Come misuriamo la visibilità nella ricerca IA

WhoCanFindMe misura due cose diverse, ed è importante capirle entrambe:

1. Idoneità AI (l'audit gratuito). Un punteggio deterministico ed euristico basato su segnali che estraiamo direttamente dalla tua pagina pubblica: regole del robots.txt, dati strutturati, estraibilità dei contenuti, segnali di aggiornamento e salute tecnica. Viene eseguito in pochi secondi e non costa nulla perché non richiede chiamate API IA dal vivo. Ti dice se la tua pagina è posizionata per essere trovata dai crawler e dai parser IA.
2. Visibilità Misurata (piano a pagamento). Query dal vivo con grounding inviate a ChatGPT, Perplexity e Gemini, più una query di richiamo dai dati di addestramento inviata a Claude (che non ha ancora un'API di ricerca web nativa), per misurare se il tuo brand compare davvero nelle risposte. Tre motori si basano sul retrieval; Claude è un controllo sulla memoria di addestramento. Vedi la Sezione 4 per i dettagli completi.

La distinzione conta. Un punteggio di Idoneità ti dice quali sono i prerequisiti tecnici per la visibilità nell'IA; la Visibilità Misurata ti dice il risultato effettivo. Pensa all'Idoneità come a "la porta è aperta?" e alla Visibilità Misurata come a "le persone ci stanno davvero passando attraverso?"

Il punteggio di Idoneità aggrega sei categorie di segnali. Ognuna è misurabile in modo indipendente dalla tua pagina pubblica, senza alcuna chiamata API IA.

Ogni motore IA pesa le sei categorie di segnali in modo diverso, perché hanno architetture di retrieval realmente diverse. Invece di presentare un unico "punteggio IA", calcoliamo un punteggio di Idoneità per ciascun motore e poi ne facciamo la media per il numero complessivo in evidenza.

ChatGPT pesa molto l'accesso dei crawler perché l'87% delle sue citazioni proviene dai primi 10 risultati di Bing, e Bing richiede l'accesso di OAI-SearchBot. Perplexity pesa soprattutto l'aggiornamento e l'autorevolezza perché la sua pipeline RAG a sei fasi filtra aggressivamente per recenza e densità di fatti. Gemini valorizza soprattutto i dati strutturati e i segnali di autorevolezza, riflettendo il framework E-E-A-T di Google. Claude mette l'estraibilità al primo posto perché è il motore più selettivo, con il 97.8% delle citazioni provenienti da fonti consolidate e chiaramente strutturate.

Qualsiasi motore bloccato nel robots.txt riceve una penalità del 55% sul punteggio combinato (il punteggio viene moltiplicato per 0.45), a riflettere il fatto che i motori bloccati non possono indicizzare né citare la pagina.

Il punteggio complessivo di Idoneità è la media aritmetica dei quattro punteggi per motore, ciascuno limitato all'intervallo [0, 100].

I punteggi di Idoneità sono una condizione necessaria ma non sufficiente per la visibilità nell'IA. La Visibilità Misurata va oltre: inviamo query reali ai motori IA effettivi e misuriamo se il tuo brand compare nelle risposte con grounding e citazioni.

Perché query con grounding, e non sondaggi sulla memoria di addestramento

Per la maggior parte dei principali motori IA consumer (ChatGPT Search, Perplexity, Google AI Overviews e Copilot), le risposte si basano su retrieval web dal vivo al momento della query. La memoria di addestramento decide se un'IA "sa" che un brand esiste; il retrieval dal vivo decide se lo cita nelle risposte. La GEO è principalmente un problema di retrieval, ed è per questo che preferiamo le query con grounding ovunque il motore le supporti.

Per ChatGPT, Perplexity e Gemini non usiamo il prompting sul modello base (chiedere all'IA cosa "sa" di un brand senza ricerca web). Questo testa la memoria di addestramento congelata, è altamente non deterministico, incline ad allucinazioni per i brand meno conosciuti, e non riflette ciò che gli utenti vedono davvero nei motori consumer con grounding. Claude è l'unica eccezione: allo stato attuale dell'API di Anthropic, Claude non ha uno strumento di ricerca web nativo analogo a quello di OpenAI o Google, quindi il suo punteggio è necessariamente un controllo di richiamo dalla memoria di addestramento, non una misurazione con grounding. Segnaliamo questo aspetto su ogni punteggio di Claude e passeremo a una query con grounding nel momento in cui Anthropic rilascerà un'API di ricerca web.

Composizione del set di query

Costruiamo un set di query curato che copre tre categorie: query di scoperta (basate sulla categoria, senza nomi di brand), query di confronto (fase di valutazione), e query dirette sul brand. Il mix è di circa 60/30/10: la scoperta ha il peso maggiore perché è lì che si intercetta nuovo pubblico. Un minimo di 30 query per audit fornisce un segnale significativo; l'audit standard completo ne usa 50.

Ripetizioni e trattamento statistico

Una singola esecuzione di una singola query è quasi priva di significato. Il non-determinismo degli LLM implica che la stessa query può produrre citazioni diverse tra un'esecuzione e l'altra, anche a temperature=0 (la varianza dovuta alla dimensione del batch a livello di GPU non può essere eliminata). Il paper GEO di Princeton ha rilevato che servono da 60 a 100 ripetizioni per stabilizzare le percentuali di visibilità.

Ogni ripetizione invia di nuovo la query identica. Non variamo né parafrasiamo il prompt tra una ripetizione e l'altra. Gli audit standard a pagamento eseguono 3 ripetizioni per query per motore; l'anteprima gratuita/anonima e le riesecuzioni di routine Agency ne eseguono 1 (uno scatto a campione singolo, senza banda). Il tasso di citazione è calcolato come la frazione di esecuzioni in cui il brand è stato citato (brandCited = true). Usiamo l'intervallo di Wilson per calcolare un intervallo di confidenza del 95% su questa proporzione. Questo riflette la coerenza da un'esecuzione all'altra sotto il jitter lato provider tra chiamate identiche, non un campione di come la citazione potrebbe variare tra formulazioni diverse della stessa query.

Fedeltà tra API e interfaccia consumer

Per ChatGPT, Perplexity e Gemini usiamo l'API programmatica di ciascun motore con la ricerca web attivata. Questo è lo standard di settore e l'unico approccio scalabile, ma introduce discrepanze note:

• ChatGPT.com in versione consumer può includere personalizzazione e cronologia di navigazione che le API non replicano.
• L'API di Gemini con grounding di Google Search e Google AI Overviews condividono solo circa il 38.5% dei domini più citati, una discrepanza strutturale che dichiariamo esplicitamente su ogni punteggio Google.
• Perplexity documenta una possibile divergenza tra la propria API e l'interfaccia consumer.
• L'API di Claude non ha alcuno strumento di ricerca web, quindi il suo punteggio usa il richiamo dai dati di addestramento del modello invece di una chiamata API dal vivo: la discrepanza di fedeltà più ampia tra i quattro motori, dichiarata su ogni punteggio di Claude.

Segnaliamo questi limiti in ogni report che include un punteggio di Visibilità Misurata. Crediamo che la trasparenza sui limiti della misurazione valga più di una falsa precisione.

I punteggi di visibilità nell'IA sono stime, non fatti. Tre fonti di volatilità influenzano qualsiasi misurazione:

1. Non-determinismo degli LLM. Anche a temperature=0, le risposte delle API variano a causa della varianza della dimensione del batch a livello di GPU. Un punteggio puntuale senza ripetizioni può variare del ±30% in una nuova esecuzione. Il nostro motore di Visibilità Misurata ripete più volte ogni query identica e riporta intervalli di confidenza Wilson-score sul tasso di citazione risultante. Questo misura la coerenza da un'esecuzione all'altra sotto il jitter lato provider, non la variazione tra formulazioni diverse della stessa query, così puoi vedere quanto è stabile ogni numero.
2. Aggiornamenti di modello e algoritmo. OpenAI, Google e Perplexity aggiornano continuamente i loro modelli, spesso senza annunci pubblici. Un punteggio di sei settimane fa potrebbe non riflettere la realtà attuale. Mostriamo la data di misurazione su ogni punteggio e segnaliamo i punteggi più vecchi di 30 giorni.
3. Variazione geografica e di personalizzazione. La stessa query produce risposte diverse a seconda di località, lingue e tipi di account. Le nostre misurazioni vengono eseguite da località standardizzate. I risultati per altre aree geografiche potrebbero differire.

Il punteggio di Idoneità (audit gratuito) è molto più stabile della Visibilità Misurata perché testa segnali deterministici (robots.txt, dati strutturati, contenuto HTML), non output stocastici dell'IA. Una variazione del punteggio di Idoneità riflette un cambiamento reale della tua pagina.

Pensiamo che l'onestà intellettuale sui limiti della misurazione sia ciò che distingue uno strumento utile da un generatore di punteggi solo apparentemente convincente. Ecco cosa questo strumento non può dirti, esplicitamente:

La nostra metodologia si basa su ricerca accademica pubblicata e studi primari di settore. Il campo si evolve in fretta; riverifichiamo le statistiche chiave ogni trimestre. Etichette di forza dell'evidenza: Comprovato = studio controllato o replicato in più studi; Probabile = singolo studio o forte consenso tra professionisti con un meccanismo plausibile; Diceria = ampiamente ripetuto, nessuno studio.