L'ecosistema della ricerca online sta attraversando una trasformazione strutturale, non un aggiornamento di routine. In poche settimane si sono accumulati segnali convergenti: Google testa immagini generate dall'AI nelle AI Overviews, il protocollo llms.txt arriva alla versione 2, Anthropic annuncia il watermark su tutto il testo prodotto da Claude, e la ricerca interna di Google dimostra che l'ordine grammaticale delle entità influenza le risposte degli LLM. Per le aziende italiane — PMI, e-commerce, B2B — ignorare questi cambiamenti significa cedere visibilità a chi invece li legge e li traduce in strategia operativa.
Il volume di ricerca non è più la metrica guida
Il volume di ricerca mensile di una keyword è un indicatore sempre meno affidabile per identificare opportunità di contenuto. Il motivo è strutturale: gli assistenti AI scompongono una singola intenzione d'acquisto in sequenze di sotto-domande. Un utente che chiede a un assistente AI di aiutarlo a scegliere un software gestionale per la propria officina non genera una query, ne genera molte, ciascuna corrispondente a un passaggio del processo decisionale.
Implicazione operativa: le aziende che pianificano contenuti basandosi solo su tool di keyword research tradizionali rischiano di presidiare domande ad alto traffico ma bassa rilevanza commerciale, ignorando micro-interrogativi che invece intercettano l'utente nel momento in cui sta per decidere.
Cosa fare in pratica:
- Mappare il percorso decisionale del proprio cliente tipo e identificare le domande specifiche di ogni fase (awareness, consideration, decision)
- Creare contenuti che rispondano a sotto-domande correlate, anche se il loro volume individuale è basso
- Misurare la performance non solo sul traffico organico ma sulla qualità dell'intenzione intercettata
- Per il B2B, prioritizzare domande di confronto ("X vs Y"), domande tecniche e domande di implementazione
Search Console come fonte di dati sulle conversazioni AI
Google Search Console registra i frammenti di conversazione che gli utenti conducono con AI Mode, e questi dati sono già disponibili e analizzabili. Secondo Search Engine Journal, è possibile estrarre queste query e categorizzarle in gruppi tematici omogenei (i cosiddetti "bucket"), ottenendo un quadro reale di come le persone interagiscono con l'AI quando cercano prodotti, servizi o informazioni nel proprio settore.
Questo è uno dei dati più sottovalutati del momento. Search Console non è più solo un report sul traffico organico classico: è diventato un archivio di linguaggio naturale reale, non simulato.
Come sfruttarlo:
- Esportare regolarmente le query da Search Console e filtrare quelle in forma di domanda completa o conversazionale
- Identificare pattern ricorrenti che rivelano intenzioni non coperte dal sito
- Usare questi frammenti per aggiornare FAQ, sezioni di prodotto e pagine pillar
- Per gli e-commerce: cercare query che contengono comparatori, aggettivi valutativi o riferimenti a casi d'uso specifici — sono segnali di utenti in fase avanzata del funnel
AI Overviews con immagini generate: cosa cambia per i brand
Google ha avviato — poi temporaneamente sospeso — un test con immagini generate dall'AI all'interno delle AI Overviews. La notizia è rilevante non per il test in sé, ma per la direzione che indica: le SERP si stanno evolvendo verso risposte visivamente autonome, in cui Google produce contenuto originale (testo + immagine) senza necessariamente rimandare al sito sorgente.
Per i brand con una forte identità visiva o che vendono prodotti in cui l'immagine è determinante (moda, arredamento, food, turismo), questo scenario pone una domanda concreta: se Google genera immagini proprie nelle risposte, quale spazio rimane alla visibilità del brand attraverso le proprie foto?
Implicazioni operative:
- Rafforzare il markup strutturato (schema.org) su immagini di prodotto, assicurandosi che attributi come nome del brand, descrizione e contesto siano leggibili dai crawler
- Costruire autorità di brand attraverso contenuti che l'AI tende a citare come fonte affidabile, non solo come provider di immagini
- Monitorare l'evoluzione delle AI Overviews nel proprio verticale per identificare tempestivamente se e quando le immagini generate compaiono in risposta a query rilevanti
llms.txt v2: il protocollo che permette agli agenti AI di leggere il tuo sito
La versione 2 del protocollo llms.txt introduce link relation formali che consentono agli agenti AI di trovare e leggere versioni Markdown delle pagine web. In termini pratici: un agente AI che visita un sito può ora navigare verso la versione strutturata di ogni pagina, ottimizzata per essere compresa da un modello linguistico, senza dover interpretare HTML complesso, CSS, script e widget.
Il parallelo con robots.txt è utile ma incompleto: llms.txt non dice solo cosa l'AI può o non può leggere, ma indica attivamente come trovare il contenuto nel formato più leggibile per lei.
Perché è rilevante per le PMI italiane:
- Chi implementa llms.txt con la struttura v2 aumenta la probabilità che i propri contenuti vengano utilizzati correttamente dagli agenti AI nella generazione di risposte
- Per siti con architetture complesse (e-commerce con migliaia di schede prodotto, portali B2B) è uno strumento per garantire che le informazioni chiave — prezzi, specifiche, condizioni — siano accessibili in modo pulito
- L'implementazione è tecnica ma non proibitiva; richiede che il CMS produca versioni Markdown delle pagine principali e che il file llms.txt sia configurato correttamente con i link relation previsti dallo standard v2
L'AI sceglie i business locali: i segnali che contano
Gli assistenti AI restringono la scelta dei business locali prima ancora che l'utente visiti un sito web. Google costruisce queste risposte attingendo a un insieme specifico di segnali locali — e le aziende che non presidiano quei segnali semplicemente non entrano nella lista.
Questo è forse il cambiamento più immediato e concreto per le PMI con una dimensione territoriale: ristoranti, studi professionali, negozi, artigiani, agenzie di servizi locali. La competizione non si gioca più solo sul posizionamento organico classico, ma sulla capacità di essere selezionati da un sistema che risponde direttamente all'utente.
Segnali locali da presidiare:
- Google Business Profile completo e aggiornato: categorie, orari, attributi specifici del settore, foto recenti
- Recensioni: numero, qualità del testo, frequenza e gestione delle risposte
- Consistenza NAP (Name, Address, Phone) su tutte le piattaforme online
- Contenuti locali sul sito: pagine che citano esplicitamente il territorio di riferimento, i quartieri serviti, le collaborazioni locali
- Schema.org LocalBusiness con tutti i campi rilevanti compilati
- Citazioni su directory di settore autorevoli, anche italiane (es. PagineGialle, Yelp Italia, directory verticali)
L'ordine soggetto/oggetto nelle query influenza le risposte AI
La ricerca interna di Google dimostra che gli LLM hanno difficoltà a richiamare informazioni quando la domanda inverte l'ordine canonico soggetto/oggetto. In altre parole, una domanda formulata in modo "non naturale" rispetto all'ordine in cui l'informazione è stata appresa dal modello produce risposte meno accurate.
Questa scoperta ha implicazioni dirette per chi scrive contenuti con l'obiettivo di comparire nelle risposte AI.
Applicazione pratica per content e SEO:
- Strutturare i contenuti usando l'ordine naturale soggetto → predicato → oggetto nelle frasi chiave
- Nelle FAQ, formulare domanda e risposta in modo che l'entità principale (brand, prodotto, servizio) sia il soggetto grammaticale della risposta, non l'oggetto
- Evitare costruzioni passive o invertite nelle intestazioni H2/H3 e nelle prime frasi dei paragrafi — sono le porzioni di testo che i modelli linguistici pesano di più
- Nei dati strutturati, assicurarsi che le relazioni tra entità siano definite nell'ordine corretto (es. "Prodotto X è prodotto da Azienda Y", non il contrario se l'azienda non è il focus della query)
Il watermark di Claude: cosa significa per contenuti e SEO
Anthropic ha annunciato che Claude watermarkerà tutto il testo che produce. Questo conferma che un contenuto è stato generato da Claude, ma non può confermare che un testo privo di watermark sia scritto da un essere umano. La distinzione è tecnica ma importante: il watermark è uno strumento di attestazione, non di rilevazione universale.
Per i marketer e le aziende che usano AI nella produzione di contenuti, la domanda pratica è: cambierà qualcosa per il posizionamento organico?
Secondo Ahrefs, Google ha dichiarato più volte che non valuta la modalità di produzione del contenuto, ma la sua qualità e la sua capacità di servire l'utente. Ahrefs riporta che nei propri studi i contenuti generati con AI risultano già presenti nelle SERP. La posizione di Google non è cambiata con l'introduzione del watermark.
Indicazioni operative:
- Il watermark di Claude non è un motivo per smettere di usare l'AI nella produzione di contenuti, né per eliminare l'intervento umano nel processo editoriale
- Il valore aggiunto — analisi originale, dati primari, esperienza diretta, punto di vista esperto — rimane il discriminante tra contenuti che performano e contenuti che non vengono citati dalle AI
- Per chi pubblica contenuti ibridi (AI + revisione umana), documentare il processo editoriale internamente è una buona pratica anche in ottica di compliance futura
- Il watermark potrebbe diventare rilevante in contesti legali o di attribuzione della paternità, non (allo stato attuale) ai fini del ranking organico
Perché è importante per imprenditori e direzioni marketing
L'AI non sta modificando marginalmente la ricerca: sta ridefinendo chi viene trovato, come e in quale fase del percorso d'acquisto. Per le PMI italiane, il rischio concreto è diventare invisibili non perché penalizzate, ma perché semplicemente non considerate dai sistemi che filtrano le opzioni prima che l'utente arrivi a un sito. Agire ora, quando le regole sono ancora in formazione, costa meno che adattarsi a posteriori.
Impatto su SEO, GEO, AEO e AI Search
L'impatto è trasversale: GEO (ottimizzazione per le risposte AI dei motori locali), AEO (struttura delle FAQ e ordine delle entità per le AI Overviews), SEO tecnico (llms.txt v2, schema.org) e content strategy (superamento della logica volume-centrica a favore della mappa decisionale dell'utente). Nessun canale è immune dai cambiamenti in corso.
Checklist operativa
- Analizza le query conversazionali già presenti in Search Console per identificare intenzioni non presidiate
- Mappa il percorso decisionale del tuo cliente tipo e crea contenuti per ogni sotto-domanda, indipendentemente dal volume
- Aggiorna Google Business Profile con tutte le informazioni rilevanti, incluse categorie specifiche e attributi di settore
- Implementa schema.org LocalBusiness (per attività locali) o Product/Organization con tutti i campi compilati
- Verifica la consistenza NAP su tutte le directory online e correggi eventuali discrepanze
- Valuta l'implementazione di llms.txt v2 sul tuo sito, in particolare se hai contenuti strutturati rilevanti per agenti AI
- Riscrivi le FAQ principali usando ordine soggetto/predicato/oggetto e con l'entità principale come soggetto della risposta
- Monitora le AI Overviews per le tue query strategiche almeno ogni due settimane per rilevare cambiamenti di formato
Come Libellula Lab 4.0 può aiutarti
Libellula Lab 4.0 supporta aziende, e-commerce e B2B nell'adattare la propria presenza digitale all'evoluzione della ricerca AI-driven: dalla revisione della content strategy basata sull'analisi delle conversazioni in Search Console, all'implementazione tecnica di llms.txt e schema.org, fino all'ottimizzazione dei segnali locali per la selezione da parte degli assistenti AI.
Libellula Lab 4.0
Vuoi trasformare questo tema in un vantaggio competitivo?
Analizziamo sito, processi, contenuti, campagne e automazioni per individuare opportunità concrete di crescita per la tua azienda.
