Come misurare l’AI Visibility di un brand: metodologia, prompt, competitor e KPI
Nei precedenti approfondimenti dell’Osservatorio Redomino abbiamo costruito due passaggi fondamentali.
Il primo è stato comprendere come un brand possa diventare più visibile nelle risposte di ChatGPT, Gemini, Perplexity, Microsoft Copilot e Claude.
→ Come essere visibili nelle risposte delle AI
Il secondo è stato capire che le piattaforme non devono necessariamente avere la stessa priorità per ogni azienda.
La quota di mercato rappresenta infatti soltanto il punto di partenza.
Per stabilire dove investire bisogna considerare anche il pubblico del brand, il settore, l’intento dell’utente e il momento del customer journey nel quale una determinata AI viene utilizzata.
Abbiamo sintetizzato questo passaggio attraverso tre livelli:
AI Market Share → AI Priority → AI Visibility.
Ora possiamo affrontare il terzo.
La domanda diventa:
come facciamo a sapere se un brand è realmente visibile nelle risposte delle intelligenze artificiali?
E soprattutto:
come possiamo misurarlo senza costruire un sistema talmente complesso da diventare inutilizzabile?
Questo articolo prova a fornire una risposta semplice e, soprattutto, applicabile.
Prima regola: non misurare l’AI come misuravamo Google
Per oltre vent’anni ci siamo abituati a indicatori relativamente familiari.
Posizione.
Impression.
Click.
CTR.
Traffico.
Conversione.
Con i sistemi generativi questi indicatori continuano ad avere valore, ma raccontano soltanto una parte della storia.
Immaginiamo che una persona chieda a ChatGPT:
“Quali sono le migliori aziende italiane per realizzare un progetto di questo tipo?”
ChatGPT suggerisce cinque aziende.
L’utente ne seleziona due e successivamente le cerca direttamente.
Una delle due potrebbe non ricevere alcun click direttamente da ChatGPT.
Eppure la risposta dell’AI ha avuto un ruolo decisivo nel processo di scelta.
Il problema della misurazione nasce qui.
La visibilità nelle AI può produrre influenza anche senza generare immediatamente traffico.
Per questo motivo non possiamo utilizzare il traffico referral come unica metrica.
Dobbiamo osservare anche la risposta stessa.
Che cosa significa realmente essere visibili in una AI?
Prima di scegliere gli indicatori bisogna definire ciò che stiamo cercando di misurare.
Un brand può comparire in una risposta AI in modi molto differenti.
Può essere semplicemente nominato.
Può essere presentato come una delle alternative disponibili.
Può essere citato come fonte.
Può essere indicato come soluzione consigliata.
Può essere confrontato direttamente con un concorrente.
Può essere descritto positivamente.
Può anche comparire, ma con informazioni errate o obsolete.
Sono tutte forme di presenza.
Ma non hanno lo stesso valore.
È quindi utile distinguere almeno cinque livelli.
1. Presenza
Il brand compare nella risposta?
È la misurazione più semplice.
Sì o no.
2. Rilevanza
Quanto spazio e quale importanza riceve?
Essere nominati marginalmente in una risposta non equivale a essere presentati tra le principali soluzioni.
3. Raccomandazione
L’AI si limita a citare il brand oppure lo propone attivamente come soluzione?
Questa distinzione è particolarmente importante nelle query commerciali.
4. Citazione
Il sito del brand viene utilizzato come fonte?
Oppure l’AI utilizza fonti terze che parlano del brand?
5. Accuratezza
Le informazioni riportate sono corrette?
Una forte visibilità accompagnata da informazioni sbagliate può essere persino peggiore dell’assenza.
Questi cinque elementi costituiscono già una prima struttura di misurazione.
Il punto di partenza non sono le piattaforme. Sono le domande
Uno degli errori più semplici sarebbe aprire ChatGPT e digitare il nome dell’azienda.
Per esempio:
“Parlami di questo brand.”
È un test utile per verificare come l’AI interpreta l’identità dell’azienda.
Ma non misura realmente la sua capacità di essere scoperta.
Un potenziale cliente che non conosce ancora il brand non cercherà il suo nome.
Cercherà il proprio problema.
Per esempio:
“Quali aziende italiane possono aiutarmi a migliorare la visibilità del mio brand nelle intelligenze artificiali?”
Oppure:
“Come posso misurare se ChatGPT consiglia la mia azienda?”
Oppure:
“Quali consulenti italiani lavorano sulla Generative Engine Optimization?”
Queste sono le domande davvero importanti.
Per misurare l’AI Visibility dobbiamo quindi partire da un principio:
non testiamo ciò che il brand vuole raccontare. Testiamo ciò che l’utente vuole sapere.
Costruire un Prompt Set
Possiamo chiamare Prompt Set l’insieme stabile delle domande utilizzate per misurare la visibilità.
Non serve costruire migliaia di prompt.
Per iniziare, una buona analisi può già essere realizzata attraverso alcune decine di domande ben selezionate.
L’importante è che rappresentino situazioni reali.
Possiamo dividerle in alcune famiglie.
Prompt di categoria
Servono per capire se il brand compare quando l’utente cerca una tipologia di soluzione.
Per esempio:
“Quali sono le migliori piattaforme per gestire X?”
oppure:
“Quali aziende italiane offrono servizi di Y?”
Sono particolarmente importanti nella fase di discovery.
Prompt di problema
Qui l’utente non conosce ancora necessariamente la categoria di prodotto.
Descrive semplicemente una necessità.
Per esempio:
“Come posso ridurre i costi di acquisizione clienti del mio ecommerce?”
oppure:
“Come posso capire se la mia azienda viene citata da ChatGPT?”
Sono prompt molto interessanti perché permettono di verificare quali categorie e quali brand l’AI associa spontaneamente al problema.
Prompt di confronto
Questa categoria diventa centrale quando l’utente entra nella consideration.
Per esempio:
“Quali sono le migliori alternative a X?”
“Meglio X o Y?”
“Confronta i principali fornitori italiani di questa soluzione.”
Il report G2 2026 mostra, nel proprio campione B2B software, che il confronto tra punti di forza e debolezza dei vendor è uno dei principali casi d’uso dell’AI durante la ricerca di software.
Questo rende i prompt di confronto particolarmente importanti.
Prompt di raccomandazione
Sono probabilmente quelli con maggiore valore commerciale.
Per esempio:
“Quale soluzione consiglieresti a un’azienda con queste caratteristiche?”
oppure:
“Quale fornitore sceglieresti per questo progetto?”
Qui non stiamo più misurando soltanto la conoscenza.
Stiamo misurando la probabilità di entrare nella shortlist generata dall’AI.
Prompt informativi
Non tutti i prompt devono avere intenzione commerciale.
Un brand può acquisire autorevolezza diventando una fonte di informazioni.
Per esempio:
“Qual è la dimensione del mercato italiano di X?”
oppure:
“Come funziona Y?”
Se l’azienda ha prodotto uno studio autorevole e viene citata come fonte, quella visibilità può contribuire alla reputazione del brand anche senza una raccomandazione commerciale immediata.
Prompt sul brand
Infine manteniamo una parte di domande dirette.
Per esempio:
“Che cos’è [brand]?”
“Quali servizi offre [brand]?”
“Quali sono i principali concorrenti di [brand]?”
“Quali sono i punti di forza e debolezza di [brand]?”
Questi prompt misurano soprattutto la qualità della rappresentazione dell’entità.
Sono fondamentali per individuare errori e informazioni obsolete.
Quanti prompt servono?
Non esiste un numero universale.
Per un primo benchmark operativo possiamo ragionare per livelli.
Una piccola azienda potrebbe partire con 20-30 prompt realmente strategici.
Un’analisi più strutturata potrebbe utilizzarne 50-100.
Un osservatorio di settore potrebbe arrivare a diverse centinaia.
Ma attenzione:
più prompt non significa automaticamente migliore misurazione.
Cento domande poco rilevanti producono meno valore di trenta domande che rappresentano realmente il customer journey.
La qualità del Prompt Set viene prima della quantità.
Lo stesso prompt deve essere provato su più AI
Qui ritorna il lavoro svolto nel precedente articolo.
Una volta stabilite le piattaforme prioritarie per il brand, dobbiamo eseguire lo stesso insieme di domande sulle diverse AI.
Per un brand italiano generalista potremmo partire da:
ChatGPT
Gemini
Perplexity
Microsoft Copilot
Claude
Per un brand specifico, però, l’AI Priority Score potrebbe averci suggerito un ordine differente.
Questo significa che possiamo attribuire alle piattaforme anche pesi differenti nella misurazione complessiva.
Perché non basta fare la domanda una volta?
Le risposte generative non funzionano come una SERP tradizionale perfettamente immutabile.
Possono cambiare.
Una seconda richiesta può produrre una formulazione differente.
Le fonti recuperate possono essere diverse.
La presenza di un brand può quindi non essere assolutamente deterministica.
ChatGPT, per esempio, documenta che durante una ricerca può riformulare la richiesta dell’utente creando una o più query mirate da utilizzare nella ricerca.
La conseguenza metodologica è semplice:
non dovremmo costruire conclusioni importanti sulla base di una singola risposta.
Per i prompt più strategici può essere utile effettuare più rilevazioni nel tempo.
Ci interessa capire se il brand compare con continuità, non se è apparso casualmente una volta.
Il primo KPI: Brand Mention Rate
Partiamo dalla metrica più semplice.
In quale percentuale dei prompt pertinenti compare il nostro brand?
Se abbiamo 100 prompt e il brand appare in 35 risposte:
Brand Mention Rate = 35%.
Non serve essere analisti per comprenderlo.
Ci dice semplicemente:
quanto frequentemente l’AI ci considera rilevanti rispetto alle domande che abbiamo scelto.
È una delle metriche fondamentali.
Il secondo KPI: Recommendation Rate
Il secondo indicatore è ancora più importante.
In quanti casi l’AI non si limita a nominarci, ma ci raccomanda?
Un brand potrebbe comparire frequentemente perché molto conosciuto, ma essere raramente indicato come soluzione preferibile.
La differenza è enorme.
Il Recommendation Rate misura quindi la quota di prompt ad alto intento nei quali il brand entra effettivamente nella selezione proposta dall’AI.
Il terzo KPI: Citation Rate
Il terzo indicatore riguarda le fonti.
Quando la piattaforma mostra citazioni, possiamo verificare:
quante volte viene citato direttamente il nostro dominio?
Perplexity rende questo fenomeno particolarmente evidente perché le risposte includono normalmente citazioni verso le fonti originali.
OpenAI consente anch’essa ai publisher di essere citati nella ricerca di ChatGPT e permette di identificare i referral provenienti da ChatGPT Search.
Il Citation Rate ci permette quindi di distinguere:
brand visibility da source visibility.
Un brand potrebbe essere nominato frequentemente senza che il suo sito venga mai utilizzato come fonte.
Oppure potrebbe accadere il contrario: il sito può essere una fonte autorevole anche quando il marchio non viene esplicitamente raccomandato.
Il quarto KPI: Share of AI Voice
Ora introduciamo il competitor.
Immaginiamo una categoria con diverse aziende.
In 100 risposte:
il nostro brand compare 30 volte;
il concorrente A compare 55 volte;
il concorrente B 42;
il concorrente C 20.
Non ci interessa soltanto sapere che siamo comparsi 30 volte.
Ci interessa sapere quanto spazio occupiamo rispetto agli altri.
Possiamo chiamare questa misura:
Share of AI Voice
Il principio è simile alla Share of Voice utilizzata da anni nel marketing.
Ci permette di rispondere a una domanda immediata:
chi domina la conversazione generata dalle AI nella nostra categoria?
Questa potrebbe diventare una delle metriche più importanti dell’intero sistema.
Il quinto KPI: Competitor Gap
La Share of AI Voice ci dice chi appare.
Il Competitor Gap prova invece a capire dove stiamo perdendo.
Supponiamo che un concorrente compaia quasi sempre nelle domande relative a:
“soluzioni enterprise”
mentre noi compaiamo soprattutto nelle domande relative a:
“soluzioni economiche”.
Abbiamo individuato un gap di posizionamento.
Non necessariamente tecnico.
Potrebbe derivare dal modo in cui il mercato descrive i due brand.
Il Competitor Gap deve quindi rispondere a:
in quali argomenti il competitor viene associato spontaneamente alla categoria mentre noi no?
Questa informazione è molto più utile di un semplice punteggio.
Perché suggerisce direttamente dove intervenire.
Il sesto KPI: Source Share
Ora spostiamo l’attenzione dalle aziende alle fonti.
Quali siti utilizza l’AI per costruire le risposte sul nostro settore?
Potremmo scoprire che cita frequentemente:
testate verticali;
associazioni di categoria;
Wikipedia;
review site;
università;
competitor;
studi di consulenza;
portali istituzionali.
Questo ci porta a un KPI estremamente interessante:
quali fonti possiedono maggiore Source Share nella nostra categoria?
Perché se scopriamo che una determinata pubblicazione viene utilizzata continuamente dalle AI, quella fonte diventa strategicamente importante anche per le attività di digital PR.
Il settimo KPI: Accuracy Score
Essere presenti non basta.
Bisogna essere rappresentati correttamente.
Possiamo quindi valutare periodicamente alcune informazioni fondamentali:
nome;
descrizione;
prodotti;
servizi;
sede;
mercati;
persone;
prezzi quando pubblici;
caratteristiche;
posizionamento.
E attribuire una valutazione semplice:
corretto
parzialmente corretto
errato
Questo produce un Accuracy Score.
Perché un brand molto visibile ma descritto male ha un problema serio di AI Visibility.
L’ottavo KPI: Message Consistency
C’è poi una domanda più sofisticata ma facilmente comprensibile:
le diverse AI raccontano la stessa storia sul nostro brand?
ChatGPT potrebbe descriverci come azienda specializzata in A.
Gemini potrebbe sottolineare B.
Claude potrebbe considerarci principalmente C.
Questa divergenza non è necessariamente negativa.
Ma se la nostra strategia di posizionamento dice una cosa e le AI ne raccontano un’altra, abbiamo un segnale importante.
Il Message Consistency misura quindi quanto la rappresentazione del brand sia coerente tra il sito, le fonti esterne e le diverse piattaforme AI.
Il nono KPI: AI Referral Traffic
Finalmente torniamo al traffico.
È ancora importante.
OpenAI documenta che i link provenienti dalla ricerca ChatGPT possono essere identificati attraverso i referral, permettendo ai publisher di analizzare il traffico in entrata. Nello specifico, OpenAI indica che i link includono automaticamente utm_source=chatgpt.com.
Anche altri referral AI possono essere identificati attraverso gli strumenti analytics.
Dobbiamo quindi monitorare:
sessioni;
utenti;
pagine di ingresso;
conversioni;
valore delle conversioni;
lead generati.
Ma bisogna interpretare questo dato correttamente.
Il referral traffic misura soltanto la parte dell’influenza AI che produce un click identificabile.
Non misura una persona che scopre il brand in ChatGPT e successivamente digita direttamente il dominio.
Non misura chi riceve una raccomandazione e cerca il brand su Google.
Non misura chi inserisce il nome del vendor in una shortlist interna.
È quindi una metrica importante.
Ma non può essere l’unica.
Il decimo KPI: AI Assisted Conversion
Arriviamo alla metrica più difficile.
Quante vendite sono state influenzate da una AI?
Probabilmente non potremo sempre misurarle direttamente.
Ma possiamo iniziare a raccogliere indizi.
Per esempio aggiungendo nei form commerciali una domanda semplice:
“Come ci hai conosciuto?”
Tra le opzioni potremmo inserire:
ChatGPT;
Gemini;
Perplexity;
Copilot;
Claude;
altro assistente AI.
Oppure il commerciale potrebbe inserire questa informazione nel CRM durante il primo contatto.
Potremmo così iniziare a individuare AI Assisted Lead e AI Assisted Conversion.
Non saranno dati perfetti.
Ma permetteranno di vedere una parte di influenza che gli analytics tradizionali non riescono a intercettare.
Non tutti i KPI devono avere lo stesso peso
A questo punto potremmo essere tentati di costruire un cruscotto enorme.
Sarebbe un errore.
Per un’azienda che inizia oggi, proporrei cinque indicatori principali.
Brand Mention Rate: quanto spesso compariamo.
Recommendation Rate: quanto spesso veniamo realmente consigliati.
Share of AI Voice: quanto siamo presenti rispetto ai competitor.
Citation Rate: quanto le nostre fonti vengono utilizzate.
Accuracy Score: quanto ciò che viene detto su di noi è corretto.
Questi cinque indicatori raccontano già moltissimo.
Referral Traffic, Source Share, Message Consistency e conversioni assistite possono essere aggiunti progressivamente.
La regola dovrebbe essere:
prima costruiamo una misurazione utilizzabile. Poi la rendiamo sofisticata.
Il competitor è fondamentale
Una percentuale isolata dice poco.
Se il nostro Brand Mention Rate è del 30%, è buono o cattivo?
Dipende.
Se i concorrenti sono al 10%, è ottimo.
Se sono al 70%, abbiamo un problema.
Per questo motivo qualsiasi analisi di AI Visibility dovrebbe includere un gruppo stabile di competitor.
Non necessariamente soltanto quelli che l’azienda considera concorrenti.
Dovremmo osservare anche:
chi le AI considerano concorrente.
Questa distinzione può produrre sorprese.
L’azienda potrebbe identificare quattro competitor storici.
ChatGPT e Gemini potrebbero invece citare sistematicamente due aziende emergenti che il management non considera ancora rilevanti.
Questa è già competitive intelligence.
Non misurare soltanto il brand: misura la categoria
Un altro errore sarebbe concentrare l’intera analisi sul proprio nome.
La vera domanda è:
come vedono le AI il nostro mercato?
Quali aziende associano alla categoria?
Quali caratteristiche considerano importanti?
Quali fonti utilizzano?
Quali problemi ritengono centrali?
Quali criteri utilizzano nei confronti?
Un buon programma di AI Visibility diventa così anche uno strumento per comprendere come sta cambiando la rappresentazione digitale del settore.
Una misurazione deve avere una baseline
Prima di modificare il sito o avviare attività di digital PR dobbiamo fotografare la situazione iniziale.
Questa è la baseline.
Immaginiamo di rilevare:
Brand Mention Rate: 23%
Recommendation Rate: 12%
Share of AI Voice: 18%
Citation Rate: 9%
Accuracy Score: 82%
Dopo alcuni mesi ripetiamo esattamente lo stesso test.
Ora otteniamo:
Brand Mention Rate: 37%
Recommendation Rate: 21%
Share of AI Voice: 29%
Citation Rate: 17%
Accuracy Score: 94%
A questo punto possiamo iniziare a parlare seriamente di miglioramento.
Non perché una singola risposta è cambiata.
Ma perché un insieme di indicatori si è mosso nella stessa direzione.
Perché bisogna mantenere stabile il test
La comparabilità è fondamentale.
Se oggi testiamo 50 prompt e fra tre mesi ne utilizziamo altri 50 completamente differenti, il confronto perde valore.
Serve quindi un nucleo stabile.
Possiamo aggiornare progressivamente il Prompt Set per seguire il mercato, ma una parte dovrebbe rimanere costante.
Lo stesso vale per:
lingua;
mercato geografico;
categoria;
criteri di valutazione;
competitor;
piattaforme;
periodo della rilevazione.
Non serve una precisione scientifica assoluta.
Serve coerenza metodologica.
Quanto spesso bisogna misurare?
Dipende dal business.
Un mercato molto dinamico potrebbe richiedere controlli mensili.
Per molte aziende un benchmark trimestrale può essere sufficiente.
I prompt più strategici possono invece essere monitorati con maggiore frequenza.
C’è però un motivo per cui non consiglierei di misurare ossessivamente ogni giorno.
Le risposte, i modelli e le fonti utilizzate possono cambiare rapidamente.
Una variazione giornaliera può essere rumore.
Quello che ci interessa è il trend.
Non dobbiamo “ottimizzare il punteggio”
Ogni volta che nasce una nuova metrica nasce anche un rischio.
Iniziare a lavorare per migliorare il numero anziché migliorare il fenomeno reale.
L’AI Visibility Score non deve trasformarsi nel nuovo Domain Authority.
Il nostro obiettivo non dovrebbe essere poter dire:
“Abbiamo 87 su 100.”
La domanda utile è:
“Stiamo entrando più frequentemente e correttamente nelle risposte che possono influenzare il nostro pubblico?”
Il punteggio serve per sintetizzare.
Non deve sostituire l’analisi.
Come dovrebbe apparire un report semplice per un’azienda?
Un buon report di AI Visibility non dovrebbe iniziare con cinquanta grafici.
Dovrebbe rispondere immediatamente a poche domande.
Dove siamo visibili?
ChatGPT? Gemini? Copilot? Claude? Perplexity?
Per quali argomenti?
Quali categorie di domande generano maggiore presenza?
Chi ci supera?
Quali competitor vengono citati o consigliati più spesso?
Perché?
Quali contenuti o fonti sembrano contribuire alla loro presenza?
Cosa viene detto di noi?
La rappresentazione è corretta?
Cosa dobbiamo fare?
Quali sono i tre o cinque interventi prioritari del prossimo periodo?
Se il report non riesce a rispondere chiaramente a queste domande, probabilmente è diventato troppo tecnico.
Dalla misurazione all’azione
La misurazione non deve essere un esercizio accademico.
Deve produrre decisioni.
Se scopriamo che il nostro sito non viene mai citato, analizziamo l’accessibilità, la qualità e la citabilità dei contenuti.
Se scopriamo che il competitor domina nelle query di confronto, studiamo quali informazioni e quali fonti sostengono quel posizionamento.
Se scopriamo che il brand viene descritto in maniera sbagliata, interveniamo sulla chiarezza delle informazioni e sulla coerenza dell’entità.
Se scopriamo che veniamo menzionati ma mai raccomandati, dobbiamo capire quali prove, casi, recensioni e segnali di fiducia mancano.
Il valore della misurazione sta proprio qui:
trasformare una risposta AI in un’indicazione strategica.
Un possibile Redomino AI Visibility Score
Possiamo ora iniziare a immaginare un indicatore sintetico.
Non ancora come formula definitiva.
Quella sarà materia del protocollo.
Ma concettualmente il Redomino AI Visibility Score potrebbe integrare alcuni elementi fondamentali.
Presenza: quanto spesso il brand compare.
Raccomandazione: quanto spesso entra realmente nella shortlist.
Share of AI Voice: quanto spazio occupa rispetto ai concorrenti.
Citazione: quanto frequentemente il proprio ecosistema informativo viene utilizzato come fonte.
Accuratezza: quanto correttamente viene rappresentato.
Coerenza: quanto la rappresentazione rimane stabile tra diverse AI.
Il risultato potrebbe essere un valore sintetico accompagnato però sempre dai singoli indicatori.
Perché sapere che un brand ha un punteggio 64 non ci dice cosa fare.
Sapere che ha alta presenza, bassa raccomandazione, ottima accuratezza ma scarsa citazione ci permette invece di costruire un piano.
L’AI Visibility non è una fotografia. È un osservatorio
Questo probabilmente è il concetto più importante dell’intero articolo.
Non stiamo cercando di produrre una classifica valida per sempre.
L’ecosistema cambia continuamente.
Cambiano i modelli.
Cambiano le fonti utilizzate.
Cambiano i sistemi di ricerca.
Cambiano le abitudini degli utenti.
Cambiano le piattaforme.
Per questo motivo l’AI Visibility deve essere trattata come un sistema di osservazione continuativa.
La misurazione iniziale ci fornisce una baseline.
Le rilevazioni successive ci mostrano la direzione.
Il vero valore è il trend.
Le dieci domande che ogni brand dovrebbe riuscire a rispondere
Al termine di una buona analisi di AI Visibility un’azienda dovrebbe sapere:
- In quali AI vale realmente la pena essere presenti?
- Per quali domande il nostro brand compare?
- Per quali domande non compare?
- Quali competitor vengono suggeriti al nostro posto?
- Quanto spesso veniamo raccomandati?
- Quali fonti utilizzano le AI per parlare del nostro settore?
- Quanto frequentemente il nostro sito viene citato?
- Le informazioni riportate sul brand sono corrette?
- La nostra visibilità sta migliorando o peggiorando nel tempo?
- Quali azioni dobbiamo intraprendere per modificare questa situazione?
Se sappiamo rispondere a queste dieci domande, abbiamo già superato di molto il semplice:
“ChatGPT conosce la mia azienda?”
Domande frequenti
Posso misurare l’AI Visibility con Google Analytics?
Solo in parte.
Gli analytics possono identificare una parte del traffico proveniente dalle piattaforme AI.
Ma il traffico non misura tutte le volte in cui una risposta AI influenza una decisione senza generare direttamente un click.
Per questo motivo analytics e analisi delle risposte devono essere utilizzati insieme.
Devo controllare ogni giorno le risposte?
Generalmente no.
Per i prompt più importanti può avere senso un monitoraggio frequente, ma per la maggior parte dei brand è più utile osservare trend periodici e confrontabili.
Quanti competitor devo inserire?
Dipende dalla categoria.
Come punto di partenza possono bastare i principali concorrenti diretti, aggiungendo però quelli che emergono spontaneamente dalle risposte AI.
Le AI danno sempre la stessa risposta?
No.
Per questo una singola interrogazione non dovrebbe essere trattata come una verità statistica.
La rilevazione deve osservare la continuità nel tempo e, per le query più strategiche, può prevedere più verifiche.
È più importante essere citati o essere raccomandati?
Dipende dall’obiettivo.
Per un editore o un centro studi la citazione può essere centrale.
Per un brand commerciale la raccomandazione può avere maggiore valore.
Per questo gli indicatori non devono essere pesati allo stesso modo per tutte le organizzazioni.
Essere citati garantisce traffico?
No.
L’utente può leggere direttamente la risposta senza visitare la fonte.
Ma la citazione produce comunque visibilità, autorevolezza e potenziale influenza.
Posso sapere con certezza se una vendita deriva da ChatGPT?
Non sempre.
Possiamo identificare referral, chiedere la fonte nei form, raccogliere informazioni nel CRM e costruire modelli di attribuzione.
Ma una parte dell’influenza AI rimarrà probabilmente indiretta.
Serve un software specifico?
Non necessariamente per iniziare.
Una prima baseline può essere costruita anche manualmente attraverso un Prompt Set ben progettato e criteri di valutazione coerenti.
Quando il numero di prompt, mercati, competitor e piattaforme aumenta, strumenti specializzati possono diventare utili.
Qual è il KPI più importante?
Non ne esiste uno valido per tutti.
Per un brand commerciale guarderei soprattutto a:
Recommendation Rate + Share of AI Voice.
Per un editore:
Citation Rate + Source Share.
Per un brand che ha problemi di rappresentazione:
Accuracy Score.
Possiamo confrontare l’AI Visibility con la SEO Visibility?
Sì, ed è probabilmente molto utile.
Potremmo scoprire brand con ottima visibilità organica ma scarsa presenza nelle risposte AI.
Oppure aziende che riescono a ottenere un’elevata Share of AI Voice nonostante una presenza SEO più limitata.
Proprio queste differenze possono insegnarci molto sul funzionamento del nuovo ecosistema.
Google, tra l’altro, ha iniziato nel 2026 a distribuire in Search Console report dedicati alla visibilità nelle funzionalità generative di Search, come AI Overviews e AI Mode.
Dalla misurazione al metodo
A questo punto il percorso iniziato dall’Osservatorio Redomino comincia a chiudersi.
Abbiamo definito tre domande.
La prima:
come si diventa visibili nelle AI?
La seconda:
su quali AI deve concentrarsi uno specifico brand?
La terza:
come misuriamo se quella visibilità esiste realmente?
Ora manca l’ultimo passaggio.
Trasformare questi elementi in un metodo operativo unico e replicabile.
Un protocollo capace di partire dall’azienda e arrivare alla misurazione:
Target → AI Priority → Prompt Set → Baseline → Competitor → Visibility → Gap → Interventi → Nuova misurazione.
Questo sarà il compito del prossimo approfondimento.
Non creare l’ennesima sigla.
Ma costruire un processo che un’azienda possa realmente applicare.
Il Protocollo Redomino per l’AI Visibility
Perché il vero valore di una metodologia non sta nel punteggio che produce.
Sta nella sua capacità di rispondere ogni volta alla stessa domanda:
dove siamo, perché siamo lì e cosa dobbiamo fare per migliorare?
Fonti
- G2 — The Answer Economy: 2026 AI Search Insight Report — ricerca su 1.076 decision maker B2B relativa all’utilizzo dei chatbot AI durante il processo di ricerca e scelta dei software.
- OpenAI — Publishers and Developers FAQ — documentazione sulla presenza dei publisher in ChatGPT Search, sulle citazioni e sulla misurazione dei referral.
- Google Search Central — Generative AI performance reports in Search Console — documentazione sulla misurazione della visibilità nelle funzionalità AI di Google Search.
- Perplexity — Come funziona Perplexity? — documentazione sulla ricerca web e sulle citazioni delle fonti.
- Perplexity — Comprendere le etichette delle fonti — documentazione sul sistema di classificazione di alcune fonti.
- Osservatorio Redomino — Come essere visibili nelle risposte delle AI — primo approfondimento della serie.
