Monitorare il brand su ChatGPT gratis: metodo e limiti

Per scoprire se gli assistenti AI nominano il tuo brand non devi comprare niente. Ti bastano un foglio di calcolo, un pomeriggio e la disciplina di fare il test come si deve. Quasi tutti quelli che ci provano ottengono una risposta inservibile, e non perché il metodo sia complicato: sbagliano una cosa precisa nel primo minuto.

Qui sotto c'è il metodo per intero. E poi, visto che conta più del metodo stesso, il punto esatto in cui smette di reggere.

Prima costruisci il foglio dei prompt

Apri un foglio di calcolo. Una riga per ogni domanda. Scrivile prima di aprire ChatGPT: se improvvisi mentre le digiti, senza accorgertene sceglierai quelle che sai già di vincere.

L'errore più diffuso è chiedere al modello di te. «Che cos'è [il tuo brand]?» non ti dice niente: il modello produrrà qualcosa, produce sempre qualcosa. Quella è una consultazione, non visibilità. Scrivi le domande che un compratore fa prima di sapere che esisti. Si dividono in tre famiglie, e ti servono tutte e tre:

• Prompt di categoria. «Qual è lo strumento migliore per [problema da risolvere] in un'azienda di medie dimensioni?» «Chi sono i principali fornitori di [prodotto] in Europa?» È la domanda grezza dell'inclusione: quando il modello elenca il campo, il tuo nome gli viene in mente oppure no?
• Prompt comparativi. «Confronta le principali opzioni per [categoria].» «[Concorrente noto] e le alternative.» Ti dicono in che gruppo il modello ti archivia, e se compari come pari grado o come ripensamento.
• Prompt di problema. Nessuna categoria, nessun fornitore, solo il dolore. «Il magazzino resta senza scorte proprio sui prodotti che girano di più, come rimedio?» Nessuno li prova, e sono spesso il punto in cui spunta un concorrente inatteso, perché lì il modello ragiona a partire da un sintomo e non da una tassonomia di prodotti.

Una decina di prompt bastano per cominciare. Noiosi, specifici, scritti con le parole dei tuoi clienti e non con il gergo interno della tua categoria.

Sessione pulita. È qui che sbagliano tutti

Se lanci queste domande dal tuo account ChatGPT di sempre, quello che sa chi sei, che ha la tua azienda in memoria e settimane di conversazioni sul tuo prodotto nello storico, la risposta che ottieni non è la risposta che riceve un estraneo. È personalizzata, modellata su tutto quello che gli hai già raccontato. C'è chi fa il test, si vede nominato per primo e conclude che va tutto bene. Sta leggendo il proprio riflesso.

Quindi, prima di ogni altra cosa:

• Disattiva memoria e personalizzazione, oppure usa una chat temporanea dove l'assistente la offre.
• Esci del tutto dall'account dove è possibile, o apri un profilo del browser nuovo, senza sessione.
• Non nominare mai il tuo brand, né nel prompt né nelle domande successive. Nel momento in cui lo fai, hai contaminato tutto il resto della conversazione.
• Apri una conversazione nuova per ogni prompt. Non un messaggio nuovo nello stesso thread: un thread nuovo. Il contesto si trascina, e un modello che ti ha appena consigliato continuerà a consigliarti.

Non è affascinante, ed è la differenza tra un test e un placebo.

Ripeti ogni prompt più di una volta

I modelli linguistici sono probabilistici. Poni la stessa identica domanda due volte e puoi ricevere due elenchi diversi di fornitori consigliati. Non è un difetto che puoi correggere con qualche impostazione, e ha una conseguenza che quasi nessun test manuale accetta: una singola esecuzione è un aneddoto. Ripeti ogni prompt più volte, in sessioni pulite separate, e leggi il risultato come una frequenza, non come un fatto. «Nominato in quattro esecuzioni su sei» è un dato. «Nominato» non lo è.

Poi rifai tutto sugli altri assistenti. ChatGPT, Claude, Gemini e Perplexity non sono intercambiabili: sono stati addestrati in modo diverso, recuperano informazioni in modo diverso, e un brand che uno consiglia con sicurezza può essere invisibile su un altro.

Cosa annotare per ogni risposta

Quattro colonne. Resisti alla tentazione di aggiungerne altre.

• Menzionato: sì o no. Il nome compare nella risposta, punto.
• Linkato: sì o no. Compare come fonte o citazione cliccabile. Sono due esiti davvero distinti. Un modello può descrivere il tuo prodotto in modo accurato, a lungo, e non linkarti mai, perché sta rispondendo con quello che ha assorbito in addestramento e non ha nessuna pagina da indicare. Puoi essere visibilissimo e non ricevere un solo clic: è per questo che il tuo pannello di analytics non vede niente di tutto ciò.
• Chi altro viene nominato. Tutti gli altri brand della risposta, nell'ordine in cui compaiono. La colonna più scomoda e la più utile. Le aziende che il modello nomina al posto tuo spesso non sono i concorrenti che hai sulle tue schede interne: i modelli raggruppano i brand per come il web ne parla, non per come è disegnata la tua mappa di mercato.
• Come vieni descritto. Non un punteggio di sentiment, le parole esatte. «Per grandi aziende», «opzione economica», «per sviluppatori», «un'alternativa più piccola a X». Essere nominato con la descrizione sbagliata può essere peggio che non essere nominato: un modello che ti presenta come la scelta a basso costo ha preso una decisione di posizionamento al posto tuo, e la ripete a ogni compratore che chiede.

Perplexity è dove scopri il perché

Gli altri assistenti ti dicono cosa pensano. Perplexity ti mostra da dove l'ha preso, perché recupera pagine dal vivo e cita le fonti dentro il testo. È la superficie più utile di tutto l'esercizio. Lancia lì i tuoi prompt di categoria e comparativi, poi ignora la risposta e leggi l'elenco delle fonti: quegli indirizzi sono le pagine su cui il modello si sta formando un'opinione del tuo mercato, e di te.

Preparati a una sorpresa. Di solito non sono le tue pagine. Sono aggregatori di recensioni, un thread di forum, una classifica scritta da qualcuno che nella tua categoria non ha alcun interesse, la pagina di confronto di un concorrente che ti descrive con parole che non avresti mai scelto. Quella è la materia prima della tua visibilità nelle AI, e non l'hai mai letta.

Controlla di non aver chiuso la porta da solo

Ci vogliono pochi minuti, ed è l'unica cosa qui dentro capace di invalidare tutto il resto. Apri tuodominio.it/robots.txt e cerca questi nomi:

• GPTBot, il crawler di OpenAI
• ClaudeBot, quello di Anthropic
• PerplexityBot
• Google-Extended, che regola l'uso dei tuoi contenuti nei prodotti generativi di Google

Un Disallow: / sotto uno di questi significa che hai escluso quel sistema dalla lettura del tuo sito. Molti siti hanno aggiunto quelle righe nei mesi del panico da scraping, su consiglio di qualcuno che nel frattempo se n'è andato, e non ci hanno più messo mano. Il blocco può anche starti bene. Ma deve essere una decisione, non un'eredità.

Adesso la parte onesta: dove questo metodo muore

Tutto quello che hai letto finora funziona. Non costa niente, e in un pomeriggio impari più che da qualsiasi discussione teorica sulla ricerca generativa. E però non sopravvive alla seconda settimana.

Guarda cosa hai costruito. Una decina di prompt. Ciascuno ripetuto più volte, perché una singola risposta è rumore. Tutto questo su quattro assistenti. E se esporti, di nuovo daccapo in ogni lingua in cui vendi, perché la visibilità non viaggia: un brand che un modello raccomanda con sicurezza in italiano può sparire dalla stessa domanda posta in tedesco, dove il web ne parla molto meno. Moltiplica. Il totale non è grande, è assurdo. E quello che hai in mano è una sola istantanea.

Ed ecco cosa spezza davvero il metodo manuale: un controllo una tantum non vale quasi niente. Ti dice come stavi un martedì. Non ti dice se stai scivolando fuori dall'insieme delle risposte, se un concorrente sta salendo, se il lavoro sui contenuti di un intero trimestre ha cambiato qualcosa. Il valore sta nella tendenza, e una tendenza significa rifare tutto, identico, a cadenza regolare, senza smettere.

A mano non lo regge nessuno. Quel problema combinatorio è esattamente ciò per cui esiste uno strumento di monitoraggio, ed è quello che PSentry automatizza: scansioni a cadenza programmata, sulle quattro piattaforme e su ogni lingua in cui vendi.

Comincia lo stesso dal foglio di calcolo. Fallo una volta a mano, fatto bene, in sessioni pulite. Devi sapere cosa si sta misurando prima di lasciare che qualcosa lo misuri per te.

Domande Frequenti

Quante volte devo ripetere ogni prompt?

Quante bastano perché un andamento si stacchi dal rumore, e ogni volta in una sessione pulita. Se il tuo brand compare in metà delle esecuzioni e sparisce nell'altra metà, quella è la scoperta. Schiacciarla in un sì o un no butta via l'unica cosa interessante che hai imparato.

Posso usare le API invece dell'interfaccia di chat?

Puoi, e risolvi in modo netto il problema della contaminazione da memoria. Però cambi l'oggetto del test: il modello dietro le API non è sempre configurato come il prodotto di consumo, e può non avere attivi gli stessi comportamenti di recupero e navigazione. Se i tuoi compratori usano l'app di chat, prova l'app di chat.

Il modello descrive male il mio prodotto. Posso correggerlo?

Non direttamente. Non esiste un modulo da compilare né un fattore di ranking da regolare. Quello che un modello dice di te riflette quello che il web dice di te. Se le fonti che Perplexity usa per la tua categoria sono un pugno di siti di recensioni e un thread di forum, quelle sono le superfici che contano, e non sono tue. Chi ti garantisce cosa dirà un'AI del tuo brand sta vendendo qualcosa che non può consegnare.

Ogni quanto va ripetuto un controllo perché significhi qualcosa?

Abbastanza spesso da vedere i cambiamenti, non così spesso da guardare il rumore. I modelli non rivedono la loro opinione su un brand da un giorno all'altro, quindi controllare tutti i giorni produce soprattutto l'illusione di stare facendo qualcosa. Conta una cadenza costante, eseguita sempre allo stesso modo, così quando qualcosa si muove riesci a distinguerlo dal semplice comportamento probabilistico del modello.