Mariano Comotto La ricerca online sta cambiando sotto i nostri occhi. Gli utenti non cliccano più come prima: molte risposte vengono consumate direttamente dagli AI assistant e dalle panoramiche sintetiche, che spesso citano poche fonti e offrono tutto ciò che serve senza rimandare al sito originale. Risultato pratico: meno visite ai siti web e CTR ridotti già nelle prime posizioni della SERP — in test con risposte sintetiche il click‑through della prima posizione è sceso dal 28% al 19% (circa -32%). In alcuni contesti, le overview degli assistant generano tassi di zero‑click altissimi — fino al 95% con Google AI Mode e tra il 78% e il 99% in verticali serviti da risposte basate su ChatGPT.
I numeri non restano teorici: editori e piattaforme lo percepiscono sulla loro pelle. In sperimentazioni recenti Forbes ha registrato cali di traffico fino al 50%, il Daily Mail intorno al 44%. Anche l’e‑commerce ne risente: in Germania test su Idealo mostrano che solo il 2% dei click legati a risposte di ChatGPT finisce sulla piattaforma. La vecchia fiducia nella sola visibilità organica non regge più: serve ripensare come si costruisce e si difende l’attenzione online.
Dietro questa frattura ci sono due leve tecnologiche decisive. Da un lato la diffusione degli AI assistant basati su grandi modelli; dall’altro l’adozione crescente di AI overviews che aggregano e sintetizzano contenuti. Le architetture foundation model e le implementazioni di Retrieval‑Augmented Generation (RAG) rimescolano le carte: non basta più scalare la SERP, bisogna essere intercettabili e citabili dai sistemi che scelgono le fonti da includere nelle risposte.
A livello operativo la trasformazione impatta diversi attori: operatori digitali, team SEO, editori e piattaforme e‑commerce. Cambiano i meccanismi di selezione, ranking e citazione delle fonti; il fenomeno è globale ed è diventato misurabile man mano che i grandi modelli sono stati messi in produzione su larga scala.
Glossario essenziale (parole che conviene avere chiare)
– AEO (Answer Engine Optimization): insieme di pratiche mirate a far citare i propri contenuti nelle risposte generate dagli assistant.
– GEO (General Engine Optimization): la SEO “classica”, focalizzata su ranking e click nelle SERP.
– Grounding: il processo con cui un modello ancorà le proprie risposte a fonti esterne verificabili.
– Source landscape: l’insieme di fonti potenzialmente scelto da un assistant.
– Citation pattern: le regole e i segnali che determinano quali fonti vengono citate e quando.
Come funzionano le tecnologie e perché contano
I foundation model rispondono in gran parte sulla base della conoscenza interna al loro training: tendono a citare meno contenuti recenti e aggiornati. I sistemi RAG, invece, combinano retrieval esterno e generazione: eseguono una ricerca su corpus aggiornati e poi sintetizzano le informazioni, con un maggior grado di grounding e la possibilità di citare direttamente le fonti recuperate. Strategicamente, RAG offre più leve di intervento perché è possibile influenzare i segnali di retrieval e quindi il modo in cui il source landscape viene costruito.
Differenze tra piattaforme
Le implementazioni variano molto: alcune versioni di ChatGPT integrano RAG e mostrano alti tassi di zero‑click con citazioni che oscillano; Perplexity tende a privilegiare link diretti alle fonti; Google AI Mode genera overview sintetiche con blocchi linkati; Claude Search mette l’accento su contesto e affidabilità delle fonti. In sostanza, la scelta delle fonti dipende da fattori come aggiornamento dei contenuti, autorevolezza percepita, struttura dell’informazione e segnali di brand.
Metriche che spiegano il fenomeno
Due indicatori tecnici aiutano a capire perché alcuni contenuti vengono citati più spesso: l’età media dei contenuti recuperati e il crawl ratio dei provider. Studi aggregati mostrano che l’età media delle pagine citate può essere nell’ordine di 1000 giorni per ChatGPT e 1400 giorni per Google in alcune configurazioni, il che penalizza i contenuti molto recenti senza forte pedigree. Il crawl ratio stimato — il rapporto tra pagine disponibili e pagine effettivamente recuperate — varia enormemente: per esempio Google ~18:1, OpenAI ~1500:1, Anthropic ~60000:1. Queste differenze spiegano perché contenuti freschi e ben collegati possono avere un vantaggio relativo sul retrieval.
Cosa fare, sul piano operativo
L’età delle referenze e il crawl ratio si combinano per determinare la probabilità che un URL venga recuperato e citato. Per questo conviene:
– mappare la propria source landscape: capire dove si è posizionati rispetto alle fonti che gli assistant privilegiano;
– costruire segnali di autorevolezza: dati strutturati, metadati aggiornati, link esterni affidabili e contenuti chiaramente referenziabili;
– ottimizzare il grounding: rendere le pagine facilmente recuperabili dai sistemi di retrieval (sitemaps, API pubbliche, formati machine‑readable);
– monitorare i citation pattern: misurare quali contenuti vengono effettivamente citati e perché, per adattare la strategia.
Un framework in quattro fasi
Per allineare contenuti, tracciamento e distribuzione alle logiche degli assistant si può procedere così:
1) Audit della source landscape e delle metriche di retrieval;
2) Interventi tecnici (migliorare crawlability, dati strutturati, API);
3) Riprogettazione editoriale (contenuti progettati per essere citabili e utili nelle overview);
4) Tracciamento e iterazione continua (analisi dei citation pattern e ottimizzazioni periodiche).
I numeri non restano teorici: editori e piattaforme lo percepiscono sulla loro pelle. In sperimentazioni recenti Forbes ha registrato cali di traffico fino al 50%, il Daily Mail intorno al 44%. Anche l’e‑commerce ne risente: in Germania test su Idealo mostrano che solo il 2% dei click legati a risposte di ChatGPT finisce sulla piattaforma. La vecchia fiducia nella sola visibilità organica non regge più: serve ripensare come si costruisce e si difende l’attenzione online.0