Come ho portato un brand moda italiano da 2 a 18 citazioni LLM al mese — in 10 mesi

Copia link alla sezioneIl contesto

Il cliente è un brand moda italiano medio-grande con €7-9M di fatturato e una linea di abbigliamento contemporary multimarca. Vendeva principalmente via e-commerce proprio su Shopify Plus, con una quota minoritaria distribuita in circa 40 boutique selezionate Nord/Centro Italia. Quattro anni di storia, identity visiva curata, marketing gestito internamente da due persone.

Settore, dimensioni e dinamiche sono rappresentativi di un caso tipo, anonimizzati per riservatezza.

Era il gennaio 2025 quando siamo entrati in contatto via LinkedIn. La CMO aveva letto un mio thread su GEO e aveva una domanda precisa: "Noi non esistiamo per ChatGPT. L'ho verificato io stessa. Cosa si fa?"

Copia link alla sezioneIl problema

Il traffico organico del sito era in plateau da nove mesi, nonostante investimenti continui in content production (due articoli/settimana) e SEO tecnica fatta da un'agenzia precedente. Il paid Meta funzionava ancora bene ma il CAC saliva del 2-3% al mese. Il vero segnale d'allarme era un altro: il brand non appariva mai nelle raccomandazioni che ChatGPT dava a utenti in cerca di "brand moda italiano indipendente" o query correlate. Claude e Perplexity stesso risultato.

Peggio: quando manualmente testavamo "qual è la differenza tra brand X (il cliente) e brand Y (un competitor)", gli LLM spesso confondevano il nome del brand con quello del founder, o addirittura con una collezione precedente che esisteva da cinque anni ma era stata ritirata.

La CMO aveva provato due cose prima di me: aveva aggiunto più schema markup al sito (senza piano strategico) e aveva comprato un tool di monitoring GEO (Profound, tier entry). Risultato: sapeva di non essere citata, ma non aveva idea di come risolvere.

Copia link alla sezioneL'insight

Il primo giorno di audit ho visto una cosa che l'agenzia precedente non aveva notato: nei knowledge graph accessibili (Google Knowledge Graph API, Wikidata, e il retrieval test sui principali LLM), il brand del cliente esisteva come tre entità sovrapposte ma non riconciliate. Un'entità per il nome commerciale del brand, una per il nome legale della società (diverso), una per il nome del founder (più famoso personalmente del brand). Nessuna delle tre linkava alle altre in modo machine-readable.

Per un motore di ricerca tradizionale questa confusione conta poco: Google gestisce la disambiguation via query context. Per un LLM è un problema devastante — quando riceve una query ambigua, non sa a quale entità riferirsi e, nel dubbio, cita altri brand meno confusi nei tag di contesto.

Questa è la ragione per cui, nonostante il content volume e la SEO tecnica solida, il brand non entrava nelle risposte: gli LLM letteralmente non sapevano di cosa stessero parlando quando lo cercavano.

Copia link alla sezioneLa strategia

Ho strutturato il progetto come ciclo ARIA completo, con un focus particolare sulle fasi Audit e Reframe, che in questo caso erano più critiche del solito:

Entity unification (Reframe):

• Merge dei tre entity frammentati in un singolo knowledge graph unified, con cross-references chiare (founder → brand → company legal)
• Deploy di schema JSON-LD ricco con sameAs linking a Wikipedia, Wikidata, LinkedIn brand, profili social ufficiali
• Scrittura a mano di llms.txt e llms-full.txt con priorità topic: 12 entity primarie mappate, 40 contenuti key listati

Content editoriale ristrutturato (Implement):

• Passaggio da "due articoli/settimana generici" a "un articolo cornerstone/mese + 3 approfondimenti" con entity model rigoroso
• Ogni articolo ottimizzato per chunking LLM-friendly: paragrafi atomici, definizioni in apertura di sezione, FAQ strutturate
• Riscrittura di 18 pagine di prodotto esistenti con copy più narrativo + schema Product completo

Digital PR GEO-relevant (Implement):

• 8 placement su fashion publisher italiani con autorità LLM-confermata (test manuale pre-selezione: il publisher compariva come fonte in almeno 3 query ChatGPT su 10 di test)
• 2 interventi di approfondimento del founder su podcast di settore (non generici)
• 1 contributo paper + partnership con magazine moda tech-forward

Paid acquisition sync (Amplify):

• Google Ads refactor: chiusura campagne brand-broad, apertura campagne su query derivate da prompt LLM (query che gli utenti ora facevano dopo aver ricevuto raccomandazione ChatGPT)
• Meta Ads: creative testing pivotato su audience first-party data (newsletter subscribers, acquirenti recenti) — via dal broad interest targeting

Copia link alla sezioneL'esecuzione

Mese 1-2 — Audit + Reframe: mapping completo entity, stesura strategy doc, approvazione con la CMO, preparazione implementation plan.

Mese 3: deploy schema + llms.txt, primo redirect 301 (130 URL mappati dalla vecchia architettura obsoleta), launch del primo articolo cornerstone nuovo formato. Zero movimento sui ranking, zero citazioni LLM. La CMO era nervosa — gliel'avevo preannunciato: "Mese 3 vedrai nulla. Il lavoro sta crescendo sotto la superficie."

Mese 4-5: primi segnali organici. 3-4 query long-tail iniziano a muoversi in SERP Google. Prima citazione Claude (una sola, su query molto specifica — ma era partito).

Mese 6-7: il volume digital PR inizia a pagare. Sei citazioni LLM in un mese, distribuiti su ChatGPT e Claude (Perplexity ancora silenzioso). SERP rankings si consolidano. Traffico organico +80% vs baseline.

Mese 8: svolta. Perplexity inizia a citare grazie al placement su due publisher specifici (Perplexity ha bias retrieval verso fonti journalistiche). Mese con 12 citazioni totali cross-LLM.

Mese 9-10: volume a regime. Media di 16-18 citazioni/mese, SERP su 40+ query target, traffico organico qualificato in crescita stabile.

Alcuni ostacoli reali, non edulcorati: al mese 5 il founder ha pubblicato un video su un tema divisivo che ha generato 2 settimane di negative sentiment retrieval. Abbiamo dovuto fare crisis management digitale (pagina dedicata, schema aggiornato, digital PR counter-narrative) per riportare il sentiment neutro nel giro di 3 settimane. È parte del lavoro.

Copia link alla sezioneI risultati

A dieci mesi dall'inizio del progetto:

• Citazioni LLM: da 2/mese (baseline) a 18/mese media ultimi 3 mesi. +240% effettivo su 8 mesi effettivi di lavoro (i primi 2 sono audit+reframe pre-deploy).
• Traffico organico qualificato: +180%, ma più importante: +95% sulle query commerciale-intent (quelle che convertono davvero).
• CAC Meta Ads: -34% dopo il refactor audience first-party — non grazie a GEO direttamente ma grazie al fatto che finalmente il funnel end-to-end era coerente.
• ROAS paid complessivo: da 4.2x pre-progetto a 6.8x post-ARIA, sostenuto.
• Brand mentions qualitative: 3 publisher di settore hanno iniziato a menzionare il brand spontaneamente in articoli editoriali — effetto secondario della digital PR strutturata.

Il cliente ha rinnovato il contratto continuativo per i 12 mesi successivi con focus Amplify + maintenance dell'entity model.

Copia link alla sezioneCosa ho imparato

Il lavoro su questo brand mi ha confermato due cose che valgono per ogni progetto GEO successivo.

Primo: l'entity è tutto. Senza entity unification, il miglior content del mondo rimane invisibile agli LLM. Per i brand che hanno storia (rebrand, cambio nome legale, founder name recognizability), questa fase è ancora più critica. Oggi, quando un prospect mi contatta per GEO, la mia prima domanda è: "Hai mai fatto entity audit?". La risposta è quasi sempre no, e quasi sempre è lì che parte il 70% del valore del progetto.

Secondo: il GEO non è una feature della SEO. Sono due discipline con timeline, leve tecniche e metriche di successo diverse. Gestire un progetto cercando di fare "SEO che copre anche GEO" produce risultati sotto-mediocri in entrambe. ARIA le tiene separate come fasi ma coordinate nell'output — questo è il valore del metodo.

Terzo, più onestamente: ho sbagliato il timing su una scommessa calcolata. Al mese 4 ho spinto la CMO verso un placement digital PR opportunistico — un publisher emergente che stava acquisendo autorità rapidamente. Sulla carta era una scommessa intelligente: autorità in crescita = costo di placement basso oggi vs alto domani. Ma il publisher ha cambiato direzione editoriale sei settimane dopo, perdendo mezza redazione e citation velocity. €2.800 che non ha mai pagato. Lezione: anche con processo di pre-selection rigoroso, su publisher emergenti il rischio è strutturalmente diverso. Ora bilancio sempre 80/20 tra publisher consolidati LLM-relevant e bet emergenti, dichiarando il rischio al cliente prima del go-ahead.

---

Copia link alla sezioneHai una sfida simile?

Se il tuo brand è in una situazione analoga — traffic plateau, invisibilità LLM, dipendenza crescente da paid — e ti stai chiedendo se un intervento tipo questo funzionerebbe per te, il modo più veloce per saperlo è una discovery call 30 min.

Conversazione esplorativa diretta con me, zero impegno, zero costo. Se serve analisi tecnica formale con framework di priorità, l'ARIA Audit paid (€4.900, 14 giorni) è il passo successivo.

Prenota una discovery call →