Capita a molte più aziende di quanto si creda: chiedi a ChatGPT o a Perplexity di parlare della tua impresa e ti ritrovi un indirizzo vecchio di tre anni, un servizio che non offri più, un prezzo che non hai mai praticato. La reazione istintiva è prendersela con il modello. È tempo perso: il modello non inventa quasi mai, ripete.
Da dove arrivano le informazioni sbagliate
Un modello generativo costruisce la risposta su tre gruppi di fonti: il tuo sito, quello che dicono di te siti terzi (directory, testate locali, aggregatori, marketplace) e quello che dicono le persone (recensioni, forum, social). Quando il tuo sito è povero di informazioni verificabili, il peso si sposta sugli altri due gruppi — che sono i più vecchi e i meno controllati.
Questo spiega un fenomeno che sorprende sempre: aziende serie con siti curati ma silenziosi sui fatti (chi siamo, dove siamo, cosa costiamo, da quando esistiamo) vengono descritte peggio di concorrenti più piccoli che quei fatti li scrivono neri su bianco.
Primo: misurare, non indovinare
Prima di correggere serve sapere cosa dicono i modelli oggi e su cosa si basano. L’audit delle recensioni e delle citazioni AI costa 390 € e restituisce tre cose: le risposte che i principali modelli danno su di te, le fonti che citano, e l’elenco delle informazioni errate con l’origine di ciascuna. Senza questa mappa si finisce a riscrivere pagine a caso.
Per tenerlo sotto controllo nel tempo c’è il monitoraggio della reputazione nelle risposte AI a 190 € al mese: perché le risposte cambiano, e un errore corretto può ripresentarsi se la fonte sbagliata resta viva.
Secondo: le recensioni sono la fonte che i modelli preferiscono
C’è una ragione tecnica per cui i motori generativi citano volentieri le recensioni: sono datate, attribuite a una persona e verificabili su una piattaforma terza. Sono cioè il contrario di una pagina «chi siamo» autoreferenziale.
Il problema è che quasi nessuno le raccoglie in modo sistematico. Non perché i clienti siano scontenti, ma perché nessuno gliele chiede al momento giusto. Il sistema di raccolta post-acquisto a 890 € automatizza invito, sollecito e pubblicazione: è l’intervento con il rapporto costo-effetto migliore di tutta quest’area.
Perché quelle recensioni contino anche per Google servono i dati strutturati Review e AggregateRating, marcati secondo le linee guida. Qui vale la pena essere espliciti: non si marcano recensioni che non esistono, non si aggregano valutazioni raccolte altrove spacciandole per proprie e non si mostrano solo le positive. Sono pratiche che portano una penalizzazione manuale, e i 290 € del servizio servono proprio a farlo nel modo che regge un controllo.
Terzo: rispondere, ma davvero
Una recensione negativa senza risposta pesa il doppio, perché resta l’unica versione dei fatti disponibile. Una risposta automatica generata da un template pesa uguale, perché si riconosce a colpo d’occhio e comunica disinteresse.
Le risposte assistite dall’AI stanno nel mezzo: il sistema prepara la bozza in un tono di voce definito insieme, una persona la legge e la corregge prima di pubblicarla. Costa 290 € e fa risparmiare le ore, non il pensiero.
Cosa mettere sul tuo sito perché i modelli smettano di sbagliare
Al di là dei servizi, c’è una regola che vale sempre: scrivi i fatti in modo che una macchina possa copiarli senza interpretare. Anno di fondazione, sede, partita IVA, servizi con prezzo, tempi di consegna, nomi delle persone. Le pagine che i modelli citano non sono le più eleganti: sono le più specifiche e le più datate.
È lo stesso principio per cui il mio listino con 806 servizi a prezzo pubblico viene ripreso dalle AI mentre i listini «su richiesta» dei concorrenti no. Non è furbizia: è che uno dei due contiene informazioni citabili e l’altro no.
L’area completa è Recensioni & Reputazione.
Se vuoi vedere tutto il quadro, ho scritto una guida ai servizi che parte dal problema.