GEO e Rich Results: perché le IA mostrano il tuo prezzo ma consigliano il tuo concorrente

Perché le IA mostrano il tuo prezzo ma consigliano il tuo concorrente

I motori IA moderni (ChatGPT, Perplexity, Gemini, Claude) separano due compiti distinti: l'estrazione di dati strutturati e la generazione di raccomandazioni. Il tuo schema Product o Offer viene analizzato correttamente, i tuoi prezzi e rating compaiono nella risposta IA, ma l'algoritmo consiglia l'acquisto o l'azione presso un concorrente. Questa separazione non è un bug, è l'architettura stessa dei modelli linguistici: elaborano i metadati e il contenuto naturale separatamente, e il ranking finale non dipende unicamente dai dati strutturati visibili.

La distinzione critica: estrazione vs raccomandazione

Quando installi uno schema JSON-LD sul tuo sito, faciliti l'estrazione di dati strutturati. I crawler IA recuperano il tuo Product schema con il nome, il prezzo, la valutazione media, la disponibilità. È questo livello che riempie la tabella o la scheda mostrata nella risposta. Tuttavia, la raccomandazione finale («scegli questo prodotto», «acquista da questo venditore») si basa su altri segnali: la pertinenza testuale, l'autorità di dominio, le menzioni esterne, la coerenza tra l'intento dell'utente e il contenuto naturale, e i pattern di addestramento del modello.

Un concorrente con meno dati strutturati ma un contenuto più informativo, una migliore reputazione esterna o una migliore corrispondenza con la query può quindi essere privilegiato nonostante l'assenza di schema arricchito. Le IA non «leggono» i tuoi rich results come un elenco telefonico: li usano come segnali tra decine di altri.

Come i modelli IA trattano diversamente i rich results

Schema Product: visibile ma non decisivo

Lo schema Product (nome, immagine, descrizione, price, offers) viene estratto e mostrato. ChatGPT e Gemini lo menzionano spesso nei loro contesti: «Troverai questo prodotto da X al prezzo di Y euro». Tuttavia, questo schema non migliora direttamente il ranking di raccomandazione. Serve soprattutto ad arricchire la visualizzazione e a fornire un'informazione di base. Un sito senza Product schema ma con contenuti ricchi sulle caratteristiche del prodotto e recensioni dettagliate può superare un concorrente che ha installato lo schema ma non offre nient'altro.

Schema Review: l'impatto sulla credibilità percepita

Lo schema Review (author, rating, reviewBody, datePublished) ha un peso diverso. Perplexity e Claude citano le recensioni strutturate per giustificare le loro raccomandazioni: «questo articolo ha una valutazione di 4,8/5 da 200 utenti». Questo schema influenza quindi indirettamente la raccomandazione, perché fornisce la prova sociale che il modello articola nella sua risposta. Un prodotto con 3 recensioni strutturate da 5 stelle sarà sistematicamente citato più favorevolmente rispetto a uno senza dati di recensione.

Schema Offer: l'informazione di disponibilità e prezzo

Lo schema Offer include il prezzo, la valuta, la disponibilità (in stock, out of stock, preorder) e le condizioni di consegna. Le IA estraggono questa informazione per la visualizzazione immediata. Se il tuo Offer schema indica «in stock» e un prezzo competitivo, la risposta IA lo mostrerà. Ma se un concorrente ha un miglior rapporto prezzo/disponibilità/tempi di consegna, quest'ultimo sarà consigliato anche se i tuoi dati strutturati sono impeccabili.

I segnali nascosti che superano i rich results

L'autorità di dominio e la storia dell'entità

I modelli IA integrano una rappresentazione interna dell'autorità dei domini. Un sito come Amazon o Cdiscount, indipendentemente dai suoi rich results, beneficia di un peso strutturale: è conosciuto, i suoi dati storici sono massicci, i modelli l'hanno visto consigliato milioni di volte. Un nuovo sito con eccellenti rich results ma nessuna storia esterna non colmerà questo vantaggio immediatamente.

Le menzioni esterne e le citazioni di marca

Quando un blog indipendente, un forum o un media cita il tuo prodotto o consiglia il tuo marchio senza link, i modelli IA integrano questa menzione nella loro rappresentazione della tua entità. Un concorrente menzionato 50 volte in contesti di raccomandazione sarà favorito, anche se non ha investito nei rich results.

La coerenza tra il contesto e la query dell'utente

Se un utente chiede «miglior laptop per la programmazione», un sito con un Product schema basico ma un contenuto dettagliato sulla programmazione Python, le specifiche di CPU e la RAM sarà consigliato prima di un sito con un Product schema completo ma contenuto generico. Le IA cercano la corrispondenza massima tra l'intento e il contenuto globale.

Perché Perplexity, ChatGPT e Gemini non consigliano chi ha i dati migliori

I modelli ottimizzano per la pertinenza, non per la ricchezza dei metadati

Le funzioni loss utilizzate per addestrare gli LLM premiano la pertinenza e l'utilità, non la presenza di schemi strutturati. Un modello impara a riconoscere un buon prodotto attraverso il contenuto circostante, i segnali di qualità esterni e il linguaggio naturale ben costruito. L'assenza di schema JSON-LD non è mai una penalità diretta: è l'assenza di contenuto di qualità che penalizza.

La diversità delle fonti nella finestra di contesto

Perplexity e Claude includono generalmente diverse fonti nel loro contesto. Se il tuo sito è classificato numero 2 o 3 ma il numero 1 ha un contenuto naturale migliore, la raccomandazione andrà al numero 1. Anche se hai il miglior Product schema del settore, resti nella stessa categoria di fonti degli altri, senza vantaggio decisivo.

I pattern di addestramento superano i dati del momento

I modelli generativi sono stati addestrati su miliardi di pagine prima che il GEO (Generative Engine Optimization) fosse un argomento. I loro pattern interni su cosa sia una "buona fonte" per le raccomandazioni provengono da un'epoca in cui i rich results non erano una strategia SEO. Sebbene i modelli più recenti integrino maggiormente i segnali tecnici, questo bias storico persiste.

Come convertire l'estrazione di dati in raccomandazione

1. Arricchire i rich results con contenuto naturale correlato

Non installare i tuoi rich results isolati. Attorno a ogni Product schema, scrivi contenuto che spieghi perché questo prodotto è pertinente, i suoi vantaggi distintivi, i suoi casi d'uso. Se il modello trova il tuo schema in un contesto ricco e coerente, sarà più propenso a consigliarlo. Esempio: se vendi un paio di cuffie audio con un Product schema, scrivi anche una sezione sull'acustica, i tipi di utilizzo (sport, studio, viaggio) e confronti onesti con le alternative.

2. Strutturare i Review schemas con giustificazioni dettagliate

Non mettere solo «5 stelle» nei tuoi Review schemas. Aggiungi un reviewBody descrittivo che giustifichi il rating. Frasi come «Eccellente rapporto qualità-prezzo, batteria da 48h, molto confortevole per le lunghe sessioni» saranno più utili al modello di una semplice stella numerica. Le IA estraggono e citano questi testi di recensione: più sono specifici, più influenzano la raccomandazione.

3. Costruire una presenza esterna con menzioni tematiche

I rich results da soli non bastano: servono menzioni esterne pertinenti. Incoraggia blog, forum di nicchia, influencer tecnici a parlare del tuo prodotto. Rispondi a domande su Reddit, Stack Overflow, Quora consigliando (sobriamente, senza spam) la tua soluzione. Ogni menzione esterna rafforza il segnale che le IA integrano nella loro raccomandazione finale.

4. Implementare schemi di autorità e attribuzione

Usa gli schemi Organization e Author per stabilire un'entità forte e credibile. Un Author schema indica chi ha scritto una recensione o un contenuto; un Organization schema indica la tua legittimità, le tue certificazioni, la tua presenza in directory. Questi segnali completano i Product e Review schemas per costruire un'immagine di fiducia.

5. Ottimizzare l'Offer schema per il confronto

Nel tuo Offer schema, compila tutti i campi: price, priceCurrency, availability, seller, shippingDetails, hasMerchantReturnPolicy. Più il tuo Offer è completo, più i modelli IA possono citarlo in dettaglio e confrontarlo con altri. Un Offer minimale permette l'estrazione, ma un Offer ricco facilita la differenziazione e la raccomandazione a tuo favore (se la tua proposta è effettivamente migliore).

I segnali che pesano più dei tuoi rich results

La qualità della landing page

Una pagina prodotto veloce, mobile-friendly, con una struttura chiara, immagini di alta qualità e contenuto unico pesa più di un Product schema perfetto su una pagina lenta e generica. Le IA valutano l'esperienza utente implicitamente: se il tuo sito è macchinoso, anche i migliori metadati non salveranno la raccomandazione.

I backlink e il linking interno

I link esterni verso il tuo prodotto, provenienti da siti pertinenti e autorevoli, restano uno dei segnali più forti. Un concorrente con 10 backlink di autorità supererà probabilmente un sito con rich results impeccabili ma senza link esterni.

Il contenuto duraturo e originale

Una guida completa, una FAQ dettagliata, tutorial video o case study attorno al tuo prodotto fanno parte del contenuto che i modelli IA valorizzano per la raccomandazione. I rich results facilitano il parsing, ma il contenuto crea il valore percepito.

Strategia completa per dominare le raccomandazioni IA

Fase 1: Verificare i tuoi rich results esistenti

Controlla che tutti i tuoi Product, Review e Offer schemas siano presenti, validi e completi. Usa Google's Rich Results Test per confermare che non ci siano errori. Se i tuoi rivali non hanno questi schemi, è una prima vittoria: avrai almeno il vantaggio della visualizzazione arricchita.

Fase 2: Produrre contenuto naturale specializzato attorno a ogni offerta

Per ogni prodotto principale, crea una pagina con contenuto duraturo: storia del prodotto, utilizzi, confronti onesti, FAQ, recensioni dettagliate. Questo contenuto deve essere unico e rispondere alle domande che le IA pongono implicitamente: "perché questo prodotto piuttosto che un altro?".

Fase 3: Moltiplicare i Review schemas autentici

Incoraggia i clienti a lasciare recensioni dettagliate. Importa queste recensioni in Review schemas strutturati. Ogni recensione diventa un pezzo di contenuto che i modelli IA possono estrarre e citare per giustificare una raccomandazione. 50 recensioni strutturate da 4+ stelle peseranno più di qualsiasi contenuto autoprodotto.

Fase 4: Costruire una presenza esterna mirata

Identifica i forum, i blog di nicchia, gli youtuber e gli influencer pertinenti per il tuo settore. Fai conoscere il tuo prodotto senza spam aggressivo. Rispondi alle domande su Reddit o Quora consigliando la tua soluzione quando è davvero pertinente. Le menzioni esterne aumentano la tua credibilità agli occhi dei modelli IA.

Fase 5: Monitorare le raccomandazioni IA e adattare

Poni le stesse domande a ChatGPT, Perplexity e Gemini che pongono i tuoi clienti. Annota chi viene consigliato e perché. Se un concorrente ti supera nonostante i tuoi migliori rich results, analizza il suo contenuto naturale, i suoi backlink e la sua presenza esterna. Adatta la tua strategia per colmare queste lacune.

Errori comuni da evitare

Non presumere che i rich results bastino

Molti siti installano Product schemas perfetti e poi si aspettano raccomandazioni IA. È una falsa sicurezza. I rich results sono una condizione necessaria ma non sufficiente. Facilitano l'estrazione e la visualizzazione, ma non garantiscono la raccomandazione.

Non trascurare la coerenza tra schema e contenuto

Se il tuo Product schema indica un prezzo di 99€ ma la tua pagina mostra 120€, o se il Product schema menziona una caratteristica assente dal contenuto, i modelli IA rileveranno l'incoerenza e penalizzeranno la tua credibilità.

Non ignorare i Review schemas negativi

Se ci sono recensioni strutturate da 2 o 3 stelle con critiche fondate, le IA le vedranno e le menzioneranno. Non eliminare le recensioni negative nei tuoi schemi: invece, rispondi pubblicamente nel contenuto naturale per mostrare che prendi sul serio i feedback.

Non spammare le menzioni esterne

I tentativi di manipolazione (recensioni false su altri siti, menzioni pagate nascoste, commenti robot) saranno rilevati dai modelli IA moderni. Le menzioni pertinenti e autentiche valgono infinitamente più di un centinaio di menzioni sospette.

Il futuro: l'integrazione crescente dei rich results nelle raccomandazioni IA

I modelli IA evolveranno probabilmente verso un migliore utilizzo degli schemi strutturati, in particolare per i Product e Offer. Man mano che il GEO diventa una pratica standard, i modelli impareranno a premiare maggiormente i siti che offrono dati strutturati ricchi e coerenti. Ciò significa che il tuo investimento nei rich results di oggi non sarà vano: prepara il tuo sito per domani.

Tuttavia, ciò non eliminerà la necessità di un contenuto eccellente, di una presenza esterna e di un'autorità di dominio. I rich results amplificheranno questi fattori, non li sostituiranno.