Farsi consigliare dalle AI: non conta quanto sei famoso, ma in che categoria ti hanno messo (2026)

Le AI non consigliano il brand più famoso. Consigliano quello che hanno “codificato” nella categoria in cui il cliente sta cercando. Lo dimostra uno studio appena pubblicato: 12 marchi di abbigliamento sportivo, 14.140 test su ChatGPT, Gemini, Claude, Perplexity e le AI Overview di Google. Stesso brand, due modi di chiedere. Un marchio da manuale come lululemon domina la categoria “athleisure” al 90% ma sparisce (0%) quando la stessa domanda parla di “scarpe sportive”. New Balance fa l’esatto contrario: invisibile nell’athleisure (1%), primo tra le scarpe (90%). Non è la notorietà a decidere. È in che categoria l’AI ti ha incasellato. E per una PMI italiana questa è una buona notizia.

In questo articolo

• Cosa dice davvero lo studio
• Essere riconosciuti non è essere consigliati
• Category coding: i due ingredienti che decidono
• Il caso Nike: come si vince in due categorie
• Perché per una PMI è una buona notizia
• Cosa fare: l’audit in 30 minuti
• Un esempio concreto, passo per passo
• SEO e GEO: dove interviene il lavoro
• Domande frequenti
• Cosa significa per le aziende italiane

Cosa dice davvero lo studio

Parto dai fatti, perché qui i numeri contano più delle opinioni. Maryanna Franco e João da Silva hanno preso 12 marchi di abbigliamento sportivo nel mercato UK e li hanno interrogati per sette giorni con 14.140 chiamate API distribuite su cinque motori: ChatGPT, Gemini, Claude, Perplexity e le AI Overview di Google.

Il trucco dell’esperimento è semplice e geniale. Hanno chiesto ai modelli di consigliare gli stessi brand usando due “inquadrature” di categoria diverse: una volta parlando di athleisure (abbigliamento sportivo da tempo libero), una volta parlando di scarpe sportive. Stessi marchi, stessa domanda di fondo, solo una parola di categoria diversa.

Il risultato è stato simmetrico al punto da escludere il caso. Guarda cosa succede spostando una singola parola:

• New Balance: nella categoria “athleisure” viene consigliato l’1% delle volte. Nelle “scarpe sportive” il 90%. Un salto di 89 punti.
• lululemon: 90% nell’athleisure, 0% nelle scarpe. Un crollo di 90 punti.
• Alo Yoga: 63% nell’athleisure, 0% nelle scarpe.
• Gymshark: 37% nell’athleisure, 0% nelle scarpe.

La variazione è di circa 0,9 punti in entrambe le direzioni, nello stesso momento. Non è correlazione, è un’osservazione controllata: cambi la categoria nella domanda e cambia chi l’AI consiglia. Il brand non ha fatto nulla. Ha fatto tutto la parola che il cliente ha usato.

Essere riconosciuti non è essere consigliati

Qui c’è il punto che ribalta metà delle consulenze GEO che girano oggi. Da due anni la ricetta standard è sempre la stessa: “rafforza la tua entità, costruisci il Knowledge Graph, aggiungi schema, prendi rassegna stampa”. Quel consiglio non è sbagliato. È solo insufficiente, e lo studio lo mostra con i numeri.

Nello studio hanno misurato anche la forza di ciascun brand nel Knowledge Graph di Google (il KG score, cioè quanto un marchio è “riconosciuto” come entità). E qui casca il castello: lululemon ha un KG score di 810, minuscolo. New Balance ne ha 64.235, ottanta volte tanto. Eppure nell’athleisure vince lululemon 90 a 1. La notorietà come entità non ha deciso niente.

Tradotto: essere riconosciuti da un’AI e essere consigliati da un’AI sono due cose diverse. Un modello può sapere benissimo chi sei e ignorarti comunque quando arriva la domanda del cliente, semplicemente perché ti ha archiviato in un’altra categoria. Il riconoscimento è la carta d’identità. La raccomandazione è l’invito a cena. Non è detto che chi ha la prima riceva la seconda.

Su questo tema ho già scritto perché ChatGPT cita fonti diverse ogni volta: la citazione è instabile per natura. Questo studio aggiunge un pezzo: non solo è instabile nel tempo, è instabile a seconda di come formuli la domanda.

Category coding: i due ingredienti che decidono

Lo studio dà un nome al fenomeno: category coding, la codifica di categoria. È la combinazione di due cose.

1. La descrizione nel Knowledge Graph (il riconoscimento)

È il campo che àncora il brand a una categoria nella testa del modello. Nike, New Balance e Reebok hanno tutte e tre la stessa identica descrizione nel Knowledge Graph: “Footwear company”, azienda di calzature. Da qui partono uguali: tutte e tre riconosciute perfettamente da ogni modello testato.

2. Il corpus di contenuti di terze parti (la raccomandazione)

È tutto ciò che è stato scritto su di te da altri: articoli, recensioni, confronti editoriali, classifiche di settore. È questo che riempie di dettaglio l’associazione di categoria, ed è questo che decide se ti consigliano.

Prendi di nuovo New Balance. Descrizione: “azienda di calzature”. Il corpus di terze parti attorno a lei parla di scarpe da running, calzature da performance, allenamento atletico. Quando un utente chiede di marchi athleisure, il modello non trova New Balance in quella conversazione: non c’è associazione. Trova invece lululemon, Alo Yoga, Gymshark, marchi il cui corpus è costruito da riviste di moda, editoriali lifestyle e rassegne di activewear.

Il modello non sta valutando “chi è il brand migliore”. Sta abbinando la parola della domanda alle associazioni di categoria che ha costruito su di te leggendo il resto del web. Se il resto del web ti descrive in una categoria e il cliente cerca nell’altra, non esisti.

Il caso Nike: come si vince in due categorie

Lo studio ha un caso positivo chiarissimo: Nike. È l’unico marchio codificato come “calzature” che compare forte in entrambe le inquadrature: 77% nell’athleisure e 90% nelle scarpe sportive.

Perché? Non perché è più famosa (anche se lo è). Perché nel tempo ha accumulato abbastanza contenuto di terze parti codificato come athleisure: copertura editoriale su riviste di moda, presenza nelle rassegne di activewear, co-menzioni insieme ad altri brand di athleisure. Ha costruito un secondo “flusso” di contenuti nella categoria adiacente, quello che New Balance non ha costruito.

La lezione è netta: non esiste una scorciatoia dal lato tecnico. C’è la tentazione ovvia — “se la descrizione nel Knowledge Graph mi mette nella categoria sbagliata, la cambio”. Ma la descrizione è solo metà della codifica. L’altra metà è il corpus di contenuti che si è accumulato su di te, e quello non cambia perché hai aggiornato un campo. Se tutta la tua storia esterna parla di una categoria, cambiare l’etichetta ti dà un’àncora nuova con niente attaccato. Il corpus continua a dire quello che ha sempre detto.

La leva che funziona è una sola: investire in contenuto di terze parti nella categoria esatta che usano i tuoi clienti. Nelle pubblicazioni da cui il modello attinge, accanto ai brand che già definiscono quello spazio. La descrizione nel Knowledge Graph può sostenere il lavoro, ma solo dopo che il corpus esiste.

Perché per una PMI è una buona notizia

Adesso ti spiego perché su questa notizia non c’è da spaventarsi, anzi. Se la notorietà del brand non decide chi viene consigliato, il fossato dei grandi si abbassa.

Guarda di nuovo lululemon: KG score 810, un nulla rispetto ai colossi, eppure domina la sua categoria al 90%. Ha vinto non perché è enorme, ma perché è il brand più chiaramente “codificato” per l’athleisure nella lingua in cui la gente cerca l’athleisure. È stata scritta, recensita, confrontata in quel contesto fino a diventarne una definizione.

Questo per una PMI italiana è il punto di leva. Tu non devi battere il colosso sul suo terreno largo. Devi diventare il brand più leggibile e più coerente in una categoria stretta e precisa, quella in cui il tuo cliente cerca davvero. Su una domanda generica perdi. Su “software gestionale per cantine vinicole” o “packaging sostenibile per cosmetica” puoi essere tu la fonte che l’AI abbina alla categoria, mentre il gigante generalista non compare nemmeno.

È la stessa logica per cui, su un mio cliente, oggi 40.000 visite al mese arrivano già dalle AI Overview. Non perché sia il brand più famoso del suo settore, ma perché su un pugno di categorie precise è la fonte più chiara e coerente. Il modello lo abbina, e lo consiglia. Io lo dico spesso: non vendo l’articolo, vendo l’essere la fonte coerente su un tema. Questo studio mette i numeri a quella frase.

Cosa fare: l’audit in 30 minuti

Prima di spendere un euro in “ottimizzazione dell’entità”, fai un test diagnostico che costa solo tempo. Lo raccomanda lo stesso studio e lo trovo la parte più utile.

Passo 1 — Elenca i modi in cui il cliente ti cerca

Scrivi le cinque o sei formulazioni diverse con cui i tuoi clienti potrebbero descrivere la categoria di ciò che fai. Non i tuoi termini interni: i loro. “Consulente SEO” o “chi mi fa trovare su ChatGPT”? “Software gestionale” o “programma per fatture”? “Athleisure” o “tuta elegante”? Le sfumature contano, e cambiano da persona a persona.

Passo 2 — Testa ogni formulazione su 2-3 AI

Chiedi a ChatGPT, Gemini e Perplexity di consigliarti brand/fornitori per ognuna di quelle formulazioni. Annota quali fanno emergere il tuo nome e quali no. Questo è il tuo divario reale, misurato.

Passo 3 — Per le formulazioni dove non compari, chiediti

• Il contenuto di terze parti sul mio brand usa davvero quella lingua?
• Vengo citato in pubblicazioni che coprono quella categoria?
• Compaio nelle classifiche e nei confronti editoriali che usano quella formulazione?

Se la risposta è no, sai da dove partire: entrare nelle conversazioni esterne che parlano la lingua di quella domanda. Chiudere il divario significa diventare un partecipante del contenuto di confronto che definisce chi appartiene a quello spazio. Non basta dirlo sul tuo sito: devono dirlo gli altri, con le parole giuste.

Un esempio concreto, passo per passo

Prendo un caso realistico, perché la teoria da sola non aiuta nessuno. Immagina un’azienda che produce serramenti in legno-alluminio, fatturato 4 milioni, vende a privati e progettisti.

Il titolare è convinto di essere “conosciuto nel settore”. Probabilmente è vero: chi lavora nell’edilizia lo riconosce. Ma la domanda non è quella. La domanda è: quando un cliente chiede a ChatGPT “quali serramenti scelgo per una casa passiva?”, l’azienda compare? E se chiede “finestre che isolano di più”? E “infissi su misura per ristrutturazione”? Sono tre categorie diverse, con tre corpus di terze parti diversi. In una l’azienda può essere fortissima, nelle altre due invisibile.

Il lavoro non è “rafforzare il brand” in astratto. È capire che il cliente che vale di più cerca in una categoria precisa — mettiamo “case passive ed efficienza energetica” — e verificare se in quella lingua l’azienda è citata: nei blog di bioedilizia, nelle guide dei progettisti, nei confronti tra soluzioni ad alto isolamento. Se non c’è, quello è il cantiere. Non il sito nuovo, non il logo: essere presente nelle conversazioni di quella categoria, con le parole di quella categoria. È lì che si sposta la raccomandazione dell’AI, e con lei il cliente.

SEO e GEO: dove interviene il lavoro

Metto ordine sul metodo, perché “GEO” è diventata una parola che qualcuno vende come scatola magica separata dalla SEO. Non lo è, e questo studio lo conferma dal lato pratico.

La SEO classica resta la base: un contenuto solido, tecnicamente leggibile e ben posizionato in SERP ha molte più probabilità di finire nel corpus da cui i modelli attingono. Se non ti indicizzano bene, non ti citano proprio.

Il livello GEO (Generative Engine Optimization) aggiunge il pezzo dell’identità semantica: farti leggere come fonte coerente e autorevole su una categoria precisa. In termini SeoZoom, è lavorare sulla tua Topical Authority in un verticale, non sulla forza generica del dominio. E qui la novità dello studio: la Topical Authority che conta non è (solo) quella che costruisci sul tuo sito, è quella che si costruisce attorno a te, nel contenuto di terze parti che usa la lingua della categoria.

Concretamente, per una PMI significa: scegliere le 3-4 categorie strette in cui vuoi essere la risposta; farti recensire, citare e inserire in confronti e classifiche di quelle categorie usando esattamente le parole dei clienti; presidiare quelle keyword sul sito con contenuti che rispondono in modo diretto. Ne ho parlato anche nella guida ufficiale di Google per farsi trovare dalle AI: nessun trucco, solo essere la fonte più chiara. E in fondo si lega alla fiducia nella ricerca AI: le persone aprono la fonte per verificare, quindi diventare quella fonte vince due volte.

Domande frequenti

Cosa significa “category coding” per un’AI?

È la categoria in cui un’intelligenza artificiale ha archiviato il tuo brand. Nasce da due fonti: la descrizione della tua entità (il Knowledge Graph) e, soprattutto, il contenuto che gli altri hanno scritto su di te. Se il cliente cerca in una categoria diversa da quella in cui sei codificato, l’AI non ti consiglia, anche se ti conosce.

Basta cambiare la descrizione nel Knowledge Graph per essere consigliato in un’altra categoria?

No, ed è l’errore più comune. La descrizione è solo metà della codifica. L’altra metà è il corpus di articoli, recensioni e confronti accumulato su di te: quello non cambia aggiornando un campo. Serve costruire contenuto di terze parti nella nuova categoria, poi la descrizione lo sostiene.

Un brand piccolo può battere uno grande nelle risposte AI?

Sì, se è più chiaramente codificato nella categoria stretta che il cliente cerca. Nello studio, un marchio con Knowledge Graph 80 volte più debole ha vinto la sua categoria 90 a 1 contro un colosso. La notorietà generale non decide la raccomandazione: la codifica di categoria sì.

Come faccio a sapere in che categoria mi hanno messo le AI?

Fai il test in tre passi: elenca 5-6 modi in cui i clienti descrivono ciò che fai, chiedi a ChatGPT/Gemini/Perplexity di consigliare fornitori per ognuno, e annota dove compari e dove no. Le formulazioni in cui non compari ti dicono le categorie in cui non sei codificato.

Questa cosa è già attiva in Italia?

Lo studio è su mercato UK, ma il meccanismo è quello di modelli globali (ChatGPT, Gemini, Claude, Perplexity) che usiamo identici anche qui. La logica della codifica di categoria vale anche per l’italiano. In più, in italiano c’è meno contenuto di terze parti in circolazione: chi presidia adesso una categoria stretta trova meno concorrenza.

Cosa significa per le aziende italiane

Per una PMI italiana la lettura giusta è meno drammatica e più operativa di quanto sembri. Il messaggio non è “l’AI premia i grandi”: è l’opposto. Le AI non consigliano chi ha il marchio più grosso, consigliano chi è più chiaramente collegato alla categoria che il cliente sta cercando. E collegarsi a una categoria stretta costa ordine e presenza editoriale, non budget da multinazionale.

Le tre mosse concrete da fare oggi. Primo: scegli le categorie in cui vuoi essere la risposta, e sceglile strette e nella lingua reale dei clienti, non nella tua. Meglio dominare “cantine vinicole del Nord-Est” che comparire a metà classifica su “vino”. Secondo: fai il test diagnostico in mezz’ora sulle AI e scopri dove non compari — è gratis e ti dà la mappa. Terzo: lavora sul corpus di terze parti, cioè fatti citare, recensire e inserire in confronti che usano esattamente quelle parole; è il segnale che sposta davvero la raccomandazione.

E la solita avvertenza onesta: niente panico e niente corse. Nessuna di queste mosse ti serve “entro domani”, e nessuna richiede di stravolgere il sito. Sono lavoro di ordine, di posizionamento e di reputazione fatto bene. Chi lo fa adesso, mentre in italiano il campo è ancora poco affollato, quando le AI diventeranno il primo posto dove i clienti chiedono consigli parte con un vantaggio che gli altri dovranno rincorrere. Non perché è più famoso. Perché lo hanno messo nella categoria giusta.