API o scraping del browser: da dove arrivano i dati AI

Ogni tool di visibilità AI deve prendere le sue risposte da qualche parte. Prima che una dashboard ti dica che Gemini ti ha nominato rispondendo a una domanda in tedesco sui software gestionali, qualcosa deve avere davvero posto quella domanda a Gemini e letto ciò che è tornato indietro. I modi per farlo sono due soltanto, e quasi nessuno, prima di firmare, chiede quale dei due sta pagando.

Non è una curiosità tecnica. Il metodo di raccolta decide che cosa significano i tuoi dati, quanto sono stabili nel tempo e se il punteggio che stai guardando descrive il sistema con cui parla davvero il tuo cliente oppure un suo parente stretto.

Due porte per lo stesso modello

L'API ufficiale

Tutti i grandi fornitori di modelli espongono un'interfaccia programmatica. Invii una richiesta che contiene un prompt, dichiari quale modello vuoi, ti torna indietro del testo. È lo stesso canale che gli sviluppatori usano per costruire applicazioni sopra ChatGPT, Claude, Gemini o Perplexity. Un tool che raccoglie così spinge il tuo set di prompt dentro quel canale a intervalli regolari e conserva le risposte.

Il browser

L'altra strada è guidare il prodotto di consumo come farebbe una persona. Aprire un browser, entrare in un account, scrivere il prompt nella casella della chat, aspettare che la risposta finisca di comparire, raschiare il testo dalla pagina. Nella pratica significa automazione di browser headless, spesso instradata attraverso proxy residenziali perché il traffico non sembri automatico, a volte con pause artificiali tra un carattere e l'altro per sopravvivere ai sistemi antibot.

Entrambi i metodi finiscono con un blocco di testo che nomina il tuo brand oppure no. La somiglianza si ferma lì.

Perché le due porte non danno la stessa risposta

L'interfaccia di chat non è una pellicola sottile stesa sopra l'API. È un prodotto, e i prodotti hanno delle opinioni. Tra la casella in cui scrivi e il modello che risponde stanno diversi strati.

• Un system prompt che non vedrai mai. Il prodotto di chat arriva con istruzioni proprie su tono, sicurezza, formattazione e su quando andare a cercare sul web. L'API, di base, quelle istruzioni non se le porta dietro. Stessi pesi del modello, briefing diverso.
• Un recupero di informazioni che può scattare oppure no. L'app di consumo può decidere da sola di cercare sul web prima di rispondere. Una chiamata API risponde con quello che il modello ha assorbito in addestramento, a meno che tu non accenda esplicitamente uno strumento di ricerca. Questa sola differenza può spostare un brand da assente a presente, perché un'azienda giovane, che i dati di addestramento conoscono appena, può comunque essere trovata da una ricerca fatta sul momento.
• Memoria e personalizzazione. Un account con la sessione aperta accumula contesto: conversazioni passate, preferenze dichiarate, istruzioni personalizzate. La chiamata API, invece, è ogni volta uno sconosciuto che bussa.
• Instradamento. I prodotti di consumo decidono sempre più spesso al posto tuo quale modello gestisce una richiesta, e cambiano quella logica senza dirlo a nessuno. L'API ti obbliga a dichiarare il modello.

Il risultato netto è che la stessa domanda, posta dalle due porte nello stesso pomeriggio, può tornare indietro con due liste diverse di fornitori consigliati. Nessuna delle due è sbagliata. Sono risposte a domande leggermente diverse.

Che cosa fa bene ciascun metodo

L'API è riproducibile. Sai quale modello hai interrogato, puoi interrogarlo di nuovo con gli stessi parametri, e se la risposta cambia puoi ragionevolmente sospettare che sia cambiato il web e non lo strumento di misura. È versionata, quindi un fornitore è in grado di dirti esattamente che cosa è stato chiesto e a chi. Regge la scala senza combattere, ed è la via che il provider ha costruito apposta per l'accesso programmatico: nessuno deve fingersi un essere umano per passare.

Il browser sta più vicino all'esperienza vissuta. Se vuoi sapere che cosa vede davvero chi compra da te, sulla superficie che usa davvero, con l'interruttore della ricerca sul web nello stato in cui si trova oggi, il browser è l'unica cosa che te lo mostra. È un argomento serio e va preso sul serio.

Che cosa fa male ciascun metodo

La debolezza onesta dell'API è che resta una approssimazione. Non è letteralmente lo schermo che il tuo cliente ha davanti. Se un tool interroga un modello senza ricerca attiva e poi ti riferisce che sei invisibile, ti ha detto qualcosa di vero su quello che il modello sa, e qualcosa di incompleto su quello che l'app di consumo avrebbe risposto. Un fornitore che non lo dichiara ti sta lasciando trarre la conclusione sbagliata.

Le debolezze dello scraping da browser sono più numerose, e se ne parla molto meno.

• Si rompe. Un cambio di layout dalla parte del provider può corrompere in silenzio l'estrazione del testo. Il guasto pericoloso non è quello rumoroso, in cui il tool non restituisce niente. È quello silenzioso, in cui continua a restituire qualcosa, e quel qualcosa ormai è sbagliato.
• È un rapporto conflittuale. I provider rilevano e bloccano attivamente l'automazione, e i loro termini di servizio in genere la vietano. Costruire un prodotto di dati su un metodo di raccolta che la controparte sta cercando di chiudere è un modello di business fragile, e quella fragilità arriva dritta fino a te.
• È difficile da riprodurre. Quale account, su quale piano, con quale memoria alle spalle, da quale rete, con quali funzionalità attivate su quell'account questa settimana. Cambia uno solo di questi elementi e hai cambiato l'esperimento.
• L'account stesso va alla deriva. Fai girare i tuoi prompt per mesi dallo stesso account e quell'account accumula storia. A quel punto il tool sta misurando che cosa si sente rispondere un utente molto strano, uno che non fa altro che domande di ricerca competitiva.

Il compromesso che nessuno vuole dire ad alta voce

Qui non esiste una risposta giusta. Esiste una scelta tra fedeltà alla superficie che il cliente usa davvero e riproducibilità della misura. Puoi stare vicino a quello che l'utente vede, oppure puoi essere sicuro che una variazione del tuo punteggio corrisponda a una variazione del mondo e non del tuo scraper. Ottimizzare le due cose insieme è marketing, non ingegneria.

Quello a cui hai diritto non è un metodo perfetto. È un metodo dichiarato. Un fornitore che non ti dice come raccoglie i dati ti sta chiedendo di fidarti di un numero di cui considera segreta la provenienza, il che è una richiesta bizzarra da rivolgere a chi sta comprando uno strumento di misura.

Che cosa chiedere prima di firmare

• Interrogate le API ufficiali o automatizzate l'interfaccia web? Una risposta vaga, qui, è già una risposta.
• Se sono API: durante l'interrogazione la ricerca sul web è attiva, e posso vedere quell'impostazione?
• Se sono API: quale versione del modello, e mi avvisate quando cambia sotto i miei piedi?
• Se è il browser: da che tipo di account, e che fine fa il mio storico quando l'interfaccia cambia?
• In ogni caso: quante volte eseguite ogni prompt prima di riportare un risultato? Una singola esecuzione di un sistema probabilistico è un aneddoto.
• Posso leggere il testo grezzo della risposta dietro ogni menzione che dichiarate, oppure solo il punteggio aggregato?

Il nostro metodo, detto senza giri di parole

PSentry raccoglie attraverso le API ufficiali delle quattro piattaforme che copre: ChatGPT, Claude, Gemini e Perplexity. È una dichiarazione di metodo, non una rivendicazione di superiorità. Abbiamo scelto la riproducibilità al posto della fedeltà all'interfaccia di consumo, perché una risposta raschiata da una pagina porta con sé una varianza che non sappiamo separare dal segnale che vogliamo misurare, e perché un confronto tra lingue e mercati ha senso solo se l'apparato di misura è identico in ognuno di essi.

Il prezzo di quella scelta è reale e non lo nascondiamo: stiamo misurando che cosa dicono i modelli dalla porta che i provider hanno costruito per le macchine, non dalla porta da cui entra il tuo cliente. Le scansioni girano a calendario, due volte al mese, e puoi leggere le risposte sottostanti invece di fidarti del punteggio. Se un tool non ti fa vedere il testo, quel punteggio è una voce di corridoio.

Domande Frequenti

Lo scraping da browser è illegale?

Legalità e termini di servizio sono due questioni diverse, e noi non siamo avvocati. Quello che è fuori discussione è che i grandi provider, nei loro termini, vietano l'accesso automatico alle interfacce di consumo, e investono per rilevarlo. È un rischio d'impresa piazzato dentro la tua pipeline di dati, e faresti bene a sapere se c'è.

Se le API rispondono partendo dai dati di addestramento, sono inutili per misurare la visibilità?

No, ma sono una lente diversa. Quello che un modello dice senza cercare ti racconta che cosa ha interiorizzato sul tuo brand, ed è il segnale più lento e più duraturo. Un risultato di ricerca preso al volo può cambiare domani. Vale la pena conoscere entrambi, e un tool dovrebbe dirti quale dei due ti sta mostrando.

Un tool può fare tutti e due?

In teoria sì. Nella pratica ti ritrovi con due insiemi di dati che si contraddicono, e qualcuno dovrà pur decidere quale dei due diventa il punteggio in dashboard. Chiedi come viene fatta quella riconciliazione, perché è lì che si nascondono le assunzioni interessanti.

Come mi accorgo che un fornitore ha cambiato metodo di raccolta senza dirlo?

Cerca una discontinuità nel tuo storico: un salto del punteggio che non corrisponde a niente che hai fatto e a niente che sia successo nel tuo mercato. Poi chiedi le risposte grezze su entrambi i lati del salto. Se non riescono a tirarle fuori, hai imparato qualcosa.

Il metodo di raccolta pesa di più per certe aziende che per altre?

Pesa soprattutto se vendi in più lingue, come fa buona parte di chi esporta. Le differenze tra un mercato e l'altro sono spesso sottili, e un metodo di raccolta rumoroso o alla deriva le annega. Se guardi sempre e solo una lingua puoi tollerare più rumore, perché il segnale che cerchi è più grossolano.