Oltre la SERP: Il Peso Editoriale della Citazione e la Nuova Mappa del Territorio GEO

Immagina di avere appena finito di scrivere il saggio perfetto. Mille parole. Documentazione impeccabile. Il ragionamento logico si sviluppa magnificamente, fino a una conclusione brillante — proprio lì, nell'ultimo paragrafo. Un vero capolavoro.

Eppure, per i nuovi padroni di internet, potrebbe benissimo non esistere. Tutto quel lavoro completamente ignorato. Non perché sia scritto male: viene ignorato per un dettaglio strutturale. Hai messo la risposta nel posto sbagliato.

Benvenuti nella transizione più profonda che il web abbia conosciuto negli ultimi vent'anni: il passaggio dalla vecchia, cara SEO — l'ottimizzazione per i motori di ricerca — a un territorio completamente nuovo, per certi versi più spietato, che si chiama Generative Engine Optimization (GEO).

La natura stessa dell'intermediario è cambiata. Prima avevamo un archivista: Google, che ci restituiva un indice, una lista di link blu. L'obiettivo era apparire in cima a quell'indice. Oggi abbiamo sintetizzatori: ChatGPT, Claude, Perplexity, Gemini. Non archivisti. Leggono migliaia di fonti in millisecondi, le digeriscono, costruiscono una risposta discorsiva originale in tempo reale.

Il vero enigma non è più come posizionare un sito web su una pagina di risultati. È come posizionare un'idea, o più concretamente: come forzare una macchina a citare la tua fonte proprio mentre sta generando quel paragrafo di testo.

Questo articolo unisce due fili. Il primo è la matematica della citazione: il peso editoriale di dove compari dentro la risposta dell'AI, misurato con il rigore di un paper scientifico del 2025. Il secondo è la mappa empirica del territorio: come si comportano davvero Google, ChatGPT, Claude, Perplexity e Gemini quando selezionano le loro fonti, con i numeri dello studio più ampio finora condotto sul tema. Al centro c'è una domanda sola: cosa serve, oggi, per diventare l'orbita di informazione che l'AI sceglie per prima.

Una Premessa: il Primo Posto Esiste Ancora

Per decenni chiunque abbia lavorato sul web ha vissuto in funzione della SERP — la pagina dei risultati di ricerca. Lì la matematica dell'attenzione umana era inequivocabile. I dati storici mostrano che la prima posizione cattura un click-through rate del 28%. Alla terza posizione crolla all'11%. Alla decima siamo a un 2%, praticamente invisibili.

Eppure la domanda è legittima: quando chiedo qualcosa a ChatGPT, non ricevo una lista da uno a dieci. Ricevo un discorso fluido, un rimescolamento di fonti. Come può esistere un "primo posto" in un testo discorsivo?

Sembra un paradosso. Non lo è. La dinamica del primo posto esiste ancora — si è solo trasformata.

Un modello linguistico non sputa fuori un blocco di testo tutto insieme. Lo genera in modo sequenziale, una frase dopo l'altra, come se stesse digitando dal vivo. Mentre lo fa, inserisce piccoli riferimenti — quei numerini in apice, quelle parentesi quadre tipo [1] o [3] — per indicare da quale fonte ha estratto l'informazione di quella specifica frase.

La prima frase della risposta dell'AI è quella che i ricercatori definiscono una lettura a zero click: un'esposizione del 100%. Chiunque abbia inserito il prompt inizierà obbligatoriamente a leggere da lì. Non puoi saltare l'inizio.

Ma la psicologia cognitiva umana non cambia solo perché stiamo usando uno strumento all'avanguardia. Man mano che l'utente scende nel blocco di testo, l'attenzione degrada. L'ultima frase spesso non viene nemmeno letta: o l'utente ha già trovato quello che cercava, o ha chiuso la finestra.

Essere la fonte che l'intelligenza artificiale decide di citare nella primissima riga è come essere il gruppo di apertura di un festival musicale: il pubblico è appena arrivato, l'energia è altissima, tutti hanno gli occhi fissi sul palco. Essere citati nell'ultimo paragrafo è come essere la band che chiude lo show alle due di notte: puoi anche fare l'assolo più bello del mondo, ma metà della gente sta già camminando verso l'uscita per evitare la coda nel parcheggio.

La tecnologia più complessa del pianeta si scontra — inesorabilmente — con il limite più basilare dell'essere umano: la nostra soglia di attenzione. L'algoritmo processa volumi infiniti di dati, ma deve consegnarli a un occhio umano che si stanca esattamente come si stancava cent'anni fa leggendo un'enciclopedia di carta.

La Matematica della Posizione: il Word Count Pesato

Per misurare matematicamente questa dinamica tra macchina che scrive all'infinito e umano che si stanca subito, i ricercatori hanno introdotto un modello rigoroso. Uno studio del 2025 condotto da Luttgenhau e colleghi ha preso un modello linguistico chiamato BART (Bidirectional and Auto-Regressive Transformers) e lo ha sottoposto a un fine tuning sul settore dei viaggi per vedere come i contenuti potessero essere ottimizzati per farsi citare dalle macchine.

BART unisce due capacità. La parte bidirezionale legge il testo guardando sia le parole precedenti che quelle successive — serve per comprendere il contesto profondo, come farebbe un umano che scorre rapidamente un articolo con gli occhi. La parte autoregressiva genera una parola dopo l'altra, in modo strettamente lineare.

Per valutare cosa cambia con l'ottimizzazione GEO lo studio introduce due metriche molto diverse:

• WC (Word Count) — conteggio assoluto delle parole. Quante parole della risposta generata sono state prese dalla fonte. È il volume puro. La metrica della vanità, se ci pensi.
• WCA (Word Count Adjusted) — conteggio delle parole pesato sulla posizione. Usa una formula di decadimento che assegna un valore enorme alle parole citate all'inizio e un valore quasi nullo a quelle citate alla fine.

graph LR
    A[Risposta generata<br/>100 parole]
    A --> P1[Parola 10<br/>peso alto]
    A --> P2[Parola 50<br/>peso medio]
    A --> P3[Parola 90<br/>peso quasi zero]
    P1 --> V[Valore editoriale<br/>della citazione]
    P2 --> V
    P3 --> V

Se la tua fonte viene citata alla decima parola, quell'informazione avrà un punteggio altissimo: è all'inizio, dove l'attenzione umana è massima. Se viene citata alla novantesima, il valore crolla quasi a zero. Nessuno arriverà mai fin lì.

Il Numero Che Ribalta le Vecchie Logiche

I ricercatori hanno applicato la formula ai testi ottimizzati in chiave GEO. I risultati:

La metrica pesata guadagna 2,7 volte di più di quella assoluta. Tradotto: l'AI non si è limitata a estrarre più testo dalla fonte e a incollarlo alla fine della risposta per fare un favore. Ha fatto qualcosa di molto più furbo — ha preso il testo e lo ha spinto verso l'inizio del suo discorso. Ha reso quell'informazione la sua priorità narrativa.

Non è servita ad aumentare la quantità del testo, ma ad alterare la gerarchia. Saltare dalla fine del paragrafo generato alla prima riga è il nuovo equivalente di passare dalla seconda pagina di Google alla vetta della prima.

Ed è una conclusione che smonta un mito radicato: quello che "l'articolo da 5000 parole batte sempre quello da 500". Oggi, la densità e il posizionamento strategico dell'informazione superano la pura lunghezza. Di parecchio.

Le Cinque Tattiche di Sopravvivenza

Se la posizione è tutto, e se le macchine decidono cosa mettere all'inizio in base a come leggono le nostre pagine, come si forza la loro mano? I documenti sul tema convergono su cinque pratiche. Sono vecchie tattiche SEO che chi le conosce davvero ha mutato e riadattato per sopravvivere alla nuova era.

graph TB
    P[Pagina ottimizzata GEO]
    P --> T1[1. Blocco TL;DR in testa]
    P --> T2[2. H1 + prima frase in prossimità<br/>della query]
    P --> T3[3. Statistiche in apertura]
    P --> T4[4. Link building inversa<br/>citazioni in uscita]
    P --> T5[5. H2 a forma di domanda]

Tattica 1 — il Blocco TL;DR in Apertura

La cara vecchia meta description — quel riassuntino di 150 caratteri che appariva sotto il link blu su Google — è stata dichiarata morta. Sepolta. Viene sostituita dall'inserimento di un blocco TL;DR (Too Long, Didn't Read) in cima al contenuto. Quaranta-sessanta parole, iper-compresse, con la risposta essenziale, cruda, senza fronzoli — dati, affermazioni, fonti.

Funziona per un motivo strutturale. Questi sistemi sono progettati per l'efficienza computazionale. Quando un utente fa una domanda, l'AI cerca istintivamente la fonte che ha già fatto il lavoro sporco — il lavoro di sintesi. Trovare un blocco denso e predigerito in cima alla pagina facilita enormemente il calcolo dell'algoritmo, che finisce per estrarre quel frammento e usarlo come primissima frase della sua risposta.

È uno scambio alla pari: tu fai risparmiare calcoli alla macchina, e la macchina ti premia citandoti subito.

Tattica 2 — Prossimità Semantica H1 + Prima Frase

Un tempo l'obiettivo era accaparrarsi il featured snippet di Google. La dinamica generativa è molto più restrittiva. Se la query dell'utente è "qual è il costo medio per isolare un tetto?" e tu apri con una introduzione storica sull'isolamento termico fin dai tempi degli antichi romani, per poi rivelare il costo solo nel terzo paragrafo, hai perso in partenza.

L'intelligenza artificiale non ha tempo da perdere. Non farà mai la caccia al tesoro nel tuo testo. Si rivolgerà a un concorrente che ha inserito la cifra esatta in meno di quaranta parole, subito sotto il titolo. La regola aurea dell'estrazione è la prossimità semantica immediata: la risposta deve seguire fisicamente la domanda entro pochissime righe.

Tattica 3 — Statistiche in Apertura

Lo studio di Aggarwal e colleghi (Princeton, 2024) ha definito la pratica della Statistics Addition come una delle tecniche in assoluto più potenti per farsi notare dai modelli generativi.

Devi pensare a come la macchina percepisce il testo. Non comprende il significato filosofico dei numeri come facciamo noi, ma associa i dati quantitativi a un'altissima densità informativa e a oggettività. Vede un numero e pensa: questo è un fatto reale.

Inserire subito all'inizio elementi come "il 67% dei viaggiatori..." oppure "i costi operativi sono stati ridotti del 42% secondo Eurostat" funge da segnale di ancoraggio. Quando il modello deve costruire una frase che suoni autorevole, va a pescare istintivamente dai segmenti di testo che contengono percentuali e cifre esatte. Nella sua enorme architettura di previsione, un'affermazione supportata da un numero è considerata matematicamente un output di qualità superiore.

Tattica 4 — Link Building Inversa

Qui arriva l'elemento più controintuitivo di tutti. Per anni, nella SEO classica, l'ossessione assoluta era la link building. Convincere — o pagare — altri siti affinché inserissero un link che puntava alla nostra pagina. Più link in entrata avevi, più Google ti considerava autorevole.

Nel GEO si fa l'esatto opposto. Citare fonti esterne. Riempire il proprio testo di link in uscita verso altre fonti. E la cosa sorprendente è che funziona.

Non si tratta più di accumulare i voti degli altri come in un concorso di popolarità. Si tratta di dimostrare al modello generativo di essere un nodo all'interno di una rete informativa verificabile. Un testo isolato, senza riferimenti esterni, viene percepito dall'algoritmo come un'isola — intrinsecamente inaffidabile. Un testo che cita fonti istituzionali, report universitari, grandi testate giornalistiche, riproduce il pattern della letteratura accademica.

Stiamo letteralmente regalando autorevolezza ad altri per dimostrare alla macchina che abbiamo fatto i compiti a casa. La bibliografia verificabile diventa un enorme semaforo verde per la citazione. Abbiamo cambiato la direzione delle frecce dei link — ma il risultato in termini di credibilità costruita è perfino più potente di prima.

Tattica 5 — Sottotitoli a Forma di Domanda

L'ultima pratica riguarda la struttura dei paragrafi. È il ponte più diretto tra il modo in cui noi formuliamo i nostri dubbi e il modo in cui l'AI decodifica il testo.

Nella vecchia era cercavamo parole chiave esatte — costo safari kenya. Oggi l'interfaccia non è più una barra di ricerca: è una chat discorsiva. L'utente digita prompt completi: "Quanto costa in media fare un safari di dieci giorni in Kenya ad agosto?".

Se strutturiamo un H2 esattamente come una domanda — "Quanto costa un safari in Kenya?" — creiamo una corrispondenza vettoriale quasi perfetta con il prompt dell'utente. Combaciano come due pezzi di un puzzle. Il modello riconosce istantaneamente che quella specifica porzione del tuo testo è progettata per risolvere quel dubbio specifico. La probabilità che estragga da lì, posizionando le informazioni in alto nella risposta, diventa altissima.

flowchart TD
    U[Prompt utente in chat] --> E[Embedding vettoriale]
    P[Pagina con H2 a domanda] --> E2[Embedding H2]
    E --> M{Similarità semantica}
    E2 --> M
    M -->|match alto| C[Estrazione prioritaria<br/>nella prima frase della risposta]
    M -->|match basso| L[Estrazione marginale<br/>o nessuna estrazione]

La Seconda Mappa: Dove Pescano Davvero i Motori

Fin qui abbiamo parlato di come scrivere per farsi estrarre per primi. Ora la seconda domanda, altrettanto urgente: quali fonti scelgono di pescare i diversi motori? Perché un conto è ottimizzare una pagina in modo perfetto, un altro è sapere che quella pagina vive in un ecosistema in cui ChatGPT, Claude e Perplexity selezionano autori e testate in modo sistematicamente diverso.

Lo studio empirico più ampio finora condotto sul tema viene da Chen, Wang, Chen e Koudas (University of Toronto, settembre 2025). Hanno raccolto migliaia di risposte da Google, ChatGPT, Claude, Perplexity e Gemini su verticali, lingue e parafrasi diverse. Il risultato, in una frase: i motori AI non sono intercambiabili. Ciascuno ha un suo gusto editoriale. Le differenze sono sistematiche, non rumore.

Vediamo i sette risultati principali, ciascuno con la sua lettura operativa.

1 · Google e i Motori AI Non Attingono alle Stesse Fonti

La prima scoperta è la più facile da verificare e la più difficile da accettare per chi viene dalla SEO. L'ecosistema di fonti che un motore AI cita ha poco a che vedere con la prima pagina di Google, anche per la stessa identica query.

Sui verticali locali il divario diventa estremo. Auto Repair produce un overlap del 2,5% — praticamente zero. I dentisti, i meccanici, gli idraulici che Google suggerisce in un'area metropolitana non sono gli stessi che suggerisce ChatGPT.

Monitorare solo Google non dice nulla su cosa succede dentro ChatGPT. Sono due sistemi di autorità quasi disgiunti. Servono strumenti che interroghino in parallelo tutti i canali.

2 · I Motori AI Escludono Quasi del Tutto il Contenuto Social

Il secondo risultato riguarda il mix dei tipi di fonte. Lo studio classifica ogni URL in tre famiglie:

• Brand — siti di proprietà del marchio (apple.com, toyota.com)
• Earned — testate editoriali indipendenti, portali governativi, siti di recensioni (techradar.com, consumerreports.org)
• Social — piattaforme di comunità e contenuto generato dagli utenti (Reddit, YouTube, Quora, forum)

Un'intera classe di fonti che pesa il 15–25% su Google scompare dentro la risposta AI. Il passaparola della community — storicamente uno dei canali di discovery più potenti per i brand di nicchia — si spegne.

È una scelta di prudenza degli engine: citare una review di TechRadar è più sicuro, dal punto di vista della verificabilità, che citare un post su Reddit.

Le review di settore e i portali autoritativi sono la valuta principale dei motori AI. Misurare la presenza del brand lì dentro è il segnale più predittivo.

3 · Ogni Motore Ha un Suo Gusto Editoriale

Claude, ChatGPT e Perplexity hanno strategie di sourcing molto diverse. Claude e ChatGPT sono quasi gemelli — editoriali ortodossi, che privilegiano testate affermate. Perplexity è l'outlier.

Perplexity è l'unico motore in cui YouTube appare stabilmente tra le prime fonti citate — sia per consumer electronics che per automotive. Per un brand che produce contenuti video, questo vale oro.

Un contenuto ottimizzato per Claude — tono editoriale, citazioni da TechRadar o Consumer Reports — rischia di non muovere l'ago su Perplexity. Ogni cliente ha bisogno di una matrice motore × canale, non di una singola strategia GEO.

4 · Freshness — Claude Pesca Vecchio, Perplexity Pesca Fresco

Lo studio ha estratto la data di pubblicazione di ogni URL e calcolato l'età media degli articoli citati.

Il dato più vistoso è sull'automotive: Claude cita articoli di 331 giorni di età media. Quasi un anno. Se hai appena pubblicato una recensione fresca, Claude probabilmente continuerà a citare la recensione dell'anno scorso per mesi.

Il motivo è strutturale. Claude e ChatGPT si appoggiano a testate come Consumer Reports e Car and Driver, con pagine di ranking stabili aggiornate raramente. Perplexity integra più fonti di retail e YouTube — per natura più recenti.

Se un cliente sta per lanciare un prodotto, nei primi mesi la partita si gioca quasi solo su Perplexity e Gemini. Claude e ChatGPT arriveranno dopo, quando le testate storiche pubblicheranno le loro recensioni ufficiali.

5 · L'Ecosistema È Frammentato: il 50–70% di Fonti Esclusive per Motore

Il 50–68% dei domini che un singolo motore cita non appare negli altri due. L'intersezione comune è ridotta a una manciata di testate di alto prestigio: Car and Driver, Edmunds, Consumer Reports.

Gli indici di Jaccard lo confermano: Claude–ChatGPT 0,147; Claude–Perplexity 0,251; ChatGPT–Perplexity 0,096. Due motori AI dello stesso verticale prendono i loro contenuti da due web diversi.

Monitorare la visibilità su quattro motori AI significa tracciare quattro pool di fonti largamente disgiunti — centinaia di domini per canale, sovrapposizioni del 10–25%. Non è un lavoro che un SEO manager può fare a mano.

6 · Big Brand Bias — i Grandi Schiacciano i Piccoli

Nella sezione più provocatoria dello studio, gli autori chiedono a ChatGPT e Perplexity di elencare "le migliori bevande gassate" — senza specificare marchi — e contano le menzioni per categoria.

I top 3 per menzioni:

Perplexity è ancora più sbilanciato: 67,9% ai major, solo 5,8% ai brand di nicchia. I brand artigianali — Jones Soda, Faygo, Zevia — appaiono, ma con frequenza minima.

Il motivo è strutturale. I modelli sono addestrati su un web dove i brand grandi sono sovra-rappresentati. Le fonti editoriali che i motori preferiscono citano per prime i brand noti. È un ciclo che si auto-rinforza.

Un cliente di nicchia ha bisogno di un KPI che misuri quanto sta chiudendo il gap rispetto ai grandi del suo settore. "Sei al 2% delle menzioni, il tuo competitor diretto al 15%, il brand di riferimento al 60%".

7 · Stabilità Cross-Lingua — Claude Riusa l'Inglese, ChatGPT Cambia Tutto

L'ultima scoperta riguarda il comportamento cross-lingua. Lo studio confronta come ogni motore risponde alla stessa query in inglese e in altre cinque lingue, misurando l'overlap dei domini citati.

Tre comportamenti molto diversi:

• Claude ha la sovrapposizione più alta. Se hai costruito autorità in inglese su TechRadar, Claude ti cita anche quando un utente italiano fa la stessa domanda in italiano. Ragiona come se il web autoritativo fosse prevalentemente anglofono.
• Perplexity è vicino a Google. Localizza bene, con il solito mix più commerciale.
• ChatGPT è l'opposto di Claude. Overlap praticamente zero. Cambia lingua = cambia completamente ecosistema di fonti. Se lanci un brand in Germania, ChatGPT in tedesco non sa niente di quello che hai costruito in inglese.

Se vuoi dominare su Claude: investi sull'autorevolezza inglese, le pubblicazioni locali sono un bonus. Se vuoi dominare su ChatGPT in Germania: investi su pubblicazioni tedesche dedicate, l'inglese non si trasferisce. Se vuoi un portafoglio bilanciato: entrambe le cose, pesate per motore.

I Cinque Pilastri di una Strategia GEO Matura

Mettendo insieme la matematica della citazione e la mappa del territorio, emergono cinque pilastri che trasformano la GEO da pratica artigianale a disciplina industriale.

graph TB
    GEO[Strategia GEO matura]
    GEO --> P1[Intelligence competitiva continua]
    GEO --> P2[Framework di contenuti giustificativi]
    GEO --> P3[Pipeline di authority building]
    GEO --> P4[Ranking defense]
    GEO --> P5[Piattaforma integrata]
    P1 --> O1[Mappa delle fonti citate per motore]
    P2 --> O2[TL;DR, dati comparativi, schema.org]
    P3 --> O3[PR ricorrente verso le testate chiave]
    P4 --> O4[Tracking erosione della posizione]
    P5 --> O5[Dashboard unica multi-canale]

Due azioni operative ad alto ROI emergono direttamente dai dati:

Uno share of voice "big vs niche" che misuri la quota di menzioni del cliente relativa ai grandi del suo settore dentro le risposte AI. "Sei all'1,8% delle menzioni, il leader di categoria al 48%, gap da chiudere del 46 punti percentuali." È una metrica che il management capisce al primo colpo.

Un report trimestrale sulle fonti autorevoli non coperte. Il citation network mostra le N testate che ricorrono di più nelle risposte AI del settore dove il cliente non è presente. Ogni testata nell'elenco è un target di PR o di content placement. È la conversione dell'intelligence competitiva in una to-do list operativa.

La Checklist della Redazione Post-SEO

Per chiudere, una checklist che mette insieme le cinque tattiche di sopravvivenza e le lezioni della mappa empirica. Da appendere accanto alla scrivania di chi scrive per il web oggi.

Prima di pubblicare

• [ ] Ho inserito un blocco TL;DR di 40–60 parole in cima, denso di fatti e numeri?
• [ ] La risposta alla query principale è nelle prime 40 parole sotto l'H1?
• [ ] Ho almeno una statistica con fonte nei primi due paragrafi?
• [ ] Ho inserito tre-cinque link in uscita verso fonti autorevoli (testate, report, enti)?
• [ ] Ogni H2 è formulato come una domanda o contiene la query dell'utente?
• [ ] La pagina è scannable: paragrafi brevi, bullet point dove serve, grassetti sui dati chiave?
• [ ] Ho uno schema.org chiaro (Article, Product, FAQPage a seconda del caso)?
• [ ] Ho evitato introduzioni storiche prima di arrivare al punto?

Dopo la pubblicazione

• [ ] Monitoro la citazione su Google e su almeno tre motori AI in parallelo?
• [ ] So qual è il motore prevalente per il mio settore (Claude/ChatGPT per editoriale, Perplexity se c'è video)?
• [ ] Se lancio un prodotto nuovo, ho pianificato l'intelligence prima su Perplexity e Gemini (fonti recenti)?
• [ ] Sto traccando il gap di menzioni rispetto al leader di categoria?
• [ ] Ho identificato le cinque testate che ricorrono di più nelle risposte AI del mio settore dove non sono citato?

Una Riflessione Finale

Se la matematica della visibilità impone che ogni articolo debba essere ridotto a un riassunto esecutivo di quaranta parole in apertura, solo per sopravvivere alla selezione generativa — qual è il destino del pensiero articolato? Delle sfumature, del contesto storico che richiede decine di pagine per essere sviluppato?

Stiamo assecondando una tecnologia che valuta la sintesi più della profondità. Trasformiamo la conoscenza umana in una serie infinita di riassunti aziendali per macchine. È come comporre e suonare all'infinito solo l'intro di un minuto della nostra canzone più famosa, sacrificando le sinfonie intere che abbiamo scritto, pur di essere sicuri che la folla non distolga lo sguardo dal palco nemmeno per un secondo.

È un cambio di paradigma reale, e chi lo ignora oggi paga tra dodici-diciotto mesi. Ma vale la pena ricordarsi, mentre scriviamo la centesima versione di un TL;DR denso di percentuali, che il testo non compresso — quello che respira, che si prende il suo tempo, che argomenta senza sputare subito la conclusione — rimane la forma più antica e più potente di pensiero scritto che conosciamo.

Forse il vero vantaggio competitivo di dopodomani sarà proprio quello: avere una pagina ottimizzata che fa il suo lavoro dentro ChatGPT, e avere il coraggio — la necessità — di pubblicare anche le sinfonie intere da qualche altra parte. Per i pochi lettori che vorranno arrivare fino in fondo.

Fonti: Luttgenhau et al., Position-Aware Content Optimization for Generative Engines, 2025 — per la matematica del peso editoriale della citazione; Chen, Wang, Chen, Koudas, [Generative Engine Optimization: How to Dominate AI Search](https://arxiv.org/abs/2509.08919), University of Toronto, 2025 — per la mappa empirica dei motori; Aggarwal et al., [GEO: Generative Engine Optimization](https://arxiv.org/abs/2311.09735), KDD '24 — per le tecniche editoriali. Tutte le tecniche qui elencate sono implementate in [GeoSonar](https://geosonar.ai).