Come le AI scelgono i brand: cercano quelli che già ricordano (2026)

Le AI cercano soprattutto i brand che già conoscono. Uno studio di geoSurge su 13.281 ricerche generate dai modelli lo misura: quando un’AI lancia le sue ricerche interne per costruire una risposta, cerca un brand che ha già in memoria il 55,7% delle volte, contro il 17,4% dei brand che non ricorda. Tre volte più spesso. Se il tuo nome non è già nella testa del modello, parti indietro. Ma dentro lo stesso studio c’è il numero che ti riguarda davvero: il 69% di quelle ricerche non nomina nessun brand. È da lì che una PMI entra.

Ti spiego cosa hanno misurato, cosa significa in pratica per la tua azienda e cosa faccio io quando un cliente mi chiede “perché ChatGPT non mi nomina mai”.

Sommario

• Cosa dice lo studio, con i numeri
• Perché succede: la memoria arriva prima della ricerca
• Il numero che ribalta tutto: il 69% delle ricerche non fa nomi
• Il tuo settore cambia tutto: dal 41% all’82%
• I limiti onesti dello studio
• Cosa fare: 6 mosse concrete
• Un esempio concreto: la stessa azienda, letta due volte
• SEO e GEO: dove si costruisce davvero la memoria
• Domande frequenti
• Cosa significa per le aziende italiane

Cosa dice lo studio, con i numeri

Lo studio si chiama AI Searches What It Remembers ed è di geoSurge. Search Engine Land l’ha ripreso il 30 luglio 2026. Il metodo, in breve: 66 domande d’acquisto americane, ripetute 60 volte ciascuna tra il 29 maggio e il 9 giugno, per un totale di 3.960 risposte, 13.281 ricerche interne osservate e 1.416 osservazioni a livello di brand. Nove settori. La memoria del modello e il suo comportamento di ricerca sono stati misurati separatamente, per capire se il primo influenzasse il secondo.

I risultati principali:

• 3,2 volte. I modelli cercano i brand che già ricordano 3,2 volte più spesso di quelli che non ricordano.
• 55,7% contro 17,4%. Questa è la forbice: brand in memoria contro brand fuori dalla top 10 del modello.
• 63%. Quando il modello cerca un brand preciso, nel 63% dei casi è uno dei cinque brand che ricorda meglio. Non i primi cinquanta. I primi cinque.
• 31%. Solo il 31% delle ricerche interne contiene il nome di un’azienda. Tienilo a mente, ci torniamo.
• Dal 41% all’82%. Quanto pesa la familiarità cambia moltissimo da settore a settore.

C’è anche una crepa interessante nel muro. In un caso documentato, Gemini ha cercato Lemon Squeezy rispondendo a una domanda sui sistemi di pagamento online, pur non avendo quel brand nella memoria misurata. Quindi la ricerca dal vivo può ancora pescare nomi che il modello non conosceva. Non è una porta chiusa. È una porta stretta.

Perché succede: la memoria arriva prima della ricerca

Per capire il meccanismo serve sapere come lavora un’AI quando le fai una domanda commerciale. Non fa una ricerca. Ne fa tante. Smonta la tua domanda in sotto-domande, cerca i contenuti per ognuna e ricuce tutto in un’unica risposta. È il query fan-out, e l’ho raccontato per esteso qualche settimana fa.

Il punto che questo studio aggiunge è un livello prima. Le sotto-domande non nascono dal nulla: le scrive il modello. E il modello, quando decide cosa cercare, attinge a quello che ha già dentro — la conoscenza che si è portato dietro dall’addestramento. Se nella sua testa “gestionale per officine” richiama tre nomi, cercherà quei tre nomi. Non perché siano i migliori. Perché sono quelli che gli vengono in mente.

È esattamente quello che fa un essere umano a cui chiedi un consiglio su due piedi. Ti dice i nomi che ricorda. Poi, se ha tempo, va a controllare.

La conseguenza è scomoda e vale la pena dirla chiara: la partita comincia prima che la ricerca cominci. Puoi avere la pagina più ottimizzata del tuo settore, ma se il modello non genera mai una ricerca che contenga il tuo nome, quella pagina non entra nemmeno nel mazzo. Non vieni scartato. Non vieni proprio considerato.

E qui c’è il rischio vero: si crea un circolo. I brand noti vengono cercati, quindi citati, quindi finiscono in altri contenuti, quindi diventano ancora più noti al prossimo addestramento. Chi parte davanti, resta davanti. Chi non c’è, fatica a entrare. È una dinamica che chi fa marketing conosce da sempre, solo che adesso è codificata dentro una macchina.

Il numero che ribalta tutto: il 69% delle ricerche non fa nomi

Adesso il dato che quasi nessuno ha ripreso, e che secondo me è il più utile dell’intero studio.

Solo il 31% delle ricerche interne generate dai modelli contiene il nome di un’azienda. Il che significa che nel 69% dei casi il modello sta facendo una ricerca generica. “Miglior software gestionale per piccole officine”. “Quanto costa rifare un impianto elettrico industriale”. “Differenza tra olio extravergine filtrato e non filtrato”. Domande, non nomi.

In quelle ricerche la memoria del modello non ti sbarra la strada. Il modello non sa chi cerca: va a vedere chi risponde meglio. E lì il criterio torna a essere quello di sempre — chi ha la risposta più chiara, più completa, più verificabile.

Tradotto in strategia, cambia tutto. Il bias della memoria pesa sulle domande di marca: “meglio X o Y”, “recensioni di Z”. Su quelle, se sei una PMI, la lotta è quasi persa in partenza e il tempo speso è tempo buttato. Ma sulle domande di problema, che sono la maggioranza netta, tu e il colosso partite molto più vicini di quanto pensi.

È lo stesso principio che avevo raccontato analizzando come le AI decidono quale brand consigliare: non conta quanto sei famoso in generale, conta quanto sei chiaro e riconoscibile nella nicchia stretta dove il tuo cliente cerca davvero. Questo studio, da un’angolazione diversa, dice la stessa cosa con altri numeri.

Quindi la domanda giusta non è “come faccio a farmi ricordare da ChatGPT”. È: quali sono le venti domande senza nome che il mio cliente fa prima di comprare, e io ci sono su quelle?

Il tuo settore cambia tutto: dal 41% all’82%

Lo studio ha analizzato nove settori: viaggi, automotive, finanza, software aziendale, formazione, ristorazione, lusso, fitness e benessere, moda. La quota di ricerche rivolte a brand familiari oscilla dal 41% all’82%. I brand sconosciuti si muovono in una forbice molto più bassa, tra il 9% e il 23%.

Cosa ci fai con questo, in pratica. Prima di decidere quanto investire in visibilità dentro le AI, guarda in che metà del tabellone giochi:

• Settori dove la memoria pesa tanto (lusso, moda, finanza sono i sospetti classici): entrare come nome nuovo è duro. Meglio puntare tutto sulle domande di problema e sulla nicchia geografica o verticale, dove i colossi non hanno una risposta specifica.
• Settori dove la memoria pesa meno: il modello si affida di più alla ricerca dal vivo. Qui un contenuto fatto bene entra in classifica più facilmente, e il lavoro rende prima.

Non serve un tool a pagamento per farsi un’idea. Apri ChatGPT e Gemini, fai cinque domande da cliente sul tuo settore — senza nominare nessuno — e guarda che nomi escono. Se escono sempre gli stessi tre marchi nazionali, sei in un settore a memoria forte. Se escono nomi diversi ogni volta, o realtà locali, hai spazio.

I limiti onesti dello studio

Prima di costruirci sopra una strategia, tre cose vanno dette. Le dicono gli autori stessi, e mi sembra corretto ripeterle.

È una correlazione, non una causa dimostrata. Gli autori scrivono che i risultati mostrano una relazione tra memoria e comportamento di ricerca, ma non provano che la prima causi il secondo. Potrebbero esserci fattori comuni: un brand noto è noto anche perché ha più contenuti online, e quei contenuti possono influenzare la ricerca per conto loro.

Il campione per settore è piccolo. Alcuni settori sono rappresentati da appena sei domande. Il dato aggregato regge; la classifica per settore va presa come indicazione, non come verdetto.

È un campione americano. Sessantasei domande d’acquisto in inglese, mercato USA. In italiano, con un mercato dove i brand di riferimento sono altri e i contenuti sono molti meno, i numeri possono muoversi parecchio. Sospetto — ma è un sospetto, non un dato — che in Italia il peso della memoria sia leggermente inferiore, semplicemente perché i modelli hanno meno materiale italiano da ricordare e devono affidarsi di più alla ricerca dal vivo. Se è così, per noi è una buona notizia.

Detto questo: la direzione è chiara e coerente con tutto quello che vedo sui progetti dei clienti. Non la userei per fare previsioni al decimale. La userei per decidere dove mettere le ore.

Cosa fare: 6 mosse concrete

1. Fai l’inventario delle domande senza nome

Scrivi venti domande che il tuo cliente fa prima di sapere che esisti. Non “recensioni [tuo brand]”, ma “come si sceglie un fornitore di X”, “quanto costa Y”, “meglio A o B”, “quali sono i requisiti per Z”. Sono quelle che alimentano il 69% delle ricerche interne dei modelli. Se non hai una pagina che risponde a ognuna, in modo diretto e completo, hai un buco.

2. Rispondi nelle prime tre righe

I modelli scansionano per decidere se un contenuto è rilevante, prima di leggerlo davvero. Se la risposta alla domanda del titolo arriva al quinto paragrafo, dopo l’introduzione sulla “trasformazione digitale”, il contenuto perde. Metti la risposta secca in cima, poi sviluppa. Vale per l’AI e vale per il cliente: nessuno dei due ha voglia di scavare.

3. Lavora sulla memoria dove si costruisce: fuori dal tuo sito

Questo è il punto che collega lo studio di oggi a una cosa che avevo già misurato: l’83% delle citazioni AI su un’azienda non arriva dal suo sito. Arriva da recensioni, forum, elenchi, articoli di settore. La memoria di un modello si forma leggendo il web, non leggendo la tua homepage. Quindi: recensioni Google curate e recenti, presenza nelle directory di settore che contano, qualche menzione sui portali verticali italiani, profili aziendali coerenti ovunque. Costa ordine e un po’ di relazioni. Non costa budget da colosso.

4. Attacca il nome al dato

Un errore che vedo in quasi tutti i siti aziendali: i numeri buoni ci sono, ma sono orfani. “Consegniamo in 48 ore” scritto in un box grafico, senza che nella frase compaia chi consegna. Quando un modello riassume, prende la frase e perde il contesto. Scrivi “Rossi Impianti consegna in 48 ore in tutto il Nord Italia” invece di “consegna in 48 ore”. Sembra ridondante per un lettore umano. Per la macchina è la differenza tra essere citato con il nome ed essere citato come “un fornitore”.

5. Scrivi contenuti comparativi, non solo esplicativi

Le domande d’acquisto sono comparative per natura: “quale scegliere”, “differenze tra”, “alternative a”. I contenuti che confrontano opzioni vengono ripresi molto più spesso dei contenuti che spiegano cos’è una cosa. E puoi farlo onestamente: dire per chi il tuo prodotto non va bene aumenta la credibilità con il cliente e dà alla macchina un criterio chiaro per collocarti.

6. Presidia la nicchia, non la categoria

Se vendi software gestionale, non giochi su “miglior gestionale”. Giochi su “gestionale per carrozzerie con fatturazione elettronica”. Lì la memoria del modello è quasi vuota, e chi ha la risposta migliore entra. Da lì, con il tempo, si allarga. È il contrario di come si costruiva la SEO dieci anni fa — prima il grande volume, poi la coda lunga. Oggi conviene l’inverso.

Un esempio concreto: la stessa azienda, letta due volte

Ti faccio vedere la differenza con un caso costruito ma realistico, del tipo che mi capita tra le mani ogni mese. Azienda di impiantistica industriale, tre milioni di fatturato, quarant’anni di storia, clienti fedeli. Sito rifatto nel 2022, bello da vedere.

Come la legge un modello oggi. Homepage: “Soluzioni innovative per l’industria dal 1985”. Pagina servizi: sei riquadri con tre parole ciascuno. Nessun prezzo, nessun tempo di consegna, nessuna zona coperta scritta a parole, nessun nome di persona. Il blog ha quattro articoli del 2022 su “la trasformazione digitale”. Fuori dal sito: nove recensioni Google, tutte del 2019, nessuna con una risposta. Zero menzioni sui portali di settore.

Risultato: il modello non ha niente da ricordare e, quando fa una ricerca generica sul problema del cliente, non trova niente da citare. Non è penalizzata. È semplicemente assente.

Cosa cambierei, nell’ordine e senza spendere in pubblicità. Dodici pagine, una per ogni domanda reale che i clienti fanno al telefono — “quanto costa mettere a norma un quadro elettrico industriale”, “quanto dura un fermo impianto per una revisione”, “che differenza c’è tra manutenzione programmata e a guasto”. Risposta secca nelle prime righe, poi il dettaglio. In ogni pagina il nome dell’azienda dentro le frasi che contengono i numeri. Una pagina “chi siamo” con nomi, volti e ruoli veri. Poi, fuori: venti recensioni recenti chieste ai clienti di sempre, con risposta pubblica; l’iscrizione ai due elenchi di categoria che nel settore contano davvero; due articoli ospitati su portali verticali.

Nessuna di queste mosse è marketing sofisticato. Sono tutte cose che un’azienda seria potrebbe scrivere in un pomeriggio, perché le sa già. Il problema non è mai stato il contenuto: è che non era scritto da nessuna parte. E quello che non è scritto, per un modello, non esiste.

Se hai un e-commerce, la stessa logica si sposta sulle schede prodotto: descrizioni scritte per chi non ti conosce, prezzo in testo leggibile e non dentro uno script, disponibilità reale, recensioni vere sotto ogni articolo. È il punto su cui gli agenti AI si rompono più spesso, e si sistema con l’ordine, non con la spesa.

SEO e GEO: dove si costruisce davvero la memoria

Faccio una premessa che ripeto spesso, perché serve a non farsi vendere fumo: non esiste un interruttore GEO separato dalla SEO. Google stesso lo ha messo per iscritto nella sua guida ufficiale. Un contenuto che non è indicizzato e leggibile non viene citato da nessuna AI, punto.

Detto questo, ci sono priorità che cambiano. Ecco come le imposterei io, in ordine.

Copertura semantica prima della singola keyword. Il fan-out smonta la domanda in dieci sotto-domande. Se copri due sotto-domande su dieci, sei una fonte parziale e il modello ti affianca ad altri. Se le copri tutte, diventi la fonte comoda. Nella logica SeoZoom si legge bene guardando la Copertura Fan-Out: le lacune semantiche sono il primo posto dove intervenire, molto prima di limare il title.

Autorevolezza sul tema, non sul dominio in generale. La metrica che conta qui è la TZA, l’autorevolezza su uno specifico argomento. Un sito da cinquanta pagine tutte sullo stesso tema batte, su quel tema, un sito da mille pagine che parla di tutto. Per una PMI è una notizia ottima: significa che non devi diventare grande, devi diventare denso.

Le striking distance keyword valgono doppio. Le pagine che stanno in seconda e terza pagina — la ZO alta — sono le prime a entrare nel bacino da cui i modelli pescano quando fanno ricerche generiche. Prima di scrivere venti contenuti nuovi, sistema i dieci che stanno a un passo. È il lavoro con il ritorno più rapido che conosco.

Misura le impression AI, non le classifiche. Il report AI di Search Console ti dice quante volte le tue pagine finiscono dentro le risposte generative di Google. È gratis e sono dati di prima mano, non stime di un tool terzo. Guardalo ogni mese e legalo alle azioni: se sistemi una pagina e le impression AI salgono, hai una prova. Se non salgono, hai imparato qualcosa lo stesso.

Dati strutturati e coerenza dell’entità. Nome, indirizzo, partita IVA, persone, servizi: identici ovunque. Non fa magie, ma toglie ambiguità. Un modello che non riesce a stabilire se “Rossi Impianti” e “Rossi Impianti Srl” siano la stessa azienda tratta entrambe come segnali deboli.

Domande frequenti

Se la mia azienda è piccola, ho comunque una possibilità di essere citata dalle AI?

Sì, ma su un terreno preciso. Sulle domande che contengono già un nome di marca il gioco è sbilanciato verso i brand noti — il 63% di quelle ricerche riguarda i cinque nomi che il modello ricorda meglio. Sulle domande di problema, che sono circa il 69% delle ricerche interne, il modello cerca la risposta migliore e non un nome. È lì che una PMI compete davvero, soprattutto se la domanda è verticale o locale.

Come faccio a capire se un modello “ricorda” la mia azienda?

Il test grezzo lo fai in dieci minuti. Chiedi a ChatGPT e a Gemini “cosa sai di [nome azienda]” con la ricerca web disattivata, se puoi: quello che esce è memoria, non ricerca. Poi fai la stessa domanda con la ricerca attiva e confronta. Se senza ricerca non sa nulla e con la ricerca ti descrive bene, la tua visibilità dipende interamente dai contenuti online — che è una posizione fragile ma migliorabile. Se non sa nulla in nessuno dei due casi, il problema è a monte: non sei leggibile.

Vale la pena pagare un tool per monitorare la visibilità nelle AI?

Dipende dalla dimensione. Per un’azienda con un catalogo grande e un budget marketing strutturato, un cruscotto aiuta a vedere i trend. Per una PMI, prima esaurirei le fonti gratuite: il report AI di Search Console, il Merchant Center se vendi prodotti, e una lista di venti domande da testare a mano una volta al mese. Google stesso ha detto ai direttori marketing che i tool di terze parti non vedono i suoi dati interni. Prima di comprare un numero, assicurati che ti faccia cambiare qualcosa.

Se investo in notorietà di marca, l’AI mi ricorderà di più?

Nel medio periodo, probabilmente sì — ma non nel modo in cui immagini. La memoria di un modello non si compra con la pubblicità: si forma leggendo testi. Quindi quello che sposta l’ago non è lo spot, sono le menzioni scritte: articoli di settore che ti nominano, recensioni, elenchi, forum, pagine di partner e clienti che ti citano per nome. Una campagna che genera cinquanta articoli che scrivono il tuo nome vale, per questo scopo, più di una campagna che genera cinquantamila impression visive.

Quanto tempo ci vuole per vedere risultati?

Sulle domande di problema, se sistemi contenuti che sono già vicini alla prima pagina, si vedono movimenti nelle impression AI nel giro di poche settimane. Sulla memoria del modello, i tempi sono quelli dell’addestramento e dell’accumulo di menzioni: mesi, e non li controlli tu. Per questo consiglio sempre di partire dal primo fronte: dà risultati misurabili mentre il secondo matura.

Cosa significa per le aziende italiane

Riassumo quello che io toglierei da questo studio, se domattina dovessi decidere dove mettere le ore di un’azienda italiana da due, cinque o dieci milioni di fatturato.

Primo: smetti di inseguire la notorietà. Non batterai i brand nazionali sul campo dove i modelli fanno i nomi. Non è pessimismo, è aritmetica: il 63% delle ricerche con un nome riguarda cinque marchi. Il tuo non è tra quelli e non lo diventerà con un budget da PMI. Lascia perdere quel campo.

Secondo: il campo aperto è enorme e quasi nessuno lo presidia. Sette ricerche su dieci non fanno nomi. Sono domande concrete di clienti che devono risolvere un problema. In Italia, in quasi tutti i settori verticali, quelle domande hanno risposte scarse: pagine copiate, schede prodotto vuote, blog abbandonati nel 2019. Chi mette venti risposte serie sulle venti domande vere del suo mestiere si prende uno spazio che nessuno gli contende. È l’occasione più concreta che vedo oggi nel mercato italiano.

Terzo: la memoria si costruisce fuori casa. Il lavoro sul sito è necessario ma non basta. Recensioni, elenchi di categoria, associazioni di settore, portali verticali, partner che ti citano per nome: è lì che il modello impara che esisti. Per una PMI italiana questo è terreno amico, perché sono relazioni che spesso hai già — solo che non sono scritte da nessuna parte. Chiedere a un cliente soddisfatto una recensione con dentro il nome del servizio che gli hai venduto è la cosa più economica e più sottovalutata che puoi fare questo mese.

Quarto: niente panico, e niente hype. Questo è uno studio americano, correlazionale, con campioni per settore piccoli. Non è la fine di niente. È un pezzo in più di un quadro che ormai è coerente: le AI premiano chi è chiaro, coerente e verificabile, e penalizzano chi è confuso — indipendentemente da quanto è grande. Costa ordine, non budget. E una PMI ordinata continua a battere un colosso disordinato sulla stessa risposta.

Se vuoi capire da dove partire sul tuo caso, il punto d’ingresso più utile è sempre lo stesso: la lista delle venti domande. Scrivile tu, prima di comprare qualsiasi cosa. Ti diranno già metà di quello che c’è da fare.