GEO, AEO, LLMO: tre sigle, un solo problema

Girano tre sigle per quello che, sotto sotto, è lo stesso problema. GEO. AEO. LLMO. Sono arrivate a pochi mesi l'una dall'altra, c'è chi le usa come sinonimi e chi le definisce in modi che si escludono a vicenda, e l'unico punto su cui tutti concordano è che dovresti preoccuparti.

La versione breve, prima di quella lunga: descrivono sguardi sovrapposti su una sola situazione. I sistemi generativi rispondono nominando una manciata di marchi, e quasi nessuna azienda sa se è tra quelli. Tutto il resto è vocabolario.

Cosa sostiene davvero ciascuna

GEO: Generative Engine Optimization

GEO è la sigla con l'origine più limpida. Nasce dalla ricerca accademica, non da un'agenzia di marketing, ed è stata coniata per dare un nome a una domanda precisa: se un motore generativo sintetizza una risposta invece di restituire link, cosa rende una fonte più probabile dentro quella sintesi?

L'inquadratura è sui motori come sistemi: qualcosa che recupera, ordina al proprio interno, riassume ed emette prosa. Comprende ChatGPT, Claude, Gemini e Perplexity, più i riassunti generativi cuciti sopra la ricerca tradizionale. L'unità di successo non è una posizione. È se il tuo nome compare in un paragrafo che ha spazio per pochissimi nomi.

AEO: Answer Engine Optimization

AEO è un'idea più vecchia con un vestito nuovo. Precede l'ondata attuale dei chatbot e in origine descriveva l'ottimizzazione per i featured snippet, gli assistenti vocali e qualunque cosa restituisse una risposta invece di una pagina di opzioni. Dati strutturati, titoli a forma di domanda, la risposta piazzata nella prima frase della sezione. Era questo AEO, prima che si sentisse parlare di modelli linguistici.

Da allora l'etichetta è stata allargata fino a coprire anche le interfacce di chat generative, ed è per questo che oggi convive a fatica con GEO. Se leggi con attenzione chi usa AEO, di solito capisci quale delle due cose intenda: la versione fatta di schema e snippet, oppure la versione fatta di modelli. Spesso intende entrambe, senza accorgersi che sono macchine diverse, che si rompono in punti diversi.

LLMO: Large Language Model Optimization

LLMO ha la mira più stretta e più letterale: influenzare quello che dice il modello in sé, invece di quello che gli passa uno strato di recupero. La distinzione vale la pena capirla, perché è l'unico punto in cui queste sigle indicano meccanismi davvero diversi.

Un modello può risponderti in due modi molto lontani tra loro. Può rispondere da quello che ha assorbito durante l'addestramento, e allora non c'è nessuna fonte viva, nessuna citazione, e quello che hai pubblicato la settimana scorsa non ha alcun peso sull'esito. Oppure può rispondere da documenti recuperati nel momento in cui gli fai la domanda, e allora quello che sta sul web adesso conta enormemente. Quasi tutti i sistemi fanno un po' dell'uno e un po' dell'altro, e non ti dicono quale delle due strade abbia prodotto quale frase.

LLMO, presa alla lettera, punta alla prima strada, ed è la strada su cui non si riesce quasi a intervenire. Non puoi sottoporre una pagina ai pesi di un modello. Non puoi correggere quello che ha imparato. Qualunque cosa lasci intendere la sigla, nessuno sta ottimizzando un modello linguistico dall'esterno.

Perché sono tre

Le categorie nuove producono vocabolario, ed è normale. Quello che vale la pena notare è la direzione in cui il vocabolario corre.

Ogni sigla finisce con optimization. Tutte e tre descrivono un intervento. Nessuna descrive una misura. È una base strana su cui fondare una disciplina, perché il lato dell'intervento è quello che nessuno riesce ancora a dimostrare di controllare, mentre il lato della misura è a disposizione di chiunque abbia voglia di guardare.

Lo stato onesto delle cose è questo: possiamo osservare cosa dicono oggi i sistemi generativi di un marchio, quali marchi vengono nominati al suo posto, e quanto ciò cambi da piattaforma a piattaforma e da lingua a lingua. Quello che nessuno può fare è garantire che una certa azione modifichi qualcosa. Il settore ha prodotto tre nomi per un metodo e quasi niente per ciò di cui quel metodo avrebbe bisogno anche solo per stare in piedi: una linea di partenza.

Un mercato che vende il metodo prima di avere la misura sta vendendo fiducia. Le sigle sono la confezione.

Quella da disinnescare: GEO non è geografia

Questa confusione è ovunque e va detta senza sfumature. GEO vuol dire Generative Engine Optimization. Non vuol dire geolocalizzazione, targeting geografico, risultati sulle mappe o ricerca locale.

La collisione è casuale. Il prefisso "geo" indica la terra da parecchio tempo, quindi un articolo intitolato "strategia GEO per la tua azienda" potrebbe plausibilmente parlare dell'una o dell'altra cosa, e parecchio di quanto è stato pubblicato le mescola allegramente. Una parte l'ha scritta gente che non ha verificato. Una parte l'hanno scritta macchine che non lo sapevano.

Se un testo su questo argomento comincia a parlarti di schede aziendali, orari di apertura o raggio di prossimità, stai leggendo di ricerca locale. È una disciplina vera, con i suoi professionisti seri. Non è questa. Le due non hanno niente in comune, a parte tre lettere.

Sotto le etichette, il problema è uno solo

Togli il vocabolario ed ecco cosa sta succedendo davvero. Qualcuno chiede a un assistente quale strumento, fornitore o prodotto dovrebbe prendere in considerazione. L'assistente non restituisce l'elenco di tutti: scrive una frase o due di prosa e nomina un pugno di aziende. Non c'è una seconda pagina, non c'è nessun "mostra altri risultati". I marchi rimasti fuori non hanno perso di misura. Non erano proprio nella conversazione, e chi ha fatto la domanda non ha modo di sapere che esistano.

È tutto qui il problema, e nessuna sigla lo cambia. Le domande a cui ti serve una risposta restano le stesse, qualunque parola tu scelga.

Il sistema ti nomina quando qualcuno pone la domanda che i tuoi compratori fanno davvero, e non quella che contiene già il tuo marchio?
Ti cita, con un link, o si limita a menzionarti? Sono due esiti diversi. Un modello può descrivere il tuo prodotto in modo accurato senza mandarti un solo visitatore, ed è per questo che gli strumenti di analytics sono strutturalmente incapaci di vedere questa partita.
Chi viene nominato al posto tuo? Di solito è la risposta più scomoda, perché spesso non è il concorrente che hai sulla tua mappa di mercato. I modelli raggruppano i marchi per come ne parla il web, non per come segmenti tu la categoria.
In quale lingua? La visibilità non attraversa i confini. Un marchio che un assistente consiglia con disinvoltura in italiano può sparire del tutto dalla stessa domanda posta in tedesco, perché il web in lingua tedesca su di lui ha poco da dire. Non esiste una risposta globale da controllare una volta e via.

Cosa farci

Puoi verificare tutti e quattro i punti a mano, oggi, gratis. Apri un assistente, poni la domanda che farebbe un potenziale cliente prima di sapere che esisti, e leggi chi viene nominato. Poi rifallo. La risposta non sarà identica, perché questi modelli sono probabilistici e una singola risposta è un aneddoto, non un risultato. Poi traduci la domanda in ciascuna lingua in cui vendi e ripeti.

Fallo con onestà e in un pomeriggio imparerai più di quanto ti insegni qualsiasi sigla. Scoprirai anche perché non regge la scala: le verifiche che ti servono sono prompt moltiplicati per ripetizioni, moltiplicati per piattaforme, moltiplicati per lingue, e crescono più in fretta della tua pazienza.

Quella moltiplicazione è il motivo per cui esistono gli strumenti, ed è la parte che PSentry automatizza: esegue una serie di prompt su ChatGPT, Claude, Gemini e Perplexity, in ogni lingua e in ogni mercato in cui operi, e riporta dove vieni nominato, dove vieni citato e chi viene nominato al posto tuo.

Due limiti detti chiaramente, visto che questo pezzo ha appena accusato un'intera categoria di promettere troppo. Le scansioni girano a calendario, due volte al mese, non in tempo reale. E misurare vuol dire misurare: non manipola quello che i modelli dicono, e chi sostiene di saperlo fare ti deve una dimostrazione che non è in grado di darti. Quello che ottieni è una linea di partenza. Dato che il settore ha prodotto tre sigle e nessuna linea di partenza, sembra l'ordine giusto in cui fare le cose.

Domande Frequenti

Quale sigla conviene usare parlando con il mio team?

GEO è quella con l'origine tracciabile e meno ambiguità su cosa indichi, quindi è la scelta più prudente in un documento che deve sopravvivere alla lettura di qualcun altro. Qualunque sia la tua, definiscila nel primo paragrafo: altrimenti metà di chi ti legge penserà che parli di geografia.

Se nessuno può dimostrare che un intervento funzioni, ha senso occuparsene?

Misurare ha senso, perché non puoi valutare nessun intervento senza una linea di partenza, e oggi quella linea manca quasi ovunque. L'atteggiamento ragionevole è scoprire a che punto sei, pubblicare contenuti chiari e fattuali su quello che fai, e restare diffidente verso chiunque affermi di avere una leva.

AEO è superata adesso che c'è GEO?

Non superata, solo più vecchia e più stretta. Lo stile diretto che AEO ha sempre predicato, quello che risponde subito alla domanda, è davvero più facile da riusare per un modello di un testo di posizionamento denso e allusivo. Quel consiglio non ha smesso di essere sensato. Ha smesso di bastare.

Perché le risposte cambiano se rifaccio la stessa domanda?

Perché i modelli linguistici campionano da una distribuzione invece di consultare un risultato archiviato. Lo stesso prompt può produrre elenchi di fornitori diversi a due esecuzioni consecutive. Non è un difetto che si aggiusta configurando qualcosa, ed è il motivo per cui a separare una misura da un'impressione è la ripetizione, non il singolo controllo.

Arriverà una sigla nuova a sostituirle tutte?

Può darsi, e cambierà poco. La domanda sotto resta la stessa in ogni versione: quando una macchina risponde al posto tuo, il tuo nome lo dice, e in quali lingue smette di dirlo.