Perché la visibilità nella ricerca AI richiede misurazioni ripetute?

Chiedi oggi a un motore di ricerca AI “quale marca produce le migliori scarpe da running?” e otterrai una risposta. Fai la stessa identica domanda domani, o anche solo cinque minuti dopo, e circa due terzi delle fonti citate saranno diverse. Non è un difetto. È così che funziona la ricerca AI.

Cosa otterrai da questa guida:

• Perché la visibilità nella ricerca AI si comporta come una probabilità, non come una classifica fissa nel modo in cui lo fa Google
• Una spiegazione in parole semplici di come i ricercatori misurano se una risposta AI è davvero cambiata (Jaccard e RBO)
• Sei risultati basati sui dati, ognuno con il proprio grafico: turnover delle fonti, stabilità del brand, concentrazione delle citazioni, casualità del modello, differenze tra motori e sensibilità al prompt
• I numeri esatti che contano: quante esecuzioni ripetute per prompt e quanto deve durare una finestra di osservazione per avere dati affidabili
• Una checklist pronta all’uso per impostare una misurazione GEO su cui puoi davvero contare
• FAQ su esecuzioni, finestre temporali, motori e metriche

Un nuovo studio accademico rende tutto questo scomodamente concreto. In “Don’t Measure Once: Measuring Visibility in AI Search (GEO)” (arXiv, aprile 2026), i ricercatori Julius Schulte, Malte Bleeker e Philipp Kaufmann della University of St. Gallen (in collaborazione con Aurora Intelligence) hanno monitorato quattro motori di ricerca AI in quattro settori ogni giorno per oltre sei settimane. La loro scoperta: la visibilità nella ricerca AI è probabilistica, non deterministica. Una singola query è uno snapshot inaffidabile, e trattarla come una classifica di Google ti porterà a conclusioni sbagliate. È uno dei tanti studi che compongono il corpus in rapida crescita di ricerca accademica sulla GEO che sta ridefinendo il modo in cui i marketer pensano alla visibilità AI.

Per chi si occupa di marketing, questo conta più di quanto possa sembrare. Se controlli se il tuo brand compare su ChatGPT o Perplexity una sola volta e la chiami “misurazione”, potresti sovrastimare o sottostimare di molto la tua reale presenza. La soluzione non è una query singola migliore, ma un modello mentale diverso. Devi misurare la visibilità come una distribuzione: molte esecuzioni, molti prompt, in una finestra temporale prolungata.

Di seguito, ripercorriamo esattamente cosa ha scoperto lo studio, perché la ricerca AI si comporta così, e quante misurazioni servono realmente prima che i tuoi numeri abbiano un significato.

In breve (cosa ha scoperto lo studio):

• Le fonti citate cambiano moltissimo. Solo circa il 34-42% delle fonti citate da un motore AI si mantiene da un giorno all’altro, il che significa che circa il 65% delle fonti cambia ogni giorno.
• Le menzioni di brand sono più stabili, ma restano volatili. La sovrapposizione giorno per giorno dei brand è del 45-59%, più affidabile rispetto ai singoli URL ma lontana dall’essere stabile.
• Le citazioni sono molto concentrate. Una manciata di domini si accaparra la maggior parte della visibilità. Il coefficiente di Gini medio è 0,715 e, su una scala da 0 a 1 dove 1 significa che un solo dominio si prende tutte le citazioni, si tratta di un panorama molto sbilanciato.
• È la casualità del modello, non le notizie. Lanciare lo stesso identico prompt più volte nello stesso giorno produce lo stesso livello di turnover, quindi la maggior parte dell’instabilità viene dal modello stesso, non da cambiamenti reali nel mondo.
• Una sola esecuzione non dice quasi nulla. Servono almeno 7 esecuzioni per prompt al giorno per avere una stima affidabile della visibilità del brand, e 8 se monitori anche i singoli URL delle fonti.
• Le finestre brevi ingannano. Poiché le fonti cambiano così rapidamente, serve una finestra scorrevole di 2-4 settimane per ottenere una lettura stabile della reale visibilità di un brand.

Perché la visibilità nella ricerca AI non si comporta come le classifiche di Google

Se vieni dal mondo SEO, i tuoi istinti sono calibrati su un mondo che non esiste più. Nella ricerca classica, i risultati sono ordinati e per lo più stabili: la tua pagina è in posizione 4 oggi e probabilmente in posizione 4 o 5 domani. Un singolo controllo ti offre uno snapshot equo, e quando le cose cambiano, lo fanno gradualmente lungo uno spettro prevedibile. Puoi osservare la tua posizione muoversi e reagire.

La Generative Engine Optimization (GEO) non funziona così. La GEO è tutto o niente, quello che lo studio chiama una dinamica binaria di inclusione o esclusione. In qualsiasi risposta, il tuo brand o la tua fonte sono inseriti in modo prominente oppure completamente esclusi. Non esiste un “consolazione alla posizione 8”. O sei nella risposta o sei invisibile, e quale dei due esiti ottieni può ribaltarsi da un’esecuzione all’altra, guidato dal modo probabilistico in cui i modelli linguistici di grandi dimensioni generano il testo e selezionano le prove.

Questa volatilità è aggravata da un secondo problema: un motore di ricerca AI è una scatola nera. Non puoi vedere perché il tuo brand è stato incluso in una risposta e scartato nella successiva. Il modello comprime informazioni provenienti da molte fonti in una risposta breve e vincolata, e il processo di selezione non è né trasparente né riproducibile. A differenza di una classifica SEO, che oscilla all’interno di un insieme di posizioni visibile, la visibilità AI può svanire senza preavviso né spiegazione.

Ad aggravare entrambi i problemi c’è uno strumento mancante. Nella SEO, i marketer hanno Google Search Console, uno strumento proprietario che indica per quali query compari e con quale frequenza. I fornitori di LLM non offrono nulla di equivalente. Dati di base come la frequenza reale con cui le persone pongono una determinata domanda semplicemente non sono visibili nell’ecosistema GEO. Questo punto cieco è esattamente il motivo per cui i marketer devono costruire la misurazione dall’esterno, attraverso un campionamento ripetuto da parte di terzi, e perché un singolo numero statico di “visibilità” sia così facile da interpretare male. Il resto di questo articolo riguarda proprio come eseguire correttamente questa misurazione.

Dentro lo studio: cosa hanno fatto davvero i ricercatori

Lo studio è sorprendentemente concreto, quindi vale la pena capire l’impostazione prima di fidarsi dei numeri. I ricercatori della University of St. Gallen (in collaborazione con Aurora Intelligence) hanno costruito un sistema di monitoraggio che interrogava quattro motori di ricerca AI ogni singolo giorno, registrando esattamente quali fonti e brand ciascuno restituiva.

Hanno testato quattro motori: ChatGPT, Google Gemini, Google AI Mode e Perplexity. A ogni motore è stato posto lo stesso insieme di domande in quattro settori reali (lo studio li chiama “campagne”) scelti perché generano un traffico di ricerca elevato nel mercato svizzero: elettronica di consumo, vendita di immobili, articoli sportivi e telecomunicazioni.

Per ogni settore, il team ha scritto 8 prompt, e qui c’è un dettaglio intelligente: i prompt non sono stati inventati. Hanno preso parole chiave SEO ad alto volume, le hanno digitate su Google, e hanno ripreso le domande reali dal riquadro “People Also Ask” di Google. Questo significa che le domande sembrano quelle poste da persone vere: query conversazionali, tipiche della parte alta del funnel, come “quale marca produce buone scarpe da running?” piuttosto che semplici parole chiave.

I motori sono stati interrogati ogni giorno per una finestra di 45-46 giorni (dal 24 gennaio al 20 marzo 2026) da server basati in Svizzera, un dettaglio rilevante per il modo in cui l’AI personalizza i risultati. Nel complesso, l’analisi ha coperto 4.044 coppie di giorni consecutivi, ogni confronto “oggi contro domani” su tutti i motori, i prompt e i settori.

Ecco l’impostazione dello studio in sintesi:

Si tratta di una quantità enorme di misurazioni ripetute, che è esattamente il punto che lo studio vuole dimostrare.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Inizia ora Contatto

Due modi semplici per misurare “la risposta è cambiata?”

Per rispondere alla domanda “quanto è diversa la risposta di oggi da quella di ieri?”, i ricercatori avevano bisogno di un modo per confrontare due elenchi. Hanno usato due metriche, e non serve alcuna base statistica per capirle.

La similarità di Jaccard chiede semplicemente: di tutte le fonti comparse in entrambi i giorni, quante sono apparse in entrambi? Si contano le fonti condivise, poi si divide per il numero totale di fonti uniche nei due giorni.

Ecco un piccolo esempio. Supponiamo che la risposta di oggi citi 5 fonti e anche quella di domani ne citi 5, ma solo 2 sono le stesse. Le due risposte condividono 2 fonti, e tra le due menzionano 8 fonti distinte (5 + 5, meno le 2 contate due volte). Quindi il punteggio di Jaccard è 2 ÷ 8 = 0,25, il che significa che solo circa un quarto delle fonti è rimasto stabile, e circa tre quarti è cambiato da un giorno all’altro. Un valore di Jaccard pari a 1,0 indicherebbe elenchi identici; 0,0 nessuna sovrapposizione.

La Rank-Biased Overlap (RBO) pone la stessa domanda ma aggiunge un elemento che Jaccard ignora: l’ordine. Essere citati per primi vale più che essere citati al quinto posto, quindi RBO attribuisce un peso maggiore alla parte alta dell’elenco. Poiché richiede che gli elementi condivisi compaiano in posizioni simili (non solo che siano presenti da qualche parte), RBO è sempre la più rigorosa delle due metriche. Ecco perché in questo studio la RBO risulta sempre inferiore alla Jaccard.

Come leggere questi numeri:

• Più alto = più stabile. Un punteggio vicino a 1,0 significa che la risposta è cambiata pochissimo; vicino a 0 significa che è stata quasi completamente rimescolata.
• Jaccard risponde a “sono presenti gli stessi elementi?”
• RBO risponde a “sono presenti gli stessi elementi e nello stesso ordine?”
• Il divario tra le due indica quanto sta cambiando l’ordine di classifica, anche quando gli stessi elementi continuano a comparire.

Se vuoi vedere come queste metriche si inseriscono accanto ad altri parametri di riferimento, la nostra guida alle 10 metriche di visibilità AI importanti colloca i punteggi di sovrapposizione nel contesto del resto della tua dashboard di monitoraggio.

Risultato n.1: due terzi delle fonti citate cambiano ogni singolo giorno

Se la ricerca AI funzionasse come Google, porre la stessa domanda due giorni di fila farebbe emergere più o meno le stesse pagine. Non è così. Quando i ricercatori di St. Gallen hanno monitorato quali fonti quattro motori AI citavano ogni giorno per un mese e mezzo, hanno scoperto che l’elenco delle fonti citate si rimescola quasi completamente da un giorno all’altro.

Il numero principale è Jaccard, la quota di fonti citate presenti in entrambi i giorni. Nei quattro settori variava da un minimo di 0,336 per l’elettronica di consumo a 0,423 per le telecomunicazioni, con gli articoli sportivi a 0,355 e la vendita di immobili a 0,378. In parole semplici, un valore di Jaccard di 0,35 significa che solo circa il 35% delle fonti citate è lo stesso il giorno successivo, quindi circa il 65% delle fonti viene sostituito ogni singolo giorno. Le telecomunicazioni sono risultate le più stabili del gruppo, e l’elettronica di consumo la più volatile, ma nessuna si è avvicinata alla stabilità.

Le cose peggiorano se si tiene conto della classifica. La RBO, che dà il peso maggiore alla parte alta dell’elenco, si è collocata tra 0,21 e 0,26, nettamente inferiore alla Jaccard. Questo divario è rivelatore. Significa che non cambia solo quali fonti compaiono da un giorno all’altro; cambia anche l’ordine in cui compaiono. Persino la manciata di fonti che sopravvive al giorno successivo spesso si sposta di posizione, quindi la citazione “in cima” vista ieri potrebbe essere sepolta oggi.

Si tratta esattamente del turnover di cui abbiamo già parlato ne il problema della sovrapposizione del 7% : una singola query è lo snapshot di un bersaglio in movimento. Controlla le tue citazioni AI una sola volta e registra il risultato, e avrai catturato un solo fotogramma di una distribuzione che si rimescola già entro la mattina dopo.

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Risultato n.2: le menzioni di brand sono più stabili, ma restano lontane dalla stabilità

I singoli URL cambiano vertiginosamente, ma i marketer di solito si preoccupano di qualcosa di più generale: il mio brand viene menzionato, punto e basta? Aggregare dalle singole fonti ai nomi dei brand smorza gran parte del rumore, ma anche a livello di brand il quadro giorno per giorno è ben lontano dalla classifica stabile che ci si aspetterebbe dalla ricerca tradizionale.

Il valore di Jaccard a livello di brand si è collocato tra 0,45 e 0,59, significativamente più alto dello 0,34-0,42 osservato per le fonti. Le telecomunicazioni sono risultate le più stabili con 0,589, l’elettronica di consumo poco dietro con 0,557, e gli articoli sportivi i più bassi con 0,453. Quindi circa metà dei brand menzionati oggi riappare domani, contro solo un terzo delle fonti. La presenza del brand è il segnale più duraturo, motivo per cui costituisce un KPI di base migliore rispetto al monitoraggio dei singoli URL.

Due dettagli meritano di essere approfonditi. Primo, la vendita di immobili è stata esclusa interamente dall’analisi a livello di brand. I motori hanno nominato un brand specifico solo nel 53,6% delle risposte sull’immobiliare (sotto la soglia del 70% fissata dai ricercatori perché un settore avesse menzioni di brand sufficienti per un’analisi affidabile), perché molti dei suoi prompt erano domande generiche su tasse e investimenti a cui gli LLM rispondono senza citare alcuna azienda. Includerlo avrebbe inquinato i numeri, quindi è stato scartato.

Secondo, gli articoli sportivi si sono collocati più in basso per un motivo concreto: esiste un ampio pool di brand di scarpe da running intercambiabili, quindi il modello ha decine di opzioni quasi equivalenti tra cui scegliere e ruota tra di esse nei vari giorni.

E anche qui, l’ordine è instabile. La RBO per i brand si è fermata a soli 0,19-0,30, quindi anche il rango in cui i brand compaiono cambia molto. Più stabile rispetto alle fonti, ma non qualcosa che puoi misurare una volta sola e considerare affidabile. Questo è il motivo per cui servono avvisi continui di monitoraggio del brand AI invece di controlli occasionali.

Risultato n.3: pochi domini si accaparrano quasi tutte le citazioni

Non tutti i domini citati ottengono una fetta uguale della torta. Nella ricerca AI, un piccolo insieme di domini assorbe la grande maggioranza delle citazioni AI per qualsiasi argomento, mentre tutti gli altri si contendono le briciole.

Lo studio misura questo fenomeno con il coefficiente di Gini, un indice standard di disuguaglianza. Va da 0 a 1: un Gini di 0 significherebbe che ogni dominio viene citato in egual misura, e un Gini di 1 significherebbe che un unico dominio si accaparra tutte le citazioni. È la stessa formula matematica usata dagli economisti per descrivere la disuguaglianza di reddito, applicata qui al conteggio delle citazioni.

Su tutti i motori e le campagne, il Gini medio è stato 0,715. È un valore alto. Significa che il panorama delle citazioni è fortemente sbilanciato, con una manciata di domini che possiede la maggior parte della visibilità su ogni argomento.

La concentrazione varia da motore a motore. Perplexity ha distribuito le citazioni in modo più uniforme (Gini 0,671), seguito da ChatGPT (0,684) e Gemini (0,723). Google AI Mode è risultato il più concentrato di tutti con 0,782, il che significa che si affida in modo più marcato a un pool ristretto di fonti fidate.

Varia anche in base all’argomento. Gli articoli sportivi sono risultati i meno concentrati (0,680), poi l’elettronica di consumo (0,713) e l’immobiliare (0,718), con le telecomunicazioni le più concentrate a 0,750.

La conclusione strategica: per qualsiasi argomento, pochi domini possiedono la visibilità AI, e tutti gli altri sono quasi invisibili. Entrare in quel livello superiore è dove si trova il vero ritorno, quindi la tua strategia di AI share of voice dovrebbe concentrarsi sul penetrare il nucleo concentrato piuttosto che inseguire una coda lunga che l’AI raramente porta in superficie.

Risultato n.4: è il modello, non il ciclo delle notizie

Se le fonti cambiano di giorno in giorno, forse è solo il mondo che cambia, no? Vengono pubblicati nuovi articoli, l’autorevolezza dei domini si sposta, gli indici vengono aggiornati. Per verificarlo, i ricercatori hanno condotto un esperimento intelligente.

Hanno lanciato lo stesso prompt fino a 10 volte nello stesso giorno di calendario, su tutti e quattro i motori. Stessa query, stesse condizioni, a pochi minuti di distanza. Se il turnover giorno per giorno derivasse da notizie esterne e aggiornamenti degli indici, allora rieseguire un prompt nello stesso giorno dovrebbe restituire fonti quasi identiche. Sotto le vecchie assunzioni della ricerca tradizionale, ci si aspetterebbe una sovrapposizione quasi perfetta.

Non è quello che è successo. La sovrapposizione delle fonti nello stesso giorno (Jaccard) si è collocata tra 0,32 e 0,43 nelle varie campagne, il che significa che solo circa un terzo delle fonti citate coincideva tra due esecuzioni lanciate lo stesso giorno. L’elettronica di consumo ha raggiunto 0,327, gli articoli sportivi 0,321, l’immobiliare 0,391 e le telecomunicazioni 0,434.

Ecco il punto chiave: questo intervallo è sostanzialmente identico all’intervallo giorno per giorno di 0,34-0,42. Eliminare il ciclo delle notizie come fattore non ha cambiato quasi nulla.

La conclusione è inevitabile. Il turnover non proviene da aggiornamenti esterni, cambiamenti di algoritmo o un ciclo di notizie in movimento. Proviene dalla casualità intrinseca del modello: il modo probabilistico in cui un’AI genera e seleziona le fonti per ogni risposta. Interroga lo stesso motore due volte di fila e otterrai fonti significativamente diverse, non perché il mondo si è mosso, ma perché il modello ha rilanciato i dadi. Ecco esattamente perché una sola misurazione non basta, e perché il monitoraggio deve fare una media su esecuzioni ripetute per avere un significato.

Risultato n.5: i quattro motori non sono intercambiabili

È tentante trattare la “ricerca AI” come un’unica entità monolitica. I dati dicono il contrario. I quattro motori si comportano in modo così diverso che presumere che uno rispecchi l’altro ti porterà notevolmente fuori strada.

Scomponendo i risultati delle riesecuzioni nello stesso giorno per motore emerge un ampio divario di coerenza. Sulle fonti, Gemini è risultato di gran lunga il più coerente, con un valore di Jaccard nello stesso giorno di 0,505, il che significa che circa metà delle sue fonti citate è rimasta stabile tra esecuzioni ripetute. ChatGPT è risultato il meno coerente con appena 0,233, poco più di un quarto di sovrapposizione. Perplexity (0,282) e Google AI Mode (0,318) si sono collocati nel mezzo.

Il quadro sui brand ribalta completamente la classifica. Sulle menzioni di brand, Perplexity è in testa (Jaccard 0,492), seguito a ruota da ChatGPT (0,437), poi Gemini (0,409) e Google AI Mode (0,375). Quindi il motore più stabile sulle fonti non è il più stabile sui brand. Non esiste un unico motore “più stabile” in assoluto.

ChatGPT si distingue per un altro motivo. Non restituisce alcuna citazione nel 57,8% delle sue esecuzioni. Più della metà delle volte salta la ricerca sul web per le domande definitorie e risponde a memoria. Chiedigli “qual è la differenza tra un notebook e un laptop?” e spesso non citerà nessuno. Si tratta di un comportamento completamente diverso rispetto a Gemini o Perplexity, che ricorrono al web molto più prontamente.

La lezione è semplice ma cruciale: non puoi presumere che il comportamento di un motore rispecchi quello di un altro. Ognuno ha la propria casualità, le proprie abitudini di citazione e le proprie peculiarità. Qualsiasi programma di monitoraggio serio, o AI Visibility Index , deve stabilire baseline specifiche per ciascun motore invece di mescolare tutto in un unico numero sperando che si generalizzi.

Risultato n.6: il prompt che scegli fa oscillare il risultato

Ecco una complicazione che coglie la maggior parte delle persone di sorpresa: il prompt che scegli conta tanto quanto il numero di volte in cui lo esegui. Lo studio ha misurato la coerenza per singolo prompt in ogni campagna, e la dispersione è enorme. Alcuni prompt restituiscono quasi le stesse fonti e gli stessi brand a ogni esecuzione, con un valore di Jaccard superiore a 0,8, il che significa che più dell'80% degli elementi si ripete. Altri sono quasi puro rumore, sotto 0,2, dove meno di un elemento su cinque resta stabile.

Il modello dietro questa dispersione è intuitivo una volta compreso. Le query specifiche su un prodotto ottengono risposte più coerenti rispetto a quelle generiche e ampie. Una domanda mirata come “quali scarpe da running sono le migliori” attinge a un insieme più ristretto e ripetibile di brand e fonti. Una domanda vaga, tipica della parte alta del funnel, di quelle a cui si potrebbe rispondere in una dozzina di modi ugualmente validi, spinge il modello a esplorare ogni volta un pool molto più ampio.

Il risvolto pratico: uno o due prompt non possono rappresentare una campagna. Se per caso scegli due prompt coerenti, sovrastimerai la tua stabilità. Se ne scegli due erratici, ti convincerai che l’intera categoria sia caotica. In entrambi i casi stai misurando le peculiarità della tua selezione di prompt, non la tua reale visibilità.

La soluzione è un portafoglio di prompt ampio e diversificato che rispecchi il modo in cui gli utenti reali pongono le domande: specifiche e generiche, transazionali e informative. Fare una media su molti prompt è l’unico modo per annullare questo rumore a livello di query e vedere la campagna così com’è realmente.

Quante volte dovresti eseguire ogni prompt?

Pensa a una singola query come al lancio di una moneta. Non decideresti mai se una moneta è truccata basandoti su un solo lancio, eppure una query AI isolata ti chiede di fare esattamente questo. Poiché i motori di ricerca AI sono probabilistici, ogni esecuzione è un nuovo lancio di dadi, e l’unico modo per capire quanto spesso il tuo brand compaia davvero è eseguire il prompt molte volte e fare una media dei risultati. Più esecuzioni accumuli, più piccolo diventa il tuo errore standard (SE), il margine di incertezza intorno alla tua stima.

Lo studio quantifica esattamente quanto velocemente si riduce quel margine.

La convergenza è ripida all’inizio e poi si appiattisce. Una singola esecuzione presenta un SE di 0,370, sostanzialmente inutile. In termini semplici: un brand il cui vero tasso di rilevamento è 50% potrebbe leggere ovunque tra circa 0% e 100% in uno snapshot a singola esecuzione. Non impareresti nulla.

Aggiungi esecuzioni e la nebbia si dirada rapidamente:

L’SE scende sotto la soglia di affidabilità di 0,10 a 7 esecuzioni per il monitoraggio dei brand (è ancora 0,101 a sei esecuzioni). La copertura a livello di fonte è più rumorosa e richiede 8 esecuzioni per raggiungere quella soglia.

Quindi la raccomandazione è concreta: esegui almeno 7 volte per prompt al giorno quando monitori la visibilità del brand, e almeno 8 quando conta anche la copertura a livello di fonte. Con meno esecuzioni, stai ancora lanciando una singola moneta e chiamandola misurazione. Questa è la differenza tra un vero AI Visibility Index e un’ipotesi fortunata.

Quanto a lungo dovresti osservare? Il caso per una finestra di 2-4 settimane

Eseguire ogni prompt un numero sufficiente di volte risolve il rumore all’interno di un singolo giorno. Ma esiste una seconda fonte di deriva: le risposte AI cambiano anche di giorno in giorno, e con circa il 65% delle fonti citate che cambia ogni 24 ore, un singolo giorno (o persino una singola settimana) è di gran lunga troppo breve per separare il segnale dal rumore. Serve una finestra abbastanza ampia da lasciare che il turnover quotidiano si compensi mediamente.

Lo studio ha misurato come migliora la precisione della stima man mano che la finestra di osservazione si allunga.

Si applica la stessa logica di convergenza, semplicemente su base temporale anziché su esecuzioni ripetute:

La stima attraversa la soglia di 0,10 a 10 giorni e scende sotto 0,05 intorno al ventiquattresimo giorno (è 0,053 a 21 giorni e 0,033 a 28). In termini pratici: una settimana di dati è ancora instabile per monitorare un singolo brand, ma un margine di 0,05 significa che un brand realmente citato il 40% delle volte leggerà un valore compreso tra circa il 30% e il 50%, abbastanza preciso da fidarsi di un trend. Da due a quattro settimane è dove i numeri per singolo brand diventano davvero stabili.

La raccomandazione è una finestra scorrevole di 2-4 settimane. Una finestra scorrevole svolge un doppio compito: raccoglie abbastanza giorni da ridurre il margine statistico, e nel contempo media silenziosamente i piccoli aggiornamenti dei modelli e i refresh degli indici che i motori AI rilasciano regolarmente, così che una modifica isolata di martedì non venga scambiata per un trend reale. Questa è la lunghezza di finestra che vuoi integrare in qualsiasi dashboard di monitoraggio o metodologia di A/B testing sulla visibilità AI prima di trarre conclusioni sul fatto che la tua visibilità si sia effettivamente spostata.

Cosa significa questo per la tua strategia GEO

Lo studio si traduce direttamente in una manciata di regole concrete per chiunque gestisca un programma di GEO . Considerale come i requisiti operativi per un’impostazione di misurazione di cui puoi davvero fidarti.

Lancia ogni prompt almeno 7 volte al giorno (8 quando le fonti contano). Una singola query ha un errore standard di 0,370 sul tasso di rilevamento di un brand, sostanzialmente un lancio di moneta travestito da dato. L’errore scende sotto 0,10 a 7 esecuzioni per la presenza del brand e richiede 8 esecuzioni per la copertura a livello di fonte. Sotto questa soglia, stai reagendo al rumore, non misurando la visibilità.

Copri ogni argomento con un portafoglio di prompt ampio e diversificato. La sovrapposizione a livello di prompt oscilla da sotto 0,2 a oltre 0,8 all’interno di una singola campagna, quindi uno o due prompt catturano le peculiarità di quelle formulazioni esatte piuttosto che la tua reale posizione. Costruisci almeno otto query diverse per argomento, un mix di domande specifiche sul prodotto e formulazioni generiche del tipo “quale è meglio”, così che i tuoi numeri riflettano la campagna e non un caso legato alla formulazione.

Aggrega su una finestra scorrevole di 2-4 settimane, non un giorno o una settimana. Con circa il 65% delle fonti citate che cambia ogni giorno, le finestre brevi non riescono a separare il segnale dal rumore. Le stime per singolo brand si stabilizzano solo sotto lo 0,10 di SE a 10 giorni e sotto lo 0,05 a 24 giorni. Una finestra scorrevole di due-quattro settimane smorza il turnover quotidiano e i piccoli aggiornamenti dei modelli in una lettura duratura.

Stabilisci baseline separate per ciascun motore. La concentrazione delle citazioni va da 0,671 su Perplexity a 0,782 su Google AI Mode, e la coerenza delle fonti nello stesso giorno va da 0,233 su ChatGPT a 0,505 su Gemini. Una soglia unica per tutti e quattro i motori ti trarrà in inganno su almeno uno di essi. Valuta ogni motore secondo i propri termini.

Monitora la presenza del brand e gli URL delle fonti come due KPI distinti. La stabilità a livello di brand (Jaccard 0,45-0,59) supera quella a livello di fonte (0,34-0,42), quindi la presenza aggregata del brand è la tua metrica principale più affidabile. Ma continua a monitorare anche le fonti a livello di URL, perché è quello che ti dice quali pagine stanno realmente guidando la tua inclusione.

Limiti onesti da conoscere

Gli autori sono sorprendentemente trasparenti su cosa questo dataset possa e non possa dirti, e ogni avvertenza è un motivo in più per condurre la tua misurazione continua invece di affidarti a un singolo studio.

È svizzero. Tutti i dati provengono da server in Svizzera, con IP e impostazioni locali svizzere, su prompt in lingua tedesca. La selezione degli indici geo-personalizzata e i pattern di citazione potrebbero apparire diversi nella tua regione o lingua, quindi considera i numeri esatti come indicativi, non universali.

È una singola finestra temporale. Tutto si svolge in un unico periodo di 45-46 giorni (gennaio-marzo 2026). I motori AI si aggiornano costantemente, quindi uno snapshot da qualsiasi finestra fissa, compresa questa, può cambiare col tempo.

ChatGPT spesso non restituiva nulla. ChatGPT ha saltato la ricerca sul web nel 57,8% delle esecuzioni, producendo zero citazioni; quelle esecuzioni sono state escluse dall’analisi delle fonti. La tua copertura reale su ChatGPT sarà più discontinua di quanto suggeriscano i numeri principali.

Il rilevamento dei brand si basava su corrispondenze di sottostringa. Le menzioni sono state confrontate con un lessico fisso, quindi sinonimi, abbreviazioni e parafrasi sono stati persi. La presenza reale dei brand è probabilmente un po’ più alta di quella misurata.

Google AI Overviews è stato escluso in quanto prodotto diverso. Se AIO conta per te, si tratta di un’intera superficie che questo studio non ha mai toccato.

Nulla di tutto ciò indebolisce la scoperta centrale; anzi, la rafforza. L’unico modo per sapere come si comporta la visibilità nel tuo mercato, nella tua lingua e in questo mese è misurarla tu stesso, in modo continuo.

Come mettere in pratica la misurazione ripetuta

Ecco la checklist pratica che deriva dallo studio, l’impostazione minima praticabile per una misurazione GEO su cui puoi agire:

• Esegui ogni prompt da 7 a 10 volte al giorno. Sette esecuzioni portano il rilevamento del brand sotto la soglia di affidabilità; otto coprono le fonti; dieci ti danno margine.
• Mantieni un portafoglio diversificato di 8 o più prompt per argomento. Combina query specifiche sul prodotto con formulazioni generiche del tipo “quale è meglio”.
• Traccia baseline per singolo motore. ChatGPT, Gemini, Google AI Mode e Perplexity si comportano diversamente sia in termini di coerenza sia di concentrazione delle citazioni, quindi valuta ciascuno separatamente.
• Usa una finestra scorrevole di 2-4 settimane. Aggrega i tassi di rilevamento su 14-28 giorni in modo che il turnover quotidiano delle fonti e i piccoli aggiornamenti dei modelli si compensino.
• Monitora separatamente la presenza del brand e gli URL delle fonti. La presenza a livello di brand è il tuo KPI principale stabile; il monitoraggio delle fonti ti dice quali pagine guadagnano l’inclusione.
• Osserva la concentrazione delle citazioni. Un Gini in aumento significa che un insieme sempre più ristretto di domini possiede le risposte, quindi sappi se sei dentro o fuori da quell’insieme.

Fare tutto questo a mano su quattro motori, decine di prompt ed esecuzioni ripetute quotidiane comporta moltissime parti in movimento. Una piattaforma di monitoraggio della visibilità AI come amicited automatizza esattamente questo schema (esecuzioni multiple, prompt multipli, monitoraggio a finestra scorrevole su ChatGPT, Gemini, Google AI Mode e Perplexity), così la distribuzione viene calcolata per te invece che stimata a occhio da una singola query. Per una panoramica più ampia delle opzioni disponibili, consulta la guida agli strumenti di tracciamento delle citazioni AI , e per intercettare i cambiamenti non appena si verificano, imposta gli avvisi di monitoraggio del brand AI .

La conclusione: la visibilità è una distribuzione, non un numero

L’insegnamento più importante di questo studio è un cambiamento di modello mentale. La visibilità nella ricerca AI non è una classifica fissa che puoi leggere con una sola query. È una probabilità di essere menzionati che si rivela solo attraverso molte esecuzioni. Ricordi la domanda sulle scarpe da running con cui abbiamo aperto l’articolo? Chiedila una volta e potresti vedere il tuo brand; chiedila di nuovo un minuto dopo, nelle stesse identiche condizioni, e potrebbe essere scomparso. Gli insiemi di fonti si sovrappongono solo del 34-42% da un giorno all’altro; persino i brand, il segnale più stabile, si sovrappongono solo del 45-59%.

Questo significa che ogni numero che ricavi da un singolo controllo è in realtà un’estrazione casuale da una distribuzione sottostante, ed estrarre una sola volta ti dice quasi nulla sulla forma di quella distribuzione. Un brand citato in un’esecuzione e assente nella successiva non è “sceso”; hai semplicemente campionato una volta un processo casuale, basato sul lancio di dadi, e hai scambiato quel singolo campione per la verità.

Quindi smetti di chiederti “sono citato?” e inizia a chiederti “quanto spesso sono citato, e come sta andando il trend?” Esecuzioni ripetute, prompt diversificati, baseline per singolo motore e finestre scorrevoli trasformano uno snapshot rumoroso in una stima stabile e utilizzabile per decisioni. Misura la distribuzione, non l’istante. È tutto il gioco nella ricerca AI.