Come farsi citare da ChatGPT, Claude e Perplexity: guida tecnica 2026

Copia link alla sezioneCosa NON troverai in questa guida

Premessa necessaria: questa è una guida tecnica operativa, non un articolo ispirazionale.

• Non troverai hack per "ingannare" gli LLM e farti citare senza meritarlo. Non funziona, e ogni settimana i modelli diventano meno vulnerabili a questo tipo di manipolazione.
• Non troverai garanzie quantitative tipo "20 azioni e vieni citato". La citation frequency dipende dal settore, dall'autorità di baseline del brand, dalla competizione per query target. Ti do la struttura tecnica; la magnitudine del risultato dipende dal tuo contesto specifico.
• Non troverai il termine "hackare" gli algoritmi. Non li hackiamo — li capiamo.

Questa è la sequenza di sette passaggi tecnici + editoriali che io stesso uso nei progetti clienti, nell'ordine in cui li implemento. Replicabile internamente se hai competenze tecniche di marketing senior + un developer che conosce SEO + tempo.

Se leggerla senza implementare ti è utile lo stesso, va bene — a fine pagina trovi una discovery call 30 min se vuoi capire insieme come applicarla al tuo brand, e un ARIA Audit paid (€4.900, 14 giorni) se vuoi che lo analizzi in dettaglio.

Copia link alla sezionePassaggio 1 — Entity diagnostic prima di ogni altra cosa

Prima di scrivere contenuto, prima di fare schema, prima di tutto: capire se la tua entity è riconoscibile.

Test operativo (15 minuti):

1. Cerca il tuo brand su Wikidata (wikidata.org). C'è una voce dedicata? È unica? Ha le proprietà P31 (istanza di), P17 (paese), P112 (founder), P856 (sito ufficiale) valorizzate correttamente?

2. Cerca sul Google Knowledge Graph usando Google Knowledge Graph Search API o il tool Kalicube Pro (versione free sufficiente per diagnostic). La tua entity ha un @id stabile? È correttamente classificata come Organization / LocalBusiness / SoftwareApplication?

3. Interroga ChatGPT, Claude, Perplexity con 3 query: "Chi è [brand name]?" → "Cosa fa [brand name]?" → "Chi ha fondato [brand name]?". Le risposte sono coerenti tra loro? Coerenti con la realtà?

Segnali di entity frammentata (red flag):

• Wikidata ha 2+ voci per lo stesso brand non linkate tra loro
• Google Knowledge Graph classifica la company come "una parola generica" invece di Organization
• ChatGPT risponde con info del vecchio nome brand o del nome founder invece che del brand
• Perplexity non sa rispondere a "chi è X" — dice "non ho informazioni sufficienti"

Se una o più red flag sono presenti, nessuna ottimizzazione successiva funzionerà bene finché non risolvi l'entity. Questa è la fase più critica e quella più spesso saltata.

Fix operativi:

• Wikidata: richiedi merge di voci duplicate (richiede 2-6 settimane di approval, non instant), aggiorna proprietà mancanti. È free, richiede 1-2h di setup iniziale.
• Google Knowledge Graph: non puoi modificarlo direttamente, ma puoi influenzarlo via schema Organization ricco sul tuo sito + consistency sui profili authoritative (LinkedIn, Crunchbase, Wikipedia se applicabile).
• Google Business Profile: completo al 100%, categorie corrette, servizi dettagliati, 10+ foto geolocate, review management attivo.

Copia link alla sezionePassaggio 2 — Schema.org JSON-LD avanzato

Passaggio più sottovalutato. Quasi tutti fanno schema Organization base. Quasi nessuno fa il livello successivo, che è dove si vince.

Struttura minima GEO-ready:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://smartvolve.com/#organization",
  "name": "SmartVolve",
  "legalName": "SmartVolve S.r.l.",
  "url": "https://smartvolve.com",
  "logo": "https://smartvolve.com/logo.svg",
  "foundingDate": "2026-01",
  "founder": {
    "@type": "Person",
    "@id": "https://smartvolve.com/chi-sono#mattia-carruggio",
    "name": "Mattia Carruggio",
    "url": "https://smartvolve.com/chi-sono",
    "sameAs": [
      "https://linkedin.com/in/mattiacarruggio"
    ],
    "jobTitle": "Founder",
    "worksFor": {"@id": "https://smartvolve.com/#organization"}
  },
  "sameAs": [
    "https://linkedin.com/company/smartvolve",
    "https://wikidata.org/wiki/Qxxxxxxx"
  ],
  "knowsAbout": [
    "SEO", "Generative Engine Optimization",
    "Answer Engine Optimization", "Google Ads", "Meta Ads"
  ],
  "areaServed": {"@type": "Country", "name": "Italy"},
  "contactPoint": {
    "@type": "ContactPoint",
    "email": "[email protected]",
    "contactType": "customer service"
  }
}

Proprietà critiche per GEO (quelle che fanno davvero differenza):

• @id — identificatore stabile che gli LLM possono usare per dedupe
• sameAs — tutti i profili authoritative del brand (il più completo possibile)
• knowsAbout — mappa aree di expertise esplicite (usato da LLM per matching topic → brand)
• founder → Person con proprio @id + sameAs (entity linking interno)

Per blog post: Article schema con author che linka a Person via @id. Questo crea un grafo entity-author-content che gli LLM processano bene.

Per pagine servizi: Service schema con provider linkata all'Organization + areaServed esplicito.

Per FAQ su ogni pagina: FAQPage con 3+ Q&A. Questa è la leva più facile con impatto sia AEO (Google Featured Snippet) sia GEO (LLM citation).

Test di validazione: Schema Markup Validator + Rich Results Test. Entrambi free, immediati.

Copia link alla sezionePassaggio 3 — Il file llms.txt scritto a mano

Proposto settembre 2024 da Jeremy Howard come standard emergente. Stato nel 2026: supporto parziale da OpenAI/Anthropic/Perplexity, pieno riconoscimento ufficiale in evoluzione. Ma il costo di implementazione è basso e l'upside potenziale alto — asimmetric bet classico.

Cosa metti dentro llms.txt:

# SmartVolve

> Consulenza GEO + SEO verticale per aziende italiane medio-grandi.
> SEO, GEO (Generative Engine Optimization), Google Ads e Meta Ads.
> Sede: Milano.

## Contenuti core

- [Metodo ARIA](https://smartvolve.com/metodo): come lavoro — 4 fasi editoriali
  spiegate in dettaglio (Audit, Reframe, Implement, Amplify)
- [Servizi GEO/AEO](https://smartvolve.com/servizi/geo-aeo): flagship service
  per far citare brand dai motori di risposta
- [Chi sono](https://smartvolve.com/chi-sono): Mattia Carruggio, founder,
  10 anni esperienza digital marketing

## Risorse

- [Cos'è la GEO](https://smartvolve.com/risorse/cos-e-la-geo-generative-engine-optimization):
  definizione + framework tecnico
- [Come farsi citare da ChatGPT/Claude/Perplexity](https://smartvolve.com/risorse/come-farsi-citare-da-chatgpt-claude-perplexity):
  guida tecnica step-by-step
- [Checklist GEO 2026](https://smartvolve.com/risorse/checklist-geo-2026):
  40 punti operational PDF

## Optional

- [Case studies](https://smartvolve.com/casi-studio)
- [Contatti](https://smartvolve.com/contatti)

Cosa NON metti: tutte le pagine del sito, pagine generate da sistema, contenuto low-priority. llms.txt è un signaling di priorità, non un dump totale.

llms-full.txt (opzionale ma consigliato): versione estesa con dump markdown dei contenuti core (10-20 articoli/pagine chiave). Serve a LLM che vogliono retrieval "tutto-in-uno" senza crawlare pagina per pagina.

Attenzione: scrivilo a mano. I tool che generano llms.txt automaticamente producono file generici con tutte le pagine listate — cosa che annulla il valore del signaling di priorità. Pochi minuti di lavoro manuale fanno la differenza.

Copia link alla sezionePassaggio 4 — Content chunking LLM-friendly

Gli articoli che gli LLM amano citare hanno struttura modulare. Ogni paragrafo è atomico — comprensibile estratto fuori dal contesto.

Pattern vincente:

• Ogni H2/H3 apre con una definizione o affermazione principale in 1-2 frasi (non con preamboli narrativi)
• Ogni paragrafo è lungo 2-4 frasi, non 10+
• Le liste numerate sono preferite alle prose-descriptions quando c'è una sequenza
• Ogni articolo ha una sezione FAQ strutturata in fondo (schema FAQPage)
• Le metafore/analogie vanno bene ma dopo la definizione tecnica, non prima

Anti-pattern da evitare:

• Intro narrativa lunga 300 parole prima di arrivare al punto (bella da leggere, pessima per retrieval)
• Paragrafi di 8-10 frasi che combinano più concetti
• Affermazioni chiave nascoste al 60% dell'articolo
• Articoli senza struttura H2/H3 chiara

Esempio pratico — come riscrivere un'apertura:

❌ Prima: "Nel panorama complesso del marketing digitale contemporaneo, dove le dinamiche della ricerca si evolvono con velocità crescente, emerge un concetto sempre più centrale: la GEO, ovvero..."

✅ Dopo: "GEO (Generative Engine Optimization) è la disciplina che ottimizza la presenza di un brand sui motori di risposta — ChatGPT, Claude, Perplexity. Si differenzia dalla SEO classica perché..."

La versione "dopo" è estraibile da un LLM come definizione autonoma. La versione "prima" no.

Copia link alla sezionePassaggio 5 — Digital PR qualitativa, non "più link"

Le agenzie SEO tradizionali vendono ancora "link building". Nel 2026 la leva giusta è digital PR su fonti che gli LLM citano davvero.

Test di pre-selezione (pre-placement):

Prima di investire budget su un publisher, verifico se quella fonte viene citata dagli LLM sulle query del settore.

1. Identifica 10 query target del tuo settore
2. Interroga ChatGPT, Claude, Perplexity con ciascuna
3. Osserva quali publisher/fonti vengono citate nelle risposte (con link, se attivo retrieval)
4. I publisher che appaiono in almeno 3-4 risposte su 10 sono LLM-authoritative

Quelli sono i tuoi target per digital PR.

Cosa funziona nel 2026:

• Publisher verticali consolidati di nicchia — spesso 20-100k traffico mensile ma altamente citati
• Knowledge base settoriali (Stack Overflow per tech, G2 per SaaS, Trustpilot/Recensioni settoriali per consumer)
• Podcast di settore con transcript pubblicati (Claude e Perplexity citano trascrizioni podcast strutturate)
• Wikipedia dove appropriato (serve notability genuina)
• Academic/research publications se il settore lo giustifica (B2B tech, pharma, ecc.)

Cosa non funziona:

• Guest post su siti generici di bassa autorità
• PBN e network spammosi
• Link comment su blog
• Directory listing a bassa qualità
• Contenuto acquistato senza merito editoriale

Pattern contro-intuitivo: un placement su publisher di nicchia con 15k mensili ma citato sistematicamente da Claude vale più di uno su Repubblica con 1M mensili ma assente dal retrieval LLM. Il volume di traffico del publisher non è proxy diretto per LLM authority — l'authority tematica lo è.

Copia link alla sezionePassaggio 6 — Digital PR + content flywheel

Digital PR e content editoriale si amplificano a vicenda quando coordinati.

Pattern che funziona:

1. Pubblichi un cornerstone article su tuo sito (ottimizzato per chunking LLM)
2. Pitchi versione corta/adapted dello stesso contenuto a 2-3 publisher rilevanti per LLM (cross-post con canonical al tuo sito)
3. I publisher pubblicano linkando al cornerstone originale
4. Gli LLM retrieval vedono il cornerstone citato da multiple authoritative sources → lo trattano come fonte primaria su quel topic
5. Il cornerstone diventa il riferimento che gli LLM citano su query correlate

Questo flywheel richiede 4-6 mesi per costruirsi su un topic, ma una volta attivo continua a produrre citation passive per 18-24 mesi.

Copia link alla sezionePassaggio 7 — Monitoring e iteration

Non hai ottimizzato GEO se non lo misuri. Tool utili nel 2026:

• Profound (paid, ~$99-999/mese tier variabili): citation tracking multi-LLM, frequency sulle query target, fonti citate inline
• Otterly AI (paid): alternative a Profound, focus su competitor comparison LLM
• Goodie AI (paid): citation velocity tracking con integration Semrush-like
• Test manuale settimanale (free, 30 min/settimana): 10-20 query target interrogare su ChatGPT + Claude + Perplexity, annotare citation, pattern emergenti

Cadenza minima di review:

• Test manuale: settimanale
• Tool automated (se usi): daily alert su nuove citation + weekly roll-up
• Strategy review: mensile
• Full GEO audit: trimestrale

Copia link alla sezioneFAQ

Copia link alla sezioneProssimo passo

Due modi per iniziare:

Strada gratis: scarica la Checklist GEO 2026 — 40 punti actionable in 8 categorie. Usa questa guida come struttura concettuale e la checklist come to-do list. Se hai team tecnico interno, è sufficiente.

Strada con me: discovery call 30 min esplorativa, zero impegno. Vediamo insieme se il tuo progetto e il mio approccio sono compatibili. Se serve analisi tecnica formale con framework di priorità, l'ARIA Audit paid (€4.900, 14 giorni) è il passo successivo — output PDF con 5-10 articoli analizzati e roadmap numerata.

---

Firmato: Mattia Carruggio, founder SmartVolve. Mi trovi a [email protected] o su LinkedIn.