Cosa misura un AI Visibility Score e cosa non può misurare

Da qualche parte, su una dashboard, c'è un numero con accanto il nome del tuo brand, e questo mese è salito. La domanda che conta è una sola: salito grazie a cosa? Il punteggio non te lo dirà. Non è mai stato costruito per farlo.

Non è un'accusa ai punteggi: è la descrizione di cosa sono. Un AI visibility score prende una massa di prove disordinate (molte risposte, a molti prompt, su più assistenti e più lingue) e la comprime in una cifra che leggi in un secondo. La compressione è il punto. Ma comprimere vuol dire perdere qualcosa, e vale la pena sapere che cosa resta fuori.

Il punteggio è un indice, non il lavoro

Pensalo come pensi a un indice di borsa. L'indice ti dice che il mercato è sceso. Non ti dice quale azienda ha chiuso male il trimestre, né perché. Nessuno gestisce un portafoglio fissando soltanto l'indice.

Quello in cui un punteggio è bravo davvero è la direzione. Comprime centinaia di risposte dei modelli in qualcosa che si può mettere su un grafico e portare davanti a chi non leggerà mai l'output grezzo di un modello. Risponde a due domande legittime: sta migliorando o peggiorando, e da dove comincio a guardare. Non risponde alla domanda «perché».

Il numero è l'indice del lavoro, non il lavoro. Il lavoro sta sotto, dentro le risposte, e uno strumento che quelle risposte te le nasconde ti chiede di fidarti di un'aggregazione che non puoi verificare.

Che cosa ci finisce dentro

Ogni strumento costruisce il proprio punteggio a modo suo, ma le componenti oneste sono variazioni sulle stesse poche osservazioni. Ciascuna significa una cosa precisa, e vengono confuse di continuo.

Presenza: la risposta ti nomina oppure no

Il segnale più primitivo e il più brutale. Hai chiesto a un modello quali fornitori consiglierebbe per qualcosa che vendi anche tu. Il tuo nome è comparso, oppure no. Non esiste una seconda pagina, non esiste il quasi. Dentro una singola risposta la presenza è binaria: misurata una volta sola non dice nulla, misurata molte volte diventa informazione.

Frequenza di menzione: quante volte, ripetendo lo stesso prompt

La componente che quasi tutti saltano, e l'unica che trasforma la presenza in informazione. Lo stesso prompt, rilanciato, può restituire un elenco di nomi diverso. La quantità interessante non è «sei stato nominato», ma «in quante esecuzioni di questo prompt sei stato nominato». Un brand che compare in quasi tutte occupa un posto stabile nello spazio delle risposte del modello. Uno che compare ogni tanto sta sul bordo. Chiedi una volta sola e i due casi ti sembrano identici.

Citazione: essere nominato non è essere linkato

Un modello può descrivere il tuo prodotto a lungo e in modo accurato senza mandare nessuno sul tuo sito. Una citazione, cioè un link reale a una tua pagina offerto come fonte, è un evento diverso da una menzione, e cambia da piattaforma a piattaforma. Perplexity recupera i documenti e mostra le fonti nel testo. Un modello che risponde con quello che ha assorbito in addestramento non ha niente da indicare: in quel momento non sta leggendo nulla. Mettere le due cose nello stesso secchio rende il punteggio più facile da calcolare e più difficile da interpretare.

Quota: chi ti sta accanto dentro la frase

Una risposta che consiglia fornitori quasi sempre ne consiglia più di uno. La tua quota sui nomi di quella frase dice della tua posizione molto più della semplice presenza. Essere citato accanto a un paio di rivali non è come essere citato in un elenco lunghissimo, ed essere il brand nominato mentre un concorrente resta fuori è l'unica forma di ranking che qui sopravvive. Questa componente ti dice anche chi sono i tuoi concorrenti, che spesso non sono quelli che credi.

Copertura: su quanta parte dei tuoi prompt compari

Comparire sui prompt che già vinci è comodo e non insegna niente. La copertura pone la domanda scomoda: di tutte le domande d'acquisto che hai deciso di monitorare, in quante compari? I buchi sono l'unica cosa, su una dashboard, che suggerisca che cosa fare dopo.

Perché un numero solo è pericoloso da possedere

I modelli linguistici sono probabilistici. Sembra un dettaglio tecnico. Non lo è. Vuol dire che lo stesso prompt, posto due volte, può restituire due elenchi di fornitori diversi, e nessuna delle due risposte è rotta. Il campionamento fa parte del modo in cui questi sistemi producono testo.

La conseguenza è scomoda per chi desidera una metrica pulita. Un punteggio calcolato su poche esecuzioni misura soprattutto rumore. Si muoverà tra una scansione e l'altra per ragioni che non ti riguardano: un campionamento diverso, documenti recuperati diversi, un aggiornamento del modello che nessuno ha annunciato. Prendi quel movimento per segnale e passerai un trimestre a spiegare un'oscillazione mai esistita. Ecco perché il valore assoluto di un punteggio è quasi privo di significato, mentre due cose non lo sono:

• La tendenza. Misurata allo stesso modo, sugli stessi prompt, nel tempo. Un numero che scivola nella stessa direzione per più scansioni consecutive ti sta dicendo qualcosa. Un numero che salta una volta e poi torna indietro ti parla di varianza.
• Il confronto tra segmenti, e soprattutto tra lingue. La visibilità non viaggia. Un brand di cui i modelli parlano con sicurezza in italiano può risultare quasi assente nella stessa domanda posta in tedesco, perché il web in lingua tedesca dice molto meno sul suo conto. Il tuo mercato domestico di fianco a un mercato di esportazione è un confronto omogeneo, e la distanza tra i due è quasi sempre la cosa più utile che hai sullo schermo.

È per questo che PSentry calcola il suo AI Visibility Score™ per lingua e per mercato invece di produrre una cifra globale: un unico numero mondiale fa la media proprio delle differenze che avresti bisogno di vedere.

Che cosa un punteggio non può dirti

Non prevede il traffico

Puoi essere citato e non ricevere un clic. Un assistente è progettato per risparmiare all'utente il viaggio. Qualcuno legge un paragrafo che nomina il tuo prodotto, si fa un'opinione e non tocca mai il tuo dominio. La visibilità nelle risposte delle AI e le sessioni nei tuoi analytics sono grandezze diverse: aspettarsi che la prima muova la seconda con una cadenza prevedibile è il modo migliore per restare delusi da una metrica che stava funzionando benissimo.

Non misura la qualità della menzione

È il punto cieco più grande di qualunque numero singolo. Essere nominato come la scelta ovvia per un compratore esigente, ed essere nominato come l'alternativa a basso costo per chi guarda al budget, valgono entrambi una menzione. Vale una menzione anche finire in una frase che sbaglia la tua categoria di prodotto. Un punteggio registra che eri nella stanza. Non registra come sei stato presentato, e la presentazione è spesso la parte che vorresti cambiare. Non ci sono scorciatoie: le risposte vanno lette.

Non è confrontabile tra strumenti diversi

Ogni strumento sceglie il proprio insieme di prompt, le proprie piattaforme, quante volte ripetere ogni prompt, come pesare le componenti di cui sopra. Due punteggi costruiti con ingredienti diversi non sono due misurazioni della stessa cosa: sono due strumenti diversi. Scegli un metodo, tienilo fermo, leggi la sua tendenza.

La versione onesta

Un punteggio alto non è un obiettivo aziendale. Nessuno è mai stato pagato per un punteggio. È un termometro: ti dà la temperatura, ti dice quando si muove e ti dice in quale stanza entrare. Tutto ciò che conta davvero (perché un mercato si è raffreddato, perché al posto tuo viene nominato un rivale, se i modelli descrivono correttamente quello che vendi) vive nelle risposte sotto il numero, non dentro il numero.

Usa il punteggio per decidere dove guardare. Poi vai a guardare.

Domande Frequenti

Qual è un buon AI visibility score?

Non esiste una soglia universale, e chi te ne cita una ti sta descrivendo la propria scala, non uno standard. Gli unici confronti sensati sono con te stesso nel tempo, e con te stesso in un mercato rispetto a un altro.

Il punteggio è calato tra due scansioni. Devo preoccuparmi?

Non ancora. Un singolo movimento può benissimo essere varianza di campionamento, non un cambiamento reale nel modo in cui i modelli trattano il tuo brand. Verifica se la direzione si conferma su più scansioni e se si vede in più di una lingua. Un calo che compare ovunque insieme ha più probabilità di essere vero.

Perché due strumenti mi danno punteggi diversi per lo stesso brand?

Perché misurano cose diverse chiamandole allo stesso modo: prompt diversi, piattaforme diverse, ripetizioni diverse, pesi diversi. Né il punteggio né la tendenza sono trasferibili dall'uno all'altro.

Meglio essere citato o essere menzionato?

Fanno due lavori diversi. Una citazione può portare un lettore sul tuo sito. Una menzione senza link modella comunque quello che un compratore crede prima ancora di aprire un motore di ricerca. Tienile d'occhio entrambe, e non lasciare che uno strumento le fonda in silenzio.

Posso alzare il punteggio in modo diretto?

Non agendo sul punteggio, e nemmeno sul modello. Quello che i modelli dicono di te viene da quello che il web dice di te, lingua per lingua. Uno strumento di monitoraggio lo misura. Non manipola gli output delle AI e non promette che il numero salirà.

Ogni quanto conviene ricalcolarlo?

Meno spesso di quanto suggerisca l'istinto. I modelli non rivedono la loro idea di un brand da un giorno all'altro, e anche il web sotto di loro si muove lentamente. Una cadenza regolare produce una tendenza leggibile. Aggiornare in continuazione produce rumore, che poi ti tocca spiegare a qualcuno.