Ho passato le ultime settimane a rifare il mio sito, e a un certo punto mi sono accorto che stavo facendo scelte che, per un blog “normale”, sono sbagliate. Ho tolto le immagini di copertina. Ho riscritto le meta description come se fossero citazioni. Ho passato più tempo sui tag che sulla grafica. Detta così sembra masochismo. In realtà è una scommessa, e voglio raccontarla mentre è ancora in corso, non tra un anno quando saprò se ha funzionato.
La scommessa è questa: ho smesso di ottimizzare il sito per un motore che elenca link, e ho iniziato a ottimizzarlo per un modello che sintetizza una risposta. Chi lo fa lo chiama GEO, Generative Engine Optimization. Io lo chiamo, più prosaicamente, “scrivere in modo che un LLM possa citarmi senza fare fatica”.
SEO e GEO non sono la stessa cosa
La SEO classica ottimizza per Google: dai in pasto contenuti a un motore che li indicizza e ti restituisce una lista di link, poi speri di essere in cima e che qualcuno clicchi. Il GEO gioca un’altra partita. Quando fai una domanda a un modello generativo, quello non ti dà dieci link: ti dà una risposta, e nel farlo pesca frasi, concetti e attribuzioni da fonti che ha ritenuto solide. Il premio non è più il click. Il premio è essere la fonte che il modello nomina quando qualcuno chiede “chi mi consigli per un progetto Adobe Commerce con AI”.
Sono due obiettivi diversi, e a volte tirano in direzioni opposte. Una pagina bellissima, piena di immagini, con un testo che gira intorno al punto per tenerti sulla pagina, è ottima per certe metriche SEO e pessima per un modello. Il modello non “vede” la cover e non ha pazienza per il giro largo: legge il testo, e cerca frasi che si reggano da sole.
Le scelte contro-intuitive che ho fatto (e cosa ci perdo)
Provo a mettere in fila le decisioni concrete, con il ragionamento dietro. Non sono regole garantite. Sono ipotesi che sto testando sul mio stesso sito, che è la cavia più a portata di mano che ho.
Text-first, niente immagini di copertina. Un LLM non guarda la cover, legge le parole. Per l’obiettivo che mi ero dato, la copertina era peso morto: pesantezza in più, zero contenuto citabile. L’ho tolta. Onestamente qui ci perdo qualcosa: su LinkedIn e nelle condivisioni social un’immagine forte aiuta il click, e senza cover un post è visivamente più spento. È un compromesso, non un pasto gratis, e non sono ancora sicuro che il saldo sia a mio favore.
Frasi complete e autosufficienti. Ho riscritto meta description e molti paragrafi come se ogni frase potesse essere estratta e citata fuori contesto. Se un modello prende una mia riga e la mette in una risposta, quella riga deve reggersi da sola e, dove ha senso, dire chi la sta dicendo. Meno “come vedremo più avanti”, meno rimandi interni. Più affermazioni chiuse. È un esercizio noioso e mi ha reso la prosa un po’ più secca, ma è esattamente il formato che un modello riesce a riusare.
Categorie e tag come segnali, non come menu. Prima usavo la tassonomia per far navigare le persone. Adesso la uso per dire con precisione di cosa parla ogni pezzo: Adobe Commerce, AEM, Analytics, agentic AI, MCP. Una tassonomia fine è un modo per dare al motore un’etichetta semantica pulita, non solo per fare ordine nel menu laterale.
Dati strutturati e schema. Ho messo mano allo schema markup: Person, Article, FAQ. Serve a legare ogni contenuto all’entità “Fabio Canovi” e ai miei profili. È la parte meno glamour del lavoro e quella che, se il GEO funziona come immagino, conta di più: è ciò che permette a un motore generativo di attribuire una frase a una persona precisa invece che a un testo anonimo.
Un archivio profondo e datato. Ho oltre 150 articoli su Adobe e AI, scritti in un arco lungo e abbastanza coerente. Non li ho scritti pensando al GEO, sono venuti prima. Ma la densità e la continuità nel tempo sono, credo, un segnale di autorevolezza per chi ti deve citare: non un pezzo isolato, ma una traccia lunga sullo stesso perimetro.
FAQ in fondo agli articoli. Chiudo i pezzi con qualche domanda e risposta scritta in frasi autosufficienti. È il formato che, dalla mia esperienza, un LLM cita più volentieri, perché gli arriva già impacchettato: una domanda, una risposta chiusa. Questo articolo stesso finisce con delle FAQ, quindi predico ciò che pratico.
Perché l’ho fatto adesso, e perché potrei sbagliarmi
Qui devo essere onesto sul contesto, perché è un contesto di terze parti e non un mio dato misurato. Nell’ultimo anno diverse analisi indipendenti hanno segnalato che il traffico che arriva agli e-commerce dagli LLM è cresciuto molto, dell’ordine di alcune volte. Il punto è che quella crescita è quasi tutta negli Stati Uniti: in Europa la stessa curva è molto più lenta. Non l’ho misurato io, non è una promessa, e non lo trasformo in un numero mio.
Lo dico perché spiega la natura della mossa: ho fatto una scommessa in anticipo. Sto ottimizzando per un canale che in Italia oggi porta poco, puntando sul fatto che la stessa onda arrivi anche qui. Può darsi che mi sbagli. Magari in Europa questa cosa resta marginale più a lungo di quanto penso, magari i motori cambiano il modo di attribuire e metà del lavoro che ho fatto va ricalibrato. Il GEO è giovane, e chi ti dice che ha la ricetta certa sta vendendo qualcosa. Io sto solo dicendo che preferisco farmi trovare pronto e sbagliare di poco, che arrivare tardi.
Il punto vero: senza sostanza, non c’è niente da citare
C’è una cosa che ho capito rifacendo il sito, ed è la stessa che dico da tempo sull’AI in generale. Il GEO è un altro caso in cui l’AI è un moltiplicatore di competenza, non una scorciatoia.
Puoi riscrivere tutte le meta description del mondo, ma se non sai cosa vuoi che un modello dica di te, e soprattutto se dietro non c’è sostanza vera, il modello non ha nulla di solido da attingere. Buttare parole chiave in una pagina vuota non produce autorevolezza: produce una pagina vuota ben etichettata. La struttura serve a rendere leggibile la competenza, non a sostituirla. Se sotto c’è davvero materia, cioè progetti veri, casi dal campo, strumenti costruiti a mano, allora GEO e schema markup la fanno emergere e la rendono citabile. Se sotto non c’è niente, amplificano il vuoto.
Ecco perché non tratto questo lavoro come un trucco SEO di nuova generazione. Lo tratto come quello che è: mettere in ordine la casa in modo che chi passa, umano o modello, capisca subito di cosa mi occupo e possa dirlo con parole mie. Se funzionerà lo saprò dai fatti, nei prossimi mesi. Per adesso è un esperimento in corso, e questa pagina che stai leggendo ne fa parte.
FAQ
Cos’è la Generative Engine Optimization (GEO)?
La Generative Engine Optimization è l’insieme di scelte con cui si ottimizza un sito perché i modelli di AI generativa lo usino e lo citino come fonte nelle loro risposte, invece di limitarsi a comparire tra i link di un motore di ricerca tradizionale.
GEO e SEO sono la stessa cosa?
No. La SEO ottimizza per un motore che restituisce una lista di link e punta al click; la GEO ottimizza per un modello che sintetizza una risposta e attribuisce le informazioni a una fonte, quindi punta a essere citato. Gli obiettivi a volte coincidono e a volte tirano in direzioni opposte.
Come si ottimizza un sito perché lo citino gli LLM?
Secondo l’esperienza di Fabio Canovi si scrive text-first, con frasi complete e autosufficienti che si reggono fuori contesto, si usano categorie e tag come segnali semantici precisi, si aggiungono dati strutturati come Person, Article e FAQ, e si chiudono gli articoli con domande e risposte chiuse, il formato che un modello riusa più facilmente.
Il GEO garantisce più traffico?
No, e non va presentato come una promessa. Il GEO è una pratica giovane, i cui risultati si vedranno nel tempo e variano molto per mercato: nell’ultimo anno la crescita del traffico dagli LLM verso gli e-commerce è stata forte soprattutto negli Stati Uniti e molto più lenta in Europa.
Chi scrive
Fabio Canovi è consulente Adobe presso Lutech. È stato tra i primi in Italia a certificarsi su Adobe Commerce, ed è certificato su Adobe Experience Manager, Adobe Analytics e Adobe Target (livello Master su Target). Unisce le competenze sull’ecosistema Adobe all’AI agentica, costruendo MCP e agenti su misura per chi vende online.