Come verificare uno studio GEO prima di crederci

Apri il blog di un qualsiasi fornitore di "Generative Engine Optimization" (GEO) o "Answer Engine Optimization" (AEO) e troverai sempre la stessa struttura: uno studio proprietario, una statistica dal suono preciso, e un servizio che risolve il problema che la statistica descrive. "852 pagine analizzate." "78% di tasso di citazione cross-engine." "6x più citazioni a DA 40+."

Alcuni di questi numeri potrebbero essere accurati. Lo scopo di questo articolo non è dichiararli falsi — è darti un metodo per verificarli, in circa dieci minuti, prima di costruirci sopra una strategia o una tua affermazione pubblica. Abbiamo applicato questo metodo a quattro esempi reali mentre lavoravamo alla nostra roadmap. Ecco cosa abbiamo trovato, e come puoi riprodurlo.

Passo 1: lo "studio indipendente" è davvero indipendente?

Res, un'agenzia di visibilità AI, pubblica un pezzo intitolato "Six Structural Features Separate AI-Cited B2B Articles from Invisible Ones", citando tre studi esterni che confermerebbero le sue conclusioni. Uno è attribuito a "Kumar and Palkhouski, 2025."

Cerca quel paper e lo trovi su arXiv: "AI Answer Engine Citation Behavior: An Empirical Analysis of the GEO-16 Framework". Guarda la riga di affiliazione degli autori stampata sul paper stesso: accanto a UC Berkeley, entrambi gli autori indicano "Wrodium Research."

Cerca "Wrodium" e trovi il suo profilo Crunchbase: una piattaforma di visibilità AI-search e manutenzione contenuti. Il sito personale di uno degli autori lo descrive come "Co-founder & CTO of Wrodium", impegnato a costruire "le picconi e pale della corsa all'oro dell'AI search."

Quindi lo "studio indipendente" a supporto delle tesi di Res è stato scritto dai fondatori di un'agenzia GEO concorrente, sul meccanismo esatto che vende il loro stesso prodotto. Questo non prova che i dati siano sbagliati. Prova che non vanno contati come conferma indipendente.

Come verificarlo da soli: cerca il nome dell'autore insieme al nome dell'azienda indicata nella riga di affiliazione del paper stesso. Due minuti, ogni volta.

Passo 2: è davvero peer-reviewed?

La sezione "Data availability" dello stesso paper dichiara che il dataset sarà rilasciato "upon acceptance to a peer-reviewed venue" — al momento dell'accettazione da parte di una rivista con revisione paritaria. Al momento in cui scriviamo, quell'accettazione non è ancora avvenuta. arXiv è un repository di preprint — chiunque può pubblicarci. Non è revisione paritaria.

Abbiamo trovato almeno un blog terzo che cita questo paper come "peer-reviewed research". Non lo è, per stessa ammissione del paper.

Come verificarlo da soli: cerca il titolo del paper insieme a "peer review" o "accepted". Se l'unica sede che trovi è arXiv, e il paper non nomina una rivista o conferenza che lo ha accettato, trattalo come un preprint non revisionato — indipendentemente da come viene citato altrove.

Passo 3: anche la seconda fonte "indipendente" lo è davvero?

Siamo andati a cercare una conferma davvero non affiliata e siamo arrivati a un secondo paper, "What Drives Citations in Production Large Language Models?" — che critica esplicitamente Kumar & Palkhouski per la mancanza di controlli a livello di dominio, e sostiene che gran parte della checklist AEO standard (blocchi FAQ, schema, Core Web Vitals) si annulli una volta controllato per l'identità del brand.

Sembra la verifica indipendente che cercavamo — finché non guardi l'affiliazione degli autori: Discovered Labs, la cui home page si descrive come "la prima agenzia AEO/GEO che aiuta le aziende B2B a dominare i risultati di ricerca AI." Le conclusioni del paper sono pubblicate anche come contenuto di marketing sul sito dell'agenzia stessa.

Due agenzie GEO concorrenti, due framework concorrenti, due studi autopubblicati che sostengono ciascuno il prodotto venduto dalla rispettiva azienda. Nessuno dei due prova che l'altro sbagli. Nessuno dei due prova, da solo, di avere ragione.

Come verificarlo da soli: non fermarti al primo paper. Se una seconda fonte sembra confermare o contraddire la prima, applica lo stesso controllo di affiliazione prima di trattarla come ago della bilancia.

Passo 4: le "fonti" si citano a vicenda?

Un terzo esempio, di un'agenzia chiamata Synapse Edge, sostiene la sua guida al Perplexity SEO con statistiche attribuite a "Otterly.AI", "LeadWalnut" e "Harbor SEO". Cerca ciascuna di queste: sono a loro volta fornitori GEO/AEO che vendono servizi comparabili. L'articolo si chiude con un link al tool di audit a pagamento di Synapse Edge stessa.

Questo è ciò che a volte viene chiamato citation laundering: il numero del fornitore A viene citato dal fornitore B come fonte esterna, che viene citato dal fornitore C, finché il numero non sembra consenso di settore — quando in realtà è lo stesso piccolo gruppo di aziende che si cita a vicenda.

Come verificarlo da soli: per ogni "fonte" citata da un fornitore, chiediti cosa vende quella fonte. Se la risposta è "la stessa categoria di servizio", la citazione non è conferma esterna — è lo stesso mercato che parla con se stesso.

Passo 5: esiste una fonte con un incentivo diverso?

Il contrappeso più pulito trovato in questo intero esercizio non arriva da nessun fornitore GEO. Arriva dalla documentazione ufficiale di Google Search Central su AI Overviews e AI Mode:

"There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary."

Google non vende un audit GEO. Il suo incentivo è diverso — vuole che il tuo sito sia crawlabile perché serve ai propri sistemi — ma è un incentivo materialmente diverso da "ti vendo un abbonamento per risolvere un problema che ti ho appena quantificato." Questo non rende la pagina di Google infallibile, e riguarda solo le funzioni AI di Google, non le pipeline di retrieval separate di ChatGPT, Claude o Perplexity. Ma è l'unica fonte, in tutto questo esercizio, che non ha nulla da venderti dietro l'affermazione.

Come verificarlo da soli: per qualsiasi claim GEO, chiediti se la documentazione ufficiale per sviluppatori di una piattaforma dice qualcosa in merito. Di solito ha una risposta diversa, e spesso più noiosa.

Una dichiarazione, perché il metodo la richiede

Costruiamo Agentabile, uno strumento di scoring per quanto un sito sia leggibile agli agenti AI. Anche noi abbiamo un interesse commerciale in questo mercato. Questo articolo esiste in parte per costruire fiducia attorno a quel lavoro — far notare come una categoria concorrente sovravenda la propria ricerca è, tra le altre cose, buon marketing per un'azienda che non vuole farlo.

Pensiamo che il modo onesto di gestire questo fatto non sia fingere che l'interesse non esista. È dichiararlo apertamente, e costruire il pezzo in modo che tu non debba fidarti della nostra parola su nulla — ogni link qui sopra è pubblico, e puoi ripetere tu stesso gli stessi cinque controlli nel tempo che impieghi a rileggere questa frase due volte.

Un caso in cui la questione smette di essere content marketing

Tutto quanto sopra riguarda sovrastime commerciali — fastidiose, a volte fuorvianti, ma a basso rischio. Per un caso in cui una campagna di influenza documentata, registrata ai sensi del Foreign Agents Registration Act statunitense, avrebbe usato tecniche simili per orientare cosa dicono i modelli AI su un conflitto geopolitico in corso, si vedano i documenti FARA sottostanti: deposito Piro, raccolta documenti.