Audit GEO: misurare la visibilità nell’IA generativa

Un audit GEO misura ciò che un sistema di IA generativa risponde quando una persona cerca una soluzione, confronta alternative o verifica un brand. Non promette che una pagina verrà inclusa in una risposta. Raccoglie invece domande, risposte, fonti visibili, concorrenti e affermazioni da verificare per trasformare un'impressione in un dossier controllabile.

In sintesi

Un audit GEO valuta la visibilità di un brand nelle risposte generative con un insieme stabile di domande realistiche. Separa una menzione spontanea da una menzione causata dal nome del brand, conserva le risposte complete e verifica i fatti. Nel sotto-campione del barometro 2026, relativo a 13 brand e 657 risposte non brandizzate, 106 risposte, cioè il 16%, menzionavano spontaneamente il brand auditato. Il dato è limitato a quel sotto-campione, non a tutti i brand o a tutti i motori.

Che cos'è un audit GEO?

GEO significa Generative Engine Optimization. Un audit GEO è una verifica strutturata di come un brand viene trovato, descritto e confrontato nelle risposte generate da sistemi di IA. La domanda non è soltanto «il brand viene citato?». Occorre capire in quale domanda appare, con quali concorrenti, con quali fonti, con quali dati e se i dati ripetuti sono corretti.

L'unità di analisi è la risposta completa, non una posizione isolata. Lo stesso quesito può produrre risultati diversi in base al modello, alla modalità, alla lingua, alla data o a una piccola variazione di formulazione. Uno screenshot singolo può segnalare un caso, ma non dimostra da solo un andamento stabile.

Audit GEO e audit AEO: differenza pratica

DomandaAudit GEOAudit AEO
FocusRicerca generativa, sintesi e uso delle fontiRisposte dei motori rilevanti per il percorso dell'acquirente
ProveRisposta, fonti, accuratezza e concorrentiRisposta, menzioni, contesto, qualità e ricorrenza
ScopoCapire come il brand è rappresentato nelle sintesiMisurare la presenza nei motori di risposta in senso più ampio

I due approcci sono complementari. Un audit AEO può includere risposte generative; un audit GEO si concentra sul modo in cui queste risposte sintetizzano e attribuiscono le informazioni. Il nome del servizio conta meno della prova conservata: domanda esatta, modello, modalità, data, risposta e fonti visibili.

Prima della raccolta: definire cosa deve sostenere il test

Partire da una decisione concreta

Un panel di domande è utile quando rappresenta una decisione reale: scegliere un fornitore, mettere a confronto prodotti, cercare un servizio locale, verificare una dichiarazione o capire una categoria. Una domanda generale e una domanda di acquisto non devono essere messe nello stesso gruppo senza etichetta, perché misurano comportamenti diversi.

Fissare mercato, lingua e intento

Per ogni domanda vanno annotati lingua, mercato, intento dell'utente e presenza o assenza del nome del brand. Questo impedisce di confrontare una raccomandazione generica in italiano con una domanda di verifica del marchio in un'altra lingua come se i risultati fossero equivalenti.

Conservare il testo originale

Piccoli cambiamenti nella formulazione possono modificare l'elenco delle alternative. Il prompt deve essere salvato esattamente come è stato eseguito. Correggerlo dopo il test per renderlo più favorevole o più elegante elimina la possibilità di confrontare il prossimo rilievo.

Come costruire un panel di domande

Il panel non deve essere una lista di slogan aziendali. Può combinare domande non brandizzate, domande comparative e domande sul brand. Le prime misurano la scoperta senza introdurre il nome dell'azienda. Le seconde mostrano la collocazione tra alternative. Le terze servono soprattutto a controllare l'accuratezza delle informazioni associate al brand. Una domanda che contiene già il nome del brand non dimostra una visibilità spontanea.

  • Scoperta: quali opzioni aiutano a risolvere questo problema?
  • Confronto: quali differenze esistono tra questi approcci?
  • Valutazione: quali criteri contano prima di scegliere?
  • Verifica del brand: che cosa afferma il sistema su questa azienda?

Non esiste una dimensione universale del panel. Dipende dalla categoria, dalle lingue, dalle aree geografiche e dal tipo di decisione. Aggiungere molte varianti quasi identiche non aumenta automaticamente la qualità del dato: può sovrarappresentare una sola formulazione.

Registrare la risposta e il suo contesto

Per ogni esecuzione conservate domanda, data, modello, modalità utilizzata, risposta integrale e URL mostrati dal motore, quando disponibili. Annotate i concorrenti nominati e la posizione del brand soltanto se la risposta presenta un ordine reale. Se non c'è classifica, non è corretto ricavare una posizione media immaginaria.

Le URL richiedono prudenza. Un indirizzo non raggiungibile può dipendere da un errore del link, da una pagina spostata, da un blocco di accesso o da limiti tecnici. Non prova automaticamente che l'IA abbia inventato il contenuto. Al contrario, una pagina raggiungibile non dimostra da sola che la risposta abbia usato proprio quella fonte. Il rapporto deve distinguere l'osservazione tecnica dall'interpretazione.

Indicatori da tenere separati

IndicatoreChe cosa misuraCome leggerlo
Tasso di menzioneQuota delle risposte in cui compare il brandSeparare domande brand e non brand
AI Share of VoicePresenza relativa rispetto alle alternative nello stesso panelNon confonderla con la quota di mercato
AccuratezzaFatti corretti, incompleti o non verificatiConfrontare con fonti di riferimento
Fonti visibiliURL o domini citatiVerificare accesso e relazione con l'affermazione
RicorrenzaMotivi che si ripetono in condizioni comparabiliEvitare conclusioni da una risposta singola

Un tasso globale di menzione non è una media della qualità delle risposte. Può crescere perché il brand è stato introdotto nelle domande, pur restando assente nelle richieste di raccomandazione. Può anche apparire in una lista ed essere descritto in modo sbagliato. Per questo le dimensioni vanno mantenute distinte.

Misura osservata e causa ipotizzata

Un audit può dire che un brand è apparso o non è apparso in determinate risposte non brandizzate, nelle condizioni documentate. Non può affermare con certezza perché. Le cause possibili includono fonti accessibili, formulazione della domanda, aggiornamenti del modello, contesto della ricerca o fattori non osservabili. Una raccomandazione è quindi un'ipotesi operativa da verificare, non una causalità dimostrata da un solo rilievo.

Lo stesso vale per le informazioni errate. Se più risposte ripetono un dato inesatto, il fatto misurato è la ripetizione nel panel. Non si misura l'intenzione del modello. Il passo successivo consiste nel ritrovare le fonti pubbliche, consolidare le pagine ufficiali e ripetere il controllo in condizioni comparabili.

Come trattare allucinazioni e URL errati

Un'allucinazione è un'affermazione che non resiste alla verifica, non una critica o una valutazione negativa. Un prezzo, una certificazione, un indirizzo o un link inventati richiedono una categoria distinta. Conservate il passaggio completo, indicate il tipo di affermazione, collegate la verifica a una fonte e fate rivedere i casi sensibili da una persona.

Gli URL inesatti sono un segnale separato. AI Labs Audit documenta la rilevazione di URL allucinati nell'audit. Un codice HTTP, un reindirizzamento o un errore di accesso descrivono però soltanto uno stato tecnico. Non rivelano da soli l'origine dell'affermazione né l'intenzione del sistema.

Che cosa correggere dopo l'audit

I criteri E-E-A-T aiutano a organizzare la verifica di esperienza, competenza, autorevolezza e affidabilità documentate nei contenuti. Non garantiscono una citazione nelle risposte generative.

Le azioni dipendono dal motivo emerso. Se una pagina chiave non risponde chiaramente alle domande del panel, può essere utile rendere esplicita la risposta, la fonte, la data e l'autore. Se il brand è descritto correttamente ma ricorre poco rispetto ai concorrenti, il lavoro può iniziare dalle fonti terze effettivamente visibili nelle risposte. Se i fatti sono sbagliati, si correggono prima le pagine di riferimento e i profili pubblici controllati dal brand.

  • Scrivere risposte comprensibili anche fuori dal contesto della pagina.
  • Associare dati e affermazioni a fonti e date verificabili.
  • Chiarire entità, offerta, autore e informazioni di contatto.
  • Usare Schema.org per descrivere contenuto visibile, non per sostituire prove mancanti.
  • Ripetere lo stesso panel prima di attribuire un effetto a una modifica.

Struttura, dati strutturati e collegamenti interni possono facilitare l'interpretazione del contenuto da parte dei motori. Non promettono posizione o citazione. Per il controllo tecnico, consultate la checklist GEO. Per i dati del campione citato, consultate il barometro 2026 sulle 6.820 risposte IA.

Ripetere senza cambiare tutto

Il valore di un audit GEO sta nella possibilità di confrontare rilievi onesti. Per questo il set di domande, le regole di classificazione e le condizioni di raccolta devono rimanere il più stabile possibile. Cambiare insieme prompt, mercati, modelli e griglia di lettura produce un nuovo esperimento, non una serie storica confrontabile.

Il risultato non è una promessa di visibilità. È una base di prova per decidere che cosa verificare, correggere o approfondire. Un audit costruito così evita sia di credere a una risposta favorevole senza controllo, sia di trasformare un caso negativo isolato in un verdetto definitivo.

Domande e risposte

Quanto tempo richiede un audit GEO?

Un audit GEO manuale su 50 prompt e 5 modelli richiede da uno a due giorni di lavoro del consulente. Lo stesso audit tramite una piattaforma automatizzata richiede pochi minuti per essere lanciato e produce un rapporto PDF entro un'ora.

Quanto spesso è consigliabile ripetere l'audit GEO?

Almeno mensilmente. Gli LLM aggiornano continuamente i propri backend, e un brand citato il 40% delle volte a marzo può scendere al 12% ad aprile dopo un aggiornamento del modello.

Un audit GEO è diverso da un audit AEO?

Sì. L'AEO si concentra sulla citazione. Il GEO aggiunge la dimensione generativa: sentiment, allucinazioni, inquadratura narrativa, AI Overviews, risposte multimodali. I due audit sono complementari e ciascuno ha il suo ruolo.

È attendibile un audit GEO che ha testato solo ChatGPT?

No. ChatGPT si comporta in modo molto diverso da Claude, Gemini e Perplexity. Un audit su un solo modello è aneddotico e non dovrebbe essere usato per decisioni strategiche.

Come si rilevano le allucinazioni su larga scala?

Con il crawling automatizzato degli URL alla ricerca di link allucinati, più un classificatore LLM-as-judge che verifica incrociatamente le affermazioni di fatto rispetto a una knowledge base curata del brand. La revisione manuale conferma i segnali più sensibili.

I motori generativi ricordano le query precedenti?

Entro una singola sessione, a volte. Tra sessioni diverse, no. Ogni esecuzione di audit GEO parte da una tabula rasa: è per questo che una metodologia ripetibile conta più di una formulazione ingegnosa dei prompt.

Informazioni sull’autore

Davy Abderrahman

Fondatore di

Come specialista della visibilità nelle risposte dell’IA (AEO/GEO/LLMO), aiuto agenzie e consulenti a misurare e analizzare la presenza dei loro clienti su ChatGPT, Claude, Gemini, Perplexity e altri motori di risposta basati sull’IA.

AEO GEO LLMO Visibilità nell’IA Audit IA
Come compaiono i vostri marchi nelle risposte delle IA?

Agenzie, consulenti e team interni: confrontate le risposte ai vostri scenari, nelle lingue e con i modelli selezionati. La nostra infrastruttura, i vostri scenari, la vostra esperienza.

Questo articolo ti è stato utile?

- (0 votes)