FAQ e dati strutturati non ti fanno citare dalle AI

Articolo aggiornato il: 7 Novembre 2026

Cosa dice davvero lo studio della University of Toronto pubblicato su arxiv.org

158.099 risposte di ChatGPT, Gemini e Perplexity analizzate per capire cosa spinge le citazioni nella ricerca generativa

La checklist GEO che tutti copiano (e che i dati smontano)

Inutile girarci attorno: negli ultimi due anni la GEO (Generative Engine Optimization) è diventata il nuovo territorio di conquista per consulenti, agenzie e tool. E con lei è arrivata la solita checklist miracolosa: aggiungi un blocco FAQ, implementa lo schema markup, metti un riquadro di sintesi in cima alla pagina, valorizza il box autore per l’E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness), velocizza il caricamento.

Secondo molti, fatto questo, ChatGPT, Gemini e Perplexity dovrebbero iniziare a citarti. E dico la verita: anche io in parte ci ho creduto, a questa favoletta.

Il problema? Quella checklist è stata costruita guardando le pagine già citate e cercando cosa avessero in comune. Un po’ come osservare che nei ristoranti stellati ci sono quasi sempre tovaglie di lino e concludere che, per prendere la stella Michelin, basta comprare tovaglie di lino.

Uno studio della University of Toronto, pubblicato su arXiv (lo trovi QUI) il 10 ottobre 2026, ha fatto esattamente quello che mancava: ha separato ciò che accompagna una citazione da ciò che la causa (o almeno la spiega meglio).

Il risultato ridimensiona parecchio le scorciatoie tecniche su cui una buona fetta del settore sta costruendo offerte e preventivi.

Spoiler: le FAQ non sono il motivo per cui le AI ti citano. Il motivo sta altrove, ed è molto meno “installabile” di un plugin.

Sono Matteo Dalla Vecchia, consulente SEO e digital marketing.
Il tuo sito non cresce? Richiedi una consulenza SEO e scopri le priorità per aumentare traffico e lead, anche da ChatGPT, Gemini e Perplexity!

Lo studio: chi l’ha fatto, come e su quali dati

La ricerca si intitola “What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO)” ed è firmata da Mahe Chen e Nick Koudas del dipartimento di Computer Science della University of Toronto. È un preprint, quindi non ancora sottoposto a revisione: un dettaglio che conviene tenere a mente, senza però sminuire la mole di dati raccolta.

Per 90 giorni consecutivi i ricercatori hanno posto le stesse domande commerciali a ChatGPT, Gemini e Perplexity, in due mercati molto diversi tra loro:

• Mercato consumer (dataset principale): la connessione internet domestica negli Stati Uniti, con 651 domande su sette argomenti, raccolte dal 24 giugno al 21 settembre 2026.
• Mercato B2B di nicchia: 55 domande sui software per la gestione di offerte e business development dedicati a studi di architettura, ingegneria e costruzioni.

In totale parliamo di 158.099 risposte e 468.037 citazioni, ma occhio, si parla di mercato USA. Questo dato è da tenere mooolto in considerazione, perché il mercato (e Google) americano è molto diverso dal nostro.

In ogni caso, dai numeri di base emerge quanto i tre motori ragionino in modo diverso:

Il dato su Perplexity colpisce: nel campione dello studio non cita nulla in quasi il 96% delle risposte.
Gemini, al contrario, cita molto e soprattutto siti di terzi (l’83% delle sue citazioni, con Reddit che da solo pesa, o meglio pesava, il 13%). ChatGPT sta nel mezzo, ma quando cita preferisce il sito ufficiale del brand.

FAQ, schema markup e box autore

Il primo risultato è quello che ha fatto più rumore, e a ragione. Se confronti siti diversi tra loro, gli elementi della checklist GEO sembrano funzionare eccome:

Appena il confronto avviene dentro lo stesso sito, l’effetto evapora. Nessuno di questi elementi risulta significativo. E l’analisi per singolo motore conferma: FAQ e schema markup non hanno effetto per nessuno dei tre.

Perché sembrano funzionare quando confronti siti diversi?

Gli autori chiamano in causa il paradosso di Simpson: un fenomeno statistico per cui una tendenza visibile nei dati aggregati scompare (o si ribalta) quando li scomponi per gruppi.

Tradotto in pratica: i siti grandi, strutturati e autorevoli, quelli che le AI citano per mille altre ragioni, sono anche quelli che hanno più spesso FAQ, dati strutturati e pagine veloci. Hanno budget, team tecnici, CMS evoluti. Le FAQ non sono la causa della citazione, sono un tratto comune ai siti che vengono già citati.

E, scusatemi, ma ripeto uno dei punti che mi stanno più a cuore: HANNO BUDGET!

Ora, però lasciamo stare le arachidi e torniamo alle tovaglie di lino:
Se confronti un ristorante stellato con una tavola calda, il lino “correla” con la stella, se invece confronti due sale dello stesso ristorante stellato, una con il lino e una senza, la stella resta identica.
Lo studio ha fatto proprio questo secondo confronto, ovvero pagine diverse dello stesso sito citate dalle AI, sia che avessero le FAQ che non le avessero.

Allora devo togliere FAQ e dati strutturati dal mio sito?

No, e sarebbe l’errore opposto!
FAQ e dati strutturati continuano ad avere senso per altre ragioni: possono aiutare la comprensione della pagina, migliorano l’esperienza di chi legge, rendono il contenuto più ordinato e completo.

Quello che lo studio smonta è la promessa commerciale: “aggiungi lo schema FAQ e verrai citato da ChatGPT”. Se qualcuno ti vende un pacchetto GEO costruito solo su questi interventi, sappi che i dati dicono che stai comprando aria fritta.

L’unico fattore di contenuto che regge: parlare la lingua delle domande

Tra tutte le caratteristiche della pagina analizzate, una sola ha superato tutti i test statistici confrontando pagine dello stesso sito: la corrispondenza semantica tra il contenuto e le domande che le persone pongono davvero.

Nello specifico:

• Corrispondenza del titolo con la domanda: +14,1% di citazioni per ogni deviazione standard di miglioramento.
• Corrispondenza del paragrafo migliore con la domanda: +15,5%.

Un dettaglio interessante arriva dall’analisi per motore: la corrispondenza del paragrafo funziona per tutti e tre.

Quella del titolo invece pesa per Gemini e Perplexity, ma non per ChatGPT. Il motivo? ChatGPT non cerca con la tua domanda, la riscrive in query sue (il famoso “Query fan out“, ci arriviamo tra poco).

Il messaggio è chiaro: per un LLM conta trovare un blocco di testo che risponda in modo diretto a ciò che gli è stato chiesto. La pertinenza semantica, insomma, batte qualunque accorgimento di formattazione.

Cosa significa scrivere titoli e paragrafi a misura di domanda?

Significa smettere di scrivere per l’ufficio marketing e iniziare a scrivere per chi ha un problema da risolvere. Facciamo un esempio concreto con un’azienda che vende climatizzatori.

E il paragrafo sotto il titolo deve rispondere subito, nelle prime righe, con dati concreti: potenza consigliata, consumi, costi indicativi, tempi. Un paragrafo che si regge in piedi anche se viene estratto da solo, fuori dal contesto della pagina, è esattamente il tipo di passaggio citabile che un modello linguistico va a cercare.

Come scopro le domande che le persone fanno davvero alle AI?

Le fonti sono più vicine di quanto pensi:

• Il tuo commerciale e il tuo customer care: le domande che ricevono ogni giorno al telefono e via mail sono le stesse che i tuoi potenziali clienti scrivono a ChatGPT.
• Le “Altre domande” di Google (People Also Ask) e i suggerimenti di ricerca, che restano un ottimo termometro dell’intento di ricerca.
• Forum, gruppi social, Reddit, dove le persone formulano i problemi con le loro parole, spesso molto lontane dal gergo aziendale.

Il lavoro di keyword research non sparisce: si sposta dalle parole chiave secche alle domande in linguaggio naturale, alle long tail conversazionali, ai dubbi che precedono una decisione d’acquisto.

Il vero filtro è il retrieval: se non vieni recuperato, non esisti

Questo è, secondo me, il passaggio più importante di tutto lo studio.
Prima di rispondere, ChatGPT lancia una sua ricerca sul web: ogni pagina che cita è una pagina recuperata da quella ricerca, nessuna eccezione.

Questa fase di retrieval (il recupero dei documenti da cui il modello attinge) spiega il 32% delle differenze di citazione tra pagine dello stesso sito nell’arco dei 90 giorni. Le caratteristiche della pagina, tutte insieme (struttura, FAQ, dati strutturati, velocità), si fermano al 2,8%.

In pratica, per ogni sotto-query, la ricerca interna di ChatGPT restituisce una lista ordinata di risultati.
Delle pagine che in quella lista occupano la prima posizione, il 43,8% viene citato nella risposta; di quelle tra l’undicesima e la ventesima, appena il 3,5%. È la stessa logica della curva del CTR su Google, ma applicata a una classifica che non è quella della SERP che controlli ogni giorno.

È come un colloquio di lavoro: puoi avere il curriculum più bello del mondo, ma se il recruiter non lo pesca dalla pila dei candidati, nessuno lo leggerà mai. Prima devi entrare nella pila, e ci devi entrare in alto.

Come cerca ChatGPT: il query fan-out spiegato semplice

Il query fan-out è il processo con cui il modello scompone la domanda dell’utente in più ricerche brevi, le lancia in parallelo e poi assembla la risposta.

Se vuoi sbirciare dietro le quinte, ti spiego in un altro articolo come scoprire le query di ricerca di ChatGPT: utile per capirne la logica, molto meno per inseguire la singola query.

Lo studio lo ha osservato da vicino:

• ChatGPT trasforma una domanda in circa 4 query in stile keyword.
• Conserva solo il 43% delle parole della domanda originale.
• Aggiunge l’anno corrente nel 23% delle query.
• Inserisce un marchio che l’utente non ha nominato nel 28% dei casi, e spesso fa un secondo giro di ricerche sui fornitori trovati nel primo.
• Gemini si comporta diversamente: scrive circa 3 sotto-domande in linguaggio naturale, aggiunge l’anno solo nel 2% dei casi e un marchio nel 5%.

E qui arriva il dato che manda in crisi chiunque voglia “ottimizzare per le query di ChatGPT”: tra due esecuzioni dello stesso prompt nello stesso giorno, le query generate si sovrappongono appena per il 2,7%. Le pagine citate per il 15%.

Immagina di chiedere a un amico di trovarti una buona lavatrice. Lui cerca “migliori lavatrici 2026”, poi “lavatrice Bosch opinioni”, poi “lavatrice 9 kg classe A”. Se glielo richiedi un’ora dopo, farà ricerche diverse. Ottimizzare per una query non ha senso: devi essere rilevante per l’intero spazio semantico attorno a quella domanda.

Perché l’anno corrente nelle query ti riguarda da vicino?

Se quasi una query su quattro di ChatGPT contiene l’anno in corso, i contenuti aggiornati e datati in modo esplicito hanno un aggancio in più per essere recuperati. Lo studio conferma la direzione: le pagine più vecchie ricevono meno citazioni sia da ChatGPT che da Gemini.

Attenzione però a non cadere nella paraculata (TI VEDO!) di cambiare l’anno nel titolo senza toccare una virgola del contenuto. Aggiornare davvero significa rivedere dati, prezzi, esempi e riferimenti. Il resto è cosmesi, e prima o poi si nota.

Il 97% che fa sobbalzare: ChatGPT non pesca dalla SERP di Google

Confesso che quando ho letto questo dato la prima reazione è stata: “c’è qualcosa che non torna”.

Secondo lo studio, il 97% delle pagine recuperate da ChatGPT non compare tra i primi 50 risultati di Google. Su Bing va anche peggio: il 99% non è tra i primi 30.

Detto così sembra dire che la SERP classica e la ricerca nelle AI vivano su due pianeti diversi.
Prima di trarre conclusioni, però, vale la pena capire come è stato calcolato.

Da dove arriva quel numero (e perché è meno strano di quanto sembri)?

Il confronto non è stato fatto con la domanda dell’utente, ma con le query riscritte da ChatGPT durante il fan-out. I ricercatori hanno preso quelle sotto-query, le hanno cercate su Google e Bing (con localizzazione USA, entro uno o due giorni) e hanno verificato se le pagine recuperate da ChatGPT comparivano nei risultati. Per le query del modello, solo lo 0,7% delle pagine recuperate è nella top 10 di Google e lo 0,5% in quella di Bing.

Ci sono almeno quattro elementi che rendono il dato meno sorprendente di quanto appaia:

1. ChatGPT usa un suo sistema di ricerca, con indici e logiche di ranking proprie: non sta interrogando la SERP che vedi tu.
2. Le query cambiano a ogni esecuzione (ricordi il 2,7% di sovrapposizione?), quindi anche il confronto con Google è un’istantanea su un bersaglio mobile.
3. Anche Gemini, che è di casa Google, si discosta parecchio: il 93% delle pagine che cita non è nella top 50 di Google, e solo il 5,6% è nella top 10.
4. Gli autori stessi segnalano che il paper non dettaglia la formula esatta con cui un URL viene considerato “assente” su più sotto-query, e che le API possono comportarsi in modo diverso dalle app consumer.

Nel mercato B2B di nicchia la percentuale sale al 99%: nei settori piccoli, con poche pagine ben posizionate, la distanza tra le due “classifiche” si allarga ancora.

Quindi il posizionamento su Google non serve più?

Calma e gesso!
Il punto non è che il ranking non conti: lo studio mostra che conta tantissimo, ma è il ranking dentro il motore di ricerca dell’AI, non quello della SERP che controlli ogni mattina su Search Console.

Gli autori lo scrivono chiaro: un buon posizionamento nella ricerca classica non è un indicatore affidabile del fatto che verrai recuperato.

Questo non rende inutile la SEO, anzi.

Le basi tecniche restano la condizione minima per essere trovati da qualunque sistema: indicizzabilità, contenuti accessibili senza JavaScript complicato, nessun blocco nel robots.txt verso i bot AI (come OAI-SearchBot di OpenAI).

Quello che cambia è la metrica di successo: la posizione su Google non basta più per prevedere la visibilità nelle risposte generative.

Gemini e i backlink: i link tornano protagonisti

Per chi pensava che i backlink fossero un ricordo dell’era pre-AI (IO non l’ho mai pensato!), ecco un dato interessante. Lo studio ha contato quanti siti diversi linkano a ciascuna pagina (i cosiddetti referring domains) e il risultato, sempre confrontando pagine dello stesso sito, è netto:

• Le pagine con un profilo di link sensibilmente più ricco della media del sito ricevono in media il 22,7% di citazioni in più delle altre pagine dello stesso sito.
• Avere almeno un sito che ti linka si associa a un +39,4%.
• L’effetto è molto più forte per Gemini (+33,7%) che per ChatGPT (+3,7%).

Per ChatGPT, in particolare, i link non sembrano influenzare quali pagine, tra quelle già recuperate, finiscano citate. Per Gemini invece le pagine con un profilo di link più ricco vengono recuperate e citate più spesso.

Gli autori mettono le mani avanti: i link sono stati misurati dopo le citazioni, quindi non si può stabilire con certezza la direzione causale. Una pagina molto citata dalle AI potrebbe anche attirare più link proprio perché diventa più visibile. Il quadro però è coerente con quello che chi fa link earning serio dice da anni:

I link da siti pertinenti sono un segnale di autorevolezza che i sistemi di Google continuano a leggere.

E per AI Overview e AI Mode vale lo stesso discorso?

Qui entro nel campo dell’opinione personale, e lo dichiaro: lo studio non ha analizzato AI Overview né AI Mode, ma solo Gemini tramite API.

Fatta questa premessa, la mia lettura è che il dato su Gemini sia un indizio forte anche per le esperienze AI dentro Google Search. Gemini, AI Overview e AI Mode condividono la stessa famiglia di modelli e attingono all’infrastruttura di ricerca di Google, che da sempre usa i link come uno dei segnali di qualità.

Mi aspetto quindi che una strategia di link building e digital PR fatta bene abbia un impatto sulla visibilità anche in quegli spazi. È un’ipotesi ragionata, non un dato dello studio: chi ti dice di avere la certezza su come funzionano AI Overview e AI Mode, al momento, ti sta raccontando una storia.

Perché i grandi brand partono in vantaggio

C’è un terzo attore, oltre al contenuto e al retrieval: quello che il modello sa già dal suo addestramento.
Lo studio lo chiama “prior” del modello, e il suo peso è tutt’altro che marginale:

• ChatGPT inserisce un marchio nelle sue query il 67% delle volte quando quel marchio è già nella sua memoria, contro l’11% quando non lo è.
• Il 47% delle sue citazioni va a siti che il modello nomina anche senza cercare nulla.
• Il 46% delle menzioni di brand non richiesti dall’utente non ha nessuna pagina citata a sostegno.
• A parità di fonti, un brand presente nella memoria del modello viene nominato con una probabilità 5,8 volte superiore.

È una dinamica che chiunque abbia fatto un acquisto conosce bene.
Se chiedi a un amico “che smartphone mi consigli?”, ti nominerà i tre marchi che conosce, anche senza aver letto una recensione nell’ultimo anno. Le AI fanno lo stesso, con una memoria molto più grande.

Come faccio a entrare nelle risposte delle AI se il modello non mi conosce?

Qui arriva la parte più utile per imprenditori e piccole realtà, o almeno lo spero.

Nel mercato B2B di nicchia, la memoria di ChatGPT nominava i fornitori più piccoli solo nel 2-16% delle domande, contro il 61-72% dei grandi player.

Il ribaltamento lo producono le pagine di terzi che parlano di te (e si torna alla link buolding, guarda caso). Quando tra le pagine citate c’è una pagina di terzi che nomina un fornitore, la probabilità che la risposta lo menzioni cresce di 39,7 volte per ChatGPT e di 17,7 volte per Gemini nel mercato di nicchia (4,2 e 6,3 volte nel dataset principale).

In pratica, per chi non è ancora nella memoria del modello, la strada passa da:

• Articoli comparativi e liste di fornitori pubblicati da testate e blog di settore.
• Recensioni e discussioni su piattaforme e community come Reddit, forum verticali, gruppi professionali.
• Directory e portali di settore autorevoli, quelli che le persone consultano davvero.
• Digital PR: interviste, contributi da esperto, presenza in report e ricerche di settore.
• Case study pubblicati da clienti o partner sui loro canali.

Il sito aziendale resta la base, ma da solo non basta: per un modello che non ti conosce, sono le fonti esterne a “presentarti”. È una raccomandazione? Si, lo è.

Citazioni volatili: perché una sola misurazione non dice niente

Ultimo punto, e forse il più sottovalutato: le pagine citate dalle AI cambiano di continuo.

Guardando quanta parte delle fonti citate resta la stessa nel tempo:

E ricordiamo che anche nella stessa giornata, due esecuzioni dello stesso prompt su ChatGPT condividono solo il 15% delle pagine citate.

Lo screenshot che il tuo fornitore ti manda con scritto “guarda, ChatGPT ci cita!” vale quanto la foto di una nuvola: vera nel momento in cui è stata scattata, inutile tra 10 minuti.

Come misurare la visibilità nelle AI senza farsi ingannare?

SECONDO LORO, La buona notizia è che, sommando le osservazioni nel tempo, il dato diventa affidabile:
lo studio mostra che i conteggi su 90 giorni sono molto stabili (correlazione di 0,82 tra giorni pari e dispari, con un’affidabilità stimata di 0,90).

Teoricamente bisognerebbe:

• Definire un set di domande fisso, rappresentativo di quello che chiedono i tuoi clienti, e interrogare i modelli su quel set con regolarità.
• Ripetere ogni domanda più volte, anche nello stesso giorno, perché una singola risposta è solo un campione.
• Misurare per singola domanda e per motore, perché ChatGPT, Gemini e Perplexity si comportano in modo radicalmente diverso.
• Ragionare su finestre di settimane, non di giorni, prima di decidere se un intervento ha funzionato.
• Distingure tra menzione e citazione: essere nominati nel testo e comparire come fonte linkata sono due risultati diversi.

Dal mio punto di vista, vorrei aggiungere una piccola considerazione.
Questo metodo appena descritto, in pratica non è altro quello che fanno la maggior parte, se non tutti, i “prompt tracker”, ma c’è da dire una cosa: ogni persona chiede la stessa cosa in modo diverso.

Ripetiamo insieme: ogni persona chiede la stessa cosa in modo diverso

Quindi, ogni prompt tracciato è una nuvola nel cielo, adesso esiste, fra 10 minuti no.

Le priorità GEO secondo i dati, da mettere in agenda

Mettiamo in fila tutto quello che lo studio suggerisce, in ordine di impatto:

1. Lavora sul retrieval prima che sulla pagina. Il 32% contro il 2,8% dice dove sta la leva. Chiediti se i tuoi contenuti sono trovabili per l’intero ventaglio di query che un modello potrebbe generare, compresi anno corrente, caratteristiche diverse, prosotti simili, ecc.
2. Riscrivi titoli e paragrafi attorno alle domande reali. Ogni sezione importante dovrebbe rispondere a una domanda precisa, in modo diretto, nelle prime righe.
3. Costruisci presenza su fonti esterne autorevoli. Comparative, recensioni, articoli di settore, community: è lì che le realtà meno note vengono “scoperte” dai modelli.
4. Adotta una strategia di link building di qualità. Per Gemini i referring domains pesano, e con buona probabilità pesano anche nell’ecosistema AI di Google.
5. Aggiorna davvero i contenuti. Le pagine vecchie vengono citate meno, e il modello cerca spesso con l’anno in corso (ma non cambiare solo l’anno, non serve a una beata fava).
6. Misura con continuità, per domanda e per motore. Una fotografia non è un trend.
7. Mantieni FAQ e dati strutturati per quello che sono: strumenti utili per l’utente e per la comprensione della pagina, non bacchette magiche per le citazioni.

Domande frequenti (sì, proprio un blocco FAQ)

Lo so, mettere le FAQ in un articolo che spiega che le FAQ non ti fanno citare dalle AI ha un che di ironico. Ma le FAQ servono a chi legge, e chi legge di solito ha ancora qualche dubbio.

Lo studio vale anche per le ricerche in italiano?

Lo studio analizza domande in inglese su mercati statunitensi, quindi i numeri non sono trasferibili automaticamente. I meccanismi però (fan-out delle query, peso del retrieval, memoria del modello, volatilità delle fonti) dipendono da come sono costruiti i sistemi, non dalla lingua.
È ragionevole aspettarsi dinamiche simili, con percentuali diverse.

La GEO è diversa dalla SEO?

Condividono le fondamenta: contenuti pertinenti, accessibili e autorevoli. La GEO aggiunge un livello: capire come i modelli cercano e scelgono le fonti, misurare la presenza nelle risposte generative e lavorare sulla reputazione del brand fuori dal proprio sito. Chi ha sempre fatto SEO semantica e link earning seri parte già con un vantaggio.

Perplexity non cita quasi mai: devo ignorarlo?

Nel campione dello studio, raccolto via API, Perplexity non ha citato fonti nel 95,8% delle risposte, e le sue fonti cambiano più rapidamente di quelle degli altri motori. Il comportamento dell’app che usano le persone può essere diverso. Il consiglio è monitorarlo come gli altri, senza costruirci sopra la strategia principale.

Quanto tempo serve per vedere risultati nelle citazioni AI?

Dipende da quanto lavoro c’è da fare sul retrieval e sulla presenza esterna del brand. Quello che lo studio dice con chiarezza è che servono settimane di misurazione per capire se qualcosa si è mosso davvero. Chi ti promette risultati in pochi giorni basandosi su qualche screenshot non sta misurando nulla.

Le scorciatoie tecniche sono comode perché si possono vendere a pacchetto, mettere in una checklist e spuntare in un pomeriggio. La pertinenza semantica dei contenuti e la presenza su fonti autorevoli esterne no: richiedono di conoscere a fondo il proprio pubblico, di farsi raccontare da altri e di avere la pazienza di misurare nel tempo. È esattamente per questo che fanno la differenza.

Sono Matteo Dalla Vecchia, consulente SEO e digital marketing.
Il tuo sito non cresce? Richiedi una consulenza SEO e scopri le priorità per aumentare traffico e lead, anche dalle AI!

Fonte dello studio: Mahe Chen, Nick Koudas (University of Toronto), What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO), arXiv:2610.15033v1, 10 ottobre 2026. Leggi lo studio originale