Con l’AI, awareness e consideration si spostano dentro le chat: l’utente arriva al servizio già orientato, spesso in fase di conversione, dopo una versione filtrata delle informazioni che il sito avrebbe fornito di prima mano.
I dati sono coerenti. Chi arriva da referral AI converte più dell’organico, anche se le stime variano molto e sono quasi tutte di vendor: Semrush (giugno 2025) parla di un tasso 4,4 volte superiore; Adobe misura conversioni del retail da referral AI superiori del 54% rispetto al non-AI (dato di maggio 2026, era +42% nel primo trimestre); Ahrefs riporta che lo 0,5% delle sessioni da AI genera il 12,1% delle registrazioni — un differenziale di circa 23×. Da trattare come ordini di grandezza, non come misure: il traffico AI resta sotto il 2% delle visite (Datos, primo trimestre 2026) e l’attribuzione è rotta a monte.
Le stime sono plausibilmente al ribasso: molti ricevono la raccomandazione in chat, cercano il brand su Google e acquistano — conversioni attribuite all’organico branded, con il contributo dell’AI invisibile alle analytics standard. Lo studio clickstream di Similarweb lo quantifica: chi è stato esposto a una raccomandazione ChatGPT ha 2,5 volte più probabilità di visitare quel sito entro sette giorni, e il 55,9% di quelle visite arriva da ricerca branded (contro il 40,4% del traffico standard). Questi visitatori arrivano anche più decisi: 12,0 pagine in 11,8 minuti, contro 6,5 pagine in 5,6 minuti dei visitatori ordinari (The Downstream Impact of AI Visibility, giugno 2026 — solo desktop USA, tre verticali, correlazione dichiarata e non causalità).
Il top of funnel diventa meno accessibile: l’AI Overview compare su circa metà delle query (Google dichiara ~50%, BrightEdge misura 48-50% a febbraio 2026). Quando compare, il CTR organico cala — di quanto è oggetto di dodici analisi indipendenti che concordano sulla direzione e divergono sull’entità: da −15% (Amsive, 700.000 keyword) a −89% (DMG Media, prova depositata alla CMA britannica), con le misure metodologicamente più solide intorno a −35/−65% (Ahrefs su 300.000 keyword: −34,5% ad aprile 2025, −58% a dicembre 2025 in posizione 1; Seer Interactive su 25,1 milioni di impression: da 1,76% a 0,61%, cioè −65%). L’effetto scende in profondità: posizione 2 −50,8%, posizione 3 −46,4%, e persino la posizione 10 perde il 19,4%. In AI Mode oltre il 90% delle sessioni si chiude senza click (93%, Semrush). Sul lato editoriale l’effetto aggregato è pesante: su oltre 2.500 testate monitorate, i referral Google calano del 33% su base globale e del 38% negli USA (Reuters Institute/Chartbeat, 2026).
Lo stesso accorciamento avviene nell’inbox. Apple Intelligence riassume il messaggio prima dell’apertura, sostituendo di fatto il preheader; Gemini in Gmail riassume dopo, e per farlo apre l’email — rendendo l’open rate ancora meno affidabile di quanto già non fosse. Emerge una figura nuova, l’“informed non-opener”: l’utente ottiene il valore del messaggio dal riassunto e non lo apre mai. È lo stesso meccanismo dell’AI Overview applicato a un canale che si riteneva al riparo — un intermediario si inserisce tra il contenuto e il destinatario, ne produce una versione sintetica, e l’interazione misurabile scompare.
Un’eccezione utile a conoscere: sulle query e-commerce e shopping l’AI Overview compare solo sul 3,2% delle ricerche, dopo essere partito dal 29% — Google ha fatto marcia indietro perché le risposte generative non convertivano in vendite. Il fenomeno tocca ormai le query navigazionali e di brand, molto meno quelle transazionali di prodotto. Dentro al sito restano conversione e fidelizzazione, su cui concentrare l’attenzione; loyalty e advocacy conservano dinamiche tradizionali.
Effetto per le professionalità
Digital Strategist / Growth Marketer — L’acquisizione da organico entra in crisi strutturale: lavorare su come farsi citare dai motori AI e presidiare i momenti post-ricerca. Essere citati ha un effetto misurabile: sulle query con AI Overview, i brand citati ottengono circa il doppio dei click organici per impression (Seer Interactive, 2026). Il paid segue la stessa traiettoria: Google introduce annunci in AI Mode e negli AI Overviews, Perplexity vende sponsorizzazioni nelle risposte — con domande aperte su formati, misurabilità e capacità dell’utente di distinguere raccomandazione organica e sponsorizzata. → Risorsa utile: How AI Is Changing Search Behaviors — NN/g
Digital / Web Analyst — I modelli di attribution si rompono, ma non nel modo in cui si dice di solito. Il dato misurato è che il traffico influenzato dall’AI arriva molto meno come “direct” (19,9%, contro 38,8% del traffico ordinario) e molto più come ricerca branded (55,9%, contro 40,4%): l’utente riceve la raccomandazione in chat e poi cerca il brand su Google (Similarweb, giugno 2026). L’effetto è reale — 2,5 volte più probabilità di visita entro sette giorni — ma invisibile a un modello last-click, che lo attribuisce all’organico branded. Servono channel group dedicati ai referrer AI, la consapevolezza che “direct” e branded organic sono contenitori contaminati, e una misura a monte della visibilità nelle risposte AI. Novità del 2026: quella misura ha finalmente una fonte ufficiale. Dal 3 giugno Search Console offre i report Search Generative AI performance, con le impression dentro AI Overviews, AI Mode e le funzioni generative di Discover — per ora solo impression, senza click, CTR, posizione media o query, e con le tre superfici aggregate. → Risorse utili: Your analytics are lying — Similarweb via PPC Land; Search Generative AI performance reports — Google Search Central
AI Visibility Analyst — Nasce una disciplina di misura autonoma, con oggetto proprio: se e quanto il brand compare nelle risposte generative. La ricerca pubblicata da SparkToro e Gumshoe il 27 gennaio 2026 — la prima a verificare se questi strumenti siano abbastanza consistenti da produrre metriche valide — dice con precisione che cosa si può misurare e che cosa no. Il disegno: 600 volontari hanno eseguito 12 prompt su ChatGPT, Claude e Google (AI Overview e AI Mode), per 2.961 esecuzioni complessive, ripetendo ciascun prompt 60-100 volte; l’analisi riprende una metodologia della Carnegie Mellon sulla consistenza degli LLM.
Che cosa non è misurabile: la posizione. Ripetendo cento volte la stessa domanda, ogni risposta differisce su tre dimensioni — quali brand compaiono, in che ordine, e quanti sono (a volte due o tre, a volte più di dieci). La probabilità che ChatGPT o Google restituiscano due volte la stessa lista è inferiore a 1 su 100; che la restituiscano nello stesso ordine, inferiore a 1 su 1.000. Non è un difetto: sono motori probabilistici, progettati per generare una risposta diversa ogni volta. Ne segue una conseguenza netta — qualsiasi strumento che venda una “posizione in classifica dentro l’AI” sta vendendo un artefatto. E un rischio da conoscere, perché il meccanismo è manipolabile: se una risposta non piace, basta rieseguire il prompt finché non esce quella desiderata. È la stessa dinamica dei venditori SEO poco seri di vent’anni fa, e vale per i fornitori quanto per i report interni.
Che cosa è misurabile: la quota di presenza. Su decine o centinaia di prompt eseguiti molte volte, la frequenza con cui un brand compare è stabile e informativa. Nello studio, un’agenzia compariva in 85 risposte su 95 di Google AI; un ospedale in 69 su 71 di ChatGPT (97% di visibilità), pur risultando prima menzione solo in 25 casi. La percentuale di presenza dice quanto un’entità sia dentro il consideration set del modello — che è l’informazione utile — mentre l’ordine non dice nulla.
Come si calibra il numero. La visibilità attesa dipende meno dalla forza del brand che dall’ampiezza dello spazio competitivo: dove i candidati sono pochi (fornitori cloud per SaaS, concessionari di una singola città) i primi nomi arrivano al 90-100%; in spazi ampi (agenzie di brand design, romanzi appena usciti) i migliori si fermano al 30-40%. Confrontare il proprio numero con quello di un altro settore non significa nulla: il benchmark è interno allo spazio.
Il prompt set. Le persone non scrivono prompt simili nemmeno a parità di intento — similarità semantica media 0,081 su 142 formulazioni dello stesso bisogno (si veda Intent-based interaction). Poiché però il modello coglie l’intento sotto la formulazione, i prompt sintetici risultano un proxy accettabile di quelli reali: il set va costruito per intento, ampio (decine o centinaia di prompt), versionato e tenuto stabile nel tempo, altrimenti le variazioni misurate sono le proprie e non quelle del modello. Va replicato su più piattaforme, data la de-concentrazione del mercato.
Regole operative. Ripetere ogni prompt almeno 60-100 volte prima di considerare valido un dato. Ragionare su medie e finestre lunghe, mai su letture settimanali. Non produrre né accettare classifiche. Verificare gli output contro altre fonti: nello studio i modelli hanno raccomandato più volte entità non più esistenti — influencer inattivi, account chiusi, aziende cessate.
Due volatilità da non confondere. Quella descritta finora è sincronica: la stessa domanda, nello stesso momento, produce risposte diverse, e si governa con le ripetizioni. Ce n’è una seconda, diacronica: secondo l’analisi longitudinale di Profound su 240 milioni di citazioni, il 40-60% dei domini citati cambia nell’arco di un mese e il 70-90% confrontando due semestri. Questa si governa con le serie storiche. Un report che non distingue le due sta sommando rumore e segnale.
Cautele sulla fonte. Uno degli autori lavora in un’azienda del settore (Gumshoe), conflitto dichiarato apertamente nel pezzo; lo studio non è peer-reviewed e la rilevazione è di novembre-dicembre 2025. Gli autori stessi lasciano aperte le domande decisive: quante esecuzioni servano per la significatività statistica, se le chiamate API riproducano la varietà degli utenti reali, quanti prompt occorrano per settore.
Che cosa chiedere a un fornitore. Il mercato dell’AI tracking vale già oltre 100 milioni di dollari l’anno di spesa stimata e si sta consolidando: Profound ha raccolto 96 M$ a valutazione 1 miliardo (febbraio 2026), la categoria è passata da circa 7 a oltre 150 prodotti in dieci mesi, e a giugno 2026 Adobe ha acquisito Semrush. Prima di firmare, quattro domande: quante volte esegui ciascun prompt; come costruisci e aggiorni il set; pubblichi la metodologia in forma verificabile; vendi posizioni in classifica — nel qual caso la risposta è già arrivata. Search Console offre dal 3 giugno la prima fonte ufficiale, ma limitata alle superfici Google e alle sole impression: integra il monitoraggio, non lo sostituisce, e attenzione al lock-in su metriche proprietarie non confrontabili tra fornitori.
Il confine con gli altri ruoli. Questo ruolo misura l’output (che cosa dice il modello); il Social Listening presidia l’input (le fonti e le conversazioni che alimentano quella risposta); la Digital PR agisce su quelle fonti; il Web Analyst misura il traffico a valle. Quattro anelli della stessa catena: una perdita di quota di presenza si spiega quasi sempre guardando a monte. → Risorse utili: AIs are highly inconsistent when recommending brands or products — SparkToro; LLM monitoring tools — Semrush
CRM / Email & Lifecycle — Se una parte crescente dei messaggi viene letta in sintesi, il messaggio va progettato perché il riassunto funzioni: informazione essenziale e call to action nelle prime righe, un solo messaggio per email, struttura semantica pulita (heading reali, niente testo dentro immagini), oggetto che non dipende dal preheader per essere comprensibile. Sul lato misura, l’open rate va retrocesso da KPI a segnale debole: spostare il giudizio su click, conversioni e risposte, e considerare un tasso di apertura calante non necessariamente come un peggioramento. Da testare esplicitamente: come appare la propria email una volta riassunta dai client principali. → Risorse utili: AI summaries in email clients — Stripo; AI-Mediated Inbox Environments — PMA
Product / UX Designer e Content Designer — La landing page deve presupporre un utente già orientato, non in fase esplorativa: arriva con meno domande e più aspettative, e approfondisce il doppio se il contenuto regge.