Salta al contenuto
Neaptidestudio
blog

Come comparire nelle risposte di ChatGPT

26 agosto 2026 · 7 min di lettura

Come ChatGPT decide quali brand nominare e che cosa conta davvero: lavoro sul sito, conferme esterne e misurazione mensile. Con i numeri delle ricerche e il nostro test pubblicato.

L'acquirente pone la sua domanda sempre più spesso a ChatGPT e non a un motore di ricerca: «quale servizio scelgo per…», «consigliami uno studio che…». Il modello fa tre-cinque nomi, e le aziende assenti da quella risposta non entrano mai nella conversazione. La buona notizia: entrarci non è fortuna né magia, ma lavoro metodico con un risultato verificabile. Vediamo come il modello sceglie chi nominare e che cosa pesa in quella scelta.

Come ChatGPT decide chi nominare

Quando ChatGPT risponde con la ricerca, attraversa quattro fasi, scartando candidati a ognuna. I numeri qui sotto vengono da ricerche aperte del 2026: l'analisi di 45.144 sottoquery di ricerca di ChatGPT e di 137.508 citazioni.

  • I candidati. Il modello riscrive la tua domanda in decine di sottoquery; il 45% contiene un operatore site: — controlla deliberatamente domini precisi. Si entra dall'indice (per ChatGPT soprattutto Bing), da pagine mirate costruite per domande specifiche e dalle rassegne pubblicate da altri.
  • L'esame della pagina. Dei domini che il modello apre, solo il 39,5% finisce citato. Passano le pagine con la risposta in cima, fatti concreti e verificabili e una data viva: il 36,7% delle query contiene un anno.
  • La fiducia. Il modello ti confronta con il mondo esterno. Il test onesto: togli il tuo sito dall'equazione — che cosa resta di te? Se non resta nulla, la fase è persa, per quanto buono sia il sito.
  • Essere nominati. Nemmeno tutte le fonti citate vengono nominate. Ciò che aiuta di più: un link contestuale accanto al tuo brand nella rassegna di qualcun altro — circa ×2,4 rispetto alla menzione nuda.

Il lavoro sul sito

  • Prima la risposta. Il primo paragrafo di ogni pagina importante deve rispondere direttamente alla domanda dell'acquirente: i modelli citano passaggi, non pagine intere.
  • Domande e risposte come testo visibile più markup FAQPage, risposte di 40–60 parole: questi blocchi passano nelle risposte quasi alla lettera.
  • Dati strutturati: Organization, Service, Article — con identificatori stabili e gli stessi fatti su ogni pagina e in ogni lingua.
  • llms.txt — una mappa breve del sito per i modelli: che cosa leggere e come citare.
  • HTML assemblato sul server. I crawler delle IA scaricano il JavaScript ma non lo eseguono: il contenuto che compare solo nel browser per loro non esiste.

Il lavoro fuori dal sito

La fase della fiducia si ripara solo con un'impronta esterna: menzioni nella stampa di settore, presenza nelle rassegne e classifiche altrui, profili aziendali che la ricerca trova davvero. Conta la verificabilità, non il volume: una rassegna con link contestuale vale più di una dozzina di menzioni anonime. E ovunque gli stessi fatti sull'azienda: i modelli incrociano le fonti, e una discrepanza di date o formulazioni costa fiducia.

La nostra misurazione

Abbiamo provato questa meccanica su un prodotto nostro: un test gratuito di vocabolario turco. Ci abbiamo fatto tutto il lavoro sul sito e il 24 agosto 2026 abbiamo passato per ChatGPT sette domande reali di utenti in sei lingue. Risultato: il sito è stato nominato in tutte e sette le prove, e in sei come prima scelta o alla pari con il leader. Senza un solo link comprato e senza pubblicità. L'analisi completa — comprese le due lingue in cui un concorrente ha preso il primo posto, e perché — è nel caso pubblicato su questo sito.

Come misurarlo

La visibilità in ChatGPT si misura, ed è questo a separarla dalla «magia delle IA». Il metodo: un insieme fisso di 30–50 domande di controllo — le domande reali dei tuoi acquirenti —, eseguito in sessioni pulite e disconnesse su più modelli, seguendo tre indicatori: se ti menzionano, se ti raccomandano per primo e qual è la tua quota di voce rispetto ai concorrenti. La misurazione iniziale, prima di qualsiasi lavoro, non si discute: senza, fra tre mesi non ci sarà nulla da confrontare. Poi ogni mese, con lo stesso insieme.

Da dove cominciare

Da una misurazione, non dai ritocchi. Prima registrare come i modelli ti vedono oggi e chi nominano al posto tuo; poi correggere in ordine di impatto. Nessuno può promettere «il primo posto garantito in ChatGPT»: le risposte dei modelli sono probabilistiche e cambiano da una sessione all'altra. Si può promettere la crescita di una citabilità misurata rispetto a una base di partenza — ed è ciò che conviene esigere da qualunque fornitore, noi compresi.

faq

L'essenziale in breve

Potete garantire la comparsa nelle risposte di ChatGPT?

Una risposta precisa in una sessione precisa — no: i modelli sono probabilistici, e chi promette un posto garantito promette ciò che non controlla. Ciò che si governa è la probabilità: aumentare la quota di prove in cui vieni nominato è un obiettivo misurabile e raggiungibile.

Quanto tempo ci vuole?

Il lavoro sul sito dà i primi movimenti in settimane: i modelli rileggono le pagine molto più in fretta di quanto la ricerca classica reindicizzi. L'impronta esterna richiede mesi. Orizzonte realistico: da uno a tre mesi per il primo risultato misurabile, da tre in su per uno stabile.

In che cosa è diverso dal SEO di sempre?

La base è comune: indicizzabilità, qualità, autorevolezza. Cambiano l'unità di lavoro (il passaggio invece della pagina), la metrica (la citabilità invece della posizione) e il peso delle conferme esterne. Il 70–80% del lavoro coincide con il SEO — per questo li portiamo avanti come un processo solo.

E le altre IA — Perplexity, Gemini?

La meccanica è simile ovunque: un indice, l'esame della pagina, la fiducia. Perplexity attinge di più al web in diretta; Gemini poggia sull'infrastruttura di Google. Il lavoro sul sito e l'impronta esterna servono tutti i modelli insieme; noi misuriamo su almeno tre.

ChatGPT ci menziona già, ma con errori. Che si fa?

Si corregge con la coerenza: le stesse formulazioni sul sito, nei profili e nelle fonti esterne, più un markup Organization con dati stabili. Il modello racconta ciò che legge; quando le fonti concordano, gli errori spariscono al prossimo aggiornamento.