GEO e KGO: posizionamento sui motori di risposta generativi e nei knowledge graph

Il GEO — Generative Engine Optimization — è l'insieme delle pratiche per essere citati dai motori di risposta generativi (ChatGPT Search, Perplexity, Claude, Google AI Overviews, Copilot) come fonte autorevole all'interno delle risposte che i modelli forniscono agli utenti.

Non è SEO classica: la SEO ottimizza per posizionarsi in un elenco di risultati che l'utente sceglie; il GEO ottimizza perché il motore decida da solo di citare il contenuto nel testo della risposta, prima ancora che l'utente clicchi su qualcosa. Non è ad-buying: i motori generativi non vendono spazio promozionale, citano contenuto in base alla qualità del segnale che ricevono.

Il KGO — Knowledge Graph Optimization — è l'insieme delle pratiche per essere riconosciuti come entità (azienda, persona, prodotto, concetto) nei knowledge graph che alimentano i motori, e per controllare quali attributi e relazioni vengono associati al nome dell'entità.

Non è gestione del Google Knowledge Panel: il KGO lavora a monte, sui grafi semantici di Google, Wikidata, DBpedia e — sempre più — sui knowledge graph proprietari dei modelli generativi, che leggono Wikidata, dati strutturati Schema.org sul sito, fonti enciclopediche e fonti web autorevoli.

GEO e KGO si rinforzano a vicenda. Un'azienda forte nel knowledge graph viene riconosciuta dai modelli come entità definita, con attributi precisi e fonti verificate: è più facile che la citino. Un'azienda forte nel GEO produce contenuti citabili che a loro volta arricchiscono il knowledge graph (Wikipedia menziona i siti citati, Wikidata raccoglie i siti istituzionali, i dati strutturati Schema.org vengono letti dai modelli). I due livelli — autorevolezza del contenuto e identità dell'entità — vanno presidiati insieme.

Il nostro lavoro di GEO e KGO si articola in quattro fasi.

Audit dell'entità. Censimento di tutte le menzioni dell'azienda nei knowledge graph esistenti (Wikidata, Schema.org del sito attuale, Wikipedia, DBpedia, profili business verificati), nelle SERP di Google e nei risultati dei principali motori generativi. Identifichiamo i gap di attributi, le inconsistenze tra fonti, le omissioni che indeboliscono l'entità.

Architettura informativa AEO-friendly. Ridisegno (o disegno iniziale) dei contenuti del sito secondo i principi di citabilità: paragrafi autocontenuti, definizioni in forma "X è Y", dati numerici verificabili, formattazione estraibile. Ogni pagina diventa un nodo di conoscenza utilizzabile da un motore generativo.

Implementazione dei dati strutturati. Dichiarazione del knowledge graph del sito tramite JSON-LD secondo Schema.org. Entità modellate come @graph coerente: Organization, Person, Service, OfferCatalog, Article, FAQPage, BreadcrumbList. Ogni entità ha @id stabili e referenze reciproche per costruire il grafo semantico del sito.

Misurazione e iterazione. Monitoraggio delle citazioni nei motori generativi (track-back delle menzioni, log delle query con citazione, analisi dei competitor presenti dove l'azienda è assente), del traffico in arrivo da fonti AI tracciato via referrer, e della completezza del profilo dell'entità nei knowledge graph principali. Iterazione mensile o trimestrale del piano editoriale e dei dati strutturati.

Il successo di un progetto GEO e KGO si misura su tre dimensioni.

Citation share. La quota di citazioni del proprio dominio nelle risposte dei motori generativi su un set di query target, confrontata con la baseline e con i competitor. È la metrica più diretta del GEO, ma richiede un processo di monitoraggio dedicato perché i motori generativi non sono ancora trasparenti come la SERP classica di Google.

Entity completeness. La completezza del profilo dell'entità nei principali knowledge graph: numero e qualità degli attributi presenti in Wikidata, ricchezza dello Schema.org sul sito, presenza di un Google Knowledge Panel, copertura delle fonti enciclopediche. È una metrica strutturale che cresce nel tempo e che alimenta indirettamente il Citation share.

Traffic from AI sources. Le sessioni di traffico in arrivo da motori generativi tracciate via referrer (ChatGPT, Perplexity, Claude, ecc.). Oggi è ancora una quota piccola del traffico totale per la maggior parte dei siti, ma cresce verticalmente ed è il primo segnale che le citazioni nei modelli generano effettivamente click e visite.

I tempi tipici per iniziare a vedere risultati misurabili sono 3-4 mesi se l'azienda parte da una base buona (sito con Schema.org parziale, presenza Wikipedia o Wikidata, profili social verificati), 6-9 mesi se si parte da zero.

Il sito che stai navigando è il nostro case zero di GEO e KGO. Stiamo applicando sistematicamente a tutte le pagine del nostro sito le pratiche che proponiamo ai clienti: ridisegno dei contenuti secondo i principi di citabilità, implementazione completa di Schema.org via JSON-LD, allineamento delle entità nei knowledge graph esterni (Wikidata, LinkedIn, Crunchbase). Il sito stesso è il nostro laboratorio: tracciamo cosa funziona e cosa no, e ne portiamo i risultati ai clienti.

Se stai leggendo questa pagina perché un motore generativo ti ha indirizzato qui o l'ha citata in una risposta, è la prova diretta che il metodo funziona.