GEO e AI SEO: cosa funziona davvero, senza miti

Un marchio arriva alle risposte di ChatGPT, Gemini, Perplexity e delle AI Overview soprattutto per due strade che si intrecciano, e la GEO è il lavoro su entrambe:

1. Attraverso la ricerca. Mentre risponde, il modello cerca in rete e cita una parte delle pagine che ha trovato. Qui vale lo stesso che nella SEO: accesso per i crawler, indice, visibilità sulla parola chiave e sulle sue varianti e frammenti che rispondono alla domanda senza il resto della pagina. L'effetto si vede, come nella SEO, dopo settimane o mesi.
2. Attraverso la memoria del modello. Il modello risponde con ciò che ha imparato prima della fine dell'addestramento, e questa memoria influisce anche su chi nomina quando cerca in rete. Qui conta ciò che altri hanno scritto sul marchio e una descrizione coerente del marchio in molte fonti. Non ho misurato il ritmo dei cambiamenti nella memoria, quindi su un orizzonte di un trimestre non prometto nulla.

La maggior parte dei «trucchi GEO» non ha prove, e una parte l'ho verificata sui miei dati. Per il file llms.txt e per i dati strutturati non c'è alcuna prova che portino citazioni. Più titoli non hanno portato le pagine nella top 3 nel mio test. Il test per capire se la posizione sulle sotto-query prevede la citazione meglio della posizione sulla parola chiave principale non ha dato un esito netto, e la mia prima conclusione l'ha smentita il controllo incrociato. Le prove per ciascuna di queste frasi sono più avanti.

Cos'è la GEO e come si chiama?

La GEO è il lavoro per far comparire un marchio nelle risposte generate dall'AI: nelle AI Overview e nella Modalità AI di Google, in ChatGPT, Gemini, Perplexity e Copilot. Lo stesso lavoro ha vari nomi, e le differenze tra loro sono soprattutto di marketing:

Il nome GEO ha un'origine scientifica, e il fondamento di tutto questo lavoro è lo stesso della SEO. GEO viene da un articolo scientifico del novembre 2023, accettato alla conferenza KDD 2024. I suoi autori, Pranjal Aggarwal e colleghi, hanno mostrato su un proprio insieme di test che le modifiche ai contenuti possono aumentare la visibilità di una fonte nelle risposte generative fino al 40% (arXiv). Google scrive nella documentazione che l'ottimizzazione per la ricerca generativa è ancora SEO (Google Search Central). Cyrus Shepard di Zyppy risponde in modo simile alla domanda se un'azienda abbia bisogno di una strategia GEO a parte:

Nemmeno le persone hanno un unico nome per questo lavoro, e si vede nei risultati di Google. La domanda «Jak nazywa się pozycjonowanie w AI?» («Come si chiama il posizionamento nell'AI?») compare nella sezione «Le persone hanno chiesto anche» nei risultati polacchi, i suoi equivalenti nei risultati di Germania, Spagna e Finlandia, e l'inglese «What is AI SEO called now?» nei risultati di Stati Uniti, Svezia e Singapore. La domanda sulla differenza tra GEO (o LLMO) e SEO compare in 9 dei 27 mercati verificati, dal Brasile al Giappone.

Il nome che prevale dipende dal mercato. In Giappone il 72% delle circa 16.730 ricerche mensili su questo tema è LLMO, e la sola parola chiave «llmo» ha circa 12.100 ricerche, più di «ai seo» negli Stati Uniti (circa 6.600). In Germania e in Francia prevale la GEO (64% e 66%), in Corea del Sud l'83%. In Polonia il 58% delle circa 2.265 ricerche mensili è AI SEO insieme alla parola chiave «ai seo» e alle descrizioni polacche («pozycjonowanie ai», «pozycjonowanie w ai»), e la GEO il 32%. Negli Stati Uniti AI SEO e GEO vanno testa a testa: 42% e 39% di circa 25.400 ricerche, e in Spagna c'è un pareggio (44% e 44%). In Cechia nei dati non c'è domanda per nessuno dei nomi.

La parola chiave «ai seo» è ambigua, quindi la quota di AI SEO la considero un limite superiore. Su «ai seo» Google mostra, accanto ai testi sul posizionamento nell'AI, anche strumenti AI e guide su come fare SEO con l'aiuto dell'AI: negli Stati Uniti è più della metà dei risultati della top 10, in Danimarca almeno 6 su 8. L'AI Overview su questa parola chiave negli Stati Uniti e in Danimarca descrive però l'AI SEO come ottimizzazione per le risposte dell'AI, quindi Google la tratta come il nome di questo lavoro. Senza questa sola parola chiave la GEO prevale in 25 dei 26 mercati del mio blog, e in Giappone resta l'LLMO. In Polonia le descrizioni polacche inequivocabili («pozycjonowanie ai», «pozycjonowanie w ai») hanno insieme circa 580 ricerche mensili, e la GEO circa 725. Agli strumenti AI per la SEO dedicherò un testo a parte.

La sola parola chiave «aeo» non la conto, perché in Polonia significa soprattutto un certificato doganale, e negli Stati Uniti una parte dei risultati sono le quotazioni in borsa di una catena di abbigliamento, American Eagle. Su «aeo» nel Google polacco tre dei primi quattro risultati sono siti del ministero delle finanze. Le parole chiave con il nome completo, per esempio «answer engine optimization», le conto nella serie «Altri».

Ogni versione linguistica di questo testo usa il nome che le persone cercano nel mercato in questione. La versione giapponese parla di LLMO, quella tedesca e quella francese di GEO, e quella polacca di «pozycjonowanie w AI» e di AI SEO. Questa versione usa GEO e AI SEO insieme, con GEO per prima: in Italia la GEO pesa il 61% delle circa 1.795 ricerche mensili su questo tema e l'AI SEO il 33%.

Come sceglie le fonti l'AI?

Il modello risponde con la ricerca o con la memoria, e da questo dipende cosa puoi cambiare. Quando cerca in rete, scompone la domanda in più query, scarica i risultati, ne sceglie dei frammenti e ne cita una parte. Google lo chiama nella documentazione «query fan-out»: il sistema invia molte ricerche collegate su sottotemi e da fonti diverse (Google Search Central). Quando il modello non cerca, risponde con ciò che ha imparato durante l'addestramento, e allora la posizione della pagina su Google non cambia nulla.

Le strade si intrecciano, perché la memoria del modello influisce anche sulla risposta per cui il modello ha cercato in rete. Dan Petrovic di Dejan scrive che la menzione di un marchio nel testo di una risposta si basa soprattutto sulla conoscenza precedente del modello, e una singola pagina quasi non la sposta (Dejan, 07/07/2026). Per questo misuro le due strade separatamente, ma lavoro su entrambe in parallelo.

Quanto spesso il modello cerca in rete dipende dal modello: nel mio test da 10 a 94 parole chiave su 94. L'ho verificato via API su 94 parole chiave dei progetti che seguo, in inglese e in polacco, nella notte tra il 3 e il 4 ottobre 2026 e poi di nuovo al mattino. Nel testo sulla strategia SEO ho descritto lo stesso effetto su cinque domande pratiche, qui è su un insieme più grande.

• 93 su 94Tante volte Gemini 2.5 Flash ha usato la ricerca al primo passaggio (al secondo 94 su 94).Il mio test via API, 3-4/10/2026
• 71 su 94Tante volte ha cercato Gemini 3.5 Flash (al secondo passaggio 69 su 94).Il mio test via API, 3-4/10/2026
• 25 su 84Tante volte ha cercato Gemini 3.1 Pro (10 chiamate si sono concluse con un errore di limite; al secondo passaggio 32 su 94).Il mio test via API, 3-4/10/2026
• 10 su 94Tante volte ha cercato Gemini 3.8 Flash (al secondo passaggio 15 su 94). Per le altre parole chiave rispondeva dalla memoria.Il mio test via API, 3-4/10/2026

In questa configurazione le versioni più recenti di Gemini Flash cercavano più di rado, ma Gemini 3.1 Pro non rientra in questo schema. Pro ha un numero di versione più vecchio di 3.5 Flash e ha cercato meno di lui. È una sola famiglia di modelli e una sola configurazione API, non l'app Gemini che vede l'utente, quindi i numeri li considero un segnale, non una regola. Bastano però per verificare a ogni misurazione su quante domande il modello cerca davvero.

La memoria dei modelli su un nuovo marchio polacco si è rivelata piena di buchi, e una parte dei modelli ne inventava la descrizione. Nello stesso progetto circa 500 risposte a domande sui marchi per cui lavoro sono state valutate alla cieca da un altro modello. Uno dei nuovi marchi polacchi di quell'insieme era sconosciuto a tutti i modelli verificati, e in 9 risposte su 12 la descrizione era inventata. La quota di invenzioni dipendeva dal modello: dal 5% al 77% delle risposte su tutti i marchi. Le risposte le valutava un solo modello-giudice, quindi le differenze inferiori a circa 10 punti percentuali le considero rumore.

Lo stesso dominio può essere visibile su una strada e invisibile sull'altra. Un sito è stato citato nella Modalità AI di Google per 10 coppie di parole chiave su 13, e nelle risposte dei modelli senza ricerca non è comparso nemmeno una volta (0 su 13). È un solo dominio e 13 coppie, quindi è un'illustrazione e non una regola.

Un fenomeno affine si vede in uno studio su scala più ampia. Dan Petrovic riferisce uno studio di Google Research su 13 modelli e 2.150 fatti di Wikipedia: i modelli di punta, come Gemini 3 Pro e GPT-5, hanno nei pesi il 95-98% di questa conoscenza, ma non riescono a richiamarne il 26-34% (Dejan, 17/08/2026). Sono fatti enciclopedici e non conoscenza sui marchi, ma la conclusione per un marchio è simile: la presenza di un'informazione nei dati di addestramento non garantisce che il modello la dica.

Come arrivare nelle risposte dell'AI con la ricerca?

Sulla strada della ricerca vale lo stesso che nella SEO, con una differenza. Google scrive che per entrare nelle AI Overview e nella Modalità AI la pagina deve essere nell'indice e poter comparire nei risultati con un frammento di testo, e che non ci sono requisiti tecnici aggiuntivi (Google Search Central). La differenza è che il modello pone più query insieme, quindi una pagina visibile solo sulla parola chiave principale ha meno occasioni di essere citata di una visibile anche sulle sue varianti. ChatGPT ha inoltre un proprio crawler di ricerca (ne parlo sotto), quindi la visibilità su Google non si trasferisce direttamente su di lui.

Accesso per i crawler AI

I crawler dei motori di ricerca AI possono essere bloccati senza che il proprietario del sito lo sappia. Un firewall o un'impostazione nella rete di distribuzione dei contenuti (CDN) può bloccarli, spesso solo dopo aver superato una soglia di richieste, quindi un singolo test non mostra nulla. Verifico con una serie di richieste con i nomi dei crawler di Google, OpenAI, Perplexity e Anthropic, e confronto la risposta del server con quella che riceve un normale browser.

Bloccare l'addestramento dei modelli è una decisione diversa dal bloccare la ricerca. OpenAI separa questi ruoli: GPTBot raccoglie contenuti che possono finire nell'addestramento dei modelli, mentre OAI-SearchBot decide la presenza nei risultati di ricerca di ChatGPT. OpenAI scrive che i siti che bloccano OAI-SearchBot non vengono mostrati nelle risposte di ricerca di ChatGPT, mentre il blocco di GPTBot non cambia nulla (OpenAI). Allo stesso modo Google-Extended governa l'uso dei contenuti da parte dei modelli Gemini, ma secondo Google non influisce sulla presenza né sulla posizione nella ricerca (Google Search Central). Chi blocca tutti i crawler AI con un solo interruttore può perdere la presenza nella ricerca di ChatGPT che non voleva affatto cedere.

Posizione sulla parola chiave e sotto-query

Non so se una posizione più alta aumenti la probabilità di citazione, perché i miei dati non lo decidono. Nel testo sulla strategia SEO, nella mappa delle ipotesi, ho descritto un articolo che su cinque parole chiave molto vicine è stato citato nelle AI Overview solo su una, e proprio su quella in cui stava più in basso. Le sotto-query le compone il modello e possono essere diverse a ogni risposta, quindi non esiste un elenco fisso di «sotto-query per la parola chiave X». Nel mio insieme di 94 parole chiave il modello ha generato in un solo passaggio 493 sotto-query diverse, in media più di cinque per parola chiave.

Ho verificato se la posizione sulle sotto-query prevede la citazione meglio della posizione sulla parola chiave principale, e il mio primo risultato non ha superato il controllo. Su coppie parola chiave-pagina dei progetti che seguo ho scritto la regola prima di calcolare il risultato. La misura era l'area sotto la curva ROC (AUC), cioè quanto bene un segnale separa le pagine citate da quelle non citate (0,5 è il livello del lancio di una moneta, 1 è una separazione senza errori). Le sotto-query avrebbero vinto se la loro area fosse stata maggiore di almeno 0,10. Su 29 coppie messe da parte per il test delle AI Overview la differenza è stata 0,44, cioè il test era «superato».

Il controllo incrociato ha mostrato che avevo confrontato due misurazioni di precisione diversa. Il revisore che ha ricalcolato tutto da zero ha riprodotto i miei numeri alla cifra, ma ha notato che la posizione sulla parola chiave principale l'avevo presa da un solo recupero dei risultati di Google, e la citazione da cinque. Dopo aver calcolato la posizione dagli stessi cinque recuperi la differenza è scesa a 0,04, con un intervallo da -0,28 a +0,36. Non ho quindi dimostrato che le sotto-query siano migliori della posizione, né che siano peggiori. Entrambi i segnali dicono qualcosa, quindi lavoro su entrambi.

La posizione da un solo recupero da DataForSEO si è rivelata l'estrazione a sorte di una tra più varianti dei risultati. Quando ho scaricato le stesse 94 parole chiave tre volte a distanza di circa un'ora, due recuperi della stessa parola chiave avevano in mediana pochi indirizzi in comune nella top 10: l'indice di Jaccard, cioè una misura di concordanza tra due insiemi da 0 a 1, è stato 0,14-0,15. Una parte delle varianti sono probabilmente risultati che una persona nel browser non vede, perché su 5 parole chiave il browser concordava con una di esse. L'AI Overview era invece stabile: la sua presenza coincideva tra i recuperi nel 97-99% dei casi. Per questo oggi calcolo la posizione di questo strumento come quota da circa 10 recuperi inviati insieme. Altri strumenti non li ho verificati così.

Frammenti che rispondono da soli

Il modello di solito usa non l'intera pagina, ma i frammenti che rispondono alla sua query. Per questo scrivo in modo che ogni frammento si capisca senza il resto della pagina: la risposta nella prima frase sotto il titolo, numeri concreti con denominatore e data, nomi al posto di «questo» e «quello». Ogni paragrafo di questo testo inizia con una frase con la conclusione proprio per questo motivo. È una buona pratica di scrittura che aiuta anche le persone, non una tecnica a parte per l'AI.

Questo non significa che bisogna spezzettare il contenuto o moltiplicare i titoli. Google scrive esplicitamente che non c'è alcun obbligo di dividere i contenuti in piccoli frammenti perché l'AI li comprenda meglio (Google Search Central). Ho verificato anche se più titoli aiutano a entrare nella top 3. Su 632 pagine della top 10 per 119 query in inglese di una nicchia di software per aziende (Stati Uniti, 26 settembre 2026) l'odds ratio è stato 0,95 (intervallo di confidenza al 95%: 0,81-1,12), e dopo aver considerato la lunghezza del testo 1,00. La quota di pagine nella top 3 era quasi uguale nei tre gruppi dal numero minore al maggiore di titoli: 32%, 34% e 32%. È lo stesso test di cui scrivo nel testo sulla strategia SEO: una nicchia e un giorno di misurazione. Basta però perché non aggiunga titoli per migliorare la posizione: un titolo deve dire di cosa parla il frammento che lo segue.

Domande in polacco, sotto-query in inglese

Nel mio insieme una parte delle sotto-query per le domande in polacco era in inglese. 81 delle 277 sotto-query generate per le parole chiave polacche non avevano i tratti del polacco. Per esempio una domanda polacca su una classifica di prodotti di una categoria si è trasformata in una query inglese con l'anno nel nome. È un'euristica grossolana su un solo insieme, ma basta perché per un marchio polacco verifichi anche cosa dicono le fonti in inglese.

Come entrare nella memoria del modello?

La memoria del modello non si cambia con il solo sito proprio: conta ciò che scrivono di te gli altri. Il modello impara da grandi insiemi di testi raccolti prima della fine dell'addestramento. Se del marchio scrive soprattutto il marchio stesso, e le fonti altrui sono vecchie o contraddittorie, il modello ripeterà un'immagine vecchia o contraddittoria. Non ho una misura di quanto in fretta la memoria dei modelli si aggiorni. Presumo che avvenga solo nelle versioni successive, quindi su un orizzonte di un trimestre non prometto nulla.

Sul mio marchio vedo entrambe le fonti di errore insieme. Gemini mi descriveva con un datore di lavoro di qualche anno fa al presente, e rogala.pro come un sito «in costruzione». Le due descrizioni che i modelli ripetevano più spesso su di me provengono alla lettera dalla mia biografia in un sito di settore, che compare in alto su Google per il mio nome e cognome. Quel datore di lavoro come attuale non lo indica però nessuna delle 26 pagine che ho verificato nei risultati per il mio nome e cognome, quindi questo errore probabilmente sta nella memoria del modello. Lo verificherò con le stesse domande quando la biografia sarà aggiornata.

Cosa ricorda un modello di un marchio lo puoi verificare da solo, senza strumenti di visibilità nell'AI. Poni domande sul marchio senza accesso alla ricerca, più sicuramente via API senza lo strumento di ricerca. Chiedi di cosa si occupa il marchio, per chi e da quando opera, ogni domanda tre volte. Poi confronta le risposte con i fatti e annota separatamente cosa è aggiornato, cosa superato e cosa inventato.

Le menzioni senza una definizione coerente del marchio ripetono la vecchia descrizione, quindi parto dall'identità. Il mio ordine:

• una definizione del marchio, la stessa sul sito, nei profili e nelle biografie su siti altrui;
• dati strutturati con identificatori che ho controllato a mano;
• voci in basi di conoscenza come Wikidata, solo dove ci sono fonti che le confermano;
• solo dopo menzioni e pubblicazioni in luoghi curati da qualcun altro.

L'identificatore va aperto e letto prima che finisca nel codice della pagina. Il 5 ottobre 2026 ho notato che l'identificatore del Knowledge Graph, che dal giorno prima stava nei dati strutturati di rogala.pro, porta al pannello di un attore con lo stesso nome e cognome. Per circa un giorno il mio sito dichiarava ai motori di ricerca che sono un attore. La verifica richiede un minuto: l'indirizzo google.com/search?kgmid= con l'identificatore aggiunto mostra a chi appartiene davvero.

Wikidata non darà un posto per cui non ci sono fonti. Wikidata richiede fonti per le informazioni sulle persone viventi, quindi non si può dichiarare in essa una specializzazione di cui nessuno oltre a te ha scritto. Per questo nel mio caso ho cominciato dalle pubblicazioni in luoghi curati da altri, non dalla voce nella base di dati.

Cosa funziona nella GEO e cosa è un mito?

Divido le affermazioni sulla GEO in base alla forza della prova. «Documentato» significa confermato dalla documentazione del motore di ricerca, e «mia misurazione» è un risultato di una sola configurazione, che ripeto. «Smentito» e «non dimostrato» sono ciò che ho verificato sui miei dati e che non ha retto o non ha deciso nulla. «Senza prove» sono i consigli diffusi, dietro cui non c'è una misurazione, e a volte c'è una prova contraria.

Non ci sono prove che il file llms.txt e le versioni delle pagine in Markdown aiutino ad arrivare nelle risposte dell'AI. Google scrive che per essere presenti nella sua ricerca non serve creare nuovi file per le macchine, file di testo per l'AI, markup né Markdown (Google Search Central). Quando a luglio 2026 ho verificato 10 domini del mio portfolio, nessuno serviva agli agenti AI una versione in Markdown. Su rogala.pro ogni pagina ha dall'8 ottobre una versione in Markdown e il file llms.txt, e fino all'8 novembre misuro nei log del server se qualcuno li scarica. In Polonia la parola chiave «llms txt» ha circa 720 ricerche mensili, quindi di questo tema scriverò a parte.

I dati strutturati descrivono il marchio al motore di ricerca, ma non ci sono prove che portino citazioni. Google scrive che i dati strutturati non sono richiesti nella ricerca generativa e che non ci sono markup schema.org speciali da aggiungere (Google Search Central). Matt Buxbaum di Seer Interactive ha analizzato 8.500 parole chiave con AI Overview e 6.354 pagine che vi hanno ottenuto la prima citazione: lo schema e i segnali E-E-A-T erano quelli che si legavano meno alla vittoria, e le pagine con il maggior numero di markup FAQ e HowTo andavano circa 10 volte peggio (Seer Interactive, 28/05/2026). È una correlazione, quindi non so se i markup danneggino, ma questi dati non li leggo come prova di un vantaggio. I dati strutturati li uso per descrivere le entità (chi, cosa, dove, con quali identificatori), perché servono a questo. Un test mio sulla loro influenza sulle risposte dell'AI non l'ho ancora concluso.

Menzione e citazione sono due cose diverse, e molti report le confondono. Petrovic distingue tre eventi: la pagina che il sistema ha scaricato come materiale per la risposta, la citazione, cioè la pagina mostrata come fonte, e la menzione, cioè il nome del marchio nel testo della risposta che l'utente legge e ricorda (Dejan, 07/07/2026). Un marchio può essere citato senza menzione nel testo e nominato senza citazione della pagina. Per questo misuro queste due cose separatamente e non le sommo in un unico «punteggio di visibilità nell'AI».

Come verificare se la GEO funziona?

Senza un punto zero non attribuisci l'effetto a nessuna modifica, quindi lo annoto prima della prima correzione. Nel punto zero (baseline) entrano le domande annotate alla lettera, i nomi e le versioni dei modelli, la data e il mercato. Le domande le compongo dai dati sulla domanda e da Search Console, e la maggior parte non contiene il nome del marchio, perché il nome nella domanda suggerisce già la risposta al modello. L'insieme di domande su due fasce di posizione lo descrivo nel testo sulla strategia SEO.

Misuro separatamente cinque cose, perché ciascuna può andare in una direzione diversa:

1. La menzione del marchio nel testo della risposta.
2. La citazione della pagina come fonte.
3. Se il modello ha cercato in rete, cioè ricerca e memoria separatamente.
4. Il traffico dagli assistenti AI in analytics, che è sempre un limite inferiore, perché una parte delle visite arriva senza informazioni sulla fonte.
5. Il traffico da Google nello stesso periodo, perché la modifica per l'AI non avvenga a spese dei risultati normali.

Le risposte delle chat sono casuali, quindi la stessa domanda la pongo tre volte insieme. L'AI Overview è stabile e per questa basta un solo recupero. Il numero di uno strumento di visibilità nell'AI lo leggo sempre insieme al denominatore: è la quota nel mio insieme di domande, non una «quota del mercato AI» che nessuno conosce.

Cosa faccio sul mio sito e cosa ancora non so?

Parlo in pubblico di AI nella ricerca dal 2016 e un mio marchio nelle risposte dell'AI non ce l'ho ancora, e da qui è partito il mio esperimento. Il punto zero del 26 luglio 2026: rogala.pro non aveva nemmeno una citazione su nessuna delle 7 superfici AI verificate in Ahrefs per la Polonia, e in 6 verifiche su tre piattaforme, con domande senza il mio nome, nessun modello mi ha nominato. Interrogato su di me con il nome, il modello ripeteva una descrizione di qualche anno fa. È una sola misurazione e senza ChatGPT, perché lo strumento con cui raccoglievo le risposte non ha restituito risultati per lui, quindi la considero un punto di partenza e non una prova.

L'ordine dei lavori deriva dai dati: prima l'identità, poi la portata. Ho riordinato una definizione nei profili (su LinkedIn in 30 versioni linguistiche), ho verificato gli identificatori nei dati strutturati (da qui l'infortunio con l'attore), ho messo online il sito e il blog in 27 lingue con versioni in Markdown. La portata, cioè pubblicazioni e menzioni nei media altrui, viene solo dopo.

Non so ancora se funziona. Ho programmato la prima nuova misurazione delle risposte dell'AI a partire dall'1 novembre 2026, e il risultato della misurazione dei file Markdown ci sarà dopo l'8 novembre. I risultati li aggiungerò a questo testo, anche se saranno zero.

Domande frequenti sulla GEO

Da dove iniziare?

I primi tre passi non costano nulla se non tempo. Verifica se i crawler dei motori di ricerca AI ricevono il tuo sito. Poni tre volte insieme alcune domande che pongono i tuoi clienti, senza il nome del tuo marchio, e annota chi viene nominato e chi citato. Leggi cosa dicono del tuo marchio i risultati di Google sul suo solo nome, perché i modelli usano le stesse fonti. Se il risultato ti sorprende, è un buon tema per una consulenza.