NC Digital Awards 2026 | Da SEO a GEO: l’AI può davvero costruire fiducia? Quanto conta, e quanto funziona, essere presenti nelle risposte degli LLM? Di Cesare: «Un engine non dirà mai “non lo so”, piuttosto inventa»

A chiudere la giornata di contenuti dell'NC Digital Festival è stato il panel su “ricerca e scoperta”, costruito con tre interviste separate: Luca Di Cesare (fondatore e CEO di Symios, società nata da poche settimane e specializzata in Generative Engine Optimization), Alessandro Zaina (Head of SEO di Caffeina) e Cristina Martella (Digital Marketing & PR Manager di ICR Cosmetics). Tre prospettive diverse che si incrociano e concordano su più punti e differiscono su uno solo: quanto, oggi, sia realmente possibile dimostrare il valore di essere citati da un'AI.

LA FIDUCIA SI SPOSTA NELLA RISPOSTA

Per Di Cesare il cambiamento è di natura. Per 25 anni il sito è stato una destinazione: si otteneva il clic e lì si costruiva la fiducia che trasformava il visitatore in cliente. Il lavoro di sintesi che prima l'utente faceva aprendo tante schede (il «messy middle») oggi lo fa il motore generativo, e con esso si sposta la fiducia: «si costruisce direttamente nella risposta». Le due discipline convivono, precisa, ma le fonti pescate dalle AI non coincidono con la classifica di Google: dalle analisi di Symios, solo intorno al 10% compare nei primi dieci risultati.

Zaina allarga lo sguardo a dove la ricerca nasce. Il 40% delle ricerche di Gen Z e Gen Alpha, dice, non parte più da Google o Bing ma da TikTok o Instagram, mentre il 60% di quelle su Google si chiude senza clic. Sul rapporto con la SEO il suo giudizio è meno netto di quello di Di Cesare, e più che di sostituzione parla di estensione: da search engine optimization a «search everywhere optimization», su tutti i punti di contatto, online e offline, e in ottica multimodale.

Martella mostra cosa significa lavorare sulle fonti: ICR Cosmetics ha riscritto infatti tutte le schede prodotto e le piramidi olfattive in forma «universale» e internazionale, partendo dalle domande che i clienti facevano in direct o digitavano nella ricerca del sito. Due mesi e mezzo di lavoro, da maggio all'estate, svolto internamente da chi ogni giorno produce contenuti per il brand.

L'ERRORE: PREVENIRLO O CORREGGERLO

Il filo che lega le tre interviste è il rischio che l'AI racconti il brand in modo impreciso. Di Cesare lo considera la regola: informazioni sbagliate emergono in ogni misura fatta per ogni cliente. Il motore cerca prima sul sito del brand, poi altrove, e se non trova «inventa, perché un engine risponde sempre, non dirà mai non lo so». L'esempio è un cliente con oltre 400 punti vendita per cui un motore riportava un orario di chiusura sbagliato il sabato pomeriggio: l'utente va altrove e il cliente è perso. La risposta di Di Cesare è a monte: controllare che le informazioni pubblicate siano corrette e complete.

Martella ha un approccio complementare, a valle. Gli errori possibili sono troppi per essere previsti, spiega, e quindi ICR legge gli ordini generati dal suo tool: se qualcosa non torna, la responsabile di boutique chiama direttamente il cliente e aggiusta il tiro, perché nel profumo «la narrazione appartiene al percepito». Lo human touch resta indispensabile. È, di fatto, la seconda metà del ragionamento di Di Cesare: il lavoro sulle schede prodotto riduce lo spazio per l'invenzione, il contatto umano gestisce ciò che sfugge.

MISURARE: DOVE LE VOCI SI DIVIDONO

Sulla misurazione le posizioni sono al momento divergenti. Secondo Di Cesare, infatti, oggi non esiste un modo sicuro per attribuire un ritorno d'investimento alla presenza del brand nelle risposte dei modelli. Mancano strumenti, dati dalle società che li producono e un modello riconosciuto dal mercato. Symios ha sviluppato la «True Presence», che paragona a uno scaffale di supermercato: conta la corsia, l'altezza degli occhi, lo spazio occupato e il numero di concorrenti, perché una presenza di 30 può essere poco in un duopolio e molto in un mercato affollato.

Zaina, dal lato agenzia, porta già qualche numero: le metriche storiche come clic, impression, sessioni – osserva – valgono fino a un certo punto, perciò a queste Caffeina affianca menzioni, citazioni e share of voice. E porta un esempio concreto: per un brand di assicurazione auto il tasso di conversione medio è tra 1% e 2%, mentre sul traffico che arriva da ChatGPT e simili sale al 4,4%: «Chi ha già confrontato prodotti nella chat arriva più deciso» spiega. I modelli di attribuzione last click e multitouch, aggiunge, perdono fino al 92% dell'attribuzione corretta, e il 61% dei marketer sta adottando modelli econometrici, nei quali le variabili GEO entrano nelle dashboard.

Di fatto le due posizioni di Zaina e Di Cesare sono solo apparentemente in contrapposizione, perché in realtà misurano cose diverse: Zaina si riferisce alla qualità del traffico che arriva, Di Cesare all'impossibilità di attribuire alla presenza nella risposta un ritorno certo. Entrambi, però, indicano lo stesso strumento, il marketing mix modeling, come probabile terreno di approdo, con tempi diversi: per Di Cesare ci si arriverà, come è successo nel digital; per Zaina si è già in cammino.

LA RELAZIONE CON IL CLIENTE: MINACCIA O STRUMENTO

L'intermediazione dell'AI può essere subìta o governata, ed è qui che l'esperienza di Martella aggiunge un elemento concreto. ICR si è chiesta se investire in sviluppi AI prima di aver fatto un test, e ha costruito un prompt che, con cinque domande, restituisce tre fragranze abbinabili (layering) per gusto e modalità d'uso. Nato per rispondere al dubbio più frequente sul discovery kit personalizzabile («come scelgo le tre fragranze?»), ha portato alla vendita di 28 cofanetti in un mese. «Il numero è piccolo, ma racconta una logica – spiega Martella –: guardiamo all'AI non per vendere di più ma per creare community e accompagnare la scelta».

Tommaso Ridolfi