Ho smesso di scrivere “articoli” e ho iniziato a costruire reti di risposte
Da qualche mese il mio modo di pensare i contenuti è cambiato. È cambiato perché i risultati che vedo arrivano da scelte editoriali diverse rispetto a quelle che funzionavano benissimo fino a poco tempo fa. Oggi riuscire a posizionare una pagina è lo step iniziale: bisogna fare in modo che venga citata, frammentata, riassemblata da un modello che ragiona per domande scomposte.
L’ho chiamata, nella masterclass che ho tenuto per SEOZoom Academy, ingegneria della chiarezza. È un’espressione che mi piace perché racchiude due cose insieme: c’è un lavoro di costruzione (architetture, gerarchie, paragrafi calibrati) e c’è una direzione precisa (rendere i contenuti il più possibile leggibili, estraibili e autoconclusivi per chi li legge: umani e modelli). Negli esperimenti che ho condotto il pattern si è ripetuto: pubblicando una rete coerente di quattro o cinque contenuti paritari, le citazioni nelle risposte di AI Mode, Perplexity e Gemini sono arrivate in pochi giorni, anche dove i contenuti non erano ancora nella top 10 di Google.
Da quei test ho estratto cinque punti che, secondo me, riassumono il cambio di paradigma. Li elenco qui sotto e poi li sviluppo uno per uno.
- Dal pillar gerarchico alla costellazione di cluster paritari
- La piramide rovesciata: prima la risposta, poi tutto il resto
- Il paragrafo autoconclusivo come unità minima di citabilità
- Search intent modeling: la nuova keyword research segue il fanout
- Distribuzione multicanale: il contenuto vive oltre il blog
Dal pillar gerarchico alla costellazione di cluster paritari
Per anni ho costruito siti con la logica del macro-articolo pillar circondato da decine di sotto-articoli più brevi che lo rinforzavano. Ha funzionato, e in chiave SEO classica funziona ancora. Il problema è che i sotto-articoli, presi singolarmente, sono spesso troppo scarni per dare contesto a un modello AI: se il sistema estrae un frammento da lì, la risposta risulta monca e il sito perde l’occasione di essere citato.
La struttura che oggi privilegio è diversa: una rete di contenuti paritari, ognuno autonomo e completo nel suo angolo di tema, tutti interconnessi tra loro. È una costellazione, non un albero. Quando l’AI scompone un prompt nel suo fan-out, ovunque entri trova un nodo solido che parla per sé e che rimanda agli altri.
È così che ho visto consolidarsi l’autorevolezza topica nei test: non con un super-articolo, ma con quattro o cinque guide complementari pubblicate in poche ore e linkate tra loro.
La piramide rovesciata: prima la risposta, poi tutto il resto
Il modello classico (contesto, storia, risposta in fondo) costringe l’AI a scendere e risalire nel testo per trovare quello che le serve, e nella maggior parte dei casi non lo fa. Ho riorganizzato la scrittura secondo la piramide di Barbara Minto, che descrive bene in Dall’idea al testo: in cima l’idea principale e la risposta diretta, al centro gli argomenti raggruppati per logica, alla base dati, prove e approfondimenti.
Le prime cinquanta parole sono lo spazio più prezioso e non vanno sprecate in preamboli. Significa togliere il “in questo articolo vi parlerò di…” e andare dritti al punto. Significa anche non rimandare mai a “come vi ho detto sopra” o “vedremo più avanti”: se serve ripetere un concetto, lo si ripete in chiaro, perché ogni paragrafo deve poter vivere da solo.
Il paragrafo autoconclusivo come unità minima di citabilità
Il paragrafo è diventato l’unità minima di citabilità: l’AI estrae frammenti. La regola che mi sono data, leggendo varie sperimentazioni in giro e validandola sul campo, è di stare tra le cinquanta e le duecentocinquanta parole per blocco, con un senso compiuto dall’inizio alla fine. Niente rimandi interni che fanno perdere il filo a chi legge un pezzo isolato, niente domande spalmate ovunque (le domande servono per progettare la struttura, non per riempire i sottotitoli perché quello che conta nel testo sono le risposte).
I dati strutturati restano un’arma utile, anche se va detto che non tutti i modelli oggi li leggono in modo affidabile: servono soprattutto a rinforzare il posizionamento classico, che a cascata aiuta la presenza nei sistemi AI.
Search intent modeling: la nuova keyword research segue il fanout
Dario Ciracì la chiama search intent modeling, io nel 2021 la chiamavo problem research, il senso non cambia. Quando l’utente fa un prompt, il modello lo scompone in decine di sotto-domande (è il fan-out). Il contenuto che vince è quello che intercetta il grappolo. Nei test ho usato lo strumento AI Prompt Research di SEOZoom per scomporre un prompt come “come realizzare giochi no code per le campagne di lead generation” in un funnel di intenti – informational, valutazione, fiducia, transazionale, follow-up – e ho lavorato sui blocchi più coerenti con il sito di destinazione. Lo stesso lavoro (con un po’ di fatica un più e qualche certezza in meno) si può fare con strumenti più snelli: Question Explorer per le People Also Ask, oppure Claude o ChatGPT chiedendo direttamente di mappare contenuti informativi, di confronto e di fiducia con le relative domande sotto.
Distribuzione multicanale: il contenuto vive oltre il blog
Pubblicare la rete di contenuti è metà del lavoro. L’altra metà è farla risuonare dove i modelli AI cercano conferme. Lo strumento AI Visibility di SEOZoom mostra in modo molto trasparente da dove le AI estraggono citazioni in un dato settore: per il blog su cui ho lavorato i nodi più caldi erano Reddit e LinkedIn, in altri verticali sarebbero YouTube o forum specializzati. La logica everywhere è inefficiente: meglio scegliere due o tre canali e portarci versioni adattate del contenuto, in modo che l’autorevolezza acquisita sul sito venga validata anche all’esterno. È un punto che diventa decisivo quando il dominio è giovane o il brand è poco conosciuto.
Guardiamo al futuro!
Chiudo con una nota che mi sembra importante: i contenuti generati con AI, oggi, funzionano. Ho lasciato volutamente quasi intatti i testi prodotti con Claude nei due esperimenti, proprio per misurare l’effetto puro della struttura. Ma è una finestra che si chiuderà presto. Quando tutti scriveranno con AI, la differenza la faranno i contenuti con dati di prima parte, casi reali, voce umana riconoscibile. Per questo continuo a pensare che la parte di copywriting, di esperienza vissuta, di tono di voce, sia ancora il vero investimento di lungo periodo. L’AI accelera, ma non sostituisce chi ha qualcosa da dire.
