Un mio cliente, uno studio legale di Roma con oltre quindici anni di attività, un buon posizionamento organico su Google e una solida reputazione offline, un giorno mi ha fatto una domanda che mi ha spinto a rivedere il mio metodo di lavoro:
«Ho provato a chiedere a ChatGPT quali sono i migliori avvocati a Roma, e non compariamo mai. Come mai, se siamo tra i primi su Google per tante query del nostro settore?».
Era la dimostrazione pratica di qualcosa che osservavo da mesi lavorando su altri progetti: il posizionamento organico classico e la visibilità nelle risposte generate dall’intelligenza artificiale sono due partite diverse, con regole in parte diverse. Ho deciso di trattare il caso come un vero e proprio case study, documentando ogni fase del lavoro. In questo articolo racconto il metodo seguito, cosa ho scoperto interrogando i motori generativi e quali azioni hanno effettivamente prodotto un cambiamento misurabile.
Il punto di partenza: zero comparse su quindici query
Prima di intervenire ho voluto quantificare il problema, invece di limitarmi a un’impressione. Ho costruito un set di quindici varianti della query «migliori avvocati Roma», includendo declinazioni per specializzazione (diritto penale, civile, del lavoro), per zona («avvocato Roma Prati», «avvocato Roma Eur») e per intento («a chi rivolgermi per una causa di lavoro a Roma»). Ho sottoposto ogni query a quattro motori generativi — ChatGPT, Gemini, Perplexity e Copilot — in sessioni separate, per evitare che il contesto di una conversazione precedente influenzasse le risposte successive.
Il risultato di questa prima fase è stato netto: su quindici query e quattro motori, quindi sessanta interrogazioni, il nome dello studio non compariva mai. Compariva invece, con grande regolarità, un gruppo ristretto di fonti: due o tre directory legali generaliste, una manciata di articoli di testate giornalistiche locali con classifiche o approfondimenti sul tema, e in alcuni casi le recensioni aggregate su Google Business Profile di studi concorrenti.
Il metodo: trattare le risposte AI come una SERP da analizzare
Il passaggio successivo è stato chiedere direttamente ai motori generativi da dove avessero tratto le informazioni. Quasi tutti, se interrogati in modo esplicito, indicano le fonti utilizzate o quantomeno la tipologia di fonte privilegiata. Ho quindi affiancato alla query originale una seconda domanda mirata a far emergere la provenienza dei dati, ripetendo l’operazione su ciascun motore.
Prompt di test utilizzati (esempi reali dal lavoro sul campo) |
| «Quali sono i migliori avvocati a Roma?» |
| «Consigliami uno studio legale a Roma specializzato in diritto del lavoro» |
| «A chi mi posso rivolgere per una causa civile a Roma? Dammi qualche nome» |
| «Da dove hai preso queste informazioni? Puoi indicarmi le fonti?» |
| «Quali siti o articoli hai consultato per rispondere?» |
Mappa delle fonti delle AI
Incrociando le risposte ottenute sui quattro motori è emersa una mappa abbastanza precisa delle fonti “citabili” per quel tipo di query: portali verticali del settore legale con schede studio strutturate, testate con articoli di approfondimento tematico (non semplici comunicati), e pagine con dati verificabili come numero di cause trattate, anno di fondazione, aree di specializzazione elencate in modo esplicito. Il sito del cliente, pur ben scritto e ben posizionato su Google, non compariva in nessuna di queste fonti terze e presentava contenuti scritti in chiave prevalentemente commerciale, con poche informazioni verificabili estraibili come risposta diretta.
La diagnosi: perché il cliente non veniva citato
Mettendo insieme i dati raccolti sono emerse quattro cause concorrenti. La prima è l’assenza quasi totale di presenza su fonti terze autorevoli per il settore: i motori generativi, quando rispondono a query di raccomandazione, tendono a privilegiare informazioni che trovano ripetute e confermate su più fonti indipendenti, non solo sul sito di chi eroga il servizio. La seconda causa era nei testi del sito stesso: pagine scritte per convincere, con toni promozionali, ma povere di dati concreti e di paragrafi autoconclusivi facilmente estraibili come risposta a una domanda specifica.
La terza causa riguardava il campo semantico: mancavano termini ed entità che i motori associano naturalmente a una ricerca del tipo “miglior avvocato”, come le specializzazioni indicate in modo esplicito, gli ambiti di competenza, i riferimenti geografici precisi, gli anni di esperienza, il numero di iscrizione all’albo. La quarta causa, infine, era la scarsità di segnali di autorevolezza esterna: nessuna rassegna stampa aggiornata, poche recensioni verificabili, nessuna menzione recente su testate di settore.
Le azioni messe in campo
Sulla base di questa diagnosi ho impostato un piano di lavoro su più livelli, portato avanti nell’arco di circa otto settimane. Ho riscritto le pagine chiave del sito — la home, le pagine di specializzazione e la pagina “chi siamo” — impostando i primi paragrafi come risposte dirette e autoconclusive alle domande più probabili, seguite da approfondimento. Ho ampliato in modo sistematico il campo semantico di ogni pagina, inserendo le entità e i sinonimi che i motori generativi associano al tema, mantenendo però una scrittura naturale e mai forzata.
Ho implementato dati strutturati coerenti con il tipo di attività, in particolare markup di tipo LegalService, Person per i singoli professionisti e FAQPage sulle pagine con le domande più ricorrenti dei clienti. In parallelo ho avviato un lavoro di digital PR mirato, non generico: ho selezionato un gruppo di testate locali e verticali di settore realmente tra le fonti citate dai motori generativi nella fase di analisi iniziale, proponendo contenuti di approfondimento reale (analisi di normative, casi di studio anonimizzati) invece di comunicati promozionali, e ho lavorato sulla coerenza dei dati dello studio sulle directory legali più consultate. Infine ho rafforzato i segnali di autorevolezza: pagina credenziali aggiornata, iscrizione all’albo verificabile, recensioni reali raccolte in modo continuativo.
I risultati: da zero a undici comparse su quindici query
A otto settimane dall’inizio dell’intervento ho ripetuto lo stesso test iniziale, sulle stesse quindici query e sugli stessi quattro motori. Il nome dello studio compariva in undici risposte su quindici, con menzioni stabili su ChatGPT e Perplexity e più discontinue su Gemini e Copilot, motori che in questa fase sembrano dare peso maggiore a fonti diverse rispetto a quelle privilegiate dai primi due. Nel frattempo il traffico organico verso le pagine riscritte era cresciuto di circa il 18%, un effetto collaterale positivo del lavoro sui contenuti che, va detto, non era l’obiettivo primario dell’intervento ma ne ha confermato la solidità anche sul fronte SEO tradizionale.
Il dato più interessante, però, non è il numero in sé ma la sua origine: le comparse successive coincidevano quasi sempre con le fonti terze su cui avevamo lavorato in fase di digital PR, non con il sito del cliente preso singolarmente. È la conferma che, per le query di raccomandazione, farsi trovare bene sul proprio sito non basta: bisogna essere citati, con coerenza, anche da chi il motore generativo considera una fonte affidabile.
Cosa portarsi a casa
Da questo caso porto con me alcune indicazioni che ormai applico in modo sistematico. Testare le query come farebbe un potenziale cliente, su più motori e con varianti realistiche, è il primo passo indispensabile: senza una fotografia iniziale precisa non si può misurare nulla. Chiedere le fonti ai motori stessi è un’informazione preziosa e spesso sottovalutata, perché restituisce indicazioni concrete su dove investire il lavoro di relazioni digitali.
I contenuti scritti per convincere non sono gli stessi contenuti che vengono citati: servono paragrafi autoconclusivi, dati verificabili, un campo semantico completo. E infine, forse la lezione più importante, la visibilità nei risultati AI si costruisce in gran parte fuori dal proprio sito, attraverso una presenza coerente e autorevole su un ecosistema di fonti terze che i motori generativi hanno già imparato a considerare affidabili.