul mercato di ChatGPT, mentre GPT-3, che cresceva da alcuni anni senza troppo clamore.
Secondo le previsioni di Gartner i nuovi motori generativi cannibalizzeranno piuttosto rapidamente quelli tradizionali:
Forse è un pronostico un po’ troppo azzardato, anche considerando che i volumi di ricerca di Google hanno continuato a crescere del 20% negli ultimi due anni. In ogni caso non ci sono dubbi che si stia aprendo un nuovo ambito del marketing digitale, i cui orizzonti non sono ancora ben definiti.
Quando si parla di motori di ricerca generativi non c’è solo Deep Research. C’è naturalmente Google con Google SGE, che è integrato nel motore di ricerca, poi ci sono Perplexity e Brave (il browser ha integrato funzionalità di ricerca AI) e altri. Parlare delle specifiche e delle differenze tra i diversi modelli non è il tema di questo articolo, per cui daremo più attenzione a Deep Research che per diverse ragioni rappresenta il caso più interessante.
Come funziona un Motore di Ricerca Generativo
ChatGpt è ormai da oltre un anno abilitato a estendere la propria knowledge base oltre il suo database di training per effettuare delle ricerche sulla rete. Ma si trattava fino a oggi di attività compiute in modo non strutturato. Lo sviluppo di ChatGPT-o1 e poi di ChatGPT-o3 ha introdotto nel sistema una nuova modalità di “ragionamento” iterativa. Questo permette al modello di migliorare la sua capacità di valutazione delle informazioni e di affrontare temi complessi. Deep Research non è un modello LLM ma un AI Agent, che utilizza il modello ChatGPT-o3 per svolgere compiti di ricerca in rete e organizzazione dei contenuti.
In estrema sintesi un motore come Deep Resarch risponde a una richiesta dell’utente attivando una ricerca iterativa sulla rete. Va alla ricerca di fonti informative pertinenti, le rielabora e, sulla base dei risultati effettua nuove ricerche. Al termine del processo, che può durare fino a trenta minuti, fornisce all’utente una sintesi delle informazioni, corredata dai link a tutte le fonti utilizzate.
Si tratta in pratica di un assistente di ricerca proattivo, che effettua per conto dell’utente una ricerca strutturata e restituisce risultati ordinati analizzati e commentati. Compie quindi, in pochi minuti, un lavoro che richiederebbe ore, o addirittura giorni, a un agente umano.
A differenza di un motore di ricerca tradizionale, non fornisce semplicemente una lista di risultati, ma una risposta completa che può includere istruzioni, suggerimenti, considerazioni, commenti.
Che cos’è la GEO (Generative Engine Optimization) e perché chi si occupa di SEO deve prenderla molto sul serio
Il nuovo modello di ricerca introdotto dai motori generativi comporta un cambio di paradigma importante. Chiunque abbia interesse ad ottenere visibilità in rete o si occupi professionalmente di SEO deve riconsiderare il proprio approccio. Le aziende dovrebbero cominciare a preoccuparsi di come il loro brand e i loro prodotti e servizi sono considerati dai motori generativi. Si comincia oggi a parlare di Generative Engine Optimization. Si tratta di una disciplina che si occupa di studiare il comportamento dei motori di ricerca generativi e studia strategie e best practice per migliorare la presenza e la visibilità di brand e siti in questo ambito.
Bisogna dire che la GEO è ancora tutta da inventare: non ci sono linee guida consolidate e non ci sono molti dati sui quali misurarla. Per i motori di ricerca c’è abbondanza di strumenti per analizzare keyword e ranking di siti e pagine e soprattutto è piuttosto semplice definire dei KPI: è facile verificare se si sta migliorando o peggiorando il proprio ranking su determinate chiavi di ricerca. La SEO tradizionale mira a far comparire un sito tra i primi risultati di Google per determinate keyword, confidando che l’utente clicchi sul link.
Nell’ecosistema dei motori generativi invece, l’utente non vede una SERP tradizionale. Ottiene invece direttamente una risposta generata dall’AI, che può esser arricchita da contenuti provenienti da vari siti web. Ciò significa che il modello linguistico funge da filtro e intermediario: seleziona parti di contenuto dai vari siti (quelli che ritiene più pertinenti e autorevoli) e li combina in un’unica risposta. Quella che su Google viene definita la “posizione zero” – ovvero essere la fonte immediatamente citata dal motore – Sui sistemi LLM diventa in pratica l’obiettivo principale di posizionamento.
Quali obiettivi ci si deve porre nella Generative Engine Optimization
In questo articolo proviamo a delineare le linee generali di come affrontare in modo strategico l’approccio alla Generative Engine Optimization, mentre lasciamo le indicazioni applicative a un articolo di prossima pubblicazione.
Ci sono in sostanza due diverse modalità attraverso le quali i contenuti e le informazioni di un sito web o di un’azienda possono essere mostrati su un motore come Deep Search:
✅ Citazioni come fonte con un link: nel dare una risposta all’utente l’Agente ricerca le fonti di informazione più affidabili e al termine del processo fornisce una risposta dettagliata. All’interno di questa riporta le fonti utilizzate con il relativo link. Riuscire ad avere le proprie pagine citate come fonti significa ottenere link e visite qualificate.
✅ Citazioni dirette nelle risposte del modello: spesso l’agente fornisce risposte strutturate alle domande dell’utente fornendo indicazioni o suggerimenti su prodotti, servizi e brand, anche senza fare riferimento a link. Se l’utente ad esempio chiede consigli su come svolgere un determinato compito, il modello può suggerire specifici strumenti o servizi che possono aiutarlo. Per fare questo il modello utilizza prevalentemente informazioni presenti nella sua knowledge base, che però può integrare con ricerche in rete.
Differenziare le strategie per obiettivo
Le strategie vanno differenziate in funzione dei due obiettivi: per il primo le attività non sono molto diverse da quelle della SEO tradizionale. Come è noto Deep Search utilizza Bing per le sue ricerche, per cui avere un buon ranking su Bing è già un buon punto di partenza, anche se non è sufficiente. Una volta trovati dal modello, bisogna convincerlo a utilizzare e citare i nostri contenuti. La qualità dei contenuti e la modalità con cui sono esposti fanno la differenza. Ma anche su questo punto è necessario un approfondimento che lasciamo a un prossimo articolo.
Quanto al secondo obiettivo, la questione è più complessa e i contorni sono meno definiti. I criteri utilizzati dal modello per selezionare i brand e i contenuti da proporre nelle sue risposte non sono certi, ma indubbiamente tendono a considerare sia elementi off-site, oltre che on-site.
I principali parametri di valutazione da parte dei motori
➡️ Pubblicazione di informazioni dettagliate
Un brand che pubblica contenuti specifici, ampi e coerenti sui suoi prodotti e servizi, fornisce al modello molte informazioni che questo potrà utilizzare. Manuali, guide, spiegazioni, dettagli sui prodotti e sui prezzi sono necessari. Il modello non parlerà di voi se non sa cosa dire.
➡️ Popolarità e diffusione nel mercato del brand/prodotto
Se nella sua knowledge base, o nelle ricerche che effettua, il modello trova il brand citato in modo significativo lo considererà per una citazione. Naturalmente il modello considererà come si parla del brand sia dal punto di vista quantitativo che qualitativo. In questa valutazione incidono certamente anche le recensioni degli utenti o i commenti positivi o meno.
➡️ Autorità (o sarebbe meglio dire autorevolezza).
L’autorità può essere definita come la capacità di influenzare gli altri in forza della propria credibilità e della stima acquisita. I motori di ricerca generativi valutano questo parametro in modo sostanzialmente diverso dai motori tradizionali. Per questo non è probabilmente corretto utilizzare gli indicatori di Domain Authority per valutare la propria situazione.
Fin dalla sua nascita Google ha incentrato il suo modello di rete come un sistema di relazioni basate sui link. Come è noto inizialmente il criterio di autorità su cui si basava Google era esclusivamente incentrato sul PageRank. Nel tempo i segnali e i criteri per valutare l’autorità da parte del motore sono diventati più complessi e più ampi. I link comunque rimangono inevitabilmente uno dei segnali fondamentali per i motori, perché il loro universo è costruito come un insieme di pagine interconnesse da link. Il tema dei limiti dei link come segnale di reale valore peraltro è da tempo dibattuto. La visione della rete da parte degli LLM e dei motori generativi è totalmente diversa. Questi modelli definiscono la relazione tra token, parole, contenuti e pagine nei termini di un piano vettoriale multidimensionale. diversamente, la relazione tra link può essere definita su una matrice bidimensionale. Le relazioni tra i diversi elementi, e di conseguenza l’influenza che ognuno può avere su un altro, sono descritte da un numero enorme (e indefinito) di parametri. Questo comporta un approccio molto diverso e più olistico al concetto di autorità nell’ambito della GEO.
Come iniziare ad affrontare il proprio posizionamento sui motori generativi
Come in ogni attività di marketing, la prima cosa è chiarirsi le idee su quale risultato si vuole ottenere. Un editore o un sito che produce contenuti cercherà soprattutto di essere citato come fonte e punterà a ottenere traffico dai link. Un’azienda che vende un servizio vorrà essere considerata nella knowledge base del modello per essere suggerita più spesso agli utenti.
Un’altra variabile da non trascurare, una volta stabilito l’obiettivo, è individuare dei KPI e definire metodologie e strumenti per monitorarli. A differenza di quanto accade sui motori tradizionali, questa attività sui motori generativi è in gran parte ancora da inventare.
Bisogna poi pianificare una strategia di attacco, individuando e definendo i segnali da implementare e le pratiche da mettere in campo. Questo comporterà una revisione sia dell’approccio di comunicazione in generale, sia un’attenzione specifica ai propri contenuti e alle proprie pagine.
Su questi punti con Change stiamo studiando e lavorando con grande impegno. Torneremo a breve sul nostro blog con una guida pratica con indicazioni e suggerimenti per implementare azioni concrete.
Monitorare i KPI
Un punto cruciale per qualunque strategia di marketing è la definizione e il monitoraggio dei KPI e in generale il reperimento dei dati rilevanti. Se in ambiti più consolidati come la SEO gli strumenti per acquisire informazioni ed elaborarle abbondano, quando si parla di motori generativi le cose cambiano decisamente. Recuperare le informazioni sul posizionamento o anche solo comprendere come i motori generativi valutano un brand è estremamente difficile, perché non esistono sul mercato strumenti adeguati allo scopo. E’ per questo che in Change abbiamo deciso di sviluppare GenRadar, una piattaforma proprietaria per il monitoraggio e l’analisi dei dati. La piattaforma è in fase di sviluppo, si arricchisce ogni giorni di nuovi indicatori e sta incrementando la propria copertura. Puoi già provare la piattaforma in versione Beta all’indirizzo https://genradar.io.