Misurare la visibilità AI vuol dire interrogare gli assistenti con le stesse domande dei clienti e registrare cosa rispondono, con continuità.
Si parte da un set di prompt stabile, si esegue su più motori, si annota ogni menzione del brand e dei concorrenti. Un solo campione non dice niente: conta la serie storica.
Domande troppo brandizzate, che danno risposte scontate. Un solo motore. E confondere l’essere nominati con l’essere raccomandati.
Lo schema markup non è nato per gli LLM, ma resta il modo più economico di dire a una macchina cosa contiene una pagina, senza ambiguità.
I crawler che alimentano i modelli leggono lo stesso HTML dei motori di ricerca. Un JSON-LD pulito riduce le interpretazioni sbagliate su prezzi, orari, indirizzi e autori.
Il markup non inventa autorevolezza: descrive ciò che c’è già in pagina. Se la pagina non dice una cosa, marcarla è una violazione delle policy, non una scorciatoia.
Gli assistenti AI non restituiscono dieci link: restituiscono una risposta. Chi viene citato dentro quella risposta ottiene traffico, chi non lo è sparisce.
La prima è il formato: una risposta sola invece di una lista. La seconda è la citazione, che sostituisce il click. La terza è la volatilità: la stessa domanda dà risposte diverse a giorni di distanza.
Non la posizione, ma la presenza: quante volte il brand compare nelle risposte, con quale sentiment e accanto a quali concorrenti.