Come automatizzare la keyword research per la GEO: un workflow in cinque passaggi

Ultimo aggiornamento: 2026-10-12

Come si automatizza la keyword research per la GEO?

La keyword research per la GEO si automatizza in cinque passaggi: estrai le query per cui compari già, aggiungi le frasi che i sistemi AI hanno usato per recuperare le tue pagine, invia le domande dei tuoi clienti ai motori, salva ciò che cercano e citano su più esecuzioni e metti in ordine i gap. I passaggi 1, 3 e 4 possono girare a intervalli programmati; il passaggio 2 parte come lettura manuale del report, e il passaggio 5 si chiude con il giudizio di una persona.

1. Estrai le query per cui le tue pagine compaiono già. L'API di Google Search Console le restituisce con clic, impressioni e posizione, pagina per pagina.
2. Aggiungi le frasi che i sistemi AI hanno usato per recuperare le tue pagine. Bing Webmaster Tools le riporta come grounding query nel report AI Performance.
3. Invia le domande dei tuoi clienti ai motori. Chiama le API di OpenAI, Claude e Gemini con la ricerca web attiva, un prompt alla volta. Parti dalle query di Search Console formulate come domande.
4. Salva le ricerche che ogni modello ha eseguito e le pagine che ha citato. Esegui ogni prompt più volte, perché lo stesso prompt restituisce di rado la stessa risposta.
5. Metti in ordine i gap. Confronta le pagine citate con le tue e decidi quali pagine scrivere e quali sistemare.

Il risultato è diverso da una classica lista di keyword. Uno strumento per le keyword ti dà una frase e un volume mensile. Questo workflow ti dà una domanda, le ricerche che un modello ha lanciato per risponderle e le pagine che hanno ottenuto la citazione. È il materiale che serve a un piano editoriale per le risposte AI. Si affianca ai dati di ricerca che usi già per la SEO (Search Engine Optimization) e alimenta il lavoro che GEO e SEO hanno in comune.

Quali dati può raccogliere uno script prima di interrogare un motore AI?

Prima di qualsiasi prompt ci sono tre fonti di dati di prima parte: le tue query di Search Console, che uno script può estrarre, le grounding query di Bing e i log del tuo server. La tabella mostra cosa aggiunge ciascuna al workflow e il limite di cui tenere conto.

Search Console contiene già una parte del quadro AI. Google dichiara che i siti che compaiono in AI Overview e in AI Mode sono conteggiati nel tipo di ricerca «Web» del report sul rendimento, e le pagine di Google che abbiamo letto a ottobre 2026 non descrivono un filtro separato per loro. Su questa base, il metodo query di Search Analytics restituisce quelle impressioni insieme ai risultati classici. La pagina di assistenza di Google aggiunge che a ogni link dentro una AI Overview viene assegnata la stessa posizione.

Bing è l'unica fonte, tra queste, che nomina direttamente il recupero da parte dell'AI. Microsoft definisce le grounding query come le frasi chiave che l'AI ha usato per recuperare i contenuti a cui una risposta ha fatto riferimento. L'annuncio descrive un report, quindi metti in conto di leggere questi dati a mano finché non hai verificato un accesso programmatico. Per i log, la documentazione di OpenAI sui crawler elenca i nomi con cui i suoi crawler si identificano, ed è su quelli che filtri. Usa le pagine scaricate come verifica accanto al passaggio 1.

Quali workflow automatizzano la keyword research per la GEO?

Tre workflow automatizzano la keyword research per la GEO: uno script programmato che chiama le API dei motori, un agente AI collegato alle tue fonti di dati e una skill di keyword research già pronta.

L'idea alla base di tutti e tre è il query fan-out. La documentazione di Google dice che AI Overview e AI Mode possono usarlo, lanciando più ricerche correlate su sottoargomenti e fonti di dati per costruire una risposta. Ricerche di questo tipo sono le keyword della GEO. Tre API ufficiali restituiscono quelle che il loro modello ha eseguito per un prompt, ed è l'equivalente osservabile più vicino. La tabella confronta cosa contiene ogni risposta.

La documentazione di Perplexity dice che il supporto a Sonar Chat Completions è terminato il 27 settembre 2026, quindi un tutorial scritto per quell'endpoint non è più aggiornato.

Lo script programmato è il più semplice dei tre: scorre i tuoi prompt, chiama ogni API e scrive query e fonti in una tabella, e richiede qualcuno che sappia scrivere e mantenere codice. Un agente fa lo stesso lavoro dentro una sola conversazione: un assistente AI legge i tuoi dati attraverso un connettore (lo standard si chiama MCP, Model Context Protocol) ed esegue i passaggi quando glielo chiedi. Una skill già pronta è un pacchetto di istruzioni per un assistente di questo tipo, e quelle che si posizionano su questo tema coprono scoperta, raggruppamento e punteggio. Prima di adottarne una, controlla se salva le ricerche che i motori hanno eseguito e le pagine che hanno citato.

Quante volte va eseguito ogni prompt?

L'unica regola pratica pubblica è almeno 60-100 esecuzioni per prompt, e arriva dall'autore di un solo studio, che lascia aperta la cifra statisticamente solida. Una singola esecuzione ti dice poco su cosa un motore risponde di solito. La migliore evidenza pubblica viene dalla ricerca di SparkToro e Gumshoe.ai, pubblicata a gennaio 2026. A novembre e dicembre 2025, 600 volontari hanno eseguito 12 prompt su ChatGPT, Claude e le AI Overview di Google per un totale di 2.961 volte. I motori hanno restituito la stessa lista di brand meno di 1 volta su 100, e la stessa lista nello stesso ordine meno di 1 volta su 1.000.

Rand Fishkin, che ha scritto lo studio, suggerisce di fare la media dei risultati di quelle esecuzioni. Gumshoe.ai vende strumenti di tracciamento AI, quindi leggi la raccomandazione tenendolo presente.

Si muovono anche le ricerche dietro le risposte. Uno studio di Surfer su 173.902 URL, in una pagina aggiornata l'ultima volta a settembre 2026, ha rilevato che solo il 27% circa delle query di fan-out restava costante tra ricerche ripetute per lo stesso prompt. Surfer vende uno strumento SEO e ha generato le sue query di fan-out con Gemini, quindi la cifra indica una tendenza e non è una misura del sistema di Google.

È la ripetizione a trasformare tutto questo in una voce di budget. La documentazione di Anthropic, letta a ottobre 2026, fissa il prezzo della ricerca web sull'API di Claude a 10 dollari ogni 1.000 ricerche, più il costo abituale per il testo che il modello legge e scrive. Per esempio, 100 prompt eseguiti 60 volte con 3 ricerche ciascuno fanno 18.000 ricerche, cioè 180 dollari prima di quel costo. Decidi prima il numero di prompt, poi il numero di esecuzioni.

Come si trasformano le query raccolte in un piano editoriale?

Le query raccolte diventano un piano editoriale quando le raggruppi per argomento e controlli, per ogni gruppo, se una delle tue pagine è tra le fonti citate. Conta quante volte ogni ricerca ricorre tra le esecuzioni, poi elenca i gruppi in cui le pagine dei concorrenti sono citate e le tue mancano. Sono le pagine da scrivere o sistemare per prime.

Lo studio di Surfer suggerisce perché le query di fan-out meritano attenzione. Tra le prime 10 pagine per 10.000 keyword, le pagine avevano il 161% di probabilità in più di essere citate in una AI Overview quando si posizionavano anche per le query di fan-out. Nello stesso campione, il 67,82% delle citazioni delle AI Overview non era affatto tra i primi 10 risultati. L'autore sottolinea che i dati mostrano una correlazione e non un rapporto di causa. Leggili come una ragione per coprire le ricerche correlate, e non come una promessa di citazioni.

Non aspettare un dato di volume per ordinare la lista. Ad aprile 2026 Semrush ha pubblicato un'analisi di oltre 1 miliardo di righe di dati di navigazione negli Stati Uniti da ottobre 2024 a febbraio 2026. Per la maggior parte di quel periodo, tra il 65% e l'85% dei prompt di ChatGPT non trovava corrispondenza in nessuna keyword di ricerca tradizionale. Semrush vende strumenti SEO e i dati riguardano ChatGPT in un solo paese. Ordina in base a ciò che puoi osservare: la ricorrenza tra le esecuzioni, le tue impressioni in Search Console per lo stesso argomento e chi viene citato oggi.

È anche il punto da cui partiamo noi. Ogni collaborazione in Oltre AI si apre con un audit di come il brand compare nella ricerca classica e di quanto i motori AI lo citano, e i gap emergono per argomento e per motore. Quella base è il riferimento su cui si misurano i risultati successivi. La stessa lista di gap alimenta un'analisi dei gap di menzioni e fonti del brand e dà al tracciamento delle citazioni AI il suo punto di partenza.

Quali parti della keyword research per la GEO richiedono ancora una persona?

Una persona sceglie ancora i prompt, valuta i gap e accetta ciò che i dati non possono dire. Lo script non può sapere quali domande fanno i tuoi clienti prima di comprare. Parti dalle chiamate di vendita, dai ticket di assistenza e dalle query di Search Console formulate come domande, poi lascia che il workflow le espanda.

I dati hanno limiti che una persona deve tenere presenti. Non abbiamo trovato una fonte ufficiale in cui un'azienda AI pubblichi quante volte viene posto un prompt, e la nostra ricerca non è stata esaustiva. Progetta il workflow perché funzioni senza un dato di volume. La documentazione di OpenAI dice che le query di ricerca sono incluse in una risposta di solito, ma non sempre. Nessuno dei passaggi di documentazione che abbiamo letto dice che la risposta di un'API corrisponde a ciò che una persona vede nell'app. Tratta le ricerche raccolte come un campione di come si comportano i modelli.

L'ultimo giudizio riguarda le pagine stesse. Google dichiara che non servono requisiti aggiuntivi né ottimizzazioni speciali per comparire in AI Overview o in AI Mode. La keyword research per la GEO non sostituisce il resto del lavoro organico. Ti dice a quali domande rispondere, e le pagine devono comunque essere scansionabili, indicizzate e degne di essere citate. Misurare se lo sono spetta ai KPI con cui riporti la visibilità nella ricerca AI. Ripetere le keyword che hai trovato non ti ci porterà: il paper che ha introdotto la GEO, accettato a KDD 2024, ha testato modifiche ai contenuti su un benchmark di 10.000 query e ha rilevato che il keyword stuffing dava un miglioramento minimo o nullo.

Il workflow ti dà le domande, le ricerche che i modelli hanno eseguito e le pagine che hanno citato, e una persona decide cosa scrivere a partire da lì.