GEO e media relations: perché le fonti terze contano nella ricerca generativa

La ricerca generativa non replica Google. Seleziona, sintetizza e cita fonti con logiche diverse. In questo quadro le media relations possono pesare nella strategia GEO (Generative Engine Optimization), ma non vanno scambiate per una scorciatoia verso la visibilità nei motori AI.

Per anni la visibilità online ha coinciso con la SEO (Search Engine Optimization) tradizionale: ottimizzare il sito, presidiare le keyword, scalare la SERP (Search Engine Results Page) di Google. Non è che questa logica sia tramontata, è che non copre più tutto il campo.

Sempre più spesso l’utente non riceve una lista di link. Chiede una risposta a un sistema generativo, un answer engine, un assistente conversazionale, una funzione AI integrata in un motore tradizionale, e ottiene una sintesi già elaborata: citazioni, confronti, raccomandazioni in un blocco solo. Il sito non viene visitato. Viene citato, o non viene citato.

Da qui la domanda che la GEO prova ad affrontare: oltre a comparire su Google, il tuo brand è nei materiali che un sistema AI usa per costruire la risposta? Non si tratta di rimpiazzare la SEO con una nuova etichetta, né di buttare via anni di lavoro tecnico, ma di capire che la visibilità nei sistemi generativi dipende anche da variabili che l’ottimizzazione del sito proprietario da sola non riesce a controllare: in primo luogo, quali fonti esterne parlano di te e con che autorevolezza.

La ricerca di riferimento

Due lavori del gruppo di Nick Koudas all’Università di Toronto, un preprint arXiv del settembre 2025 e un paper pubblicato all’EDBT/ICDT 2026, studiano proprio questo. Confrontano Google con GPT-4o, Claude 4.5 Sonnet, Gemini 2.5 Flash e Perplexity Sonar Pro, analizzando i domini citati, la tipologia delle fonti e il comportamento dei sistemi su query di varia natura. Il preprint è più operativo e orientato alla consulenza; il paper del 2026 è più rigoroso come riferimento scientifico. Insieme offrono il quadro empirico più strutturato finora disponibile su questo tema.

Le fonti vengono classificate in tre categorie: Brand (siti proprietari e ufficiali), Social (Reddit, forum, YouTube) ed Earned (media indipendenti, recensioni, comparatori, pubblicazioni specialistiche). È questa terza categoria la più rilevante per capire dove puntano i motori generativi.

I risultati che contano

Su 1.000 query consumer – cioè richieste formulate come farebbe un utente che cerca informazioni, confronti o classifiche su prodotti e servizi di largo consumo – in dieci verticali, la quota di domini condivisi tra Google e i singoli answer engine è sistematicamente bassa: GPT-4o al 4%, Gemini 2.5 Flash all’11,1%, Claude 4.5 Sonnet al 12,6%, Perplexity Sonar Pro al 15,2%. In pratica i motori generativi non stanno riscrivendo la prima pagina di Google. Guardano altrove. Le differenze tra sistemi sono tutte statisticamente significative.

E guardano soprattutto verso l’Earned. Google distribuisce le sue fonti in modo abbastanza equilibrato: 41% Earned, 34% Social, 26% Brand. Gli AI engine comprimono la quota Social e alzano l’Earned. Claude 4.5 Sonnet arriva al 65% Earned con solo 1% Social. L’intento della query incide: nelle ricerche di consideration (quando si confrontano alternative prima di decidere) la quota Earned negli AI engine sale tra il 59% e l’86%. Nelle query transazionali – cioè nelle ricerche orientate a compiere un’azione concreta: acquistare, prenotare, scaricare, iscriversi o contattare direttamente un fornitore – i sistemi si spostano invece verso le fonti Brand, tra il 52% e il 68%.

Le media relations in questo quadro

Il preprint 2025 lo dice senza giri di parole: data la preferenza degli AI engine per le fonti Earned, le organizzazioni farebbero bene a investire in copertura di terze parti attraverso public and media relations, menzioni, recensioni, feature su pubblicazioni autorevoli del settore.

Detto questo: i paper non misurano causalmente l’effetto di una campagna PR sulle citazioni AI. Non esiste un test prima/dopo. Il collegamento con le media relations è una deduzione operativa degli autori, non una prova sperimentale. Ma il ragionamento regge: se nelle risposte osservate le fonti terze pesano, costruire presenza qualificata in quelle fonti diventa strategico.

Il punto è la qualità della copertura. Interviste autorevoli, review indipendenti, contributi su testate specialistiche, presenza in comparatori: roba che un sistema AI può trovare, leggere e citare. Non comunicati stampa promozionali che nessuno cita, umano o macchina che sia.

Tre livelli, uno dipende dall’altro

La GEO funziona su tre piani: il sito deve essere tecnicamente sano e machine-readable; i contenuti devono essere verificabili, confrontabili, aggiornati; e poi serve la presenza esterna, in media, review, pubblicazioni, fonti istituzionali credibili. Le media relations lavorano su questo terzo piano, ma se i primi due sono trascurati, il terzo non regge.

Chi fa consulenza SEO o GEO ha bisogno di ampliare l’audit: non basta più mappare backlink e performance del sito, serve anche capire quali fonti citano gli answer engine nelle query rilevanti e quanto spazio hanno le fonti Earned rispetto alle Brand e Social nel proprio settore.

La SEO non è superata. La ricerca generativa aggiunge però un livello che la SEO da sola non copre: oltre al sito, conta l’ecosistema pubblico in cui un’organizzazione esiste ed è citabile. Le media relations, quando atterrano sulle fonti giuste, sono una leva GEO reale.

La GEO, presa sul serio, non è una scorciatoia. È un lavoro continuo su contenuti, tecnica, autorità distribuita e monitoraggio delle fonti. Dentro questo lavoro le media relations non sono un accessorio. Possono diventare una parte dell’infrastruttura di visibilità.

Riferimenti bibliografici

Chen, Mahe; Wang, Xiaoxuan; Chen, Kaiwen; Koudas, Nick. «Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation.» Proceedings of the Workshops of the EDBT/ICDT 2026 Joint Conference, Tampere, Finland, 24–27 marzo 2026. Department of Computer Science, University of Toronto.

Chen, Mahe; Wang, Xiaoxuan; Chen, Kaiwen; Koudas, Nick. «Generative Engine Optimization: How to Dominate AI Search.» Preprint arXiv, `arXiv:2509.08919v1 [cs.IR]`, 10 settembre 2025.