Solis: ottimizzare i frammenti per influenzare Google AI Search.

Il lancio delle nuove funzionalità di ricerca basate sull’intelligenza artificiale ha ridefinito le strategie di ottimizzazione, spingendo gli esperti a decifrare il funzionamento di un sistema che premia la profondità e l’ampiezza tematica dei contenuti.

Quando Google ha lanciato le AI Overviews nel maggio 2024, presentandole come un modo per ricevere risposte utili con link al web, ha innescato una corsa silenziosa ma frenetica tra chiunque abbia un sito web.

L’obiettivo non è più solo apparire in prima pagina, ma diventare una delle fonti citate nella risposta sintetizzata dall’intelligenza artificiale.

È una partita con regole nuove, dove il vecchio SEO si scontra con la scatola nera di un modello che decide autonomamente cosa è rilevante.

Aleyda Solis, consulente SEO di lungo corso, ha provato a dare un senso a questo caos, condensando in un checklist di 10 passi per l’ottimizzazione dei contenuti quello che si sa, o si intuisce, sul funzionamento della ricerca AI di Google.

Il messaggio di fondo è chiaro e spietato: al di là del branding, l’unica leva che hai per influenzare il modello è il contenuto che pubblichi.

Nient’altro.

La checklist, rilasciata a luglio 2025 e accompagnata da una versione pratica in Google Sheets, non è una semplice lista di buoni propositi.

È il tentativo di codificare un processo di reverse engineering su un sistema che Google descrive in termini ampi ma raramente tecnici.

Solis parte da un’osservazione cruciale: i modelli di ricerca AI come quello di Google non rispondono a una query con una singola ricerca nel proprio indice.

La scompongono in una serie di sotto-query, andando a pescare informazioni da diverse fonti per poi sintetizzarle.

Questo significa che il motore di ricerca valuta non solo la pertinenza di una singola pagina, ma la copertura complessiva di un argomento da parte di un sito.

In altre parole, premiata è la profondità e ampiezza tematica di un sito.

Se stai scrivendo di “impianti fotovoltaici”, non basta più una pagina ottimizzata.

Servono contenuti che coprano costi, incentivi, manutenzione, confronto tra tecnologie, casi studio – un intero cluster tematico che il modello possa esplorare per costruire una risposta completa.

La scatola nera della citazione e il nuovo valore dell’autorità

Ma come fa esattamente il modello a scegliere quali frammenti di quali pagine utilizzare?

Qui entriamo nel territorio più opaco.

Google parla genericamente di sistemi che analizzano le diverse parti di una pagina per comprenderne contesto e argomento, estraendo informazioni chiave.

La pratica, e gli strumenti di analisi che stanno nascendo, suggeriscono che il modello identifica e “estrae” porzioni di testo (chunk) che ritiene rilevanti per rispondere a una specifica sotto-domanda.

L’ottimizzazione, quindi, si sposta dal livello della pagina a quello del paragrafo o del blocco logico di informazioni.

Ogni sezione di un articolo deve essere auto-conclusiva, ben strutturata e ineccepibile dal punto di vista fattuale, perché potrebbe essere isolata e presentata come citazione.

C’è poi un segnale di autorità che assume un peso nuovo: le menzioni della comunità online.

Solis sottolinea che i modelli AI prestano molta attenzione al “chiacchiericcio” della comunità.

Non si tratta più solo di link in entrata da siti autorevoli, ma di essere citati, discussi (in positivo) su forum, social media, newsletter indipendenti.

È un’autorità percepita e dinamica, che l’AI sembra in grado di valutare analizzando il sentiment e la frequenza delle menzioni del brand in contesti informali.

Questo sposta ulteriormente il focus dalle pure tecniche di link building alla costruzione di una reputazione attiva e riconosciuta nel proprio ambito.

Le piattaforme di ricerca AI scompongono le query complesse in sotto-query, e premiano i siti che dimostrano un’ampiezza e una profondità tematica completa.

— Aleyda Solis, SEO Consultant e Autrice

Questa evoluzione non cancella i principi base della qualità, ma li potenzia.

Google continua a dichiarare che i suoi sistemi di ranking premiano contenuti originali e di alta qualità che dimostrano competenza, esperienza, autorevolezza e affidabilità.

Nell’era della ricerca AI, però, questi fattori (la cosiddetta E-E-A-T) devono essere dimostrati in modo che sia un algoritmo di linguaggio naturale a coglierli.

L’esperienza di un autore non si evince più solo da una bio in calce all’articolo, ma dalla capacità di trattare sfumature e casi d’uso che solo un esperto conosce, e di farlo in un linguaggio che il modello possa riconoscere come specialistico e affidabile.

La risposta di Google e il futuro agentico

Dal canto suo, Google non sta ferma.

L’evoluzione da AI Overviews ad “AI Mode”, lanciata per tutti gli utenti statunitensi a maggio 2025, segna il passaggio da risposte statiche a conversazioni interattive.

L’utente può fare domande di follow-up, chiedere approfondimenti, e la ricerca diventa un dialogo.

Questo ha implicazioni enormi per l’ottimizzazione: il contenuto deve non solo rispondere alla domanda iniziale, ma prevedere e supportare le domande successive, il percorso di scoperta dell’utente.

È un salto dalla logica della pagina a quella del percorso conoscitivo.

La roadmap di Google, del resto, è chiara.

L’integrazione di Gemini 3 come modello predefinito per le AI Overviews a gennaio 2026 e la spinta verso agenti AI che aumentano la produttività automatizzando compiti complessi disegnano un futuro in cui la ricerca non è più un motore di risposte, ma un assistente capace di agire.

In questo scenario, l’ottimizzazione per la ricerca si trasformerà in ottimizzazione per l’azione: come si struttura un contenuto o un dato perché non solo venga citato, ma possa essere utilizzato da un agente per prenotare un tavolo, confrontare prodotti in tempo reale o compilare un report?

La checklist di Aleyda Solis, quindi, è più di una guida tattica.

È la mappa di una transizione epocale.

Segna il momento in cui l’ottimizzazione per i motori di ricerca smette di essere un gioco di segnali indiretti (meta tag, velocità di caricamento, schema di link) e ritorna, forzosamente, alla sostanza: la qualità, la completezza e l’utilità intrinseca dell’informazione.

Il paradosso è che, dopo anni in cui il SEO è stato accusato di inquinare il web con contenuti costruiti per gli algoritmi, l’ascesa dell’AI Search potrebbe costringere tutti a fare quello che Google ha sempre detto di volere: scrivere per le persone.

Con la differenza che ora, a leggere, c’è un’intelligenza artificiale estremamente abile nel distinguere la sostanza dal fumo.

La domanda che resta aperta è se questo porterà a un web davvero più ricco e affidabile, o semplicemente a una nuova generazione di contenuti costruiti per ingannare, questa volta, non un algoritmo a matrice di termini, ma un modello linguistico.

La partita è appena iniziata.