I 10 GEO-Check che la maggior parte dei siti web fallisce

Chi vuole apparire nelle risposte di ChatGPT, Perplexity, Claude o Google AI Overviews non ha bisogno di una nuova disciplina, ma di informazioni verificabili e leggibili dalle macchine. Abbiamo analizzato i motivi per cui questo fallisce nella pratica: 23.696 audit completati su 13.327 domini, verificati con l'AI Trust Audit. Questi dieci criteri sono quelli che falliscono più spesso — e alcuni di essi potrebbero sorprendervi.

L'essenziale in breve

• Base dati anziché intuizione: Tutte le quote in questo post derivano da 23.696 audit completati su 13.327 domini (stato agosto 2026), non da un sondaggio o da una stima.
• I classici sono sistemati, mancano le prove: Informativa sulla privacy, robots.txt e sitemap si attestano tra il 73 e il 94 percento. Il markup delle recensioni, invece, è al 5 percento.
• La mancanza più grande è la meno conosciuta: Il collegamento sameAs — la connessione del proprio brand con i relativi profili sul web — manca completamente in due siti su tre tra quelli esaminati.
• Sforzo e impatto raramente coincidono: Sei dei dieci punti sono implementabili in poche ore, perché riguardano il markup e non nuovi contenuti.

Come abbiamo selezionato i dati

La base è costituita da tutti i cicli di audit completati. Per ogni criterio è disponibile la frequenza con cui è stato pienamente soddisfatto, parzialmente soddisfatto o non soddisfatto. Sono stati inclusi i criteri con un peso elevato e un alto tasso di fallimento — ovvero dove un grande impatto incontra una scarsa implementazione.

Non sono stati inclusi deliberatamente nella lista i "no-brainer": Informativa sulla privacy (il 73 percento la soddisfa pienamente), robots.txt raggiungibile (94 percento), leggibilità (87 percento), sitemap XML (81 percento), note legali/Impressum (68 percento). Anche il tag Title fallisce solo nel 5 percento dei siti, e solo il 6 percento blocca attivamente GPTBot. Questi sono pilastri importanti — ma non sono più dei cantieri aperti.

I criteri relativi ai prodotti vengono eseguiti solo sulle pagine shop identificate; le loro quote si riferiscono a 4.747 cicli. La numerazione è in ordine alfabetico e non costituisce una classifica.

Confronto a colpo d'occhio

Check	Categoria	Pienamente soddisfatto	Sforzo	Impatto sulle risposte AI
1. Testi Alt delle immagini	Contenuto	35 %	Medio	Alto
2. Schema FAQ	Struttura	7 %	Basso	Molto alto
3. Schema Organization	Struttura	46 %	Basso	Molto alto
4. Identificatori di prodotto	Dati prodotto	27 %	Medio	Molto alto
5. Qualità della pagina "Chi siamo"	Contenuto	25 %	Medio	Alto
6. Schema Review	Reputazione	5 %	Medio	Molto alto
7. Collegamento entità sameAs	Struttura	22 %	Basso	Alto
8. Data di pubblicazione	Contenuto	27 %	Basso	Alto
9. Dati offerta completi	Dati prodotto	34 %	Medio	Molto alto
10. Schema Website con funzione di ricerca	Struttura	36 %	Basso	Medio

1. Testi Alt delle immagini

Categoria: Contenuto

Cosa viene verificato: Se le immagini contenutisticamente rilevanti di una pagina hanno testi alternativi descrittivi — e non solo nomi di file o attributi vuoti.

Tasso di successo: Il 35 percento supera completamente il controllo, il 26 percento per nulla. Questo lo rende il più debole tra i criteri ad alto peso.

Perché conta per le risposte AI: I crawler testuali non vedono le immagini. Ciò che è scritto nel testo Alt è tutto ciò che dell'immagine può finire nella risposta — nel caso delle foto prodotto, quindi, colore, materiale, variante.

Best Practice: alt="Macchina per espresso manuale, 2 gruppi, acciaio inox" invece di alt="immagine prodotto". Le immagini decorative ricevono un alt="" vuoto, affinché vengano deliberatamente ignorate.

Errore più comune: Il sistema shop compila automaticamente il testo Alt con il nome del prodotto. Formalmente presente, ma privo di informazioni aggiuntive nel contenuto.

2. FAQ-Schema

Categoria: Struttura

Cosa viene verificato: Se le domande e risposte sulla pagina sono contrassegnate come FAQPage.

Tasso di successo: 7 percento. Più di nove siti su dieci sprecano il formato che più si avvicina al formato di risposta dei sistemi AI.

Perché conta per le risposte AI: Una struttura domanda-risposta fornisce esattamente il blocco che un modello può citare: una domanda delimitata e una risposta conclusa — senza dover ricostruire il contesto dal testo continuo.

Best Practice: Posizionare i blocchi FAQ dove sorge la domanda — sulle pagine prodotto, di spedizione e di reso, non solo su una pagina FAQ centrale. Ogni risposta deve essere composta da due a quattro frasi, comprensibile autonomamente.

Errore comune: Le domande appaiono come accordion sulla pagina, ma manca il markup. Visibili per gli acquirenti, per le macchine sono solo un mucchio di elementi div.

3. Organization-Schema

Categoria: Struttura

Cosa viene verificato: Se il sito web dichiara l'identità del gestore come Organization — nome, logo, canali di contatto, indirizzo.

Tasso di successo: 46 percento. In più della metà dei siti manca quindi l'identità di base, sebbene questo controllo sia tra quelli con il peso più alto.

Perché conta per le risposte AI: Senza un'organizzazione univoca, un modello non può attribuire affermazioni, recensioni e prodotti a un brand. Tutto il resto si basa su questo.

Best Practice: Fornire un oggetto Organization globalmente nell'header della pagina, con name, url, logo, contactPoint e address — identico su tutte le pagine e identico a note legali e profilo dell'attività su Google.

Errore comune: Due ragioni sociali contrastanti — una nel markup, una nelle note legali. Questo indebolisce l'attribuzione invece di rafforzarla.

4. Identificatori di prodotto

Categoria: Dati prodotto

Cosa viene verificato: Se i prodotti portano identificatori univoci: GTIN o EAN, MPN, SKU e la marca.

Tasso di successo: Il 27 percento delle pagine shop esaminate soddisfa pienamente il controllo, il 62 percento per nulla.

Perché conta per le risposte AI: Gli agenti d'acquisto devono riconoscere che la vostra offerta riguarda lo stesso prodotto di un concorrente. Senza identificatore, il vostro articolo è semplicemente un altro articolo per un confronto di prezzi o disponibilità.

Best Practice: Inserire gtin13, mpn, sku e brand nell'oggetto Product. Per i marchi propri senza GTIN: curare coerentemente MPN e marca.

Errore comune: Gli identificatori sono presenti nel sistema gestionale e nel feed di Google Merchant, ma non nell'HTML della pagina prodotto. Il feed raggiunge solo Google, la pagina prodotto tutti gli altri.

L'aspetto sorprendente: Questo punto è il precursore più chiaro dello shopping tramite agenti — eppure è il set di dati prodotto meno curato.

5. Qualità della pagina "Chi siamo"

Categoria: Contenuto

Cosa viene verificato: Non se esiste una pagina "Chi siamo", ma se contiene fatti concreti: fondazione, sede, team, focus dell'assortimento, contatto.

Tasso di successo: 25 percento. Per confronto: l'89 percento ha una pagina "Chi siamo".

Perché conta per le risposte AI: Alla domanda "Questo fornitore è affidabile?", la pagina "Chi siamo" è la fonte di fatti più densa del dominio. La prosa di marketing non fornisce nulla a riguardo.

Best Practice: Essere concreti: anno di fondazione, forma giuridica, sede, numero di dipendenti, referenti con nomi, selezione dei marchi trattati.

Errore comune: Tre paragrafi su passione e qualità, senza una singola informazione verificabile.

L'aspetto sorprendente: Il divario tra "presente" e "significativo" non è così ampio per nessun altro criterio.

6. Review-Schema

Categoria: Reputazione

Cosa viene verificato: Se le recensioni dei clienti sono contrassegnate come Review o AggregateRating.

Tasso di successo: 5 percento. Questo è il valore più eclatante dell'intero set di dati — e non è dovuto al fatto che gli shop non abbiano recensioni.

Perché conta per le risposte AI: Le recensioni sono la caratteristica di fiducia più citata nelle risposte AI sui fornitori. Un voto senza origine e quantità è solo un numero non documentato.

Best Practice: Fornire e contrassegnare lato server il voto, la quantità e i singoli testi delle recensioni. Le recensioni di Trusted Shops — la nostra offerta — derivano da ordini verificati e possono essere integrate in modo che appaiano nel codice sorgente.

Errore comune: Il widget delle recensioni viene caricato tramite JavaScript. Gli acquirenti vedono le stelle, ma gran parte dei crawler AI legge solo l'HTML puro — dove non c'è nulla.

L'aspetto sorprendente: La distanza tra recensioni visibili e recensioni contrassegnate con markup è la più grande lacuna di visibilità singola che misuriamo.

7. Collegamento entità sameAs

Categoria: Struttura

Cosa viene verificato: Se il brand collega i suoi profili ufficiali — profilo dell'attività su Google, LinkedIn, Wikidata, elenchi di settore — tramite sameAs al proprio dominio.

Tasso di successo: 22 percento. Con il 67 percento di fallimenti netti, questa è la mancanza più grande dell'intera analisi.

Perché conta per le risposte AI: sameAs dice a un modello: il brand su questo sito web e il profilo laggiù sono la stessa entità. Senza questo ponte, le prove esterne rimangono rumore non collegato.

Best Practice: Curare nell'oggetto Organization un array sameAs con gli URL dei profili ufficiali. Includere solo profili che vi appartengono effettivamente e che sono attivi.

Errore comune: Vengono collegati i pulsanti social nel footer invece di collegamenti leggibili dalle macchine nel markup.

L'aspetto sorprendente: Sforzo: circa quindici minuti. Eppure è il controllo strutturale meno soddisfatto.

8. Data di pubblicazione e aggiornamento

Categoria: Contenuto

Cosa viene verificato: Se i contenuti portano una data di creazione e di modifica leggibile dalle macchine.

Tasso di successo: 27 percento, il 73 percento non soddisfa affatto il controllo.

Perché conta per le risposte AI: Per domande con riferimento temporale — prezzi, situazione legale, disponibilità, anni — i modelli preferiscono dichiaratamente fonti datate. Senza data, il vostro contenuto rimane escluso da ogni controllo di attualità.

Best Practice: Gestire datePublished e dateModified nel markup e mostrare la data anche in modo visibile. Cambiare dateModified solo se il contenuto è realmente cambiato.

Errore comune: La data viene aggiornata automaticamente a ogni deployment. Questo crea un'attualità fittizia — e svaluta il segnale.

9. Dati offerta completi

Categoria: Dati prodotto

Cosa viene verificato: Se per il prodotto sono disponibili in formato leggibile dalle macchine prezzo, valuta, disponibilità, nonché condizioni di spedizione e di reso.

Tasso di successo: 34 percento delle pagine shop esaminate, il 64 percento fallisce.

Perché conta per le risposte AI: "Quanto costa inclusa la spedizione, ed è disponibile?" è la tipica domanda con intento d'acquisto. Se manca una delle informazioni, un modello non può includere la vostra offerta nel confronto — vi esclude.

Best Practice: Nell'oggetto Offer inserire price, priceCurrency, availability, shippingDetails e hasMerchantReturnPolicy e tenerli sincronizzati con le informazioni sulla pagina.

Errore comune: Prezzo e disponibilità hanno il markup, spedizione e reso no. Ma proprio questi due decidono nel confronto.

10. Website-Schema con funzione di ricerca

Categoria: Struttura

Cosa viene verificato: Se il dominio fornisce un oggetto WebSite completo di SearchAction.

Tasso di successo: 36 percento.

Perché conta per le risposte AI: In questo modo dite a un sistema come cercare specificamente sul vostro sito, invece di districarsi nella navigazione. Per gli accessi tramite agenti, questo diventerà sempre più rilevante.

Best Practice: Fornire WebSite con potentialAction e il proprio URL di ricerca nell'header della pagina — una volta a livello globale, non differente per ogni pagina.

Errore comune: L'URL di ricerca nel markup punta a un vecchio parametro che non porta a nulla.

Domande frequenti

Cos'è il GEO?

GEO sta per Generative Engine Optimization: l'ottimizzazione di un sito web per apparire nelle risposte dei sistemi di intelligenza artificiale generativa. Tecnicamente si sovrappone molto alla SEO, ma dà molto più peso alle prove leggibili dalle macchine e alle entità univoche.

La SEO classica non è sufficiente?

Per le basi sì — struttura pulita, sitemap raggiungibile, buoni contenuti avvantaggiano entrambi. La differenza risiede nel markup: ciò che un essere umano vede sulla pagina deve essere presente anche come informazione strutturata, altrimenti non esiste per un crawler HTML.

Da dove inizio se ho solo un giorno di tempo?

Dai controlli strutturali: Organization, sameAs e le date si sistemano in poche ore e riguardano l'intero dominio. Seguono poi il markup delle recensioni e dei dati prodotto.

Ogni quanto dovrei controllare?

Dopo ogni rilancio importante e, altrimenti, trimestralmente. I dati strutturati sono, per esperienza, la cosa che si perde più velocemente durante le modifiche ai template.

A che punto è il vostro sito web

Tutti i dieci criteri fanno parte dell'AI Trust Audit. La verifica è gratuita, dura pochi minuti e mostra per ogni punto se è soddisfatto, parzialmente soddisfatto o da fare — inclusi suggerimenti concreti di implementazione per il vostro dominio.

Nota sulla metodologia

Sono stati analizzati tutti i cicli di audit completati nell'AI Trust Audit (stato agosto 2026): 23.696 cicli su 13.327 domini univoci. La base di analisi differisce per criterio, poiché alcuni controlli sono stati introdotti solo nel tempo e i controlli relativi ai prodotti vengono eseguiti solo sulle pagine shop identificate — la rispettiva base varia quindi da circa 4.700 a 23.300 cicli. I risultati dettagliati più vecchi di dodici mesi vengono cancellati per motivi di protezione dei dati e non rientrano nelle quote.