Chi guida un’azienda di Bergamo che cerca un fornitore di macchine utensili non apre più dieci schede di Google. Apre ChatGPT e scrive: "chi sono i migliori produttori di centri di lavoro CNC in Italia". In pochi secondi ottiene tre nomi, con le motivazioni. Se la tua azienda non è tra quei tre nomi, per quel decisore non esisti.
Non hai perso una posizione in classifica. Hai perso l'unica classifica che, in quel momento, contava davvero.
Succede ogni giorno, con varianti diverse, a chi cerca un consulente fiscale, un fornitore SAP, uno studio di ingegneria, un'agenzia di comunicazione. Prima la domanda va a un modello linguistico, ChatGPT, Perplexity, Gemini. Solo se la risposta non basta, arriva Google. Farsi trovare da quella prima risposta ha un nome: Generative Engine Optimization, GEO.
Per anni la ricetta è bastata così com'era: un sito vetrina, una brochure aggiornata ogni tanto, una fiera di settore all'anno, e per il resto il passaparola. Funzionava perché a decidere era sempre una persona, che leggeva, confrontava, telefonava con calma. Oggi la prima cernita la fa un modello linguistico, in tre secondi, prima ancora che il tuo commerciale sappia che quel cliente esiste. La SEO da sola non basta più: c'è il GEO, e conviene pensarci ora, non quando il fatturato rallenta.
Perché una risposta AI non ha una seconda pagina
Su Google, la settima posizione in una ricerca porta comunque qualche clic. Un'azienda mediocre in SEO perde traffico, ma resta raggiungibile: basta scorrere qualche riga in più. In una risposta generata da un'AI il meccanismo è diverso. Il modello sceglie tre, quattro nomi e si ferma lì.
Zero scorrimento. Zero pagina due. Zero settima posizione da cui farsi comunque trovare da chi ha pazienza.
Gartner ha calcolato che il volume delle ricerche sui motori tradizionali scenderà del 25% entro il 2026, spostato su chatbot e agenti AI (fonte: Gartner, 2024). Non è una proiezione lontana: nei settori più tecnici, tra fornitori industriali e servizi professionali, sta già succedendo adesso, in questo trimestre.
Il Financial Times, raccontando il crollo del traffico organico verso i siti editoriali a favore delle risposte generate dai chatbot, ha descritto lo stesso fenomeno dal lato opposto: i contenuti che un modello non riesce a citare smettono, di fatto, di esistere per chi cerca. Vale per un giornale. Vale, allo stesso modo, per un'azienda B2B.
Il criterio di selezione non è economico. I modelli non vendono ancora spazi sponsorizzati: scelgono in base a cosa hanno letto e capito di te sul web. Vale il principio dimostrato dallo psicologo Robert Zajonc con il mere exposure effect: le persone preferiscono ciò che hanno incontrato più spesso e con più chiarezza. Un modello addestrato su testi umani riproduce lo stesso riflesso.
Ogni settimana in cui rimandi, il concorrente che oggi compare al posto tuo non resta fermo. Viene citato, citato ancora, e il modello impara a fidarsi di lui un po' di più a ogni conversazione. Qui la classifica non è statica come una pagina di ricerca. Il vantaggio si accumula, settimana dopo settimana, mentre tu resti fuori dalla conversazione.
Cosa leggono davvero i modelli, prima di citarti
I modelli linguistici non premiano il testo scritto per un algoritmo di parole chiave. Premiano contenuti che affermano qualcosa con chiarezza: posizioni nette, dati verificabili, esempi con numeri. Una pagina che scrive "offriamo soluzioni di qualità per il settore metalmeccanico" non contiene nulla che un modello possa citare.
Una pagina che scrive "abbiamo ridotto i tempi di setup del 30% su linee di tornitura CNC per tre clienti nel 2024" contiene un fatto, un numero, un contesto. È materiale citabile.
La differenza tra le due pagine non riguarda lo stile. Riguarda la sostanza informativa. Ed è esattamente quello che un modello cerca quando costruisce una risposta affidabile.
La coerenza conta più della quantità
Un secondo elemento, meno intuitivo del primo: i modelli triangolano le informazioni tra più fonti. Se il tuo sito racconta una cosa, il profilo LinkedIn un'altra, le recensioni un'altra ancora, il modello non ha un segnale forte da cui partire per citarti.
Le aziende che comunicano il proprio posizionamento in modo coerente su più canali generano fino al 23% di fatturato in più (fonte: Lucidpress/Marq, State of Brand Consistency). Nell'era della ricerca generativa questa coerenza ha una seconda funzione: dà ai modelli un segnale univoco da riprendere, invece di frammenti contraddittori da scartare.
Nella risposta di un'AI non esiste la posizione numero sette. Esisti, o non esisti.
Cosa serve davvero per entrare nella risposta
Il principio si riassume in una frase: scrivi contenuti che un modello possa citare, e ripeti lo stesso posizionamento ovunque tu sia presente online. In pratica, questo significa quattro cose.
- Prendere posizione: dire con chiarezza cosa fai meglio di altri, con un dato o un caso a supporto, mai restare nel generico.
- Rendere ogni pagina una risposta autonoma a una domanda precisa, con numeri, contesto, fonte citata.
- Mantenere lo stesso racconto su sito, LinkedIn, community di settore, recensioni, così che i modelli trovino la stessa informazione ovunque cerchino.
- Aggiornare i contenuti quando i fatti cambiano: un modello che trova due versioni diverse dello stesso dato preferisce non citare nessuna delle due.
Un caso reale, dentro ConfuMedia: il riposizionamento di Ocra Group, da boutique SAP locale a partner nazionale, ha portato la pipeline commerciale a crescere di 400.000€ e i costi di recruiting a scendere del 50%, per un risparmio di 120.000€, in un anno. È accaduto perché Ocra ha reso il proprio posizionamento così netto e ripetuto da diventare il primo nome a cui pensare, sia per chi cerca un fornitore SAP, sia per chi cerca dove lavorare.
Metti in conto un budget realistico: 1.200-1.500€ al mese per rendere i tuoi contenuti citabili, tra dati verificabili, casi con numeri e presenza coerente sui canali giusti. In un anno sono circa 15.000-18.000€, meno della metà del costo di una sola assunzione sbagliata (30.000€, fonte SHRM) e una frazione minima dei 400.000€ di pipeline che Ocra ha costruito nello stesso periodo. Il conto, per chi guarda il portafoglio prima di firmare, si fa da solo.
Il costo di non comparire, in due direzioni
Ogni cliente potenziale che chiede a un'AI "chi risolve questo problema" e non sente il tuo nome è un cliente che non saprà mai di doverti chiamare. Non entra mai nel CRM. Si ferma un passo prima, dentro la lista di opzioni che il modello ha scelto di non menzionarti.
La stessa dinamica vale per l'acquisizione di talenti. Un candidato bravo chiede sempre più spesso a un'AI quali aziende del settore offrono le condizioni migliori, prima ancora di guardare gli annunci. Se il modello non ti nomina, quel candidato non ti considera. Un'assunzione sbagliata, fatta per ripiego perché le persone giuste non arrivano, costa in media 30.000€ (fonte: Society for Human Resource Management).
Questo è il punto in cui la conversazione torna dove deve tornare: al cash flow. Un cliente che non ti chiama e un candidato che non ti scrive non compaiono in nessun bilancio come voce di perdita. Ma la pipeline che non si è mai formata e la sedia rimasta vuota per sei mesi, quelle sì, si vedono, eccome, a fine anno.
Ogni mese di attesa ha un costo preciso. Il concorrente citato al posto tuo accumula fiducia agli occhi del modello, verso clienti che valgono centinaia di migliaia di euro di pipeline e candidati che, altrimenti, ti sarebbero costati 30.000€ a sbaglio. Il conto lo paghi comunque, oggi in mancata pipeline, domani in un'assunzione di ripiego.
Quante volte, questo mese, un cliente o un candidato ha chiesto a un'AI chi risolve il suo problema, e la risposta ha fatto il nome di un concorrente al posto del tuo? La prossima volta che qualcuno lo chiederà, chi vuoi che risponda per te: il caso, o un posizionamento costruito apposta perché quella risposta sia la tua?