Gli LLM sono non-deterministici: lo stesso identico prompt produce risposte diverse. Quindi ogni misura ottenuta interrogandoli è una stima statistica, non un valore esatto.
Metodologia
Come misuriamo la visibilità AI, e quanto ci puoi credere
La maggior parte degli strumenti GEO ti mostra un "Visibility Score: 73" e cambia discorso. Tu hai il diritto di sapere come nasce quel numero e quanto è affidabile: non tutte le metriche sono uguali, e fingere il contrario è disonesto.
È un metodo, non un punteggio magico
Misurare la visibilità nei motori AI è un problema scientifico ancora aperto. Due fatti scomodi.
Quasi nessuna metrica di mercato è validata in letteratura: l'unica misura di visibilità GEO peer-reviewed viene dal paper di Aggarwal et al. (KDD 2024). Il resto del vocabolario è convenzione di settore.
Noi partiamo da qui: ogni numero porta un'etichetta di affidabilità, e le stime arrivano col loro margine, mai un valore secco spacciato per verità.
Tre livelli di affidabilità
Misurato
Dato osservabile e documentato, riproducibile. Es. citazioni dalle API ufficiali, prominenza sul testo reale.
Stimato
Dall'interrogare i modelli, che sono non-deterministici: stima più margine. Es. visibilità complessiva, Share of Voice.
Direzionale
Indicatore di tendenza, mai valore assoluto. Es. volumi di domanda, traffico AI.
Se uno strumento ti dà la stessa certezza per tutte e tre, ti sta vendendo fumo.
Le AI che interroghiamo
Facciamo le domande alle stesse AI che usano le persone. Qui sotto, per ognuna, il modello che interroghiamo e se cerca sul web: non sempre è il modello di punta. Su ogni risposta registriamo il modello che ha risposto davvero.
ChatGPT
gpt-6-luna
Con ricerca web
Claude
claude-sonnet-5-5
Senza ricerca web
Gemini
gemini-3.8-flash
Con ricerca web
Perplexity
sonar
Con ricerca web
Versioni del metodo
3 novembre 2026: motori dichiarati
Da questa data l'audit dichiara quali AI interroga (ChatGPT, Claude, Gemini, Perplexity), con quale modello e se cerca sul web, e su ogni risposta registra il modello che ha risposto davvero. Gli audit precedenti non vengono ricalcolati: il trend riparte da qui.
Le metriche, in breve
Citazioni e fonti
quali pagine i motori usano come fonte e quanta parte spetta a te. Lette dai campi ufficiali delle API dei provider, non da scraping fragile.
Prominenza del brand
non "sei citato 2°", ma quanto spazio e quanto in alto appari, con la Position-Adjusted Word Count di Aggarwal et al.: l'unica misura di visibilità GEO validata in letteratura.
Menzioni e sentiment
capire se è davvero il tuo brand (non un omonimo) e con che tono ne parlano lo affidiamo a modelli LLM, che però calibriamo e misuriamo.
Visibilità e Share of Voice
quante risposte ti menzionano e quanta parte della conversazione occupi. Stime: dipendono dal non-determinismo e dalle domande poste.
Volumi e traffico
quanto un tema è chiesto e quante visite arrivano dalle AI. Dati pubblici scarsi e una quota è strutturalmente non tracciabile. Solo tendenze.
Teniamo onesti i giudici LLM
I modelli usati come giudice hanno bias documentati. Non fingiamo che non esistano: manteniamo un golden set di esempi etichettati a mano (più settori, più lingue) e misuriamo l'accordo del giudice con gli umani col Cohen's κ. Ri-eseguiamo la calibrazione a ogni modifica di prompt o modello: teniamo solo ciò che migliora i numeri, non ciò che sembra una buona idea.
κ ≈ 1.0
disambiguazione brand / omonimo
κ ≈ 0.90
sentiment, col metodo calibrato
κ ≥ 0,81 = "accordo quasi perfetto" sulla scala standard di concordanza.
Cosa NON pretendiamo
Non spacciamo i volumi stimati per dati certi.
Non garantiamo il 100% del traffico AI: una parte non lascia traccia, e lo dichiariamo.
Non chiamiamo "predittivo" un punteggio mai validato contro risultati reali.
Non ti diamo un numero magico senza dirti quanto è stabile.
In una riga
Misuriamo ciò che è misurabile, stimiamo onestamente il resto col suo margine, etichettiamo ciò che è solo direzionale. Preferiamo darti un numero più piccolo ma vero che uno grande ma inventato.
Fonti
- Aggarwal et al. — GEO: Generative Engine Optimization, KDD 2024
- Atil et al. — Non-Determinism of "Deterministic" LLM Settings, 2024
- Miller — Adding Error Bars to Evals, 2024
- Wallat et al. — Correctness is not Faithfulness in RAG Attributions, 2024
- Jovančević et al. — Nature Scientific Reports 15:11477, 2025
- Chatterji et al. — How People Use ChatGPT, NBER WP 34255, 2025
- Thinking Machines Lab — Defeating Nondeterminism in LLM Inference, 2025