Un audit di visibilità AI affidabile inizia prima che il primo prompt venga inserito in ChatGPT, Google AI Mode o Perplexity.
Deve definire l'entità, le affermazioni verificabili, le intenzioni degli utenti rilevanti e le superfici di prodotto esatte, quindi preservare prove sufficienti per distinguere un problema di rappresentazione da una risposta occasionale o una condizione incontrollata.
Le cinque dimensioni introdotte in Cosa dovrebbe misurare un audit di visibilità AI? — Presenza, Posizione, Provenienza, Precisione e Persistenza — forniscono la struttura analitica. Questo articolo spiega come progettare ed eseguire l'audit che fornisce quelle misurazioni.
Un elenco di prompt non è un design di audit. L'audit inizia con entità, affermazioni, scenari e condizioni controllate.
Passo 1: definire l'entità e l'ambito delle affermazioni
Il primo compito è stabilire con precisione cosa viene auditato.
Un marchio raramente è un singolo nome. L'ambito dovrebbe coprire i nomi commerciali e legali, le varianti di ortografia, il dominio, i prodotti, i servizi, i sub-marchi, le persone chiave, le località, le categorie, i concorrenti e le entità con nomi simili. Questo previene che vengano conteggiati come visibilità di marca valida menzioni solo di prodotto o descrizioni plausibili della società sbagliata.
Costruire una mappa delle affermazioni di riferimento
L'audit ha anche bisogno di un insieme verificato di affermazioni contro cui possono essere valutate le risposte.
La mappa dovrebbe coprire la definizione dell'azienda, l'offerta, le caratteristiche, le limitazioni, i gruppi di clienti, i mercati, i prezzi, le integrazioni, le certificazioni, la proprietà, la leadership e i cambiamenti storici materiali. Ogni affermazione dovrebbe registrare una fonte di riferimento, una data di verifica, condizioni applicabili e versioni note imprecise.
La mappa deve distinguere i fatti dall'interpretazione, dal posizionamento e dall'aspirazione. "La piattaforma leader" non è equivalente a una caratteristica documentata o a un prezzo attuale.
Il lavoro sottostante su entità, affermazioni e fonti è descritto in maggior dettaglio in Brand Semantics Infrastructure.
Definire quando il marchio non dovrebbe apparire
Un audit non dovrebbe premiare la massima inclusione indipendentemente dall'adeguatezza.
Prima di testare, definire:
scenari in cui il marchio dovrebbe essere considerato;
scenari in cui potrebbe essere rilevante solo in specifiche condizioni;
categorie a cui non appartiene;
requisiti che disqualificano la sua offerta;
concorrenti con cui dovrebbe essere effettivamente confrontato.
L'assenza da uno scenario inadeguato può indicare una selezione appropriata; l'inclusione ripetuta nella categoria sbagliata può gonfiare il tasso di menzione rivelando un problema semantico.
Passo 2: costruire scenari di intenzione, non un elenco di parole chiave
Un elenco di parole chiave SEO convenzionale non è sufficiente per un audit del sistema di risposta.
Uno scenario dovrebbe descrivere il problema dell'utente, l'intento, la fase decisionale, il contesto organizzativo, la posizione, la lingua, i criteri di valutazione e i confini di idoneità.
Ad esempio:
Un direttore delle operazioni di un produttore europeo di medie dimensioni sta cercando una piattaforma di analisi dei processi che si integri con un sistema ERP esistente e supporti i controlli di accesso aziendali.
Quello scenario può generare diverse varianti di prompt:
“Quali piattaforme di analisi dei processi dovrebbe considerare un produttore di medie dimensioni?”
“Confronta gli strumenti di intelligenza dei processi per un produttore europeo che utilizza un sistema ERP.”
“Quali piattaforme combinano integrazione ERP con controlli di accesso aziendali?”
“Ho bisogno di un'alternativa al prodotto Y per l'analisi dei processi nella produzione. Cosa consiglieresti?”
Mantenere separati gli elementi di analisi
Unità | Significato |
|---|---|
Scenario | il problema, il pubblico, l'intento e le condizioni |
Prompt | una espressione linguistica dello scenario |
Variante di prompt | una formulazione alternativa dello stesso scenario |
Follow-up | una domanda dipendente da una risposta precedente |
Esecuzione | una esecuzione sotto condizioni definite |
Questa distinzione è importante perché le parafrasi testano la sensibilità del prompt, mentre le esecuzioni ripetute di una formulazione identica testano la variabilità stocastica. Non dovrebbero essere combinate in un unico risultato indistinto.
Includere scenari di marca e non di marca
Gli scenari di marca testano il riconoscimento dell'entità e l'accuratezza delle affermazioni:
Cosa offre il marchio X?
Il marchio X fornisce la caratteristica Y?
Come si confronta il marchio X con il concorrente Z?
Quali sono le limitazioni del marchio X?
Gli scenari non di marca testano la scoperta e la raccomandazione:
Quali fornitori risolvono il problema X?
Quali sono le opzioni più forti per un'azienda con questi requisiti?
Quali alternative dovrebbero essere confrontate con il leader di categoria?
Chi si specializza in questo caso d'uso?
Un marchio può performare bene in domande esplicite mentre rimane assente da scenari di scoperta commercialmente importanti. Riportali separatamente.
Passo 3: definire la matrice delle superfici di prodotto
Il nome del fornitore da solo non è sufficiente come metadato.
“Visibilità di Google” può riferirsi a risultati di ricerca convenzionali, AI Overviews, AI Mode o Gemini. “ChatGPT” può riferirsi a una risposta con Ricerca, a una risposta parametrica senza recupero attuale o a un flusso di lavoro di ricerca approfondita. “Copilot” può riferirsi alla ricerca pubblica di Bing o a un ambiente organizzativo basato su dati privati.
Un audit pubblico di base può includere:
Fornitore | Superficie | Condizione di ricerca | Principale evidenza osservabile |
|---|---|---|---|
AI Overviews | integrale alla superficie | attivazione, risposta, link di supporto | |
AI Mode | integrale alla superficie | risposta, fonti, follow-up | |
OpenAI | ChatGPT Search | attivo | risposta, citazioni, pannello delle fonti, contesto della conversazione |
Perplexity | interfaccia di ricerca pubblica | attivo | risposta, citazioni, fonti |
Gemini con ricerca web | attivo o identificabile | risposta e fonti visibili | |
Anthropic | Claude con ricerca web | attivo | risposta e citazioni |
Microsoft | Copilot Search in Bing | attivo | risposta, fonti utilizzate, link correlati |
DeepSeek | interfaccia pubblica con ricerca web abilitata | attivo secondo l'interfaccia | risposta e informazioni sulle fonti visibili |
Google AI Overviews e AI Mode
Le linee guida di Google per le funzionalità AI nella Ricerca trattano AI Overviews e AI Mode come superfici distinte. Possono utilizzare modelli e tecniche diversi, mostrare link diversi e utilizzare la diffusione delle query su sottotemi e fonti di dati.
Poiché le AI Overviews non si attivano per ogni query, distinguere l'assenza di attivazione da una risposta attivata in cui il marchio è assente. Separare anche la menzione del marchio, la citazione del dominio, la raccomandazione e la rappresentazione imprecisa. Google afferma che i link di supporto devono essere indicizzati e idonei per un frammento convenzionale, ma l'idoneità non garantisce la visualizzazione. Registrare paese, lingua, dispositivo, stato di accesso e attivazione della superficie; non unire AI Overviews, AI Mode e Gemini in un unico punteggio Google.
ChatGPT Search e Perplexity
OpenAI descrive ChatGPT Search come fornitore di risposte tempestive con link a fonti web. I prompt possono essere riscritti in query di ricerca mirate, mentre la posizione generale e la Memoria abilitata possono influenzare la formulazione. Registrare l'attivazione della Ricerca, lo stato di accesso e della Memoria, la lingua, la posizione e il contesto della conversazione.
La documentazione del crawler di OpenAI separa OAI-SearchBot, GPTBot e ChatGPT-User; supportano diverse funzioni di ricerca, sviluppo del modello e iniziativa dell'utente. Perplexity distingue similmente PerplexityBot e Perplexity-User. La sua interfaccia ricca di citazioni è utile per l'analisi delle fonti, ma i conteggi di citazioni grezze non dovrebbero essere confrontati direttamente con piattaforme che espongono le fonti in modo diverso.
Gemini e Claude con ricerca web
Gemini dovrebbe essere trattato come una superficie di prodotto separata da Google AI Overviews e AI Mode. Registrare l'interfaccia pubblica, il modello o la modalità divulgata, lo stato di accesso, la lingua, la posizione e se il grounding web attuale è visibile o identificabile.
Per Claude, distinguere l'interfaccia pubblica dagli esperimenti API. Le linee guida del crawler di Anthropic separano ClaudeBot, Claude-User e Claude-SearchBot. La documentazione API per la ricerca web mostra che le ricerche API possono essere ripetute all'interno di una richiesta e possono utilizzare controlli di dominio, localizzazione e limiti di ricerca.
I controlli API sono utili per esperimenti, ma i risultati API non dovrebbero essere riportati come equivalenti alle risposte dell'interfaccia pubblica ordinaria.
Microsoft Copilot Search e DeepSeek
La superficie Microsoft rilevante è Copilot Search in Bing, non Microsoft 365 Copilot o un agente organizzativo basato su Microsoft Graph.
La documentazione di Copilot Search di Microsoft afferma che la superficie fornisce risposte riassuntive con fonti citate, è basata sui risultati di Bing e può emettere ulteriori ricerche per conto dell'utente. L'interfaccia distingue anche le fonti utilizzate per informare la risposta dai link correlati che non sono stati utilizzati per produrla.
Registrare quella distinzione per il mercato e la versione testati perché la funzionalità può variare.
DeepSeek pubblico può essere incluso quando l'interfaccia indica visibilmente che la ricerca web è attiva. La documentazione API di DeepSeek non fornisce una descrizione comparativamente dettagliata del comportamento di ricerca e citazione dell'interfaccia pubblica. L'audit dovrebbe quindi registrare solo ciò che può essere osservato: stato di ricerca, modello o modalità visibili, presentazione delle fonti, cliccabilità, data, lingua e posizione. Non dovrebbe inferire un'architettura di recupero non documentata.
Passo 4: valutare le fonti possedute dal marchio
I test AI non dovrebbero essere il primo incontro dell'auditor con informazioni sul marchio.
Esaminare la homepage, le pagine di categoria e prodotto, la documentazione, i prezzi, i rapporti, le informazioni sull'azienda, i profili di leadership, le versioni linguistiche e i profili ufficiali della piattaforma.
Accessibilità tecnica
Controllare se le pagine importanti sono indicizzabili, disponibili in HTML testuale; se la canonicalizzazione seleziona gli URL corretti; se un WAF o CDN blocca crawler rilevanti; e se le pagine obsolete rimangono pubbliche e scopribili.
Google afferma che le fondamenta convenzionali della SEO si applicano ancora a AI Overviews e AI Mode: crawlabilità, indicizzabilità, link interni, disponibilità testuale delle informazioni importanti e coerenza tra dati strutturati e contenuti visibili. Le sue linee guida affermano anche che non è necessario alcun file AI speciale o schema dedicato per quelle superfici.
L'accesso tecnico non garantisce visibilità, ma le informazioni inaccessibili non possono funzionare in modo affidabile come fonte attuale.
Disponibilità e coerenza delle affermazioni
Le affermazioni importanti dovrebbero essere esplicite, attuali, attribuibili all'entità corretta e supportate da prove.
Controllare la presenza di definizioni mancanti, categorie ambigue, caratteristiche contraddittorie, prezzi obsoleti, funzioni discontinue, incoerenze tra lingue, confusione delle entità e fatti importanti disponibili solo in documenti obsoleti.
Non ogni risposta AI imprecisa origina dal modello. La proprietà del marchio può contenere il materiale obsoleto o conflittuale da cui l'errore è ricostruito.
Passo 5: mappare l'ecosistema delle fonti esterne
La rappresentazione può essere influenzata anche da media, directory, recensioni, pagine partner, documentazione pubblica, forum, piattaforme social, rapporti analitici, confronti tra concorrenti e materiali istituzionali.
Per ogni fonte rilevante, registrare la categoria, le affermazioni associate, la valuta, la corrispondenza dell'entità, l'apparizione nelle risposte AI, le opzioni di correzione e la forza comparativa rispetto alle fonti dei concorrenti.
Identificare le lacune nelle fonti
Una lacuna nelle fonti esiste quando un'affermazione importante non ha supporto pubblico credibile, esiste solo nelle pagine di marketing del marchio, non è disponibile nella lingua o nel mercato testati, o è descritta meno precisamente rispetto a un'affermazione equivalente di un concorrente.
Una lacuna nelle fonti non prova che il marchio sarà assente. Identifica un ambiente di prove debole in cui il recupero, la verifica o la raccomandazione possono essere più difficili.
Identificare descrizioni conflittuali
Un marchio può descriversi come una piattaforma di analisi mentre le directory lo classificano come software di gestione progetti. Una pagina partner può elencare un'integrazione che è stata interrotta. Un vecchio articolo di stampa può nominare un precedente amministratore delegato.
Documentare questi conflitti prima dei test. Possono spiegare errori successivi, anche se non stabiliscono causalità.
Passo 6: eseguire test controllati e preservare le prove
Ogni esecuzione dovrebbe produrre un record che può essere esaminato dopo che l'interfaccia o la risposta cambiano.
Campo | Record richiesto |
|---|---|
Scenario e prompt | ID, formulazione completa e tipo di variante |
Superficie | fornitore, superficie del prodotto e stato di ricerca |
Condizioni | data, ora, lingua, posizione, stato di accesso e account |
Contesto | sessione fresca, follow-up o conversazione estesa |
Output | risposta completa, rifiuto o errore |
Fonti | citazioni, titoli delle fonti, URL e passaggi citati visibili |
Dati del marchio | ordine, ruolo, concorrenti e categoria |
Affermazioni | affermazioni atomiche, stato di accuratezza ed errori |
Revisione | revisore e stato di giudizio |
Uno screenshot è utile, ma preservare il testo completo, i link, l'ordine delle fonti, gli indicatori di ricerca e i follow-up rilevanti. Altrimenti, i revisori successivi potrebbero non essere in grado di distinguere raccomandazione, elenco, utilizzo delle fonti e qualificazione materiale.
Utilizzare esecuzioni ripetute
La ricerca di campionamento ripetuto mostra perché una singola esecuzione non dovrebbe essere trattata come un risultato fisso della piattaforma. Quantificare l'incertezza nella visibilità AI ha trovato una sostanziale variabilità delle citazioni attraverso misurazioni ripetute, mentre Non misurare una sola volta sostiene che la visibilità dovrebbe essere caratterizzata come una distribuzione attraverso esecuzioni, prompt e tempo.
Questo articolo non prescrive una dimensione del campione. Richiede che l'audit distingua:
un prompt identico eseguito di nuovo;
una variante di prompt parafrasata;
una data diversa;
una lingua o posizione diversa;
un modello o interfaccia cambiati;
un follow-up all'interno di una conversazione esistente.
Controllare lo stato della conversazione
Una sessione fresca e una risposta di follow-up non sono equivalenti.
Dopo diversi turni, il sistema potrebbe già aver selezionato concorrenti, dedotto requisiti dell'utente o introdotto assunzioni che influenzano le risposte successive. I test di base dovrebbero quindi separare:
prompt di sessione fresca;
follow-up controllati;
viaggi decisionali più lunghi;
scenari personalizzati o abilitati dalla memoria.
L'audit deve essere riproducibile
Un audit credibile ha un ambito di entità definito, affermazioni verificate, scenari di intento, metadati specifici della superficie e registrazioni complete delle risposte.
Questa base rende possibile determinare se un problema riguarda l'assenza, il ruolo di raccomandazione, la provenienza della fonte, l'errore fattuale o l'instabilità. Il prossimo articolo spiega come classificare, interpretare e riportare quelle scoperte.
La distinzione procedurale segue anche la superficie di controllo GEO: i marchi possono controllare parti del loro patrimonio informativo, influenzare parti dell'ambiente delle fonti più ampio e osservare output che non controllano direttamente.
Discuti un audit di visibilità AI con Brand Semantics.
Fonti e note metodologiche
Google Search Central, Funzionalità AI e il tuo sito web. Utilizzato per AI Overviews, AI Mode, diffusione delle query, idoneità e fondamenti tecnici. La documentazione non rivela meccanismi completi di recupero o selezione delle fonti.
OpenAI Help Center, ChatGPT Search, e OpenAI, Panoramica dei crawler di OpenAI. Utilizzato per il comportamento di ricerca, riscrittura delle query, posizione, Memoria e distinzioni tra OAI-SearchBot, GPTBot e ChatGPT-User.
Perplexity, Crawler di Perplexity. Utilizzato per la distinzione tra PerplexityBot e Perplexity-User.
Anthropic, linee guida del crawler e Strumento di ricerca web. Utilizzato per Claude-SearchBot, Claude-User e controlli di ricerca API. La documentazione API non è trattata come una descrizione completa dell'interfaccia pubblica.
Microsoft, Copilot Search in Bing. Utilizzato per il grounding di Bing, ricerche aggiuntive, fonti citate e la distinzione tra fonti utilizzate e link correlati.
DeepSeek, documentazione API. Utilizzato per identificare il limite della documentazione tecnica pubblica; non si inferisce alcun meccanismo di recupero non documentato.
Ronald Sielinski, Quantificare l'incertezza nella visibilità AI, e Julius Schulte, Malte Bleeker e Philipp Kaufmann, Non misurare una sola volta. Entrambi sono preprint del 2026 utilizzati per supportare la misurazione ripetuta piuttosto che il test una tantum.