«Va bene, ma questo cosa ha fatto salire?»
Se avete presentato anche una sola volta un report sulla visibilità nelle IA, quella domanda vi è già arrivata addosso.
Quante volte è uscito il nome, lo sapete dire. Che sia più del mese scorso, anche. Ma la domanda successiva — qualcuno poi ha fatto qualcosa? — resta lì sospesa.
Per un bel po’ me la sono raccontata così: prima alziamo il tasso di apparizione, la parte commerciale arriverà da sé.
Poi un gruppo di ricerca ha seguito cosa facevano le persone dopo la risposta dell’IA. E la linea di frattura interessante non è affatto l’apparire.
Essere citati da un’IA cambia davvero il comportamento delle persone?
Sì, ma non tutte le citazioni pesano uguale. Fra chi non aveva avuto alcun contatto con il marchio nella settimana precedente, un consiglio dell’IA alza di 4,3 punti la probabilità di cercare quel marchio per nome entro sette giorni.
Le visite al sito del marchio salgono di 2,4 punti, le schede prodotto sugli store online di 1,0 punto.
E attenzione: non sono clic su un link. Dentro ci sono anche le persone che hanno letto la risposta, sono uscite e hanno digitato il nome nel motore di ricerca da sole.
I numeri vengono da un preprint (un lavoro non ancora passato dalla revisione dei pari) di Michael Iannelli e Alan Ai, di Scrunch AI, pubblicato il 9 giugno 2026 (lo studio).
Il metodo: incrociare, persona per persona, le conversazioni di ChatGPT, Claude e Gemini con la cronologia di navigazione di un panel di volontari.
Un panel di clickstream in pratica vuol dire «il registro dei siti che qualcuno ha davvero aperto». Non è un sondaggio, quindi non porta con sé il rumore di quando si chiede alla gente di ricordare.
La finestra di osservazione è di sette giorni dalla risposta. Gli intervalli al 95% (la forbice entro cui la stima si colloca ragionevolmente) sono 3,1–5,5 per la ricerca di marca, 1,4–3,5 per il sito del marchio e 0,3–1,7 per le schede prodotto.
Una precisazione che conta: sono punti percentuali, non percentuali. Passare dal 3% al 7,3% fa 4,3 punti; leggerlo come «+4,3%» dà un altro numero.
Consigliati ed elencati non sono lo stesso evento
Ed ecco il punto centrale. Gli autori hanno diviso le citazioni in tre posture — consiglio, citazione neutra, avvertenza — e le hanno confrontate sugli stessi utenti non esposti.
La citazione neutra muove la ricerca di marca di 1,8 punti, le visite al sito di 1,1, le schede prodotto di 0,3.
Contro i +4,3 / +2,4 / +1,0 del consiglio, siamo a due o tre volte meno movimento, per una cosa che dentro un report ha esattamente lo stesso aspetto.
Stesso marchio, stessa settimana, «una citazione» in entrambi i casi. Ma che il modello vi appoggi o vi parcheggi in un elenco cambia il risultato di due o tre volte.
Contare le citazioni senza distinguerle è come gestire un magazzino pesando allo stesso modo le scatolette e la frutta fresca.
Dentro la stessa risposta la differenza regge
L’obiezione ovvia è la selezione: forse chi usa molto le IA è già un compratore più attivo, e i marchi citati stanno semplicemente sfruttando quell’onda.
Perciò gli autori hanno confrontato, dentro la stessa risposta, i marchi nominati con marchi della stessa categoria che non comparivano.
- Nominati: +2,06 punti di ricerca di marca, +2,39 punti di visite al sito
- Stessa categoria, non nominati: +0,20 e +0,09 punti
Stessa conversazione, stesso contesto, stessa persona. Quindi non è il tipo di utente a fare la differenza, ma il fatto che il nome sia entrato in quella specifica risposta.
E i due comportamenti viaggiano insieme: ricerca di marca e visita al sito compaiono insieme 5,2 volte più spesso di quanto ci si aspetterebbe se fossero indipendenti. Non sono due vittorie separate; misurarne una sola vuol dire vedere metà di un unico movimento.
Sommare tutto nasconde i vostri stessi risultati
E qui la questione di misura diventa cara. Se si sommano tutte le citazioni senza distinguere la postura, la crescita della ricerca di marca scende a 2,08 punti.
Meno della metà dei 4,3 che arrivano dai soli consigli. Un conteggio grossolano va oltre lo sfocare l’immagine: vi fa sembrare peggiori di quanto siete stati.
C’è un secondo dato da tenere presente. I clienti già acquisiti visitavano il sito 1,68 punti sopra la linea di base prima di qualsiasi citazione, e la citazione aggiungeva solo circa 0,4 punti.
Gli autori lo leggono così: il consiglio dell’IA arriva soprattutto a persone che non erano ancora nel percorso d’acquisto, più che spingere una decisione già avviata. E quindi, per voi, questi numeri stanno nel discorso sull’acquisizione.
Cosa può dire questo studio e cosa no
Prima che qualcuno porti il 4,3 in riunione, i limiti, detti per intero:
- Scrunch AI vende misurazione della visibilità nelle IA: «essere consigliati vale soldi» è una conclusione con un interesse commerciale dietro
- La dimensione del panel e i conteggi per cella restano riservati, quindi nessuno dall’esterno può verificare l’ampiezza dell’effetto
- È uno studio osservazionale, non un esperimento randomizzato (gli autori usano finestre placebo a 14, 21 e 28 giorni prima, più il controllo interno alla stessa risposta)
- Il panel è volontario e copre due mercati anglofoni: non l’Italia. Tre assistenti, e Perplexity non è fra questi
- E resta un preprint
Gli effetti grezzi risultano anche più alti fra gli utenti di ChatGPT che fra quelli di Gemini. Ma confrontando dentro la stessa persona la differenza sparisce: è una differenza di chi usa cosa, non di cosa ciascun modello vi combina.
Ecco perché non appenderei il 4,3 come obiettivo. Quello che si porta a casa è la forma: fra consiglio e citazione neutra c’è un fattore due o tre.
aggiungete la colonna «ci stavano consigliando?»
Il numero di citazioni non può rappresentare l’effetto delle citazioni. Un’apparizione consigliata e una di riempimento sono due cose molto diverse per chi legge, e mediarle vi cancella più di metà della crescita che avevate già ottenuto.
La correzione è piccola e strutturale. Aprite le risposte che le vostre domande chiave producono davvero, classificate quelle che vi nominano in consiglio, citazione neutra e avvertenza, poi tenete quella quota come percentuale mensile sulle stesse domande: da una fotografia singola non si capisce in che direzione si sta muovendo.
Una colonna e un’abitudine. Se il report di oggi non ha né l’una né l’altra, partite da lì prima di aggiungere un’altra domanda all’elenco.
Fonti
- Michael Iannelli, Alan Ai (Scrunch AI), «From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web», arXiv preprint 2606.10907, 9 giugno 2026, arxiv.org (incrocio a livello di singola persona fra i log di conversazione di ChatGPT, Claude e Gemini e un panel di clickstream su base volontaria, con osservazione dei comportamenti nei 7 giorni successivi alla risposta dell’IA. Fra gli utenti non esposti al marchio nella settimana precedente, la spinta del consiglio vale +4,3 pp sulla ricerca di marca [intervallo al 95% 3,1–5,5], +2,4 pp sulle visite al sito del marchio [1,4–3,5] e +1,0 pp sulle schede prodotto degli store online [0,3–1,7]. La citazione neutra vale, nello stesso ordine, +1,8 pp / +1,1 pp / +0,3 pp. Nel confronto interno alla stessa risposta, i marchi nominati registrano +2,06 pp di ricerca di marca, +2,39 pp di visite al sito e +0,51 pp sulle schede prodotto, contro +0,20 pp / +0,09 pp / +0,16 pp dei marchi della stessa categoria non nominati. Mettendo insieme tutte le citazioni senza distinguere la postura si ottiene +2,08 pp di ricerca di marca, +2,37 pp di visite al sito e +0,52 pp sulle schede prodotto. I clienti già acquisiti stanno a +1,68 pp sopra la linea di base nelle visite al sito già prima della citazione, e la citazione aggiunge circa +0,4 pp. Ricerca di marca e visita al sito si presentano insieme 5,2 volte più spesso di quanto avverrebbe se fossero indipendenti. Gli effetti grezzi risultano più alti fra gli utenti di ChatGPT che fra quelli di Gemini, ma la differenza sparisce nel confronto interno alla stessa persona. Limiti: chi pubblica, Scrunch AI, vende misurazione e miglioramento della visibilità nelle IA e ha quindi un interesse commerciale in questa conclusione. La dimensione del panel e i conteggi per cella restano riservati per motivi commerciali, quindi il valore assoluto dell’effetto non è verificabile dall’esterno. Non è un esperimento randomizzato ma uno studio osservazionale: gli autori affrontano la confusione con finestre placebo a T−14, T−21 e T−28 giorni e con il controllo interno alla stessa risposta. Il panel è volontario e copre due mercati anglofoni, quindi non misura il mercato italiano, e Perplexity non rientra fra gli assistenti osservati. Si tratta di un preprint non ancora passato dalla revisione dei pari. Tutti gli effetti sono espressi in punti percentuali, non in variazioni relative)
