Contenuti che l'AI vuole copiare: scrivere per essere citati (non solo letti)

Come legge una pagina un’AI (spoiler: non come te)?

Un lettore umano scorre la pagina dall’alto, si fa un’idea, magari salta alla fine. Un’AI che deve comporre una risposta fa un’altra cosa: estrae blocchi. Prende il paragrafo che risponde meglio alla domanda, lo ricompone dentro la sua risposta e — se sei fortunato — ti cita come fonte.

Questa differenza cambia il modo di scrivere. La domanda non è più “la pagina è ben scritta?”, ma: “questo paragrafo, copiato da solo dentro una risposta, regge?”. Se per capirlo serve aver letto i tre paragrafi precedenti, per l’AI è inutilizzabile.

La meta-answer: il paragrafo costruito per essere copiato

La chiamano “meta-answer”: un blocco di 120-180 parole pensato per sopravvivere all’estrazione. Ha una ricetta precisa:

• Il soggetto è esplicito. Niente “questo sistema” o “come detto sopra”: il nome della cosa, ripetuto. L’AI non porta con sé il contesto.
• La risposta sta nella prima frase. Il resto del paragrafo argomenta, ma la prima frase da sola deve già rispondere.
• C’è un dato preciso con la sua unità e — quando possibile — la data: le statistiche puntuali sono il contenuto che le AI citano più volentieri.
• Il processo è spiegato in passi chiari, non allusi: “si fa così, poi così” batte “esistono diverse strategie”.

Esercizio brutale ma efficace: copia un tuo paragrafo in un documento vuoto e chiediti se un estraneo lo capirebbe. Se no, riscrivilo.

Titoli in forma di domanda (come quelli di questa pagina)

Le persone fanno domande alle AI, in linguaggio naturale. Un H2 che è la domanda stessa — “Quanto costa monitorare le citazioni AI?” invece di “Pricing” — intercetta l’intento alla lettera, e il paragrafo sotto diventa il candidato naturale per la risposta. La coppia domanda-risposta è il formato che le AI maneggiano meglio: non a caso è anche la logica del markup FAQPage, di cui abbiamo parlato qui.

L’HTML conta: la semantica è metà del lavoro

Gli LLM analizzano la semantica dell’HTML in fase di estrazione: un <h2> descrittivo, una lista puntata vera, una tabella vera sono segnali di struttura che il modello usa per capire cosa sta leggendo.

Le regole minime:

• Heading descrittivi e gerarchici (un solo H1, H2 per le sezioni) — il titolo deve dire cosa c’è dentro.
• Liste e tabelle vere (<ul>, <table>), mai elenchi finti fatti di trattini in un paragrafo o — peggio — screenshot di tabelle.
• Niente testo importante dentro immagini o JavaScript: i crawler AI in gran parte non eseguono JS e non leggono le immagini. Quello che conta va nel testo.

La freschezza si dichiara: il timestamp visibile

Un contenuto datato è un contenuto che l’AI scarta a favore di uno più fresco. Due mosse:

1. Mostra la data di ultimo aggiornamento nella pagina (e nel markup dateModified, coerenti tra loro).
2. Aggiorna davvero quando serve: la soglia pratica è quando i dati citati superano i 6 mesi, o quando un concorrente pubblica contenuti più aggiornati sul tuo tema.

L’aggiornamento non deve essere cosmetico — cambiare una virgola per rinfrescare la data è il genere di trucco che dura poco. Numeri nuovi, esempi nuovi, sezioni riviste: quello è il segnale che regge.

Il ciclo completo: scrivi, misura, correggi

Scrivere per essere citati senza misurare è come ottimizzare al buio. Il ciclo che funziona: applichi queste regole a una pagina importante, aspetti qualche settimana, e verifichi se le AI hanno iniziato a riprenderla — con il test manuale dei 20 minuti o con Radar AI. Poi passi alla pagina successiva. Una alla volta, con i numeri in mano.