I segnali AEO on-site prevedono la presenza nelle risposte dell’IA? Abbiamo misurato 62 attività

No, non in questo studio. Su 62 attività locali in Giappone, il nostro punteggio AEO on-site (dati strutturati, llms.txt, accesso dei crawler e segnali simili) non ha mostrato alcuna relazione con la frequenza con cui Perplexity nominava o citava un’attività quando gli si chiedevano consigli: ρ di Spearman = 0.03 (IC al 95% da −0.23 a 0.28, p = 0.834). Con 62 attività lo studio poteva rilevare in modo affidabile solo correlazioni di circa |ρ| ≥ 0.35, quindi non si può escludere una relazione più debole.

Pubblicato il 28 ottobre 2026. Dati misurati il 24 ottobre 2026. Nurevo sviluppa strumenti AEO, tra cui il punteggio qui testato; si veda «Il nostro conflitto di interessi» più avanti.

Sintesi

  1. Domanda: le attività i cui siti ottengono un punteggio più alto nel punteggio di leggibilità per l’IA di Nurevo (da 0 a 100) compaiono più spesso nelle risposte dell’IA a domande che non le nominano?
  2. Risposta: non confermato. ρ = 0.03 complessivamente, e ancora 0.03 dopo l’aggiustamento per settore e città.
  3. Nel complesso, le attività sono comparse nel 21.0% delle risposte alle domande di scoperta; 25 delle 62 sono comparse almeno una volta.
  4. Nemmeno le singole componenti del punteggio (dati strutturati, llms.txt, copertura e così via) hanno mostrato una relazione, dopo la correzione per test multipli.
  5. Cosa ne ricaviamo: i dati strutturati aiutano l’IA a leggere correttamente le informazioni di un’attività, ma da soli non determinano se l’attività viene menzionata. Contano di più altri fattori, molto probabilmente anche ciò che altri siti dicono dell’attività. Quest’ultimo punto è un’ipotesi che questo studio non ha verificato.

Perché abbiamo condotto questo studio

I consigli sull’AEO (answer engine optimization), compresi i nostri, sostengono che rendere un sito facile da leggere per l’IA (dati strutturati schema.org, un file llms.txt, accesso consentito ai crawler IA, contenuti renderizzati lato server) aiuti un’attività a comparire nelle risposte dell’IA. Nurevo vende un punteggio costruito proprio su questi segnali. Volevamo prove oneste per capire se il punteggio rispecchia ciò che interessa davvero ai titolari: essere nominati dall’IA. Abbiamo fissato ipotesi, analisi e criteri di decisione prima di raccogliere qualsiasi risposta, impegnandoci a pubblicare il risultato in ogni caso.

Metodo

  1. Campione: 72 attività locali con un proprio sito ufficiale, selezionate tramite ricerca web (esclusi i portali), in 5 settori (studi dentistici, ristoranti, saloni di bellezza, commercialisti, strutture ricettive) e 4 città giapponesi (Tokyo, Osaka, Fukuoka, Sapporo). 10 sono state escluse perché non è stato possibile calcolare il punteggio del loro sito, lasciandone 62 per l’analisi.
  2. Punteggio: la home page, il robots.txt e il llms.txt di ogni sito sono stati valutati con lo stesso codice del punteggio pubblico di Nurevo: dati strutturati (30 punti), copertura (25), leggibilità (20), llms.txt (15) e coerenza (10), con una soglia per l’accesso dei crawler, il blocco a livello edge e il rendering lato server (chi non la supera ottiene al massimo 15).
  3. Motore: Perplexity, tramite la sua Agent API con il preset «fast» (una ricerca web, poi una risposta), lo stesso adattatore che il piano a pagamento di Nurevo usa per la visibilità nell’IA. Un solo motore; si vedano i limiti.
  4. Domande: tre domande «di scoperta» per attività che nominano la zona e il tipo di attività ma non l’attività stessa (ad esempio «Consigliami un dentista a Umeda»), comuni a tutte le attività dello stesso settore nella stessa zona, più una domanda «nominativa» che chiede indirizzo e orari di apertura di un’attività. Ogni domanda è stata posta tre volte.
  5. Esito: un’attività «compariva» in una risposta se il suo nome era presente nella risposta o se il suo dominio figurava tra le fonti citate. Il tasso di comparsa è la quota delle sue risposte alle domande di scoperta in cui è comparsa.
  6. Verifica del rilevatore: nelle risposte alle domande nominative il nome dell’attività è stato rilevato nell’84.3% dei casi, sopra la soglia del 70% che avevamo fissato per considerare affidabile il rilevatore.
  7. Analisi: correlazione per ranghi di Spearman con p-value per permutazione e intervallo di confidenza bootstrap; correlazione parziale con settore e città come effetti fissi; un test di permutazione all’interno degli strati; e una regressione logistica con effetti fissi per settore e città e correzione quasi-binomiale, poiché le risposte ripetute alla stessa domanda non sono indipendenti. I sei test per componente sono corretti con il metodo di Holm.

Il criterio per «confermato» era stato fissato in anticipo: ρ ≥ 0.3, p < 0.05, un IC al 95% sopra lo zero e una correlazione aggiustata positiva. Il testo delle risposte non è stato conservato: solo se compariva un nome, se il dominio era citato e la posizione della citazione.

Risultati

Il verdetto è «non confermato». Ogni test del punteggio rispetto alla comparsa restituisce una correlazione vicina allo zero:

n = 62 attività. Misurato su Perplexity il 24 ottobre 2026.
TestRisultatop-value
Punteggio vs tasso di comparsa (ρ di Spearman, principale)0.03 (IC al 95% da −0.23 a 0.28)0.834
Idem, aggiustato per settore e città (correlazione parziale)0.030.845
Idem, test di permutazione all’interno degli strati0.030.829
Punteggio vs comparsa del nome (domande di scoperta)−0.040.782
Punteggio vs citazione del proprio sito (domande di scoperta)0.180.149
Punteggio vs citazione del proprio sito (domande nominative)−0.030.813
Regressione logistica con effetti fissi settore/città, quasi-binomiale: odds per +1 DS di punteggio (18.81 punti)×1.01 (IC al 95% da 0.62 a 1.64)0.972

Il coefficiente più alto, 0.18 tra il punteggio e la citazione del sito dell’attività, non è distinguibile dallo zero (p = 0.149) e non va interpretato come un risultato.

Per fascia di punteggio

Nurevo mostra il punteggio in rosso, giallo o verde. La maggior parte dei siti del campione era in rosso e nessuno ha raggiunto il verde, quindi questo studio non dice nulla sui punteggi molto alti.

FasciaAttivitàTasso di comparsa medioComparse almeno una volta
Rosso5420.8%22
Giallo822.2%3
Verde0--

Per componente del punteggio

Nessuna componente del punteggio è risultata correlata alla comparsa. Dopo la correzione di Holm ogni p-value è pari a 1.000. Questi test erano esplorativi.

p corretto con Holm = 1.000 per ogni componente.
Componenteρ di Spearman con il tasso di comparsa
Dati strutturati (schema)0.08
Copertura0.12
Leggibilità−0.17
llms.txt−0.02 (odds ratio 1.41, IC al 95% da 0.79 a 2.52)
Coerenza0.06
Soglia (accesso dei crawler, edge, rendering lato server)61 l’hanno superata: 21.3% di comparsa; 1 non l’ha superata: 0%

Per settore e per città

La comparsa variava più in base al settore e alla città che al punteggio. Si tratta di dati descrittivi relativi a piccoli gruppi, non di differenze verificate statisticamente.

Le righe per settore e le righe per città coprono ciascuna le stesse 62 attività.
GruppoAttivitàPunteggio medioTasso di comparsa
Commercialisti1327.9210.3%
Strutture ricettive1321.0823.9%
Studi dentistici1340.1525.6%
Saloni di bellezza824.258.3%
Ristoranti1524.2030.4%
Osaka1526.2715.6%
Sapporo1729.419.8%
Tokyo1525.5331.1%
Fukuoka1529.2728.9%

Limiti

  1. Studio trasversale: una singola misurazione di molti siti mostra un’associazione, non una causa. Per capire se migliorare un sito ne cambia la comparsa serve uno studio prima/dopo sugli stessi siti.
  2. Potenza statistica: con 62 attività, una correlazione più debole di circa |ρ| = 0.35 verrebbe spesso mancata. Le attività della stessa zona e dello stesso settore condividono le stesse risposte, quindi il campione effettivo è ancora più piccolo. Qui «non rilevato» non significa «inesistente».
  3. Un motore, una settimana: Perplexity con il preset «fast», misurato il 24 ottobre 2026. ChatGPT, Gemini, gli AI Overviews di Google e Copilot usano indici di ricerca e modelli diversi; questi risultati non sono trasferibili a loro.
  4. Fattori confondenti non osservati: recensioni, notorietà del marchio, pubblicità, anni di attività e presenza su altri siti non sono stati misurati. L’aggiustamento è stato fatto solo per settore e città.
  5. Campione: le attività sono state trovate tramite ricerca web, quindi tendono a essere attività già facili da trovare. Nessun sito ha raggiunto il verde. 5 settori e 4 città in Giappone potrebbero non rappresentare altri settori, regioni o lingue.

Cosa significa per il sito di un’attività

Dati strutturati, llms.txt e accesso dei crawler continuano a svolgere un ruolo: permettono a un’IA di leggere in modo diretto e corretto le informazioni di un’attività (indirizzo, orari di apertura, numero di telefono, servizi) invece di indovinarle. È un lavoro che vale la pena fare, ma è diverso dall’essere consigliati. In questo studio, un sito letto meglio non era un sito menzionato di più.

La nostra ipotesi di lavoro è che le fonti esterne al sito (schede di recensioni e mappe, media locali, directory, altri siti che menzionano l’attività) pesino molto nel determinare se un’IA nomina un’attività quando risponde a una richiesta di consigli. Questo studio non ha misurato tali fonti, quindi si tratta di un’ipotesi da verificare, non di un risultato.

In pratica: mantenete in ordine le basi on-site, perché rendono accurato ciò che l’IA dice di voi, e misurate se l’IA vi menziona davvero invece di dedurlo da un punteggio di leggibilità.

Il nostro conflitto di interessi e cosa stiamo cambiando

Nurevo sviluppa strumenti AEO e il punteggio qui testato è uno dei nostri prodotti. Un risultato secondo cui il punteggio non prevede la comparsa non è quello che avremmo scelto; lo pubblichiamo perché i criteri erano stati fissati prima dell’arrivo dei dati e perché i titolari devono sapere cosa un punteggio può e non può dire loro.

Cosa stiamo facendo: non presentiamo il punteggio di leggibilità per l’IA come un predittore della comparsa nelle risposte dell’IA. Misuriamo invece la comparsa direttamente: il piano Pro misura quanto spesso Perplexity nomina o cita un sito (beta), e stiamo aggiungendo un piccolo controllo mensile della comparsa per i siti dei piani Free e Standard. Stiamo inoltre sviluppando una seconda versione del punteggio che combina la visibilità misurata nell’IA con i segnali on-site, anziché basarsi solo su questi ultimi.

I nomi e i siti web delle attività misurate non vengono pubblicati.

Domande frequenti

I dati strutturati fanno sì che l’IA menzioni la mia attività?

In questo studio su 62 attività locali su Perplexity non è emersa alcuna relazione tra i segnali on-site come i dati strutturati e la frequenza con cui un’attività veniva menzionata (ρ = 0.03). I dati strutturati aiutano l’IA a leggere correttamente le vostre informazioni, ma da soli non prevedevano le menzioni.

Il llms.txt aiuta un’attività a comparire nelle risposte dell’IA?

In questo studio non abbiamo trovato alcuna relazione: ρ = −0.02 tra la componente llms.txt e il tasso di comparsa (p corretto con Holm = 1.000). Lo studio era piccolo e ha usato un solo motore, quindi non dimostra che il llms.txt non conti mai.

Significa che l’AEO è inutile?

No. L’AEO on-site rende accurato ciò che l’IA dice di un’attività. Questo studio suggerisce che non basta per essere consigliati e che le menzioni andrebbero misurate direttamente, anziché dedotte da un punteggio di leggibilità.

Quale motore di IA è stato misurato?

Solo Perplexity, tramite la sua Agent API con il preset «fast», il 24 ottobre 2026. I risultati non sono trasferibili a ChatGPT, Gemini, agli AI Overviews di Google o a Copilot.