Generative Engine Optimization (GEO) per le PMI italiane: come i motori generativi scelgono chi citare

Questa è una ricerca proprietaria condotta su un campione definito di mercati di PMI italiane. I risultati descrivono il comportamento osservato su quel campione nel mese di maggio 2026 e non costituiscono una descrizione generale e definitiva del funzionamento dei motori generativi. Perimetro, metodologia e limiti sono dichiarati in modo esplicito nelle sezioni che seguono. I dati sono liberamente citabili previa menzione dell'Osservatorio NetStrategy.

Negli ultimi mesi una quota crescente delle ricerche degli utenti avviene dentro i motori generativi anziché nella pagina dei risultati di Google. In questo contesto l'obiettivo per un'azienda cambia di natura: oltre a posizionarsi tra i link, occorre essere citati come fonte all'interno della risposta generata.

Il meccanismo con cui un motore generativo costruisce una risposta è diverso da quello di un motore di ricerca tradizionale. Il modello recupera un insieme di fonti, ne sintetizza il contenuto e produce una risposta unica con citazioni in linea. La visibilità di un'azienda dipende quindi da quanto, e in che modo, il suo contenuto entra in quella sintesi. La letteratura accademica ha formalizzato questo fenomeno sotto il nome di Generative Engine Optimization (GEO).

La maggior parte degli studi disponibili è stata condotta su mercati anglofoni, su campioni di brand internazionali e in prevalenza su query informative. Restano poco esplorati tre aspetti che contano per il tessuto economico italiano.
1. La distinzione per intento. I motori si comportano allo stesso modo quando un utente cerca un brand per nome (intento informativo) e quando chiede un consiglio d'acquisto senza nominare alcuna azienda (intento commerciale)?
2. Il contesto delle PMI italiane. Le dinamiche misurate sui grandi brand globali valgono anche per aziende di media e piccola dimensione, conosciute nel proprio settore ma prive di una presenza digitale ampia?
3. La stabilità della citazione. Quanto è affidabile, nel tempo, la presenza di un'azienda nelle risposte generate?

Questa ricerca affronta i tre punti su un campione costruito appositamente sul mercato italiano.
 

Il nostro lavoro si colloca in un filone di studi recente e in rapida evoluzione, di cui riprende il metodo e che estende in alcune direzioni.

Ottimizzazione del contenuto. Lo studio fondativo sulla GEO (Aggarwal et al., GEO: Generative Engine Optimization, KDD 2024) ha testato nove tattiche di modifica del contenuto su circa 10.000 query. Ha dimostrato che l'aggiunta di citazioni di fonti, statistiche e citazioni testuali aumenta la visibilità nelle risposte generative del 30-40%, e che anche interventi puramente stilistici di leggibilità producono un +15-30%. Lo stesso studio osserva che i motori generativi condizionano la risposta sul contenuto invece che sull'autorità di dominio: un sito in quinta posizione ha guadagnato il 115% di visibilità dal solo inserimento di fonti, mentre il sito in prima posizione ne ha perso il 30%. Il benchmark utilizzato era però composto all'80% da query informative, con una quota marginale di query transazionali.

Peso delle fonti esterne. Un'analisi di Ahrefs su 75.000 brand (2025) ha rilevato che le menzioni di brand sul web correlano con la visibilità nelle risposte AI a 0,664, contro lo 0,218 dei backlink. Lo studio What Is AI Reading? di Muck Rack, su oltre un milione di link citati dai modelli (2025, aggiornato nel 2026), ha rilevato che l'82-84% delle citazioni proviene da earned media e meno dell'1% da contenuti a pagamento, con i contenuti citati che tendono a contenere statistiche ed elenchi e con un peso forte della freschezza (circa la metà delle citazioni riguarda contenuti pubblicati negli ultimi undici mesi).

Il nostro contributo. Rispetto a questo quadro, la presente ricerca aggiunge tre elementi: la misura separata del comportamento dei motori per intento commerciale e informativo, la quantificazione della stabilità della citazione nel tempo (varianza settimanale), e la focalizzazione esclusiva sul mercato italiano delle PMI, in lingua italiana.
 

3.1 Periodo e cadenza

L'analisi è stata condotta per l'intero mese di maggio 2026. Gli stessi prompt sono stati eseguiti ogni giorno, per 31 giorni consecutivi. La ripetizione giornaliera per un mese intero è una scelta deliberata. Permette di misurare non solo se un'azienda viene citata, ma anche quanto quella citazione resti stabile nel tempo, distinguendo un risultato strutturale da uno occasionale.

3.2 Motori analizzati

Sono stati interrogati i tre principali motori generativi accessibili al pubblico italiano: ChatGPT, Gemini e Perplexity. Dove l'analisi richiedeva di risalire alla fonte di una singola affermazione (Sezione 4.1), è stato utilizzato il solo Perplexity, in quanto unico tra i tre a esporre le citazioni in chiaro per ogni frase generata. Sugli altri due motori l'attribuzione della fonte non è direttamente osservabile.

3.3 Perché 190 siti

Il campione è stato costruito a partire da 10 aziende che NetStrategy segue attivamente su attività SEO e GEO, una per ciascuno di dieci mercati. Per ogni azienda abbiamo esteso il perimetro ai suoi 18 concorrenti diretti sul mercato di riferimento, identificati a partire dalle SERP e dal panorama competitivo di settore.

Il risultato è una struttura a blocchi: 10 mercati per 19 siti ciascuno (1 azienda di riferimento e 18 concorrenti), per un totale di 190 siti. Questa costruzione permette di confrontare aziende che competono sullo stesso bisogno d'acquisto, anziché siti isolati e non comparabili tra loro.
 

I dieci mercati coprono le quattro grandi famiglie del performance marketing italiano.

La scelta dei mercati riprende la stessa tassonomia già utilizzata nella ricerca dell'Osservatorio Fare SEO per B2B e B2C nell'era del prompting, per garantire continuità metodologica tra i due studi.

3.4 Disegno dei prompt

Per ciascun sito, ogni giorno, abbiamo eseguito due prompt distinti, scelti per isolare i due intenti di ricerca.

Il primo è un prompt informativo, che verifica se il motore conosce il brand e cosa ne sa: «Conosci l'azienda [nome] e di cosa si occupa?».

Il secondo è un prompt commerciale, che riproduce la richiesta di consiglio d'acquisto senza nominare l'azienda: «Se avessi bisogno di [prodotto o servizio X], quali aziende mi consiglieresti?».

La separazione dei due prompt nasce da un'osservazione preliminare: i motori rispondono in modo diverso a seconda dell'intento, e mescolare i due casi avrebbe nascosto proprio la differenza che volevamo misurare.
 

3.5 Volume complessivo

190 siti per 2 prompt per 3 motori per 31 giorni danno 35.340 risposte analizzate.
 

3.6 Come abbiamo misurato

Provenienza del contenuto (Sezione 4.1). Su Perplexity, ogni risposta riporta le fonti da cui ha tratto le informazioni. Abbiamo classificato ogni fonte citata in base al dominio. Se il dominio, oppure un suo sottodominio, coincide con quello dell'azienda analizzata, la fonte è considerata on-site. In tutti gli altri casi è esterna, comprese le proprietà dell'azienda ospitate su domini di terzi (per esempio una scheda su un marketplace), i profili LinkedIn, le schede Google Business, le directory e le recensioni. Una stessa fonte citata più volte nella medesima risposta viene conteggiata una sola volta. La percentuale riportata è la quota di fonti citate riconducibili al dominio dell'azienda.

Stabilità della citazione (Sezione 4.2). Abbiamo misurato la frequenza con cui, nell'arco della settimana, un'azienda compare nel set di aziende raccomandate sul prompt commerciale. L'unità di osservazione è la presenza giornaliera nel set, aggregata su base settimanale per ridurre il rumore dei singoli giorni. La variabilità è espressa come coefficiente di variazione settimanale, cioè la deviazione standard divisa per la media, scelto perché fornisce un valore confrontabile tra aziende e tra motori. Le aziende mai citate nel periodo sono escluse dal calcolo, perché per loro il coefficiente non è definito. Un limite va dichiarato: quando la media di comparsa è bassa, il coefficiente di variazione tende ad amplificarsi, quindi per le aziende citate di rado la volatilità misurata può risultare più alta di quella reale.

Per rendere il dato più leggibile introduciamo un indicatore derivato, il Citation Stability Index (CSI), definito come 100 meno il coefficiente di variazione settimanale espresso in punti percentuali, con valore minimo pari a 0. Un CSI più alto indica una citazione più stabile. Il CSI è una trasformazione del coefficiente di variazione e ne eredita gli stessi limiti.

Sintassi (Sezione 4.3). Ogni risposta è stata raccolta in un foglio di calcolo. La lunghezza delle frasi è stata calcolata con una formula. Il numero di subordinate per frase è stato contato tramite analisi via API di ogni contenuto.

Formato (Sezione 4.4). Abbiamo confrontato i contenuti che usano tabelle, elenchi puntati o dati quantitativi in apertura con i contenuti che non li usano, osservando la differenza nella probabilità di citazione.



 

4.1 Sui prompt commerciali il sito dell'azienda pesa poco

Misurato su Perplexity, quando un utente formula un prompt commerciale («quale azienda mi consigli per...»), solo il 17% delle fonti citate per descrivere un'azienda proviene dal sito dell'azienda stessa. Il restante 83% arriva da fonti esterne: profili LinkedIn, recensioni, directory di settore, articoli e menzioni.
Sui prompt informativi, dove l'utente cerca direttamente il brand per nome, la situazione è diversa: il 72% delle fonti citate riconduce al sito dell'azienda.
L'implicazione è netta. Nella fase in cui un potenziale cliente chiede un consiglio, che è la fase commercialmente più importante, la citazione di un'azienda si gioca in larga parte fuori dal suo sito. Il dato è coerente, e ne rappresenta una specificazione per intento, con le evidenze esterne sul peso dell'earned media (Muck Rack, 2025, 2026) e delle menzioni di brand (Ahrefs, 2025).

4.2 Per le PMI del campione la citazione è instabile

Ripetendo gli stessi prompt commerciali ogni giorno per un mese, la presenza di un'azienda nel set di aziende raccomandate non è costante. Sulle PMI del campione la variabilità settimanale media corrisponde a un coefficiente di variazione del 40%, pari a un Citation Stability Index di 60 su 100.
Il motore fa una differenza marcata.

I tre valori restituiscono come media il 40% riportato, e quindi un CSI di 60. La lettura più plausibile della differenza tra motori è legata al loro funzionamento. Perplexity, che recupera un numero maggiore di fonti per ogni risposta, ancora il proprio output a evidenze esterne ed è il più stabile. ChatGPT, che si appoggia in misura maggiore alla memoria del modello, mostra la variabilità più alta.

Il campione è composto esclusivamente da PMI italiane e non include grandi brand nazionali o internazionali. È ragionevole attendersi che per aziende con un'entità molto consolidata (per esempio i grandi marketplace) la variabilità sia sensibilmente più bassa. La lettura che ne diamo è che più l'identità digitale di un'azienda è consolidata e coerente tra le fonti, più la sua citazione diventa stabile, perché il modello ha meno incertezza nel ricostruirne il profilo.
 

4.3 I contenuti citati sono scritti in modo semplice

Tra i contenuti che i motori citano sui prompt informativi, il 72% usa una sintassi lineare, con frasi mediamente sotto le 20 parole e poche subordinate. Il restante 28% usa una sintassi più articolata.
La lettura è che una scrittura chiara abbassa il costo con cui il modello estrae, comprende e riusa un'informazione. Il risultato è coerente con quanto rilevato dallo studio di Princeton (Aggarwal et al., 2024), secondo cui la sola ottimizzazione della leggibilità del testo, senza aggiungere contenuto, produce un aumento di visibilità del 15-30%.

4.4 Il formato è associato a una maggiore probabilità di citazione

Confrontando i contenuti che usano tabelle, elenchi puntati e dati quantitativi in apertura con quelli che ne sono privi, abbiamo osservato la differenza nella probabilità di citazione.

Il confronto è osservazionale, quindi parliamo di associazione e non di un effetto causale isolato. I contenuti che usano questi formati tendono a essere anche più completi e aggiornati, e parte della differenza può dipendere da queste caratteristiche. L'ordine di grandezza resta in linea con la letteratura: lo studio di Princeton attribuisce a statistiche, citazioni e formati strutturati incrementi del 30-40%, e l'analisi di Muck Rack rileva che i contenuti citati tendono a contenere più statistiche ed elenchi.

4.5 Una sola recensione può orientare il giudizio del modello

Riportiamo questa osservazione per il suo valore qualitativo più che statistico. Tre delle 180 aziende concorrenti analizzate avevano un'unica recensione online, ed era negativa. Era l'unico segnale presente in rete sul loro conto, e i motori l'hanno ripresa, interpretata e accostata al brand nelle risposte.
Nei settori di nicchia, dove il volume di recensioni è basso, un singolo giudizio pesa in modo sproporzionato, perché non esiste un insieme più ampio di segnali a bilanciarlo.
 

I risultati convergono verso un'unica indicazione operativa. Per l'intento commerciale, che è quello economicamente più rilevante, la citazione di un'azienda dipende in larga parte da ciò che il web dice di lei al di fuori del suo sito (Sezione 4.1). Per le aziende con un'identità digitale poco consolidata, quella citazione è per di più instabile (Sezione 4.2). Le due evidenze indicano la stessa leva: costruire un'entità coerente, riconoscibile e diffusa sulle fonti esterne che i motori ricompongono.

Sul fronte del contenuto proprio, la semplicità di scrittura (Sezione 4.3) e i formati strutturati (Sezione 4.4) riducono il costo di estrazione e aumentano la probabilità di essere usati come fonte. Sono interventi a basso sforzo e alto impatto, in linea con quanto la ricerca accademica ha già dimostrato in contesti anglofoni.

Un esito di metodo merita attenzione. La stabilità della citazione è una dimensione finora poco misurata. Un'azienda può conquistare una citazione in una determinata settimana e perderla in quella successiva, e per le PMI del campione questo accade con frequenza elevata. Questo suggerisce di affiancare al citation rate (quante volte un brand viene citato) un secondo indicatore, il Citation Stability Index, che misura quanto quella presenza è affidabile nel tempo.
 

Riportiamo i limiti dello studio in modo esplicito, perché ne definiscono il perimetro di validità.

1. Composizione del campione. Il campione è costruito a partire da 10 aziende seguite da NetStrategy e dai loro concorrenti. Non si tratta di un campione casuale dell'universo delle PMI italiane, e i settori rappresentati riflettono il portafoglio di mercati su cui l'agenzia opera. I risultati vanno letti come rappresentativi di questi mercati, non dell'intero tessuto economico.

2. Possibile effetto osservatore. Per le 10 aziende di riferimento NetStrategy svolge attività attiva di SEO e GEO, e questo potrebbe influenzarne i risultati. L'effetto è circoscritto, dato che queste aziende rappresentano circa il 5% del campione (10 su 190) e i 180 concorrenti non sono soggetti ad alcun intervento da parte nostra.

3. Assenza di grandi brand. Il campione non include grandi brand nazionali o internazionali. I valori di variabilità della Sezione 4.2 descrivono il comportamento per le PMI del campione. L'attesa di una variabilità più bassa per i grandi brand è un'estrapolazione, non una misura.

4. Attribuzione della fonte limitata a un motore. La quota di contenuto proveniente dal sito (Sezione 4.1) è misurata solo su Perplexity, unico motore che espone le citazioni in chiaro. Il dato non è automaticamente estendibile a ChatGPT e Gemini, sui quali l'attribuzione diretta non è osservabile.

5. Limite della metrica di stabilità. Il coefficiente di variazione, e quindi il Citation Stability Index che ne deriva, può amplificare la volatilità misurata per le aziende citate di rado, quando la media di comparsa è bassa.

6. Natura non deterministica dei motori. I motori generativi sono sistemi chiusi, soggetti a variazioni nel tempo e ad aggiornamenti dei modelli sottostanti. I risultati fotografano il comportamento osservato nel mese di maggio 2026 e possono evolvere.

7. Osservazione sulle recensioni. Il dato della Sezione 4.5 si basa su tre casi. È un'osservazione qualitativa che illustra un meccanismo, non una stima quantitativa generalizzabile.

8. Lingua e mercato. I prompt sono in italiano e riferiti al mercato italiano. I risultati non sono automaticamente trasferibili ad altre lingue o mercati.

Le evidenze convergono su un'indicazione operativa precisa. Per l'intento commerciale, che è quello economicamente più rilevante, la citazione di un'azienda dipende in larga parte da ciò che il web dice di lei al di fuori del suo sito (Sezione 4.1). Per le PMI del campione, quella stessa citazione è instabile (Sezione 4.2).

Lette insieme, queste due evidenze ridimensionano un'idea diffusa. Si dice spesso che i motori generativi aprano un campo nuovo, dove anche le aziende piccole possono emergere, perché la risposta è costruita sul contenuto invece che sull'autorità storica del dominio. Sul nostro campione il quadro è più sfumato. Il campo è effettivamente aperto, ma per le PMI è anche instabile. Una citazione conquistata oggi può sparire la settimana seguente, finché l'identità digitale dell'azienda resta poco consolidata agli occhi del modello.

Da qui la tesi operativa. Per una PMI, farsi citare dai motori generativi è il primo passo. Il valore di una consulenza geo sta nel rendere quella citazione stabile nel tempo, costruendo un'entità coerente tra le fonti.

Le priorità concrete che ne derivano:
• Presidiare le fonti esterne. Sui prompt commerciali il sito da solo copre una quota minoritaria di ciò che il motore dice dell'azienda. Digital PR, presenza su LinkedIn, gestione delle recensioni e menzioni autorevoli pesano almeno quanto le pagine proprie.
• Costruire un'entità coerente. La stabilità della citazione cresce con la coerenza dell'identità digitale tra le fonti. Per una PMI, alzare il proprio Citation Stability Index è un obiettivo misurabile.
• Scrivere per l'estrazione. Frasi semplici, una informazione per frase, dati in apertura, elenchi e tabelle aumentano in modo verificabile la probabilità di citazione.
• Curare le recensioni nei settori di nicchia. Dove i segnali sono pochi, ognuno conta in modo sproporzionato.
• Misurare la stabilità. Il citation rate va affiancato da un indicatore di stabilità della citazione nel tempo, che proponiamo come Citation Stability Index.

 

Le due indicazioni seguenti emergono dallo stesso dataset, ma derivano da analisi più circoscritte. Le riportiamo come spunti preliminari, coerenti con la letteratura, che richiedono uno studio dedicato prima di poter essere considerati consolidati.

Contenuti in JavaScript. Le sezioni di sito generate via JavaScript risultano poco accessibili ai motori. A fronte di un prompt mirato sul contenuto inserito in quelle sezioni, la risposta corretta è stata recuperata solo nel 9% dei casi. Il dato è in linea con la maggiore difficoltà dei sistemi AI nel rendere contenuti non presenti nell'HTML statico.

Freschezza del contenuto. I contenuti più recenti tendono a essere citati di più. Sul campione si osserva una perdita di citazioni nell'ordine del 10% ogni sei mesi dalla pubblicazione, coerente con il peso della recency rilevato da Muck Rack.
 

I dati e le evidenze di questa ricerca sono liberamente citabili previa menzione dell'Osservatorio NetStrategy.

Osservatorio NetStrategy (2026). Generative Engine Optimization per le PMI italiane: analisi di 190 siti. Maggio 2026.
 

• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference (KDD 2024). arXiv:2311.09735.
• Ahrefs (2025). AI Overview Brand Visibility Factors. Analisi su 75.000 brand.
• Muck Rack, Generative Pulse (2025, 2026). What Is AI Reading? Analisi su oltre un milione di link citati dai modelli generativi.
• Osservatorio NetStrategy (2026). Fare SEO per B2B e B2C nell'era del prompting.