Metodo verificabile · v1.1
Ogni numero, con la formula che lo genera
Non ti chiediamo di fidarti del modello. Per ogni metrica mostriamo la formula utilizzata, il livello di affidabilità, gli eventuali intervalli di confidenza e i limiti del dato. Tutto è dichiarato in modo trasparente e verificabile.
Come nascono le domande
Per ogni brand generiamo un set di domande d'acquisto in italiano naturale — il modo in
cui una persona chiede davvero consiglio su una categoria di prodotto, non parole chiave
tradotte da un template inglese
es. "Sto cercando {prodotto}, nel settore {categoria}, per {soluzione}, cosa mi consigli e perché?"
Una domanda su sei nomina già il brand esplicitamente
es. "Cosa ne pensi di {brand}? È un nome affidabile nel settore {categoria}?"
La chiamiamo anchored.
Le altre cinque non lo nominano mai: misurano se il modello lo cita di sua iniziativa. Se un
brand ha attivato la Prompt Discovery (processo di individuazione e selezione delle domande più rilevanti da monitorare sui motori AI), queste domande fisse vengono sostituite da quelle
configurate per lui.
Come interroghiamo i motori
Ogni domanda viene posta ai motori AI attivi, utilizzando la ricerca web quando disponibile. In questo modo GeoSignal analizza le risposte generate con accesso alle fonti online, non soltanto sulla base delle conoscenze del modello. Parametri reali usati oggi:
web_search obbligatorio a ogni domanda), parametri di campionamento predefiniti del modello.Come riconosciamo brand e competitor
GeoSignal verifica se il nome del brand o il suo dominio compaiono nella risposta con una corrispondenza letterale, senza distinzione tra maiuscole e minuscole. La stessa regola viene applicata ai competitor configurati. Non affidiamo al modello il compito di "decidere" chi viene citato: usiamo una regola semplice, trasparente e verificabile.
Per le fonti, quando il motore restituisce citazioni strutturate dalla propria ricerca web — dominio, URL e titolo — utilizziamo direttamente quelle. È il dato più affidabile, perché evita sia di considerare come fonte un dominio semplicemente nominato nel testo, sia di perdere link effettivamente citati ma non visibili nella risposta.
L'estrazione dal testo tramite regole automatiche viene usata solo come fallback, quando per quella domanda il motore non restituisce citazioni strutturate.
Tassonomia delle menzioni
Ogni risposta finisce in una di 4 categorie — mai un sì/no:
Formula di ogni metrica
risposte con brand citato / totale risposte (comprese le anchored)
"Quanto spesso veniamo fuori, in assoluto" — l'unica metrica che non esclude nulla.
risposte non-anchored con brand citato / risposte non-anchored
Misura se il brand compare spontaneamente, non quanto viene descritto positivamente o in modo approfondito. Il sentiment è una metrica separata e non incide su questo valore. Per costruzione, la Notorietà Spontanea è sempre uguale o inferiore alla Frequenza di Citazione.
Se non esistono risposte non-anchored valide su cui calcolarla, il risultato è N/A, non 0%: un denominatore pari a zero non significa che il brand non venga mai citato.
menzioni brand / (menzioni brand + menzioni competitor), solo non-anchored
Quanto pesa il brand sul totale delle menzioni spontanee raccolte, brand + competitor. N/A in due casi distinti, mai un 0% impostore: nessun competitor configurato sul brand, oppure competitor configurati ma nessuna menzione competitiva osservata in questo audit (né il brand né i competitor mai citati). 0% significa esclusivamente "il confronto è avvenuto e il brand ha raccolto zero menzioni in quel confronto" — mai una delle due situazioni N/A sopra.
quota di risposte-con-brand senza un errore di accuratezza rilevato
Un modello linguistico verifica ogni risposta contro le informazioni verificabili sul
brand dichiarate dal cliente (poiché il risultato deriva da una valutazione dell'AI e non da un conteggio diretto, la metrica è indicata come "stimata" e non "misurata").
Quando non ci sono informazioni verificabili sul brand
disponibili, il valore mostrato è esattamente "N/A — nessuna informazione
verificabile sul brand disponibile" — non un 0% che farebbe sembrare il brand
descritto sempre in modo inaccurato.
risposte anchored dove il brand è comunque riconosciuto / risposte anchored
Misura se, quando il brand è già nominato nella domanda, il modello lo riconosce correttamente nella risposta. È una metrica diagnostica distinta dalla Notorietà Spontanea, perché il prompt contiene già il nome del brand.
Il risultato è N/A quando l'audit non contiene domande anchored.
brand e competitor ordinati per numero di menzioni nell'audit
La stessa classifica che otterresti leggendo a mano tutte le risposte.
- I pesi non erano giustificabili. Cambiando quanto contava ogni misura, il risultato restava lo stesso su tutti gli audit provati: il numero sembrava preciso senza esserlo.
- Includeva una misura sbagliata. Il Riconoscimento Guidato conta le risposte a domande che nominano già il brand: lì il brand compare per forza, quindi non dice se le AI lo conoscono davvero.
Intervalli di confidenza
Un audit tipico raccoglie 20–50 risposte per metrica. Con campioni piccoli, i metodi statistici più semplici possono produrre intervalli poco realistici. Per questo utilizziamo l'intervallo di Wilson al 95%, più adatto alle proporzioni su campioni ridotti e stabile anche quando i valori sono vicini a 0% o 100%.
L'intervallo viene calcolato per Notorietà Spontanea, Frequenza di Citazione e Riconoscimento Guidato.
La Quota di Risposta non ha invece un intervallo di confidenza: il suo denominatore somma menzioni che non sono indipendenti tra loro. Applicare Wilson in questo caso produrrebbe un risultato formalmente calcolato, ma statisticamente scorretto. Per questo preferiamo non mostrare un intervallo finché non adottiamo un metodo adatto a questo tipo di dato.
Come leggere un audit v1.0 precedente
Gli audit lanciati prima dell'introduzione della metodologia v1.1 non vengono ricalcolati retroattivamente — restano esattamente come erano, con la formula che li ha generati. Se apri uno di questi audit vedrai ancora il vecchio "Indice di Presenza AI" a 0–100, sempre accompagnato dal badge "Metodologia precedente" accanto al numero: significa che quel run usa la formula v1.0 (composito 80% organic score + 20% "Direct Recall"), non più calcolata per i nuovi audit. Confrontare quel numero con un audit v1.1 non ha senso — non esiste un equivalente v1.1 con cui sottrarlo, per definizione. Notorietà Spontanea, Quota di Risposta, Riconoscimento Guidato e Frequenza di Citazione restano invece confrontabili tra v1.0 e v1.1: la loro formula pubblica non è cambiata (sono cambiati solo alcuni edge case N/A, vedi sopra).
Limiti e lavoro ancora aperto
Due limiti reali, dichiarati apertamente invece di lasciarli scoperti:
Cosa non promettiamo
- Non prevediamo il futuro: fotografiamo la visibilità di oggi, non una proiezione.
- Le azioni e i brief sono proposte motivate dai dati dell’audit: non sostituiscono la revisione editoriale umana.
- Standard copre ChatGPT e Google AI, Growth aggiunge Gemini; Perplexity e Claude sono disponibili esclusivamente nei piani Custom.
- Non misuriamo il traffico reale generato dalle risposte AI verso il tuo sito, solo la presenza nelle risposte stesse.
Fonti
Aggarwal, P. et al., "GEO: Generative Engine Optimization", KDD 2024 — il lavoro accademico che ha introdotto la misurazione sistematica della visibilità dei brand nelle risposte dei modelli generativi, terreno su cui GeoSignal costruisce.