Mi sono svegliato l’altro giorno con un messaggio da un cliente disperato: “Il mio sito è sparito dai risultati AI di Google!”
Niente di nuovo, direte voi. Eppure, questa volta, il problema non erano i soliti sospetti. Il sito aveva tutto: meta tag impeccabili, markup Schema.org perfettamente implementato, backlink di qualità.
E allora cosa mancava?
Ho passato ore a scavare nel codice, controllandone ogni aspetto.
È stato solo bevendo il quarto caffè della giornata che ho avuto l’illuminazione: il problema non era nel codice, ma nella struttura del contenuto stesso.
Quando la formattazione batte lo schema
Parlo di SEO da oltre dieci anni, e c’è sempre stata questa ossessione per i dati strutturati – Schema.org, JSON-LD, rich results, knowledge graph. L’intera baracca, insomma. Li ho sempre considerati come amuleti magici: aggiungi il markup giusto e i motori di ricerca ti premieranno.
Ma i tempi cambiano, e così i motori di ricerca.
Con l’avvento dei Large Language Models (LLM) come base dei motori di ricerca, i dati strutturati contano un po’ meno…
I dati strutturati? Opzionali.
La scrittura strutturata e la formattazione? Devono essere curati in ogni dettaglio.
Mi viene in mente quel cliente dell’anno scorso che spendeva migliaia di euro in implementazioni JSON-LD mentre i suoi contenuti erano un caos indistinguibile di paragrafi chilometrici. “Ma ho aggiunto tutti gli schemi di schema.org possibili!” si lamentava. Già, ma a che serve un’etichetta perfetta su una scatola vuota?
Ho sperimentato questo problema sulla mia pelle
Lo scorso dicembre ho pubblicato un articolo approfondito sui dati strutturati nella ricerca AI.
L’ho strutturato con attenzione, verificato più volte. Era tempestivo, rilevante e – a mio modesto parere – brillante. Eppure, quando ho fatto ricerche per questo articolo che state leggendo ora, il mio contenuto non è apparso da nessuna parte.
Il motivo? Non avevo usato il termine “LLM” nel titolo o nello slug. Solo “Ricerca AI”. Tutti gli articoli nei risultati avevano “LLM” nel titolo.
Mi sono dato del cretino. Credevo che un modello linguistico potesse capire che “ricerca AI” e “LLM” fossero concetti correlati – e probabilmente lo sa benissimo – ma c’è differenza tra capire una correlazione concettuale e decidere cosa mostrare in base a una query specifica.
Come ragionano davvero gli LLM
Ho trascorso gli ultimi mesi a studiare il comportamento dei motori di ricerca basati su LLM come un antropologo con una tribù sconosciuta. E ho notato pattern interessanti.
A differenza dei crawler tradizionali, gli LLM non “scansionano” semplicemente una pagina. La digeriscono, la scompongono in token e analizzano le relazioni tra parole, frasi e concetti usando meccanismi di attenzione.
Non cercano un meta tag o uno snippet JSON-LD per capire di cosa tratta una pagina. Cercano chiarezza semantica: questo contenuto esprime un’idea chiara? È coerente? Risponde direttamente a una domanda?
Ricordo quando lavoravo come consulente SEO freelance con quella startup di abbigliamento sostenibile. Avevano contenuti eccellenti ma strutturati malissimo.
Nessun titolo chiaro, paragrafi da Guerra e Pace, frasi che si perdevano in digressioni infinite. Nonostante tutti i miei tentativi di convincerli, hanno mantenuto quello stile “letterario”. Risultato? I competitor con contenuti più semplici e strutturati li hanno superati nei risultati AI, nonostante avessero meno autorità di dominio e zero dati strutturati.
La ricerca tradizionale vs. la ricerca AI
La differenza c’è e si vede:
La ricerca tradizionale riguardava il posizionamento SEO – apparire più in alto nella SERP. La ricerca AI riguarda la rappresentazione – come il tuo contenuto viene utilizzato per costruire una risposta.
Quando un modello linguistico genera una risposta a una query, sta attingendo da molte fonti diverse – frase per frase, paragrafo per paragrafo. Non sta recuperando un’intera pagina per mostrarla. Sta costruendo una risposta nuova basata su ciò che comprende meglio.
E cosa comprende meglio? Contenuti che sono:
- Segmentati logicamente, così che ogni parte esprima una sola idea.
- Coerenti nel tono e nella terminologia.
- Presentati in un formato facilmente analizzabile (FAQ, step-by-step, definizioni chiare).
- Scritti con chiarezza, non con astuzia retorica.
I motori di ricerca AI non hanno bisogno di dati strutturati per estrarre una risposta da un blog post. Ma hanno bisogno che tu etichetti chiaramente i tuoi passaggi, li mantenga insieme e non li seppellisca in prosa prolissa o li interrompa con call-to-action, pop-up o divagazioni irrilevanti.
Cosa cercano gli LLM quando analizzano i contenuti
Ho passato mesi a testare contenuti su Perplexity, ChatGPT, Bing Copilot e Google AI Overviews. Ecco i pattern che emergono:
1. Titoli e sottotitoli chiari
Gli LLM usano la struttura dei titoli per comprendere la gerarchia del contenuto. Le pagine con una corretta nidificazione H1-H2-H3 sono più facili da analizzare rispetto a muri di testo o template pieni di div.
Ricordo un cliente che aveva cinque H1 sulla stessa pagina “perché visivamente volevo che fossero tutti uguali”. Gli ho spiegato che stava essenzialmente urlando cinque titoli diversi contemporaneamente. Come distinguere quello principale?
2. Paragrafi brevi e focalizzati
I paragrafi lunghi seppelliscono il concetto principale. Gli LLM favoriscono pensieri autonomi. Un’idea per paragrafo.
3. Formati strutturati (elenchi, tabelle, FAQ)
Se vuoi essere citato, facilita l’estrazione del tuo contenuto. Elenchi puntati, tabelle e formati Q&A sono utili ai motori di ricerca AI.
4. Ambito tematico definito all’inizio
Metti il tuo TL;DR all’inizio. Non costringere il modello (o l’utente) a scorrere 600 parole di storia aziendale prima di arrivare al nocciolo della questione.
5. Segnali semantici nel corpo del testo
Parole come “in sintesi”, “il più importante”, “passo 1” o “errore comune” aiutano gli LLM a identificare rilevanza e struttura.
C’è un motivo per cui tanto contenuto generato da AI usa quelle frasi “rivelatrici”. Non è perché il modello è pigro o formulaico. È perché sa strutturare le informazioni in un modo chiaro, digeribile ed efficace – cosa che, francamente, non si può dire di molti scrittori umani.
Mia cugina, che scrive per passione più che per professione, mi ha sempre preso in giro per la mia ossessione per i paragrafi brevi. “Sembra che scrivi per bambini,” diceva. Le ho mandato i risultati dei miei test: il suo bellissimo articolo letterario era invisibile agli LLM, mentre il mio, con la stessa qualità di contenuto ma strutturato diversamente, veniva citato regolarmente.
Come strutturare i contenuti per la ricerca AI
Se vuoi aumentare le probabilità di essere citato, riassunto o quotato dai motori di ricerca basati sull’AI, dovresti pensare meno come uno scrittore e più come un architetto dell’informazione.
Non significa sacrificare voce o approfondimento, ma presentare le idee in un formato che le renda facili da estrarre, interpretare e riassemblare.
Ecco le tecniche più efficaci che raccomando ai miei clienti:
Usa una gerarchia logica dei titoli
Struttura le tue pagine con un singolo H1 chiaro che stabilisca il contesto, seguito da H2 e H3 che si annidano logicamente.
Se ogni titolo sulla tua pagina è un H1, stai segnalando che tutto è ugualmente importante, il che significa che nulla risalta.
Una buona struttura dei titoli aiuta i motori di ricerca AI a capire al meglio il contesto che vuoi comunicare.
Usa paragrafi brevi e autonomi
Ogni paragrafo dovrebbe comunicare chiaramente un’idea.
I muri di testo non intimidiscono solo i lettori umani; aumentano anche la probabilità che un modello AI estragga la parte sbagliata della risposta o salti completamente il tuo contenuto.
Questo è strettamente legato a metriche di leggibilità come il punteggio Flesch Reading Ease, che premia frasi più brevi e formulazioni più semplici.
Usa elenchi, tabelle e formati prevedibili
Se il tuo contenuto può essere trasformato in una guida a passaggi, un elenco numerato, una tabella di confronto o un elenco puntato, fallo senza timore. I motori AI amano le strutture, così come gli utenti.
Anticipa le informazioni più importanti
Non conservare i tuoi migliori consigli o le definizioni più importanti per la fine.
Gli LLM tendono a dare priorità a ciò che appare all’inizio del contenuto. Fornisci la tua tesi, definizione o conclusione all’inizio, poi elaborala.
Usa segnali semantici
Segnala la struttura con frasi: “Passo 1”, “In sintesi”, “Punto chiave”, “Errore più comune” e “Per confrontare”.
Queste frasi aiutano gli LLM (e i lettori) a identificare il ruolo di ogni passaggio.
Evita il “rumore”
Pop-up interruttivi, finestre modali, infinite call-to-action (CTA) e caroselli scollegati possono inquinare il tuo contenuto.
Anche se l’utente li chiude, sono spesso ancora presenti nel Document Object Model (DOM), e diluiscono ciò che l’LLM vede.
Pensa al tuo contenuto come a una trascrizione: come suonerebbe se letto ad alta voce? Se è difficile da seguire in quel formato, potrebbe essere difficile da seguire anche per un LLM.
I dati strutturati: ancora utili, ma non magici
Chiariamolo: i dati strutturati hanno ancora valore. Aiutano i motori di ricerca a comprendere i contenuti, avere i rich results e disambiguare argomenti simili.
Tuttavia, gli LLM non ne hanno bisogno per comprendere il tuo contenuto.
Se il tuo sito è un disastro semantico, un dato strutturato potrebbe salvarti, ma non sarebbe meglio evitare di costruire un disastro fin dall’inizio?
Un dato strutturato è un boost utile, non una bacchetta magica. Dai priorità a struttura e comunicazione, e usa i dati strutturati per rinforzare il tuo contenuto.
Come i dati strutturati supportano l’AI
Detto questo, Google ha recentemente confermato al Search Central Live di Madrid che il suo LLM (Gemini), che alimenta gli AI Overviews, sfrutta effettivamente i dati strutturati per comprendere meglio i contenuti.
Di fatto, all’evento, John Mueller raccomanda di utilizzare dati strutturati perché forniscono ai modelli segnali più chiari sull’intento e la struttura di un testo.
Questo non contraddice il punto; lo rafforza. Se il tuo contenuto non è già strutturato e comprensibile, lo schema può aiutare a colmare le lacune. È una stampella, non una cura.
In ambienti di ricerca guidati dall’AI, stiamo vedendo contenuti senza alcun dato strutturato apparire in citazioni e riassunti perché il contenuto principale è ben organizzato, ben scritto e facilmente analizzabile.
In breve:
- Usa un dato strutturato quando aiuta a chiarire l’intento o il contesto.
- Non affidarti ad esso per correggere contenuti scadenti o un layout disorganizzato.
- Dai priorità alla qualità del contenuto e al layout prima del markup.
Conclusione
Ottimizzare i contenuti per gli LLM non significa inseguire nuovi strumenti o scorciatoie.
Significa raddoppiare ciò che una buona comunicazione ha sempre richiesto: chiarezza, coerenza e struttura.
Se vuoi rimanere competitivo, dovrai strutturare i contenuti per la ricerca AI con la stessa cura con cui li strutturi per i lettori umani.
I contenuti con le migliori prestazioni nella ricerca AI non sono necessariamente i più ottimizzati. Sono i più comprensibili. Ciò significa:
- Anticipare come il contenuto sarà interpretato, non solo indicizzato.
- Dare all’AI il framework di cui ha bisogno per estrarre le tue idee.
- Strutturare le pagine per la comprensione, non solo per la conformità.
- Anticipare e utilizzare il linguaggio che il tuo pubblico usa, perché gli LLM rispondono letteralmente ai prompt e il recupero dipende dalla presenza di quei termini esatti.
Mentre la ricerca si sposta dai link al linguaggio, stiamo entrando in una nuova era di design dei contenuti. Una dove il significato emerge in cima, e i brand che strutturano per la comprensione emergeranno insieme ad esso.
Dopo mesi di test, ho capito che ciò che funziona per le persone funziona anche per gli LLM. Solo che gli LLM sono più coerenti nel loro comportamento. Una volta capiti i pattern, diventa quasi un gioco da ragazzi anticipare come strutturare i contenuti per massimizzare la visibilità.
Ti saluto con un detto: “se non riesci a spiegare un concetto a tua nonna, significa che nemmeno tu l’hai capito abbastanza bene.” Gli LLM ci stanno semplicemente ricordando questa antica saggezza.
La struttura non è nemica della creatività. È la cornice che permette alla creatività di brillare.
E tu, stai strutturando i tuoi contenuti pensando agli LLM, o sei ancora ancorato alle vecchie abitudini?
Fammi sapere e contattami per una consulenza.