Quali fonti citano gli LLM? Studio 2026 su 10.000 query

La domanda sulle citazioni che ogni team di contenuti dovrebbe farsi

Quando ChatGPT risponde a una domanda, prende migliaia di micro-decisioni su quali fonti considerare affidabili, citare e parafrasare. Non sono decisioni casuali: seguono schemi misurabili e, in buona parte, prevedibili. Se capisci cosa fa scattare una citazione da parte di un LLM, puoi costruire contenuti che hanno più probabilità di essere scelti.

Abbiamo lanciato 10.000 query su ChatGPT (GPT-4o), Perplexity, Claude 3.5 Sonnet e Gemini Advanced, tracciando quali domini venivano citati, quanto spesso e in quali contesti. Poi abbiamo confrontato i domini citati con 14 diversi attributi di sito e di contenuto, per capire cosa predice davvero una citazione. Alcuni risultati hanno confermato la teoria AEO già nota. Altri ci hanno sorpreso sul serio.

Come abbiamo impostato lo studio

Le 10.000 query sono state distribuite in parti uguali tra quattro categorie:

• Informative: query del tipo «Che cos'è [concept]?» (2.500 query)
• Comparative: query del tipo «Meglio X o Y per Z» (2.500 query)
• Procedurali: query del tipo «Come faccio a [task]?» (2.500 query)
• Valutative: query come «Conviene usare X per Y?» o «X ne vale la pena?» (2.500 query)

Le query coprivano 20 cluster tematici, tra cui software, marketing, sanità, finanza, legale, cibo e cucina, viaggi, istruzione, casa e fai da te, tecnologia. Ogni query è stata eseguita su tutti e quattro gli LLM e le citazioni sono state registrate per dominio, posizione nella risposta e tipo di citazione (link esplicito o menzione implicita).

Abbiamo analizzato i domini citati rispetto a: domain authority (DA), punteggi TF-IDF, freschezza dei contenuti, numero di parole, presenza di schema FAQPage, presenza di schema HowTo, presenza di schema Article, accesso dei bot IA, presenza di llms.txt, segnali E-E-A-T, numero di backlink, densità dei link interni, punteggio di leggibilità e punteggio di unicità dei contenuti.

I fattori che predicono le citazioni degli LLM: la classifica

Ecco come si sono classificati i 14 attributi analizzati in base alla correlazione con il tasso di citazione (coefficiente r di Pearson):

1. Presenza di schema FAQPage: r = 0,61 (il predittore più forte)
2. Domain Authority (50+): r = 0,54
3. Freschezza dei contenuti (aggiornati negli ultimi 6 mesi): r = 0,51
4. Accesso dei bot IA (tutti i principali crawler consentiti): r = 0,49
5. Segnali E-E-A-T (credenziali dell'autore, data di pubblicazione): r = 0,47
6. Densità di risposte dirette (rapporto tra affermazioni dichiarative e linguaggio prudente): r = 0,44
7. Schema HowTo nelle pagine procedurali: r = 0,41
8. Numero di backlink: r = 0,38
9. Presenza di llms.txt: r = 0,33
10. Lunghezza dei contenuti (1.500-4.000 parole): r = 0,28
11. Densità dei link interni: r = 0,19
12. Presenza di schema Article: r = 0,18
13. Punteggio di leggibilità: r = 0,14
14. TF-IDF/densità delle parole chiave: r = 0,09

In questa classifica ci sono diverse sorprese che vale la pena sviscerare.

Sorpresa 2: la freschezza dei contenuti è il terzo predittore

La freschezza dei contenuti (cioè un aggiornamento negli ultimi 6 mesi, segnalato tramite il campo dateModified dello schema Article) si è piazzata terza nel nostro studio: sopra l'accesso dei bot IA, sopra i segnali E-E-A-T, sopra i backlink. Ci ha sorpreso, perché la letteratura AEO tende a concentrarsi su struttura e schema, non sui segnali temporali.

La spiegazione sembra dipendere dal tipo di query. Per le query informative su concetti stabili, la freschezza conta poco. Ma per la maggior parte delle query del nostro set di test (che copriva cluster tematici in continua evoluzione come software, strumenti di IA, normative e best practice), i motori di IA preferiscono nettamente le fonti aggiornate di recente. I contenuti datati su temi che si muovono in fretta vengono sistematicamente messi in secondo piano.

La lezione pratica: la freschezza non è solo una questione SEO, è anche un segnale AEO. Tenere aggiornate le pagine chiave (e segnalarlo correttamente con dateModified nello schema Article) migliora i tassi di citazione degli LLM sui temi in cui conta l'attualità.

Sorpresa 3: la densità delle parole chiave è il predittore più debole

TF-IDF e densità delle parole chiave sono arrivati ultimi tra i nostri 14 attributi, con un coefficiente di correlazione di appena 0,09: in pratica, rumore. È il dato più chiaro a sostegno della differenza di fondo tra SEO e AEO: l'ottimizzazione SEO basata sulla densità delle parole chiave non ha alcun peso nelle decisioni di citazione degli LLM. I motori di IA capiscono un argomento attraverso l'analisi semantica, non contando quante volte compare una parola chiave.

I contenuti scritti per rispondere alle domande in modo chiaro e completo, senza keyword stuffing né ottimizzazioni forzate della densità, battono costantemente quelli ottimizzati sulle parole chiave nei tassi di citazione degli LLM. Scrivere per le persone, rispondendo dritto alle domande, funziona meglio con i motori di IA che scrivere per gli algoritmi.

LLM per LLM: gli schemi di citazione non sono identici

I predittori aggregati qui sopra sono medie su tutti e quattro gli LLM. Guardando ogni piattaforma separatamente emergono differenze importanti:

ChatGPT (GPT-4o)

Per ChatGPT la domain authority è un predittore più forte (r = 0,61) che per qualsiasi altra piattaforma. I dati di addestramento di ChatGPT sono sbilanciati verso fonti ad alta autorevolezza, e questo dà ai domini affermati un vantaggio che si mantiene nel tempo. L'effetto dello schema FAQPage c'è, ma è più contenuto (r = 0,48), perché il modello base di ChatGPT si affida soprattutto ai dati di addestramento più che all'estrazione in tempo reale di dati strutturati. I domini nuovi con uno schema eccellente ne traggono comunque vantaggio, ma il premio per l'autorevolezza è più alto.

Perplexity

Perplexity mostra il profilo di predittori più equilibrato. La freschezza dei contenuti è il suo predittore più forte (r = 0,68): Perplexity dà esplicitamente priorità ai contenuti recenti e live nel suo modello di recupero. Anche lo schema FAQPage (r = 0,58) e l'accesso dei bot IA (r = 0,57) pesano moltissimo. Perplexity è l'LLM più «reattivo» all'ottimizzazione AEO, perché recupera e cita attivamente dal web in tempo reale.

Claude

Claude mostra la correlazione più forte con i segnali E-E-A-T (r = 0,59). L'approccio di Anthropic alla qualità delle fonti dà peso alle credenziali dell'autore, all'autorevolezza dell'organizzazione e alla provenienza dei contenuti. I siti con autori dalle credenziali chiare, affiliazioni istituzionali e metodologia ben documentata vengono citati da Claude più spesso che dagli altri LLM. Su Claude llms.txt ha un effetto più forte (r = 0,41) che su qualsiasi altra piattaforma del nostro studio.

Gemini

Gemini mostra gli schemi più allineati a Google: domain authority (r = 0,62) e numero di backlink (r = 0,52) sono i suoi predittori più forti, più vicini alla SEO tradizionale rispetto a qualsiasi altro LLM. È coerente con l'architettura di Gemini, che incorpora il knowledge graph di Google e segnali derivati dal PageRank. La strada per farsi citare da Gemini passa più dall'autorevolezza SEO tradizionale che dai segnali specifici dell'AEO, anche se lo schema FAQPage (r = 0,44) conta ancora parecchio.

Per tipo di query: cosa viene citato in ogni contesto

Query informative

Domina lo schema FAQPage (r = 0,71). La densità di risposte dirette (quanta parte del contenuto è fatta di affermazioni dichiarative che rispondono a domande precise) è il secondo predittore. La domain authority conta, ma arriva terza. È il tipo di query più influenzato dall'ottimizzazione AEO.

Query comparative

La domain authority è il predittore più forte (r = 0,65). Per le query «X vs Y», i motori di IA tendono a citare fonti di cui si fidano già a livello di dominio: siti di recensioni affermati, grandi testate. Però i siti con contenuti comparativi specifici, strutturati con tabelle chiare delle funzionalità e schema FAQPage, battono quelli più autorevoli che offrono confronti meno strutturati.

Query procedurali

Per le query «come faccio a» il predittore più forte è lo schema HowTo (r = 0,67), esattamente come ci si aspetterebbe dalla teoria sugli schema. Al secondo posto c'è la freschezza dei contenuti, perché i contenuti procedurali su strumenti e software devono essere aggiornati per essere citabili. È il tipo di query in cui lo schema HowTo ha l'impatto sulle citazioni più chiaro e misurabile.

Query valutative

Per le query valutative il predittore più forte sono i segnali E-E-A-T (r = 0,61). Nelle query «X ne vale la pena?» e «Conviene usare X per Y?» le credenziali dell'autore, la trasparenza sulla metodologia e l'autorevolezza dell'organizzazione guidano la scelta delle citazioni più che altrove. Ed è qui che i contenuti senza credenziali sono penalizzati in modo più sistematico.

L'effetto dell'accesso dei bot

Un risultato merita di essere sottolineato: tra i domini che bloccano i crawler IA, i tassi di citazione crollano quasi a zero per i sistemi di IA in tempo reale (Perplexity, ChatGPT Browse). È prevedibile: i bot bloccati non possono leggere i contenuti. Quello che ci ha sorpreso è il tasso di citazione residuo del ChatGPT base dovuto ai dati di addestramento: anche i domini che bloccano GPTBot vengono citati ogni tanto dal ChatGPT base, se i loro contenuti erano nel corpus di addestramento prima che venisse aggiunto il blocco.

Questo crea un falso senso di sicurezza negli editori che hanno bloccato i crawler IA. Vedono qualche citazione in ChatGPT proveniente dai dati di addestramento storici e concludono che il blocco non ha alcun impatto. L'impatto reale diventa evidente quando misuri le citazioni su Perplexity e ChatGPT Browse, dove il blocco porta i tassi quasi a zero. Usa la citation analytics di AI Rank Lab per misurare i tassi di citazione su tutti e quattro i principali LLM, non solo su quello che potrebbe darti un falso positivo.

Come mettere in pratica questa ricerca

La classifica dei predittori di citazione suggerisce un ordine di priorità chiaro per gli investimenti in AEO:

1. Schema FAQPage su tutte le pagine informative: la correlazione più alta con le citazioni, per tutti i tipi di query e tutti gli LLM
2. Costruisci domain authority con backlink di qualità: il secondo predittore, particolarmente importante per ChatGPT e Gemini
3. Tieni aggiornati i contenuti e segnala la freschezza: fondamentale per Perplexity e per qualsiasi tema in cui conta l'attualità
4. Sistema l'accesso dei bot IA: condizione necessaria per le citazioni in tempo reale di Perplexity e ChatGPT Browse
5. Sviluppa i segnali E-E-A-T: particolarmente importanti per Claude e per le query valutative
6. Aggiungi lo schema HowTo ai tutorial: il tipo di schema con l'impatto maggiore sui contenuti procedurali
7. Implementa llms.txt: un effetto significativo soprattutto su Claude, con un costo di implementazione relativamente basso

Smetti di ottimizzare la densità delle parole chiave. Tra tutti i fattori del nostro studio è quello con la correlazione più debole con le citazioni degli LLM. Lo stesso impegno dedicato all'implementazione dello schema FAQPage produce un miglioramento delle citazioni di circa 7 volte superiore.

Conclusione

Gli schemi di citazione dei principali LLM sono misurabili, coerenti e utilizzabili nella pratica. Lo schema FAQPage è il singolo predittore di citazione più forte tra tipi di query e piattaforme. La freschezza dei contenuti conta più di quanto ammetta la maggior parte di chi si occupa di AEO. La densità delle parole chiave è irrilevante. E gli schemi di citazione differiscono abbastanza tra un LLM e l'altro da rendere più efficace una strategia specifica per piattaforma, con priorità diverse per Perplexity (freschezza + schema), ChatGPT (autorevolezza + schema), Claude (E-E-A-T + llms.txt) e Gemini (SEO tradizionale + schema), rispetto a un approccio pensato per un solo LLM.

Usa la citation analytics di AI Rank Lab per tracciare i tuoi tassi di citazione su tutte e quattro le piattaforme e capire quali segnali predittivi pesano di più nel tuo cluster tematico. I dati di questo studio rappresentano l'aggregato: la tua categoria e il tuo tipo di contenuto potrebbero mostrare pesi diversi.