Cos'è la GEO (Generative Engine Optimization) e perché la SEO classica non basta più

Copia link alla sezioneUna scena che si ripete ogni giorno, migliaia di volte

Un direttore marketing di un'azienda B2B italiana da quindici milioni di fatturato apre ChatGPT. Scrive: "Quali sono i migliori CRM per il mercato italiano per aziende sotto i 50 dipendenti?".

La risposta arriva in dodici secondi. Tre brand citati. Uno di loro è il suo principale competitor — che ha metà del suo budget marketing e un terzo della sua storia. Il suo brand non c'è.

Scrive allora: "E [nome del suo brand]?". ChatGPT risponde con un riassunto vago, mezzo scambiato con un'altra azienda dal nome simile, con tre anni di ritardo sul presente. Il direttore marketing chiude la finestra. Si è appena accorto di una cosa: la sua azienda, per la metà dei suoi clienti potenziali più informati, già non esiste.

Questo articolo parla di come funziona questa invisibilità, perché sta succedendo adesso, e cosa si fa tecnicamente per uscirne. Si chiama GEO, Generative Engine Optimization, ed è la disciplina che nel 2026 inizia a valere quanto la SEO classica. Non la sostituisce: si aggiunge.

---

Copia link alla sezioneCosa significa GEO

GEO è l'acronimo di Generative Engine Optimization — l'insieme di tecniche editoriali, tecniche e di relazioni pubbliche digitali che rendono un brand citabile dai motori di risposta: motori che invece di restituire dieci link, restituiscono una risposta sintetica. I principali del 2026 sono ChatGPT (OpenAI), Claude (Anthropic), Perplexity, Gemini (Google), e le ricerche con AI Overviews di Google stessa.

Il cambio fondamentale è nel comportamento dell'utente. Nella SEO classica l'utente:

• digita una query su Google
• riceve dieci risultati
• sceglie tra loro in base a titolo, snippet, autorità percepita del dominio

Nella ricerca derivate da prompt LLM l'utente:

• pone una domanda in linguaggio naturale
• riceve una risposta sintetica con (opzionalmente) due o tre brand citati inline
• si fida della selezione già fatta dal modello

Il modello ha già fatto la selezione. Non c'è una "seconda pagina" da cui recuperare il tuo brand. Se non sei stato considerato citabile, sei fuori dalla conversazione.

Copia link alla sezioneCome fanno gli LLM a decidere cosa citare

Senza entrare in tecnicismi da ingegnere ML, i modelli attuali combinano due fonti di conoscenza quando rispondono a una query:

1. Training data memorizzato — tutto ciò che hanno letto durante il training (pubblicato prima del knowledge cut-off del modello)
2. Retrieval live — informazioni estratte da fonti autorevoli in tempo reale (Perplexity fa principalmente questo; ChatGPT Search e Claude lo fanno quando attivato)

Per comparire citato, devi soddisfare almeno una delle due condizioni:

Per il training data: il tuo brand deve comparire ripetutamente, consistentemente, e contestualmente rilevante in fonti che fanno parte dei dataset di training — web pubblico, Wikipedia, knowledge graph, publisher autorevoli, forum verticali come Reddit, knowledge base di settore.

Per il retrieval live: il tuo brand deve essere facilmente recuperabile in tempo reale da query specifiche — questo richiede buona SEO tradizionale (se Google non ti trova, Perplexity non ti trova) più signaling esplicito agli LLM crawler (schema.org rich, llms.txt, content chunking).

Nella pratica, il GEO-2026 lavora su entrambi contemporaneamente. Non è solo scrivere contenuto — è costruire un'entity consistente che gli LLM possano riconoscere, associare, e citare con sicurezza.

Copia link alla sezioneSEO vs GEO — la distinzione che conta

Due discipline distinte che si sovrappongono ma divergono nel fine ultimo:

Le due discipline condividono fondamenta (contenuto di qualità, schema.org, autorità di dominio) ma divergono nel fine ultimo. Un sito può avere SEO eccellente e GEO pessimo: è il caso di molti brand italiani con buon ranking Google classico ma assenti dai motori di risposta. L'opposto è più raro ma possibile (brand citato da LLM grazie a digital PR forte, con SEO tecnicamente mediocre).

Copia link alla sezioneCosa cambia concretamente nel lavoro tecnico-editoriale

Il 70% delle leve SEO classica continua a valere anche per il GEO: content di qualità, autorità di dominio, intent matching, architettura del sito pulita, schema.org di base. Ma il restante 30% è nuovo e fa la differenza tra brand invisibili e brand citati.

Queste sono le cinque leve nuove o amplificate nel lavoro GEO 2026:

Copia link alla sezione1. Entity consistency cross-canale

Il brand deve esistere come un'unica entità riconoscibile in tutti i canali machine-readable: sito, Wikipedia (se possibile), Wikidata, Google Knowledge Graph, profili social ufficiali, knowledge base di settore. Non basta avere un sito ottimo: se su Wikidata il tuo brand ha tre voci diverse (vecchio nome, rebrand, nome founder) non unificate, ogni LLM impazzisce.

Primo diagnostic test che faccio su qualsiasi progetto: cerco il brand su Wikidata e Google Knowledge Graph. Se l'entity è frammentata, inizio da lì.

Copia link alla sezione2. llms.txt e llms-full.txt

File di signaling proposti a settembre 2024 e parzialmente supportati nel 2026 da OpenAI, Anthropic, Perplexity (stato formale in evoluzione — i vari attori non firmano un compliance statement esplicito ma il segnale è letto).

llms.txt in root del sito contiene:

• Manifesto del sito (di cosa parla)
• Lista priorità dei topic e contenuti chiave
• Link a contenuti strutturati per LLM (versione markdown dei top articoli)

llms-full.txt è la versione estesa: dump markdown dei contenuti chiave (10-30 articoli), facilmente parsabile, senza boilerplate HTML.

Scrivili a mano. I tool generano file generici che non rappresentano strategia. Un llms.txt scritto con attenzione è un vantaggio competitivo — oggi sono pochi i siti italiani che lo hanno, e ancora meno quelli che lo hanno scritto con intenzione.

Copia link alla sezione3. Structured data avanzato (non solo il minimo sindacabile)

Schema.org ricco è il modo più diretto per dire a un LLM "ecco chi sono, ecco come sono collegato, ecco di cosa parlo" in formato machine-readable. Tutti fanno schema Organization base. Pochi fanno il livello successivo, che è dove si vince.

Esempio concreto — cosa cambia: un blog post standard ha un tag <article> e forse un <meta author>. Un blog post GEO-ready ha schema Article JSON-LD con author che linka a schema Person completo (con sameAs a LinkedIn, profilo Wikipedia se disponibile, author page del sito), mainEntityOfPage esplicito, about che lista le entity menzionate, e se c'è FAQ in fondo anche FAQPage annidato. Questa stratificazione permette al modello di estrarre non solo il testo ma la struttura relazionale dietro — chi scrive, di cosa, con quale expertise verificabile.

Livello base vs livello GEO-ready (le 6 proprietà che contano):

• sameAs completo (LinkedIn, Wikidata, Twitter/X, Bluesky, GitHub, knowledge base verticali)
• knowsAbout che mappa le aree di expertise
• founder con schema Person completo
• Article su ogni blog post con author linkata a entity Person
• FAQPage su ogni pagina con 3+ Q&A strutturate
• BreadcrumbList su ogni pagina interna

Impatto business: in progetti dove ho fatto solo questo upgrade di schema (nessun altro intervento), ho visto la frequenza di citation ChatGPT/Claude muoversi del 20-35% entro 3 mesi. È la leva a più alto rapporto effort/return tra le cinque — poche ore di lavoro tecnico, beneficio consistente.

Copia link alla sezione4. Content chunking LLM-friendly

Articoli che gli LLM amano citare hanno paragrafi atomici (ognuno comprensibile isolato), definizioni tecniche in apertura di sezione, FAQ in fondo strutturate con schema, liste numerate per procedure.

Anti-pattern comune: l'articolo "giornalistico" con lunghe intro narrative prima di arrivare al punto. Bello da leggere, pessimo per retrieval — il modello non sa cosa estrarre se il paragrafo chiave è nascosto al 40% del testo.

Copia link alla sezione5. Digital PR qualitativa, non generica

Non basta "più link". Servono link/menzioni da publisher che gli LLM citano davvero. Come si verifica? Test manuale: scegli dieci query target, interroga ChatGPT e Claude, osserva quali fonti citano come riferimento. Quelle sono le tue target per digital PR.

Pattern frequente nel 2026: un placement su un publisher di nicchia con 10k di traffico ma citato sistematicamente da Perplexity vale più di un placement su Repubblica con 1M di traffico ma assente dai retrieval LLM.

Copia link alla sezionePerché la SEO classica non basta più (e perché non scompare)

C'è un equivoco che circola: "Se scrivo bene per GEO, la SEO classica la risolvo di conseguenza". Falso, e pericoloso.

Le due discipline hanno metriche di successo diverse:

• SEO: ranking su query specifiche, click-through rate, posizione media
• GEO: citation frequency su query tematiche, coerenza di narrativa attribuita al brand, presenza nei "top 3 consigliati"

Un articolo ottimizzato solo per GEO (paragrafi atomici, FAQ schema, chunking) può avere ranking Google mediocre per pigrizia on-page (meta description debole, heading hierarchy confusa, internal linking assente). E viceversa: un articolo SEO-perfetto ma scritto come lungo racconto narrativo non viene mai citato dagli LLM perché non è chunkable.

La verità operativa nel 2026: servono entrambe le discipline applicate insieme, con ownership chiara di chi fa cosa. Il mio metodo ARIA (Audit, Reframe, Implement, Amplify) le tiene separate come fasi di lavoro ma coordinate nel deliverable.

E no: la SEO classica non scompare. Google ha ancora un volume di ricerche di ordini di grandezza superiori a qualunque motore di risposta, e chi fa retrieval live (come Perplexity) usa comunque la SEO come filtro primario per selezionare fonti autorevoli. Chi ha predetto la "morte della SEO" nel 2024 si è sbagliato. Chi predice che GEO basti e la SEO sia obsoleta si sbaglia adesso.

Copia link alla sezioneCome iniziare — cinque azioni per questa settimana

Se questo articolo ti ha convinto e vuoi iniziare subito, cinque cose che puoi fare senza ingaggiare nessuno:

1. Testa tu il tuo brand. Apri ChatGPT, Claude e Perplexity. Fai 5-10 query come le farebbe un tuo cliente target. Annota dove compari, dove non compari, dove compari con informazioni obsolete. Baseline honest.

2. Verifica la tua entity su Wikidata e Google Knowledge Graph. Se hai voci multiple non linkate, o nessuna voce, hai trovato il primo problema.

3. Scrivi un llms.txt minimo. Formato standard disponibile su llmstxt.org. Scrivilo a mano, non generare. Caricalo in root del sito. Nessun impatto negativo, signaling positivo agli LLM-crawler che lo leggono.

4. Audit schema.org del tuo sito con lo Schema Markup Validator. Se hai solo schema base, aggiungi sameAs, knowsAbout, e per i blog post Article con author Person linkata.

5. Fai il test "paragrafo atomico" sui tuoi top-5 articoli. Prendi un paragrafo a caso, staccalo dal contesto, leggilo. È auto-contenuto e comprensibile? Se no, riscrivilo.

Queste cinque azioni sono il livello base — non un progetto GEO completo, ma abbastanza per capire dove sei e iniziare a muoverti.

Copia link alla sezioneFAQ

Copia link alla sezioneProssimo passo

Se sei arrivato fin qui, probabilmente hai capito due cose: il GEO è un lavoro serio che vale la pena iniziare, e c'è abbastanza tecnicismo che farsi aiutare accelera le cose.

Due percorsi possibili:

Strada gratis: scarica la Checklist GEO 2026 — 40 punti. È un PDF di quindici pagine con azioni concrete in otto categorie. Se hai tempo e competenze tecniche interne, puoi implementarla autonomamente.

Strada con me: parti da una discovery call 30 min esplorativa, zero impegno. Se il progetto è compatibile, l'ARIA Audit paid (€4.900, 14 giorni) è il passo successivo: PDF formale con diagnostic completo sui tre motori di risposta, cosa sta rompendo la tua citability, framework di priorità con roadmap numerata. Dopo l'audit decidi tu: se ti basta la roadmap, perfetto — se vuoi che lo implementi col metodo ARIA, ne parliamo.

---

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