Si chiede all’IA del proprio marchio, e di solito risponde bene
Nella riunione settimanale, qualcuno ha detto: «Ho chiesto a ChatGPT di noi, ed era abbastanza preciso.» Per la sala, la faccenda finiva lì.
Anche a me, in quel momento, è bastato per tranquillizzarmi. Sembrava una verifica di visibilità nell’IA già fatta.
La visibilità nell’IA è come un marchio compare nelle risposte dell’IA: quante volte viene nominato, e cosa si dice di lui quando succede.
Poi è arrivata una misurazione su 150 marchi, e la prova fatta in quella riunione misura qualcosa di più stretto di quanto sembri.
Il dato viene da Victorious, un’agenzia SEO statunitense, nel proprio Quarterly Search Report del secondo trimestre 2026.
L’IA riconosce la maggior parte dei marchi quando si dice il nome
La maggior parte dei marchi viene descritta bene. Otto IA hanno descritto 150 marchi, e il 96% di quelle descrizioni è risultato corretto.
Le otto: ChatGPT, Claude, Gemini, Copilot, Perplexity, Google AI Overviews, Google AI Mode e Meta AI.
Per settore, cinque delle otto restano all’83% o oltre in ogni settore: Google AI Mode, Gemini, ChatGPT, Google AI Overviews e Copilot.
Le altre tre scendono sotto quella soglia in almeno un settore: Claude tra il 70 e il 91%, Perplexity tra il 47 e il 100%, Meta AI tra il 46 e l’83%. Il punto più basso di Perplexity e quello di Meta AI cadono nello stesso settore, il SaaS — 47% e 46%.
Quale di queste otto usa davvero chi compra da voi?
È il lato in cui l’IA se la cava bene: conosce il marchio. Ed è per questo che la prova con il nome davanti torna quasi sempre pulita.
Si chiede per categoria, e il riconoscimento non conta più
Lo stesso editore ha fatto passare gli stessi 150 marchi per una seconda prova: una domanda per categoria, senza il nome del marchio dentro. L’89% di quei marchi non è mai comparso.
La forma del prompt: qualcosa come «quali sono i migliori studi legali negli Stati Uniti» — la formulazione che userebbe davvero chi compra.
Dietro il dato: 5 settori (e-commerce/retail, SaaS, sanità, legale, finanza), 5.830 risposte raccolte, 49.391 citazioni estratte da quelle risposte.
Quell’89% è l’89% dei 150 marchi misurati.
Anche la pagina di Victorious contiene una frase leggibile come «l’89% del 96% descritto correttamente» — ma il riassunto in apertura presenta il dato come quota dei 150 marchi interi, ed è questa la lettura che segue l’articolo.
Quindi la prova con il nome e la prova per categoria sono due misurazioni diverse della stessa IA, e non si muovono insieme.
Perché «conoscere» e «nominare» si separano
Un prompt con il nome tira fuori ciò che il modello già sa. Se il marchio sta nei dati di addestramento, di solito viene descritto bene.
La domanda per categoria passa da un altro processo: il modello deve scegliere quali marchi nominare come candidati. Conoscere un fatto e farlo comparire in una risposta sono due passaggi distinti dentro il modello.
Un punteggio pulito nella prova del nome, quindi, non dice niente sul tasso di citazione per categoria.
Anche il tipo di fonte su cui si appoggia il modello cambia a seconda della fase della domanda.
Le domande di riconoscimento del problema («come faccio a sapere se mi serve un avvocato») pescano soprattutto da piattaforme video e siti pubblici — un tasso di citazione dello 0,10% per risposta.
Le domande di confronto per categoria («qual è il miglior studio legale negli Stati Uniti») pescano invece da elenchi, classifiche e media comparativi — 1,29% per risposta. Victorious lo chiama «oltre 12 volte tanto».
Stesso marchio, stesse IA: il punteggio dipende dalla fase a cui si chiede. Per confrontarlo trimestre dopo trimestre serve tenere ferma la fase, altrimenti quello che si muove non è il modello, è il prompt stesso.
Come leggere questo dato
Il 96% e l’89% arrivano con sei condizioni, legate a come è stato costruito lo studio e da chi.
- Correlazione, non causa. La probabilità di citazione correla con i link di terzi (coefficiente 0,49 con i domini che rimandano), ma non è un esperimento che dimostra che più menzioni causano più citazioni dell’IA.
- 150 marchi in 5 settori. Quanti marchi per settore non è pubblicato.
- La finestra è il secondo trimestre 2026, senza date di inizio e fine. Nella stessa finestra sono cadute un aggiornamento core di Google (21 maggio-2 giugno 2026) e uno anti-spam (24-26 giugno); Victorious cita entrambi come possibile spiegazione dei movimenti nella visibilità organica.
- Claude e Meta AI avevano la ricerca web limitata in questo giro di raccolta, quindi i dati sulle citazioni si basano solo sulle altre sei IA.
- Victorious vende servizi SEO. «Procuratevi più menzioni di terzi» è anche il loro stesso mestiere.
- Niente di tutto questo misura cosa dice l’IA di un marchio — solo se la descrizione è corretta, e se il nome compare o no.
Tolte la correlazione e l’interesse di chi pubblica, resta un punto fermo: la prova con il nome e la prova per categoria misurano due cose diverse, e non si muovono insieme.
Quale delle due è il prompt che avete nel vostro report?
dividete la vostra verifica in due, da oggi
Un prompt con il nome del marchio misura l’accuratezza. Una domanda per categoria misura se il marchio compare, punto — due strumenti diversi, non un solo numero con due etichette.
La mossa di oggi: riprendete i prompt già in uso e segnate quelli che contengono il nome del marchio.
Se lo contengono tutti, aggiungete almeno una domanda per categoria — quella che scriverebbe davvero chi compra — e da questo trimestre in poi tenetele separate.
Ho fatto lo stesso controllo sui miei cinque prompt. Quattro portavano il nostro nome. Nessuno era una domanda per categoria.
Cosa vuol dire «conoscere» senza «nominare» dal lato del modello è il tema di Perché l’IA tira fuori un dato solo se lo ha visto raccontato in tanti modi; questo articolo aggiunge il passo successivo: quando il modello sa già far emergere un marchio, lo nomina davvero nella risposta?
Cambiate un prompt, e un punto cieco che prima non si vedeva prende un nome.
Fonti
- Victorious, «Quarterly Search Report (secondo trimestre 2026)», https://victorious.com/quarterly-search-report/
- L’URL sopra viene aggiornato ogni trimestre. Copia archiviata dell’edizione del secondo trimestre 2026 usata qui: Internet Archive (acquisita il 2026-08-04)
