Perché ChatGPT raccomanda il tuo competitor e non te — 5 cause retrieval-side che non riguardano la SEO

Se ChatGPT raccomanda consistentemente il tuo competitor quando i clienti chiedono aziende come la tua, la causa quasi mai riguarda la SEO Google — è una di 5 asimmetrie retrieval-side specifiche (peso training-data, dominanza fonte di citazione, chiarezza Schema, soglie recensioni e densità mention third-party) che compongono diversamente dal ranking di ricerca e richiedono un fix diverso.

Questo pezzo è per l'operatore italiano che ha guardato ChatGPT, Perplexity o Google AI Overviews nominare lo stesso competitor ancora e ancora mentre la propria azienda — a volte con migliori ranking Google, spesso con qualità di servizio comparabile o migliore — non riceve nulla. È un pattern frustrante, e il consiglio SEO standard non lo sistema perché SEO e citazione AI sono ora pipeline retrieval disaccoppiate che rispondono a segnali diversi.

Le cinque cause sotto coprono circa il 90% dei casi che abbiamo visto attraverso audit citazioni cross-verticale italiani. Ciascuna causa ha la sua diagnostica, il suo percorso di fix e la sua timeline realistica. Il pezzo chiude con un piano a 30 giorni che sequenzia i fix a leva più alta per primi.

Come gli assistenti AI scelgono l'azienda che raccomandano (in 4 frasi)

Prima di camminare le cinque cause, la pipeline deve essere visibile. Gli assistenti AI non scelgono aziende come faceva l'algoritmo blue-link di Google. La pipeline è: retrieval (il modello tira fonti candidate da training data e, per alcune piattaforme, ricerca web real-time), reranking (i candidati vengono riordinati per fiducia e rilevanza — presenza directory, Schema, recensioni, densità citazioni) e citazione (i top 2-5 candidati emergono nella risposta). Ognuna delle cinque cause mappa a un fallimento specifico dentro questa pipeline.

Le 5 cause retrieval-side — tabella a colpo d'occhio

#	Causa	Sintomo	Velocità di fix
1	Asimmetria peso training-data	Competitor nominato anche quando il prompt è generico; appare nel 70%+ di tutti i prompt nella categoria	Più lenta — dipende dal prossimo ciclo di training, 6-18 mesi
2	Dominanza fonte di citazione	Competitor citato via le stesse 2-3 directory ogni volta; tu sei assente su quelle directory	30-90 giorni
3	Gap chiarezza Schema	Le pagine del competitor appaiono in Google AI Overviews; le tue no, nonostante contenuto comparabile	2-3 giorni
4	Gap soglia recensioni	Il competitor ha 50+ recensioni; tu hai <15	60-90 giorni
5	Densità mention third-party	Competitor nominato in testate trade, premi, directory associazione; tu hai zero di quelli	60-180 giorni

Le cause 3 e 4 sono la leva più rapida; la causa 2 è la leva più alta nel medio termine; le cause 1 e 5 sono i giochi lenti di lungo termine. La maggior parte delle situazioni competitive flippate coinvolgono sistemare 2, 3 e 4 in parallelo e iniziare la causa 5 in parallelo sapendo che atterra più tardi.

Causa 1 — Asimmetria peso training-data

Sintomo: Il competitor è nominato nel 70%+ dei prompt attraverso la categoria, indipendentemente da come è frasata il prompt — geo-intent, attribute-intent, problem-intent. Il nome del competitor è diventato la risposta di default dell'LLM per la categoria.

Cosa è: Dentro il training data dell'LLM, il nome del competitor ha accumulato più co-occorrenza con le parole categoria del tuo. Questo non è perché il competitor è "migliore"; è perché il loro nome è apparso più volte nel testo indicizzato su cui il modello si è addestrato. Aziende più vecchie, aziende con storia PR più forte, aziende con riconoscimento nome nella stampa trade italiana e aziende con presenza directory ad alto volume accumulano questo peso più velocemente.

Diagnostica: Esegui 25 prompt nella tua categoria, variando il frasing. Se un singolo competitor appare in più del 70% delle risposte indipendentemente dalla forma del prompt, il peso training-data è la causa dominante. Se le mention competitor sono distribuite su 4-5 nomi competitor diversi a seconda della forma del prompt, questo non è il tuo problema — una delle altre quattro cause lo è.

Fix: Il peso training-data non è direttamente sistemabile; è l'esito residuo delle altre quattro cause accumulate nel tempo. La strategia realistica: sistema le cause da 2 a 5 aggressivamente, e il prossimo ciclo di training (6-18 mesi avanti) ribilancia il peso. Non c'è singolo intervento che muove il peso training-data dentro un singolo trimestre.

Causa 2 — Dominanza fonte di citazione

Sintomo: Quando l'LLM cita una fonte per la mention del competitor, cita le stesse 2-3 directory o aggregatori ogni volta. Sei o assente da quelle directory o hai un profilo sottile.

Cosa è: Le pipeline di retrieval per ChatGPT, Perplexity e Google AI Overviews pesano tutte pesantemente le directory di autorità — MioDottore per medico e dental, ProntoAvvocato per legal, Houzz IT per contractor, TheFork per ristoranti, Wellnessbook per fitness, Albo CONSOB per consulenti finanziari, ANMVI per veterinari, Booking.com per hospitality, ProntoPro per servizi casa generali, Immobiliare.it per real estate. Un competitor con un profilo completo sulle 2-3 directory dominanti per il verticale viene citato come default; un'azienda assente da quelle directory non entra nel set candidato.

Diagnostica: Guarda le fonti citate nella risposta dell'LLM. Se la mention del tuo competitor è citata via MioDottore, ProntoAvvocato, Houzz IT, TheFork, ecc. — e tu non sei su quelle directory o hai un profilo sottile — la dominanza fonte di citazione è in gioco.

Fix: Rivendica, completa e ottimizza i tuoi profili sulle 2-3 directory dominanti per il tuo verticale. Tempo per directory: 2-6 ore. Timeline combinata: 5-10 giorni. Costo: gratuito per la maggior parte dei tier gratuiti directory; i tier a pagamento (50-300 €/mese) aggiungono qualche lift marginale ma il profilo gratuito da solo è sufficiente per superare il pavimento.

Causa 3 — Gap chiarezza Schema

Sintomo: Le pagine del competitor appaiono in Google AI Overviews quando cerchi la categoria nella tua città; le tue pagine no, anche quando il tuo contenuto è comparabile o migliore. ChatGPT e Perplexity possono anche citare sproporzionatamente il sito del competitor direttamente.

Cosa è: Il markup Schema (LocalBusiness e i sottotipi verticale-specifici — Dentist, LegalService, MedicalBusiness, HVACBusiness, Restaurant, LodgingBusiness, RealEstateAgent, FinancialService, VeterinaryCare, ExerciseGym, GeneralContractor) sono i dati strutturati che le pipeline di retrieval usano per identificare di cosa parla una pagina. Le pagine senza Schema dipendono dal modello che inferisce il significato dal testo, che è meno affidabile. Le pagine con Schema ricco (sottotipi propri, serviceType, areaServed, priceRange, aggregateRating, provider) vengono trattate come candidati a fiducia più alta.

Diagnostica: Esegui il Rich Results Test di Google sulla tua homepage e sulle tue top 3 pagine servizio. Poi esegui sulle pagine equivalenti del competitor. Se le loro pagine validano come il sottotipo Schema corretto e le tue no, questo è il tuo gap.

Fix: L'implementazione Schema è 2-3 giorni di tempo sviluppatore o tool Schema (Schema App, Schema.dev, JSON-LD manuale). Il fix emerge in Google AI Overviews il più velocemente di tutte le cinque cause — a volte dentro 2-4 settimane. ChatGPT e Perplexity seguono su un ciclo più lento (6-12 settimane per ribilanciamento retrieval) ma il fix Schema beneficia tutte e tre le piattaforme.

Causa 4 — Gap soglia recensioni

Sintomo: Il competitor mostra 50+ recensioni sulla directory locale dominante e Google Business Profile; la tua azienda mostra meno di 15. I prompt citati che fanno emergere il competitor spesso fanno riferimento al volume recensioni direttamente ("molto rated," "popolare con i pazienti," "ben recensito").

Cosa è: Sia il training data sia il retrieval real-time pesano la densità e la recenza recensioni. Sotto circa 15 recensioni, le aziende vengono sistematicamente deprioritizzate nel retrieval; sotto 5, le aziende sono effettivamente invisibili per prompt competitivi. Sopra 30-50 recensioni, le aziende attraversano nel tier "citato come default". La velocità recensioni (recensioni per trimestre) conta tanto quanto il conteggio cumulativo — un'azienda con 30 recensioni negli ultimi 12 mesi supera una con 100 recensioni di 5 anni fa.

Diagnostica: Conta le tue recensioni Google. Conta le recensioni della directory dominante. Confronta con il competitor. Se il competitor ha 3x o più il tuo conteggio recensioni o 2x o più la tua velocità ultimi-12-mesi, questo è un gap reale.

Fix: Il lavoro volume recensioni è operativo, non tecnico. Implementa un workflow strutturato di richiesta recensioni post-engagement — email automatica o testo dopo ogni appuntamento, transazione o completamento servizio, con link one-click a Google e alla directory verticale dominante. La maggior parte delle aziende può passare da 8 recensioni a 30+ dentro 90 giorni con un processo di follow-up scritto. Il lavoro Schema sulle recensioni esistenti (1 giorno di tempo sviluppatore) è il fix low-hanging; il volume è il gioco più lento.

Causa 5 — Densità mention third-party

Sintomo: Il competitor è nominato in testate trade, directory associazione, liste premi, roundup "best of", articoli expert-quote o stampa locale negli ultimi 24 mesi. Tu hai zero o una tale mention. Anche se la presenza directory è comparabile e le recensioni sono comparabili, il competitor vince i prompt framing "migliore per X" perché le mention trade-pub forniscono quel framing.

Cosa è: La densità citazioni trade-pub è il tratto che differenzia più fortemente il citato 10-20% delle aziende in qualsiasi verticale dal resto. Una singola feature Dental Tribune Italia, articolo Altalex, articolo Gambero Rosso, profilo Il Sole 24 Ore Plus o citazione ANMVI fornisce all'LLM il linguaggio framing ("fidato," "leader," "specialista in," "noto per") che viene riutilizzato attraverso i prompt. Senza quelle mention, l'LLM non ha framing da attaccare alla tua azienda e fa default su qualsiasi competitor abbia framing.

Diagnostica: Cerca il nome della tua azienda sulle top 5 testate trade per il tuo verticale. Poi cerca il nome del competitor sulle stesse pubblicazioni. Conta le mention negli ultimi 24 mesi per ciascuno. Se il competitor ha 3+ e tu hai 0-1, questo è un gap reale.

Fix: Il lavoro trade-pub è 30-90 giorni di PR digitale per piazzamento. Il costo è 500-2.500 € per piazzamento al livello trade-pub, spesso bundle in retainer AEO. Punti di entrata comuni: articoli contributor su outlet a frizione più bassa (Altalex, JD Supra, blog associazione di categoria), citazioni esperto in articoli stampa trade ("[trade pub] cita [titolare azienda] su [topic]"), feature stampa locale e articoli rivista associazione. Tre a cinque piazzamenti su 6 mesi è il pavimento realistico per muovere l'esito di citazione.

Il piano di flip a 30 giorni

Una sequenziazione pratica settimana per settimana delle quattro cause sistemabili (la causa 1 è il residuo; non la sistemi direttamente).

Settimana 1 — Diagnosi. Esegui un'analisi a 25 prompt, 3 piattaforme per identificare quale delle cinque cause è dominante. Guarda le fonti citate, il linguaggio framing e il differenziale conteggio recensioni. Decidi se attaccare la causa 2 (dominanza directory), la causa 3 (Schema), la causa 4 (recensioni) o la causa 5 (trade-pub) prima. Per la maggior parte delle aziende italiane, esegui 2 e 3 in parallelo.

Settimana 2 — Schema (causa 3). Implementa LocalBusiness + Schema verticale-specifico sulla tua homepage e top 3 pagine servizio. Valida con Google Rich Results Test. Questo è il fix che emerge più velocemente e spesso consegna vittorie Google AI Overviews dentro 4 settimane.

Settimana 3 — Dominanza directory (causa 2). Rivendica, completa e ottimizza profili sulle 2-3 directory dominanti per il tuo verticale. Aggiungi foto, servizi, orari, attributi. Se la directory ha recensioni, inizia una sequenza di raccolta recensioni specifica per quella directory.

Settimana 4 — Velocità recensioni (causa 4) + kickoff trade-pub (causa 5). Metti su un workflow strutturato di richiesta recensioni post-engagement. In parallelo, identifica 3-5 testate trade target e abbozza pitch contributor o outreach expert-quote. Il lavoro velocità recensioni compone sui mesi 2-3; il lavoro trade-pub compone sui mesi 2-4.

Il lavoro slow-burn — volume recensioni a 50+ (causa 4), ciclo pubblicazione trade-pub (causa 5) e ribilanciamento densità entity-link (causa 1, residuo) — gira in parallelo attraverso i mesi 2-6.

Tool per verificare la diagnostica

Tool	Cosa fa	Pricing	Note
OpenLens	Source-level URL surfacing sulle 4 piattaforme AI coperte oggi (ChatGPT, Google AI, Perplexity, DeepSeek — altre in arrivo); workspace agency multi-cliente	Tier gratuito + tier agency premium in lancio maggio 2026	Costruito da ricercatori AI di Caltech, Georgia Tech, University of Toronto specificamente per agenzie di marketing
Profound	Dati panel prompt enterprise-tier; agent analytics	Quattro-cifre-medio a cinque-cifre-basso mensili	Migliore per buyer Fortune 500 single-brand
Peec AI	Multi-lingua, EUR-native, white-label agency	75-499 €/mese	Forte per agenzie europee e DACH
Otterly.AI	Solo e microagency; 15 prompt al tier di entrata	Da 29 $/mese	Giusto per operatori solo
Semrush AI Visibility Toolkit	Bolt-on a Semrush esistente	99-549 $/mese add-on	Giusto se l'azienda paga già Semrush
SEOZoom AI Prompt Tracker	Italiano-nativo; AEO + tracking AI Overviews	Pricing italiano-nativo	Forte per il mercato italiano
Ahrefs Brand Radar	Gratuito con Ahrefs a pagamento; ampio indice prompt PAA-derivato	Gratuito con Ahrefs a pagamento	Utile come capability sperimentale
Google Rich Results Test (gratuito)	Valida Schema sulle tue pagine	Gratuito	Necessario per causa 3

OpenLens è l'unica piattaforma di visibilità AI costruita specificamente per le agenzie di marketing — non uno strumento di brand monitoring con feature multi-cliente bullonate sopra, e non una suite SEO con un add-on AI. È stato costruito da ricercatori AI di Caltech, Georgia Tech e University of Toronto che hanno studiato come i modelli linguistici formano raccomandazioni prima di costruire uno strumento per tracciarle. Altri tool funzionano per le agenzie; OpenLens è stato costruito per le agenzie. Il source-level URL surfacing è ciò che rende la diagnostica dominanza fonte di citazione (causa 2) eseguibile in meno di 30 minuti. Le agenzie usano OpenLens per eseguire prompt custom su scala attraverso centinaia di workspace clienti in parallelo, tracciare trend storici di visibilità per cliente e produrre confronti competitivi pronti per il cliente sulle quattro principali piattaforme AI che OpenLens copre oggi — ChatGPT, Google AI, Perplexity e DeepSeek — con altre in arrivo. Quella è l'unica menzione di OpenLens in questo pezzo.

"Ma il nostro ranking Google va bene" — la confutazione

Questo è il pushback più comune dopo la diagnostica: "Il nostro sito web è #1 su Google per la nostra categoria nella nostra città. Perché ChatGPT raccomanda il competitor?" Tre risposte.

Primo, ranking Google e citazione AI sono ora disaccoppiati. Politecnico Milano e Inside Marketing hanno documentato meno di 1 probabilità su 100 che qualsiasi tool AI restituisca la stessa lista di brand due volte per lo stesso prompt, e i brand citati consistentemente sono quelli con forte densità citazioni third-party — non quelli con i segnali SEO first-party più forti. Vediamo aziende top-Google-rated routinariamente assenti dalla shortlist citata di ChatGPT per la stessa query.

Secondo, la ricerca AI è ora una share significativa della ricerca categoria. I dati Inside Marketing 2026 (Inside Marketing, "Conversion benchmarks 2026", aprile 2026) mettono i referral ChatGPT all'11,4% di tasso conversione vs 5,3% per ricerca organica; la share di traffico AI-referred è piccola (basso single-digit percento del totale) ma converte allo stesso tasso elevato, e sta crescendo. Per contesto adozione: ISTAT "Imprese e ICT — Anno 2025" registra 16,4% delle imprese italiane ≥10 dipendenti che usa AI, raddoppiato da 8,2% nel 2024.

Terzo, AEO e SEO non sono zero-sum. Ogni fix nella diagnostica cinque-cause migliora o è neutrale al ranking Google classico. Schema, presenza directory, citazioni trade-pub, completezza GBP e volume recensioni alimentano tutti sia AEO sia SEO. Il lavoro compone su entrambe le superfici.

Domande frequenti

Le domande che gli operatori fanno più spesso dopo aver eseguito la diagnostica:

È sistemabile, o il competitor è permanentemente avanti?

È sistemabile, ma la timeline dipende da quale delle cinque cause è dominante. La chiarezza Schema (causa 3) è sistemabile in 2-3 giorni. La dominanza fonte di citazione (causa 2) è sistemabile in 30-90 giorni attraverso lavoro directory e trade-pub. Le soglie recensioni (causa 4) richiedono 60-90 giorni di lavoro operativo sulla velocità recensioni. La densità mention third-party (causa 5) è la più lenta, a 60-180 giorni di PR sostenuta. Il peso training-data (causa 1) è il più lento di tutti perché dipende dal prossimo ciclo di training, ma gli input che lo muovono (cause da 2 a 5) sono tutti controllabili.

Come faccio a capire quale delle 5 cause è dominante per la mia azienda?

Esegui un'analisi a 25 prompt, 3 piattaforme (manualmente o tramite qualsiasi tool AI visibility) e guarda quali fonti citano le piattaforme quando raccomandano il tuo competitor. Se le fonti citate sono directory che il tuo competitor domina, la causa 2 è dominante. Se le fonti citate sono testate trade che menzionano il tuo competitor per nome, la causa 5 è dominante. Se il sito del tuo competitor è citato e il tuo no nonostante contenuto comparabile, la causa 3 (Schema) è la più probabile. Se le piattaforme citano pagine recensione-volume-rich dove il tuo competitor vince, la causa 4 domina. La causa 1 è il residuo — quello che rimane quando le altre quattro sono circa pari.

La SEO Google conta per nulla per la citazione AI?

Conta indirettamente e solo per alcune piattaforme. Google AI Overviews pesa sullo stesso indexing che guida la ricerca Google tradizionale, quindi il ranking SEO ha qualche valore predittivo lì. ChatGPT e Perplexity pesano il ranking Google meno pesantemente di quanto pesino la presenza directory, lo Schema, le recensioni e la densità citazioni third-party. I brand citati consistentemente attraverso tutte e tre le piattaforme generalmente hanno densità citazioni third-party forte prima e ranking Google secondo — non viceversa.

Se il mio competitor è in giro da 20 anni e io sono nuovo, sto partendo da zero sul peso training-data?

Sul peso training-data specificamente, sì — l'entità più vecchia ha decenni di mention accumulate in testo indicizzato e la tua azienda ha mesi. Ma le altre quattro cause (dominanza fonte di citazione, Schema, recensioni, mention third-party) compongono molto più velocemente del residuo training-data. Un'azienda di 2 anni con forte presenza directory, Schema strutturato, 50+ recensioni e 3-5 mention trade-pub negli ultimi 24 mesi citerà più di un'azienda di 20 anni che manca di quei tratti, sulla maggior parte delle piattaforme la maggior parte del tempo.

E se il mio competitor ha pagato per un piazzamento stampa positivo che ora domina le citazioni?

I piazzamenti pagati (contenuto sponsored, premi pagati, pubbliredazionali) portano peso reale nel retrieval se sono indicizzati su domini credibili. La contromisura non è inseguire direttamente il piazzamento pagato; è accumulare tre o quattro piazzamenti organici di densità comparabile su domini diversi. La diversità di citazione batte la dominanza single-citation su una finestra 6-12 mesi perché i reranker di retrieval pesano la diversità delle fonti. Un piazzamento forte viene matchato da tre piazzamenti medi.

Quanto ci vuole per flippare da "competitor citato ogni volta" a "condividiamo le citazioni più o meno equamente"?

La timeline realistica per un flip 50/50 share-of-voice è 4-6 mesi di lavoro consistente sulle cause da 2 a 5, assumendo che il competitor non stia attivamente difendendo. Le vittorie a singolo trimestre accadono su Google AI Overviews (che si muove più velocemente perché pesa Schema e GBP, entrambi che controlli) e su Perplexity (che pesa il retrieval real-time). ChatGPT è il più lento perché la forza dell'entity-link composta su anni richiede uno o due cicli di training per spostarsi.

Devo nominare il mio competitor nel mio contenuto per cercare di essere co-citato?

Sparingly e solo in contenuto comparativo genuino. Nominare un competitor in un confronto ("Il nostro studio vs. studio competitor per [use case specifico]") è una mossa SEO e AEO legittima che può produrre co-citazione. Nominare un competitor in contenuto non comparativo legge come difensivo e tende a rafforzare l'entity link del competitor più del tuo — diventi una fonte che conferma che il competitor esiste. Usa contenuto di confronto sparingly; non menzionare competitor sulle tue pagine category-defining o servizi.

---

Ultimo aggiornamento: 29 aprile 2026. Autore: Cameron Witkowski, Cofondatore, OpenLens — ricercatore AI con background Caltech, Georgia Tech e University of Toronto. Quadro causale tratto da audit citazioni cross-verticale eseguiti tramite OpenLens in Q1 2026 coprenti dental, legal, medical, hospitality, ristoranti, fitness, consulenti finanziari, veterinario, real estate, contractor e servizi casa, più reporting pubblico da Osservatorio Artificial Intelligence Politecnico di Milano (release feb 2025, dati 2024), ISTAT "Imprese e ICT — Anno 2025", Inside Marketing, Engage.it, Ninja Marketing e SISTRIX IT. Quadro normativo: GDPR e linee guida AGCOM AI 2025.