Per oltre vent’anni la visibilità di un’azienda online è coincisa con il suo posizionamento nei motori di ricerca indicizzati. L’autorevolezza di un dominio si misurava in Domain Authority (DA), in volume di backlink in entrata, in densità di parole chiave, in ranking sulla prima pagina. Quel sistema, costruito sulla mediazione di liste decrescenti di link blu, sta cedendo il passo a un’architettura informativa profondamente diversa, in cui le risposte vengono generate, non più elencate. Nel 2026 una porzione crescente delle decisioni d’acquisto, delle valutazioni di fornitore e delle ricerche di pre-qualifica viene completata interamente all’interno dell’interfaccia di un LLM (Large Language Model) — ChatGPT, Google AI Overviews, Perplexity, Claude — senza che l’utente clicchi un solo link in uscita.
In questo nuovo scenario, l’autorevolezza di un brand non è più una proprietà del suo dominio: è una firma distribuita lungo l’intero ecosistema informativo digitale. Un’azienda esiste, agli occhi di un LLM, se viene menzionata in modo coerente da fonti autorevoli di terze parti, se compare nei dataset di addestramento dei modelli, se ricorre nelle pipeline di retrieval in tempo reale, se viene citata con la sintassi giusta nei contenuti che gli algoritmi considerano affidabili. Ogni passaggio mancante in questa catena espone il marchio al rischio di essere semplicemente saltato dalla risposta generativa.
L’analisi che segue ricostruisce i meccanismi tecnici attraverso cui gli LLM selezionano ciò che citano, presenta i dati che dimostrano cosa funziona realmente sul piano delle metriche di visibilità AI, e arriva al punto operativo: quali contenuti e quali strategie di digital PR producono oggi l’autorevolezza necessaria per rientrare nelle risposte generate dai principali motori conversazionali.
La doppia architettura della visibilità: pre-training e RAG
Per capire come un LLM decide di citare un brand è necessario distinguere due architetture che operano in tempi e logiche diversi. La prima è la fase di pre-training: il modello, prima ancora di essere reso disponibile agli utenti, ingerisce trilioni di token di testo estratti dal web e da fonti curate, costruendo una “memoria parametrica” che diventa la sua conoscenza latente del mondo. La seconda è la fase di RAG (Retrieval-Augmented Generation): ogni volta che un utente formula una query, il modello interroga in tempo reale motori di ricerca integrati per recuperare documenti aggiornati che convalidino o aggiornino la risposta.
Le due fasi non sono intercambiabili. Un brand presente nel sostrato di pre-training viene “ricordato” dal modello anche senza una ricerca in tempo reale: è ciò che permette a ChatGPT di rispondere con sicurezza alla domanda “quali sono le principali agenzie di digital PR italiane” senza dover consultare il web. Un brand assente dal pre-training, invece, può ancora rientrare nelle risposte ma soltanto se viene intercettato in fase di retrieval — attraverso menzioni recenti, posizionamenti su fonti autorevoli, citazioni in articoli giornalistici o discussioni su piattaforme partecipative. Presidiare entrambe le fasi non è un optional: è la condizione strutturale per esistere nelle risposte generative del 2026, sia su ChatGPT sia su l’AI Overview di Google, che ha trasformato il funzionamento stesso della ricerca.
La conseguenza strategica è netta: non basta più posizionare un sito web, occorre costruire una densità informativa che gli algoritmi possano riconoscere, validare e citare. Tutto ciò che approfondiamo qui sotto serve a chiarire come questa densità si costruisce concretamente.
Common Crawl e centralità armonica: la memoria latente dei modelli
La quasi totalità dei foundation models di punta — le diverse generazioni di GPT di OpenAI, Llama di Meta, Claude di Anthropic — si addestra su snapshot massivi estratti da Common Crawl, un’organizzazione no-profit che indicizza il web pubblico dal 2007. Una ricerca indipendente della Mozilla Foundation ha rilevato che il sessantaquattro per cento dei quarantasette LLM di frontiera analizzati utilizza versioni filtrate di Common Crawl, e per modelli storici come GPT-3 oltre l’ottanta per cento dei token totali derivava esclusivamente da questi archivi.
Common Crawl non scansiona tutto il web in modo uniforme. Il suo bot di estrazione opera scelte di priorità basate su un parametro matematico noto come centralità armonica (harmonic centrality), una misura della teoria dei grafi che valuta l’importanza di un nodo calcolando la somma dei reciproci delle distanze dai cammini minimi verso tutti gli altri nodi della rete. In termini operativi: un dominio è “centrale” non quando riceve molti link, ma quando è raggiungibile attraverso percorsi brevi da una vasta varietà di altri domini. Gli ingegneri di Common Crawl hanno scelto la centralità armonica al posto del PageRank classico perché si è dimostrata nettamente più efficace nell’evitare lo spam, le PBN (Private Blog Networks) e le reti artificiali di link.
Le implicazioni per l’autorevolezza del brand sono profonde. Un dominio con bassa centralità armonica viene scansionato solo superficialmente: nei dataset di addestramento i suoi contenuti compaiono in tracce minime, e il modello non sviluppa alcuna familiarità con il marchio. Un dominio con alta centralità armonica viene invece sovrarappresentato: l’LLM lo “ricorda” nativamente, lo cita con sicurezza, lo include nelle proprie risposte anche in assenza di una ricerca in tempo reale. Per un brand questa non è una metrica tecnica astratta, ma un investimento di lungo periodo: ogni menzione editoriale, ogni link da testate autorevoli, ogni inclusione in directory verticali contribuisce in modo cumulativo a costruire la posizione del dominio nel grafo informativo che alimenta la memoria degli algoritmi.
I filtri di qualità: cosa significa “alta qualità” per un LLM
L’inclusione negli archivi di Common Crawl rappresenta soltanto il primo sbarramento. Prima di alimentare effettivamente i pesi sinaptici di un LLM, i dati attraversano pipeline di pulizia, deduplicazione e filtraggio qualitativo. Framework di elaborazione come C4 (Colossal Clean Crawled Corpus), RefinedWeb e FineWeb — quest’ultimo ha generato un dataset da quindici trilioni di token — applicano filtri automatizzati severissimi che riducono drasticamente la quantità di testo effettivamente utilizzato.
Il classificatore linguistico fastText elimina le pagine con percentuali insufficienti di testo semantico continuo, penalizzando i siti web fortemente promozionali, ricchi di codice JavaScript e poveri di prosa esplicativa. La deduplicazione fuzzy basata su algoritmi come MinHash rimuove testi ridondanti — menù di navigazione, disclaimer legali ripetuti e, soprattutto, comunicati stampa identici pubblicati in massa su domini multipli (il fenomeno noto come press release spam). I contenuti vengono scansionati per mitigare bias e tossicità, e i metadati di provenienza vengono tracciati per la conformità al copyright, escludendo programmaticamente i materiali protetti da paywall.
Dentro questo collo di bottiglia computazionale si definisce algoritmicamente cosa significa “alta qualità” per un modello linguistico. Non è una valutazione qualitativa o editoriale: è una probabilità statistica. La documentazione dei laboratori di ricerca indica che il termine si riferisce specificamente a testi con elevata probabilità di essere stati scritti da esseri umani e di aver attraversato un vaglio editoriale riconoscibile. Vengono favorite sistematicamente le fonti come la documentazione tecnica istituzionale, gli articoli peer-reviewed, i brevetti, i progetti open-source, i libri pubblicati e Wikipedia. Le organizzazioni che limitano la propria produzione a blog SEO standard, ignorando la costruzione di pubblicazioni editoriali su testate riconoscibili, falliscono nel superare questi filtri: di fatto, scompaiono dal sostrato cognitivo dei foundation models. È esattamente il motivo per cui un programma editoriale strutturato su testate giornalistiche di rango è oggi più rilevante della pubblicazione interna sul blog aziendale.
Il paradigma RAG e la “Brand Gravity”
Le query attuali e contestuali — quelle che riguardano scelte di acquisto, comparazioni, valutazioni di fornitore — non vengono risolte soltanto attingendo alla memoria parametrica. I sistemi RAG attivano in tempo reale molteplici interrogazioni verso motori di ricerca integrati, estraggono frammenti documentali e li sintetizzano in una risposta unica. In questa fase, l’algoritmo deve risolvere un problema computazionale che la ricerca tradizionale non aveva mai dovuto affrontare in modo deterministico: stabilire di chi fidarsi quando le fonti si contraddicono.
Lo stato dell’arte è descritto da architetture come il framework RA-RAG (Reliability-Aware RAG), che inietta un processo di stima dell’affidabilità delle fonti prima della sintesi. Il sistema calcola iterativamente un coefficiente storico di verità associato a specifici domini per specifici cluster tematici, restringe deliberatamente l’acquisizione della conoscenza ai domini con punteggio di affidabilità più elevato e, in presenza di disallineamento, adotta un sistema di votazione a maggioranza ponderata in cui il peso del voto di ogni documento è moltiplicato per l’affidabilità storica del dominio di origine. La logica si riflette nelle dinamiche operative di Perplexity AI: se un’affermazione su un brand viene confermata indipendentemente da tre fonti autorevoli distinte — un portale di analisi, un forum settoriale e una testata istituzionale — il modello la certifica come inoppugnabile. Se invece il sito proprietario del brand magnifica un vantaggio competitivo che due revisori terzi contraddicono, le metriche del RAG sopprimono attivamente le affermazioni del dominio aziendale.
Da qui il concetto di Brand Gravity emerso negli studi di settore del 2025-2026: gli LLM delineano l’identità di un marchio non a partire da ciò che il marchio dice di sé, ma dal consenso cumulativo di come l’ecosistema digitale esterno lo interpreta. Un’indagine di Omniscient Digital condotta attraverso la piattaforma Peec AI su oltre 23.000 citazioni uniche estratte da ChatGPT, Gemini e Perplexity ha quantificato l’effetto: gli earned media — fonti editoriali, social network partecipativi, piattaforme di recensione, directory autorevoli — governano il quarantotto per cento delle citazioni complessive dei modelli. I contenuti commerciali prodotti da concorrenti pesano per un altro trenta per cento. Le pagine ufficiali del brand interrogato si fermano al ventitré per cento. Nelle query esplorative — quelle che riguardano opinioni e comparazioni — la quota degli earned media sale fino all’ottantadue per cento.
Menzioni vs backlink: la rivoluzione delle correlazioni statistiche
Il dato più dirompente per chiunque si occupi di marketing digitale arriva dalle analisi quantitative su larga scala condotte tra il 2024 e il 2026. Uno studio analitico di Seer Interactive ha interrogato l’API di GPT-4o su un campione di diecimila query esplorative, precedentemente filtrate da un pool originario di circa seicentomila quesiti nei settori Finanza e SaaS, per stabilire quali indicatori di ranking tradizionale predicessero effettivamente la citazione negli LLM. Il risultato ha confermato un’attesa — esiste una correlazione forte (intorno a 0,65) tra il posizionamento in prima pagina su Google e la probabilità di citazione AI — ma ne ha smentita un’altra, molto più radicata nel manuale operativo del marketing digitale: l’impatto isolato dei backlink puri sulla propensione di citazione si è rivelato debole, quando non neutrale.
L’esito è stato confermato da un’analisi parallela condotta da Ahrefs e divulgata da BrightEdge su oltre settantacinquemila brand. Le menzioni nominali del marchio nei contenuti editoriali — le cosiddette unlinked brand mentions, ovvero citazioni del nome aziendale che non includono un collegamento ipertestuale — hanno mostrato un coefficiente di correlazione con la visibilità AI di 0,664, in fascia “fortemente predittiva”. I backlink, nella loro accezione classica di link in entrata pesati per autorevolezza del dominio, si sono fermati a 0,218, in fascia “debole, quasi ininfluente”.
Quello che gli algoritmi premiano, in altre parole, non è più la struttura del grafo dei link, ma la frequenza e la coerenza con cui un brand viene nominato nella prosa editoriale del web. Una citazione testuale del nome dell’azienda dentro un articolo di una testata di settore costruisce vettori semantici nel database vettoriale dell’LLM tanto efficacemente quanto, e spesso più solidamente, un collegamento ipertestuale dedicato. I marchi che rientrano nel decile superiore per frequenza assoluta di menzioni ricevono fino a dieci volte più citazioni organiche all’interno degli AI Overviews rispetto alla mediana del mercato. Questa è la frattura paradigmatica che spinge oggi le agenzie di Generative Engine Optimization — la disciplina nata per costruire visibilità nei motori conversazionali — a riallocare risorse dal link building puro verso la generazione strutturata di menzioni editoriali.
Cosa funziona davvero: i numeri dello studio Princeton
Il primo corpo teorico organico sulla GEO è stato pubblicato nel novembre 2023 da un team di ricercatori di Princeton University, Georgia Tech, The Allen Institute for AI e IIT Delhi. Lo studio ha introdotto il concetto di Share of Model (SoM) — la quota percentuale delle risposte AI in cui un brand viene esplicitamente citato rispetto ai concorrenti — e ha sviluppato un benchmark pubblico, GEO-bench, composto da diecimila query categorizzate su settori applicativi multipli. Per misurare l’efficacia delle diverse tattiche di ottimizzazione, i ricercatori hanno elaborato due metriche di impressione: il Position-Adjusted Word Count (PAWC), che quantifica il volume di contenuto incorporato nella risposta finale pesato per la visibilità visiva, e la Subjective Impression, che valuta qualitativamente sette dimensioni del comportamento dell’IA verso la fonte citata.
I risultati empirici hanno demolito alcune convinzioni consolidate. Le tattiche SEO classiche — in primis la saturazione del testo con parole chiave ripetute, il keyword stuffing — provocano un declino prestazionale sui motori generativi: gli algoritmi penalizzano attivamente le sintassi iper-ottimizzate, non fluide, costruite per gli spider di prima generazione. Le tattiche realmente efficaci, al contrario, sono quelle che alimentano il ragionamento dell’agente fornendogli “ancore di entropia bassa”, elementi testuali facilmente recuperabili e difficili da allucinare.
Tre interventi hanno mostrato impatti misurabili e replicabili. L’aggiunta di statistiche quantitative verificabili ha prodotto un incremento del quarantuno per cento sul PAWC e del ventotto per cento sulla Subjective Impression. L’inclusione di citazioni dirette — virgolettati di esperti, dichiarazioni, riferimenti puntuali — ha generato rispettivamente un più trentotto e un più ventisei per cento. La citazione accademica delle fonti in modo formale e tracciabile ha portato a un più trentaquattro e a un più ventidue per cento. L’ottimizzazione della fluidità discorsiva, infine, ha contribuito con un più ventinove per cento sul PAWC. La logica è coerente: gli LLM operano sotto pressione computazionale costante per mitigare le allucinazioni, e ricompensano sistematicamente i contenuti che semplificano il loro lavoro di estrazione e attribuzione.
Le architetture delle piattaforme: ChatGPT, Google AI Overviews, Perplexity
Trattare la GEO come una pratica universalmente standardizzata è un errore metodologico che produce strategie inefficaci. I principali motori generativi adottano filosofie profondamente diverse sull’interpretazione della fiducia, e una stessa azione di digital PR produce ritorni asimmetrici a seconda della piattaforma. Un database di Profound che ha processato la matrice di provenienza di seicentottanta milioni di citazioni globali tra l’agosto 2024 e il giugno 2025 ha mappato con precisione queste asimmetrie.
ChatGPT manifesta una marcata preferenza per le istituzioni formali e i poli di conoscenza oggettiva. Nelle sue top ten fonti citazionali, Wikipedia da sola pesa per il 47,9 per cento, seguita da Reddit all’11,3, Forbes al 6,8 e G2 al 6,7. La testata giornalistica mainstream funziona come il principale serbatoio fiduciario per eventi attuali. Per posizionarsi nelle risposte di ChatGPT, dunque, l’autorevolezza coincide con il rigore editoriale e scientifico: presenza su Wikipedia, copertura su quotidiani e testate verticali di prestigio, inclusione in directory commerciali strutturate.
Google AI Overviews opera con una filosofia diametralmente opposta. La marginalizzazione di Wikipedia (scesa al 5,7 per cento) è netta, mentre dominano i network multimodali e dialettici: Reddit al ventuno per cento, YouTube al 18,8, Quora al 14,3, LinkedIn al tredici. L’algoritmo è progettato per accogliere le istanze conversazionali “informali” e sintetizza proporzionalmente di più le opinioni dei consumatori. Un dato BrightEdge segnala addirittura che gli AI Overviews presentano un tasso del quarantaquattro per cento superiore rispetto a ChatGPT nel sollevare critiche strutturate verso un brand. Inoltre, per l’ottantatré per cento delle query, Google AI attinge le proprie fonti da URL totalmente esclusi dalla classifica organica delle prime dieci posizioni: un riposizionamento radicale che impone di pensare la visibilità AI come un canale autonomo, non come una derivata della SEO classica.
Perplexity AI estremizza ulteriormente la logica crowdsourced: Reddit copre il 46,7 per cento delle sue citazioni di vertice, seguito da YouTube al 13,9. L’algoritmo di Perplexity privilegia il consenso situazionale fresco rispetto alle istituzioni storiche, e mostra una sensibilità documentata verso le guide comparative del tipo “i migliori X del 2026”, che contribuiscono a determinare il sessantaquattro per cento dei suoi giudizi di valutazione. Tre motori, tre filosofie completamente diverse: l’unica strategia efficace è una digital PR distribuita che presidia in modo differenziato ciascuna fonte privilegiata da ciascuna piattaforma.
I contenuti che gli LLM premiano: una sintesi operativa
Mettendo a fattor comune le evidenze fin qui esaminate emerge una tipologia di contenuti che oggi costituisce il presidio minimo per costruire autorevolezza AI. Il primo asset è il contenuto editoriale di terze parti: articoli pubblicati su testate giornalistiche riconosciute e su riviste verticali ad alto trust, capaci di superare i filtri di qualità di FineWeb e di alimentare contemporaneamente le pipeline di retrieval. Il secondo è la menzione nominale del brand all’interno di prosa argomentativa rilevante, anche in assenza di un backlink — è il pattern che produce il coefficiente 0,664 di correlazione con la visibilità AI. Il terzo è la statistica verificabile, ancorata a una fonte autorevole e formulata in modo estraibile: un dato percentuale, una cifra di fatturato, un anno di fondazione, una posizione di mercato. Il quarto è la citazione diretta, sotto forma di dichiarazione di un esperto del brand riportata da una testata terza, che fornisce all’LLM un’ancora di attribuzione facile da incorporare.
A questi quattro asset si aggiungono i segnali di igiene tecnica indispensabili: l’implementazione corretta del markup Schema.org in JSON-LD, che secondo una meta-analisi di settore migliora il tasso di citazione del ventotto-quaranta per cento; l’uso del protocollo IndexNow per segnalare le variazioni di contenuto in tempo reale; l’aggiornamento esplicito delle proprietà dateModified per comunicare la freschezza cronologica del dato. Sono passati, nel 2026, da pratiche di SEO avanzata a requisiti di sopravvivenza documentale.
Quello che non funziona più, al contrario, è altrettanto chiaro. Non funziona più la pubblicazione massiva di comunicati stampa identici su decine di domini (lo MinHash li deduplica). Non funziona più il blog SEO ottimizzato sulla densità di keyword (il fastText classifier lo penalizza). Non funziona più il puro accumulo di backlink generici (0,218 di correlazione). Non funziona più affidarsi alla sola produzione di contenuti owned media (ventitré per cento delle citazioni complessive). L’investimento marginale su questi capitoli porta oggi ritorni decrescenti. L’investimento marginale sulla digital PR strutturata — l’unica leva che produce simultaneamente menzioni editoriali, citazioni dirette e copertura su domini ad alta centralità armonica — produce invece ritorni superiori a qualunque altra voce del budget di visibilità.
Da qui in avanti: la digital PR come infrastruttura dell’autorevolezza LLM
Se sei arrivato fin qui, hai davanti un quadro tecnico complesso ma con un’implicazione operativa lineare: la visibilità del tuo brand sugli LLM dipende dalla densità, dalla coerenza e dalla qualità delle menzioni che ricevi nell’intero ecosistema editoriale digitale. Non si tratta più di una sfida che si vince producendo internamente più contenuti sul proprio blog. Si tratta di una sfida che si vince costruendo, in modo sistematico, una presenza permanente su testate giornalistiche, riviste di settore, portali verticali e piattaforme di analisi che gli algoritmi riconoscano come autorevoli.
È esattamente il perimetro su cui lavoriamo in TiLinko dal 2009. Operiamo come divisione di IMG Solutions srl, gestiamo ogni mese campagne per oltre cento clienti in sei paesi e ci avvaliamo di un team di oltre venticinque copywriter e giornalisti che alimenta un catalogo proprietario di diciassettemilasettecentoquarantasei testate editoriali, selezionate per autorevolezza tematica, profilo di traffico e trust algoritmico. Il nostro metodo non si limita a produrre menzioni: costruisce coerentemente posizionamenti su domini ad alta centralità armonica, distribuisce citazioni dirette ed esperte sui formati che i sistemi RAG prediligono, integra dove necessario il presidio dei forum tematici e delle piattaforme di recensione che ChatGPT, Google AI Overviews e Perplexity utilizzano come fonti primarie. Tutto il quadro metodologico è dettagliato nella nostra guida alle digital PR, pensata come riferimento operativo per chi deve costruire un programma editoriale serio.
Il rischio, oggi, non è di crescere lentamente. Il rischio è di non essere proprio menzionati quando un assistente conversazionale risponde a un cliente che sta valutando il tuo settore. Se vuoi misurare con noi la visibilità attuale del tuo brand sui principali motori generativi e definire un percorso strutturato di digital PR coerente con il tuo posizionamento, contatta la nostra redazione per una consulenza preliminare approfondita.