Quando qualcuno chiede a ChatGPT “quali sono le migliori scarpe da trail running per principianti?” o a Gemini “dove comprare integratori proteici di qualità in Italia?”, ottiene una risposta. Non una lista di link — una risposta. Con nomi, confronti, a volte anche prezzi.
Quei nomi non sono casuali. Sono il risultato di tutto ciò che i sistemi AI hanno letto, appreso e associato a quel settore. E il punto è che la maggior parte delle aziende non sa cosa viene detto di loro in quelle risposte — né se vengono menzionate.
Marcus Miller, consulente SEO e autore su Search Engine Land, ha pubblicato a fine settembre un framework per affrontare questo problema in modo sistematico. Lo chiama ASC — Analysis, SEO, Content. Non è rivoluzionario nei singoli componenti, ma l’ordine in cui li propone cambia l’approccio rispetto a quasi tutto quello che si legge sulla GEO oggi.
Prima di produrre, capire
La risposta standard quando si parla di ottimizzazione per i motori AI è: produci contenuti strutturati, aggiungi schema markup, scrivi FAQ. Tutto corretto. Ma c’è un passaggio che manca quasi sempre: capire cosa dicono già i motori AI di te, dei tuoi competitor e del tuo settore.
Se un e-commerce di scarpe sportive si mette a produrre contenuti GEO senza aver prima verificato come ChatGPT risponde alla query “scarpe da running per chi ha problemi al ginocchio”, potrebbe ottimizzare per domande che i motori AI non si pongono, o ignorare quelle in cui già compare un competitor diretto.
L’analisi viene prima. È questo il punto centrale del framework ASC.
Cosa sta già dicendo l’AI del tuo settore
Si apre ChatGPT, Gemini e Perplexity in sessioni private e nuove — per evitare che il contesto accumulato in sessione alteri i risultati — e ci si comporta come un potenziale cliente.
Prendiamo quel brand di scarpe sportive. Le domande interessanti non sono le ovvie sulla marca, ma quelle che un cliente reale fa prima ancora di sapere chi scegliere: “quali caratteristiche cercare in una scarpa da padel per chi gioca due volte a settimana?”, “differenza tra scarpe da trail e da strada per chi inizia a correre”. Da questi test emergono tre informazioni: se il brand compare nella conversazione, chi compare al suo posto, e quali fonti vengono citate. Quest’ultimo dato è spesso il più utile — perché le fonti che gli AI citano sono esattamente i posti dove bisogna essere presenti.
Il business prima del sito
La parte SEO del framework ha una particolarità: il punto di partenza non è tecnico.
Miller cita uno studio di Cyrus Shepard su oltre 400 siti che hanno guadagnato o perso visibilità negli aggiornamenti recenti di Google. I siti vincitori si distinguevano per cinque caratteristiche: avere un prodotto o servizio reale, permettere il completamento di un task direttamente sul sito, disporre di asset proprietari, mantenere un focus verticale preciso e avere un brand riconoscibile. Non la qualità del markup, non la velocità di caricamento.
Per un e-commerce di prodotti sportivi vuol dire qualcosa di concreto: vendere tutto a tutti mette in competizione diretta con Amazon. Essere lo specialista delle scarpe da trail per chi frequenta i sentieri alpini è una posizione che un sistema AI può riconoscere, raccontare e raccomandare.
Sulla leggibilità del sito — una pagina per ogni categoria e caso d’uso, struttura chiara, naming coerente — chi fa SEO da anni non trova niente di nuovo. Letto in chiave GEO diventa però più urgente, perché i sistemi AI estraggono i contenuti fuori dal contesto originale: ogni paragrafo deve avere senso anche se letto da solo.
Il dato che cambia di più le priorità viene dal Q1 2026 AI Search Benchmark Report di Ahrefs, che ha analizzato 75.000 brand su ChatGPT, AI Mode e AI Overview misurando la correlazione Spearman tra i vari segnali e la visibilità AI. Le menzioni su YouTube mostrano una correlazione di 0,737. Le menzioni branded sul web si fermano a 0,664. I backlink, il metro storico della SEO, arrivano a 0,218 — meno di un terzo. Ahrefs è esplicita sul fatto che si tratta di correlazione, non causalità: i brand con alta visibilità AI tendono ad avere alta presenza cross-platform, non il contrario. Ma la direzione è chiara.
Per un brand di scarpe sportive si traduce in presenza nelle recensioni su siti di categoria, nei canali YouTube di runner e atleti amatoriali, nei thread Reddit sull’attrezzatura. Posti dove il brand non vende direttamente, ma dove viene citato.
Contenuti che parlano a persone in momenti diversi
Chi sta ancora capendo cosa cerca ha bisogno di educazione, non di vendita. Un articolo su come scegliere la scarpa giusta in base al tipo di appoggio del piede serve a costruire credibilità nel momento in cui il cliente è ancora in fase esplorativa.
Chi sta confrontando opzioni ha bisogno di elementi concreti e verificabili: le tecnologie usate nelle suole, la garanzia, il servizio post-vendita, per quale utilizzo quel modello è adatto e — soprattutto — per quale non lo è. Dire esplicitamente per chi un prodotto non va bene è una delle cose che funzionano meglio nelle risposte AI, probabilmente perché quasi nessuno lo fa.
Chi è già pronto ad acquistare non ha bisogno di essere convinto. Ha bisogno di risposte rapide su spedizione, reso, disponibilità taglie. Frizioni minime.
C’è poi un’operazione che Miller raccomanda e che vale la pena fare senza rimandare: scorrere i contenuti esistenti e decidere cosa togliere. I post generici che nessuno legge, le pagine ottimizzate per keyword che non convertono. Ogni risorsa dedicata a contenuti che non funzionano è una risorsa tolta a quelli che funzionerebbero.
Da dove partire
Aprire ChatGPT e fare una ventina di ricerche come se si fosse un cliente richiede qualche ora e non costa nulla. Restituisce però una mappa di dove il brand è presente, dove è assente, e cosa viene detto di lui quando c’è.
È un punto di partenza più utile di qualsiasi audit tecnico, perché risponde alla domanda che conta: quando i motori AI parlano del mio settore, sono nella conversazione?
Fonte: Marcus Miller, “How to become the answer in AI search: The ASC framework”, Search Engine Land, 21 settembre 2026 — searchengineland.com/asc-framework-ai-search-489751
Dati: Ahrefs Q1 2026 AI Search Benchmark Report, pubblicato il 27 maggio 2026
