---
title: "Come misurare la visibilità IA: campioni e baseline oneste"
description: "Una quota di citazioni del 9,5% contro il 6,0% sembra un vantaggio, finché gli intervalli di confidenza non si sovrappongono. Quante ripetizioni servono."
lang: it
canonical: https://upgradepro.eu/it/blog/measure-ai-visibility
published: 2026-07-16
tags: ["GEO", "misurazione"]
---

# Come misurare la visibilità IA: campioni e baseline oneste

> Una quota di citazioni del 9,5% contro il 6,0% sembra un vantaggio, finché gli intervalli di confidenza non si sovrappongono. Quante ripetizioni servono.

Misurare la visibilità IA significa campionare una distribuzione, non leggere uno strumento. Ponete due volte la stessa domanda a ChatGPT, Gemini o Perplexity e otterrete risposte diverse, con fonti diverse. Perciò qualsiasi numero ricavato da una singola esecuzione — la vostra share of voice, il vostro tasso di citazione — è una stima con barre d'errore, e le barre sono larghe. Il lavoro concreto sta nel decidere quante ripetizioni servono prima che una differenza significhi qualcosa.

## Perché la stessa domanda dà risposte diverse ogni volta?

Perché il non determinismo è integrato nel modo in cui questi sistemi girano, non è un'impostazione che potete spegnere. Thinking Machines Lab ha campionato 1.000 completion a temperatura 0 da Qwen3-235B-A22B-Instruct-2507 con il prompt "Tell me about Richard Feynman", 1.000 token ciascuna.

> "Surprisingly, we generate 80 unique completions, with the most common of these occuring 78 times."
> — Thinking Machines Lab, Horace He, settembre 2025

Ottanta risposte distinte, tutte divergenti a partire dal token 103. La [causa profonda che il team individua](https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/) (settembre 2025) non è la temperatura ma la mancanza di invarianza rispetto alla dimensione del batch: il carico dei server varia in modo imprevedibile, questo cambia l'ordine di accumulo in virgola mobile, e questo cambia l'output. Dall'esterno non lo controllate. Potete solo campionare più volte.

I vendor lo ammettono, sottovoce. La [documentazione ufficiale di OpenAI](https://developers.openai.com/api/docs/guides/advanced-usage) (consultata il 16 luglio 2026) promette solo "(mostly) deterministic outputs" quando fissate il seed, e avverte che cambi di configurazione dalla loro parte alterano i risultati. Uno studio accademico — [arXiv:2408.04667](https://arxiv.org/abs/2408.04667) (agosto 2024, cinque modelli tra cui GPT-4o e Llama-3-70B-Instruct, otto task MMLU e BBH, dieci ripetizioni ciascuno con temperature=0, top-p=1 e seed fisso) — ha rilevato che nessun modello mantiene una coerenza del 100%. I divari di accuratezza tra esecuzioni identiche arrivano a 5-15 punti, e fino a 70 punti nel caso estremo (Mixtral sulla matematica universitaria: 75% nella prova migliore, 3% nella peggiore).

Google documenta la stessa cosa per la ricerca. Secondo [Google Search Central](https://developers.google.com/search/docs/appearance/ai-features): "AI Mode and AI Overviews may use different models and techniques, so the set of responses and links they show will vary." La variabilità è un comportamento documentato, non un bug che passerà da solo.

## Perché una singola misurazione è quasi sempre fuorviante?

Perché le vostre metriche sono stime campionarie, e il settore le racconta come fatti. La dimostrazione pubblicata più chiara arriva da [Quantifying Uncertainty in AI Visibility](https://arxiv.org/abs/2603.08924) di Ronald Sielinski (arXiv:2603.08924v2, giugno 2026), uno studio su 200 query per tema, su tre temi e tre piattaforme, campionate lungo nove giorni consecutivi più 25 campioni a intervalli di dieci minuti — 374.052 citazioni nel dataset giornaliero.

> "These findings show that single-run visibility metrics provide a misleadingly precise picture of domain performance in generative search."
> — Sielinski, Quantifying Uncertainty in AI Visibility, giugno 2026

L'esempio da ricordare è quello dell'attrezzatura da running su SearchGPT. Su 200 query, tomsguide.com ha mostrato una quota di citazioni del 9,5% e runnersworld.com del 6,0% — un vantaggio apparente di 3,5 punti. Ma gli intervalli di confidenza bootstrap al 95% — approssimativamente 5,5%-12,5% e 4,0%-8,0% — si sovrappongono in misura sostanziale. È un pareggio statistico travestito da vantaggio.

Altri due numeri quantificano quanto sia mobile il terreno. Ripetere una query identica restituisce fonti in gran parte diverse: la sovrapposizione mediana di Jaccard a livello di dominio è 0,29-0,31 su Gemini, 0,33-0,40 su SearchGPT e 0,50 su Perplexity, con tassi di citazione identica dello 0,01-0,10% su Gemini e del 3-8% sulle altre due. E la volatilità in sé è ampia: un log-std di 0,5 (medie per piattaforma: 0,504 Gemini, 0,421 Perplexity, 0,417 SearchGPT) significa che la quota di citazioni di un dominio oscilla tipicamente tra circa il 60% e il 165% del suo valore centrale.

Sielinski, citando Hu et al., riporta anche un tasso di incoerenza del 33% sul fatto stesso che un AI Overview compaia o no per una data query. Non siamo riusciti a verificare quella cifra nella fonte originale, quindi trattatela come riportata e non come misurata — ma l'implicazione regge: la prima fonte di varianza non è che cosa dice la risposta, è se una risposta IA esiste.

**La regola da mandare a memoria:** qualsiasi differenza di quota di citazioni inferiore a 5-7 punti percentuali tra due brand va trattata come un pareggio. Gli intervalli sovrapposti in quella fascia sono, nelle parole di Sielinski, la norma e non l'eccezione.

## Quante ripetizioni servono davvero?

Abbastanza da rendere l'intervallo più stretto della differenza che vi interessa — e il paper pubblica i numeri, che è esattamente ciò che quasi nessun blog di vendor fa.

| Metrica | Intervallo obiettivo (IC 95%) | Gemini | Perplexity | SearchGPT |
|---|---|---|---|---|
| Quota di citazioni | ampiezza 5 punti (≈ ±2,5 pp) | ~40-50 query | ~100 query | ≥150 query |
| Prevalenza di citazione | ampiezza 15 punti | ~140-150 query | ~140-150 query | ~60-80 query |

Fonte: [Sielinski](https://arxiv.org/abs/2603.08924), §5.7, giugno 2026.

Con quella tabella arriva un avvertimento decisivo. Non campionate finché l'intervallo non sembra stretto per poi fermarvi. Su SearchGPT la convergenza non è monotona: l'ampiezza dell'intervallo si restringe e poi torna ad allargarsi. Chi si ferma in un punto fortunatamente stretto dichiara un'incertezza più bassa di quella vera. Fissate in anticipo una dimensione del campione, in base alla piattaforma e al tema — mai usare l'intervallo corrente come criterio di arresto.

## Si può misurare ChatGPT con l'API di OpenAI?

Si può, ma non misurerete quello che vedono i vostri clienti. [Surfer SEO](https://surferseo.com/blog/llm-scraped-ai-answers-vs-api-results/) (febbraio 2026) riporta che solo il 24% dei brand coincide tra risultati API e risultati ChatGPT raccolti via scraping, e che sulle fonti citate la sovrapposizione crolla al 4%. Su Perplexity, la sovrapposizione delle fonti tra API e interfaccia è dell'8%.

**Nota metodologica, perché conta:** Surfer descrive "1.000 esecuzioni di prompt" senza specificare se si tratti di prompt unici o di ripetizioni, quali versioni dei modelli siano state usate, né se la ricerca web fosse attiva nelle chiamate API. Non è peer-reviewed, e il vendor ha un interesse commerciale nella conclusione. La pubblichiamo come evidenza direzionale, non come dato misurato.

I dati strutturali dello stesso Surfer puntano nella stessa direzione, per quanto vengano dallo stesso vendor e dallo stesso studio non sottoposto a revisione paritaria: l'API di ChatGPT produce in media 406 parole contro le 743 dell'interfaccia raccolta via scraping, circa il 23% delle chiamate API non attiva mai una ricerca web (l'interfaccia la attiva sempre), circa il 25% delle risposte API non cita alcuna fonte (7 in media quando lo fa, contro 16 nell'interfaccia), e l'API non rileva il brand circa l'8% delle volte.

## Quali metriche contano davvero?

Partite dal separare la menzione dalla citazione: una menzione è il modello che scrive il vostro nome; una citazione è il modello che vi linka come fonte. Meccaniche diverse, interventi diversi. Oltre a questo, Sielinski ne formalizza tre:

1. **Citation count** — le citazioni assolute al vostro dominio. Non confrontabile tra piattaforme.
2. **Citation share** — le vostre citazioni divise per il totale delle citazioni. Normalizzata, confrontabile.
3. **Citation prevalence** — la frazione di risposte che contengono almeno una citazione a voi. Misura l'ampiezza della copertura, non la profondità.

Tutte e tre sono stimatori campionari, non proprietà fisse del sistema. Per la prominenza dentro la risposta, il [paper GEO](https://arxiv.org/abs/2311.09735) (Aggarwal et al., KDD 2024, GEO-bench da 10.000 query) propone il Position-Adjusted Word Count — le parole attribuite alla vostra fonte, scontate esponenzialmente in base alla posizione — e la Subjective Impression, che valuta sette dimensioni tra cui rilevanza, influenza, unicità e probabilità di clic.

Una regola ferrea: non confrontate mai i conteggi grezzi tra piattaforme. Il volume mediano di citazioni è di 5-7 per risposta su SearchGPT contro 36-40 su Gemini. Un conteggio che sembra notevole su Gemini può essere sotto la media lì ed eccellente su SearchGPT. Il nostro [confronto tra gli strumenti di visibilità IA](/it/blog/ai-visibility-tools) approfondisce quale piattaforma riporta quale metrica.

## Come si costruisce una baseline gratis, passo per passo?

Non serve software enterprise per iniziare, e Google Search Console non vi aiuterà: secondo [Google Search Central](https://developers.google.com/search/docs/appearance/ai-features), il traffico che arriva dalle funzioni IA non è scorporato — viene assorbito dentro il tipo di ricerca "Web". È proprio quel buco a rendere necessario campionare per conto vostro.

1. **Fissate 30-50 domande reali con intento d'acquisto.** Confronti, "il miglior X per Y", "alternative a Z" — quelle che i vostri clienti fanno davvero, non quelle che vorreste facessero.
2. **Eseguite fuori dalla sessione.** La personalizzazione contamina il campione.
3. **Decidete in anticipo il numero di ripetizioni.** Usate la tabella qui sopra; scrivete il numero prima di cominciare.
4. **Registrate quattro campi per esecuzione.** Comparite? In che posizione? Accanto a quali concorrenti? Siete citati o solo menzionati?
5. **Confrontate per intervalli, non per punti.** Se il divario è sotto i 5-7 punti, siete in pareggio. Ditelo.

Vale la pena saperlo: Google dichiara che non esistono requisiti aggiuntivi né markup speciali — nessun file di testo per l'IA, nessuno schema su misura — per comparire in AI Overviews o AI Mode. Chi vi vende un file magico non vi sta vendendo niente. Se siete nuovi alla disciplina, la nostra guida su [che cos'è la GEO](/it/blog/what-is-geo) copre prima i fondamentali.

## Quanto costa davvero campionare via API?

Decine di dollari, non migliaia — e a dominare è lo strumento di ricerca web, non i token. Secondo il [listino ufficiale di OpenAI](https://developers.openai.com/api/docs/pricing) (consultato il 16 luglio 2026): gpt-5.4-mini costa 0,75 $ per milione di token in input e 4,50 $ per milione in output; gpt-5.4-nano 0,20 $ e 1,25 $; gpt-5.6-luna 1,00 $ e 6,00 $. Lo strumento di ricerca web si fattura a parte, a 10,00 $ ogni 1.000 chiamate, più il contenuto recuperato alle tariffe del modello.

**CALCOLATO** — una baseline di 50 prompt × 30 ripetizioni = 1.500 chiamate con ricerca attiva. Strumento di ricerca: 1,5 × 10,00 $ = 15,00 $. Ipotizzando (**IPOTIZZATO**, non misurato) ~5.000 token in input per chiamata su gpt-5.4-mini — una cifra pensata per coprire il prompt *e* il contenuto di ricerca recuperato, che si fattura alle tariffe del modello — e ~800 token in output: 7,5 M in input × 0,75 $ = 5,63 $, e 1,2 M in output × 4,50 $ = 5,40 $. Totale ≈ 26 $. Riverificate i prezzi il giorno in cui lo eseguite; in questa famiglia i nomi dei modelli e le tariffe cambiano spesso. E ricordate che cosa avete comprato: questo misura l'API, non ChatGPT.

## Che cosa sposta l'ago una volta che avete la baseline?

L'evidenza correlazionale punta sulla notorietà di marca più che su quanto pubblicate. [Ahrefs](https://ahrefs.com/blog/ai-brand-visibility-correlations/) (dicembre 2025) ha studiato 75.000 domini con DR sopra 40 su ChatGPT, AI Mode e AI Overviews:

| Fattore | Correlazione con le menzioni IA |
|---|---|
| Menzioni su YouTube | ~0,737 |
| Menzioni web di marca | 0,656-0,709 |
| Anchor di marca | 0,511-0,628 |
| Volume di ricerca del brand | 0,352-0,466 |
| Domain Rating | 0,266-0,326 |
| Volume di contenuti (numero di pagine del sito) | ~0,194 ("almost no relationship") |

È correlazione, non causalità. Aprire un canale YouTube non farà sì che ChatGPT vi citi; la lettura più probabile è che menzioni su YouTube e menzioni IA misurino la stessa notorietà di marca sottostante. Noi non prometteremo il contrario, e nessun altro dovrebbe. Per capire quanto in fretta stanno crescendo queste superfici, vedete la nostra nota sull'[adozione della ricerca IA](/it/blog/ai-search-adoption).

## Quando conviene pagare uno strumento e che cosa pretendere?

La soglia è aritmetica: prompt × ripetizioni × piattaforme ÷ tempo disponibile di una persona. Sotto, vince il foglio di calcolo. Sopra, comprate — ma prima interrogate il vendor:

- Misura il prodotto reale o l'API? (Ricordate il 24%.)
- Riporta gli intervalli di confidenza, o solo un numero?
- La dimensione del campione è dichiarata?
- Qual è la frequenza di ricampionamento, ed è fissata in anticipo?

Se un fornitore vi consegna una share of voice senza barre d'errore, vi sta vendendo rumore con la virgola.

## Che cosa può fare una PMI questa settimana?

Scegliete le vostre 30-50 domande, decidete il numero di ripetizioni prima di guardare qualunque risultato, eseguitele fuori dalla sessione su ChatGPT, Perplexity e Google, e registrate menzione e citazione separatamente. Poi rieseguite lo stesso campione fisso ogni mese e confrontate intervalli, non punti. Qualsiasi movimento sotto i 5-7 punti è meteo, non clima.

Se preferite che quella baseline ve la costruiamo e ve la difendiamo noi, è ciò che fa il nostro [servizio di visibilità IA](/it/services/ai-visibility) — e il nostro [metodo](/it/method) etichetta ogni numero come misurato, calcolato o ipotizzato, così sapete sempre di quale si tratta.

## Domande frequenti

### Quante volte devo ripetere la stessa query per misurare bene la visibilità IA?

Dipende dalla piattaforma e dalla metrica, e le cifre pubblicate esistono. Secondo il paper di Ronald Sielinski (arXiv:2603.08924, giugno 2026), un intervallo di confidenza al 95% ampio circa cinque punti percentuali sulla quota di citazioni, cioè un margine di circa più o meno 2,5 punti, richiede all'incirca 40-50 query su Google Gemini, circa 100 su Perplexity e 150 o più su OpenAI SearchGPT. Per la prevalenza di citazione con intervalli ampi quindici punti, SearchGPT ha bisogno di 60-80 query, mentre Gemini e Perplexity ne chiedono quasi il doppio, intorno a 140-150. Il motivo è che ripetere la stessa query restituisce fonti in gran parte diverse: la sovrapposizione mediana a livello di dominio tra due esecuzioni identiche è di appena 0,29-0,31 su Gemini e 0,50 su Perplexity. Una misurazione singola non è una misurazione. È un campione estratto da una distribuzione.

### Perché la stessa domanda dà risposte diverse su ChatGPT se imposto la temperatura a zero?

Perché la temperatura governa solo il campionamento dei token, non il resto del sistema. Thinking Machines Lab ha mostrato a settembre 2025 che campionare 1.000 completion a temperatura 0 con lo stesso prompt produceva 80 completion uniche. La causa profonda che individuano non è la temperatura ma la mancanza di invarianza rispetto alla dimensione del batch: il carico dei server varia in modo imprevedibile e cambia l'ordine di accumulo in virgola mobile. La documentazione di OpenAI promette soltanto output in gran parte deterministici anche quando fissate il parametro seed. E uno studio accademico (arXiv:2408.04667) ha confermato che con temperature=0, top-p=1 e seed fisso nessuno dei cinque modelli testati ha mantenuto una coerenza del 100%. La variabilità non si elimina. Si misura.

### Posso misurare la mia visibilità su ChatGPT usando l'API di OpenAI?

Potete, ma non misurerete quello che vedono i vostri clienti. Surfer SEO ha pubblicato a febbraio 2026 che solo il 24% dei brand coincide tra le risposte dell'API e le risposte di ChatGPT raccolte via scraping, e che sulle fonti citate la sovrapposizione scende al 4%. Le differenze strutturali lo spiegano: l'API produce in media 406 parole contro le 743 dell'interfaccia, circa il 23% delle chiamate API non attiva alcuna ricerca web mentre l'interfaccia la attiva sempre, e circa il 25% non restituisce alcuna fonte. Quello studio non pubblica le versioni dei modelli né la configurazione della ricerca web, quindi va preso come indicazione di direzione e non come dato preciso. La direzione resta comunque coerente: il prodotto reale porta strati come la ricerca, i prompt di sistema e la personalizzazione che l'API non riproduce.

### Quali metriche conviene seguire: menzioni, citazioni, posizione o sentiment?

Prima distinguete una menzione da una citazione. Una menzione è l'IA che scrive il vostro nome. Una citazione è l'IA che vi linka come fonte. Sono cose diverse e si ottimizzano in modo diverso. La letteratura formalizza tre metriche di citazione (Sielinski, 2026): il conteggio delle citazioni, che non è confrontabile tra piattaforme; la quota di citazioni, la vostra frazione sul totale, che invece lo è; e la prevalenza di citazione, la frazione di risposte in cui comparite almeno una volta. Il paper accademico su GEO presentato a KDD 2024 aggiunge la prominenza dentro la risposta con Position-Adjusted Word Count e Subjective Impression, che copre sette dimensioni tra cui rilevanza, influenza e probabilità di clic. Il sentiment è uno strato a parte: non cambia la vostra quota, cambia quanto vale ogni comparsa. Per una PMI, partire da prevalenza e quota è sufficiente.

### Posso costruire una baseline gratis o devo pagare uno strumento?

Potete iniziare gratis, e per molte PMI è la scelta sensata. Il metodo: fissate un insieme di 30-50 domande reali con intento d'acquisto che i vostri clienti pongono davvero, decidete in anticipo quante ripetizioni eseguirete, lanciatele su ChatGPT, Perplexity e Google, e annotate in un foglio di calcolo se comparite, in che posizione e accanto a quali concorrenti. Due avvertimenti con evidenza alle spalle. Primo: non usate la regola di ripetere finché il numero si stabilizza e poi fermarvi. Sielinski mostra che su SearchGPT l'ampiezza dell'intervallo si restringe e torna ad allargarsi, quindi chi si ferma in un punto favorevole sta ingannando sé stesso. Secondo: eseguite fuori dalla sessione, così la personalizzazione non contamina il campione. Uno strumento si paga quando prompt per ripetizioni per piattaforme smette di stare nel tempo di una persona, non prima.

### Quanto costa campionare via API e ogni quanto conviene rimisurare?

I prezzi ufficiali di OpenAI (consultati il 16 luglio 2026) permettono di calcolarlo: gpt-5.4-mini costa 0,75 dollari per milione di token in input e 4,50 per milione in output, mentre gpt-5.4-nano costa 0,20 e 1,25. Il costo dominante non sono i token ma lo strumento di ricerca web, fatturato a parte a 10 dollari ogni 1.000 chiamate più i token del contenuto recuperato. Così una baseline di 50 prompt con 30 ripetizioni, cioè 1.500 chiamate con ricerca attiva, si ferma su decine di dollari e non migliaia, ma ricordate che misura l'API e non il prodotto reale. Sulla frequenza: lo studio di riferimento mostra volatilità da un giorno all'altro e perfino a intervalli di dieci minuti, quindi ricampionare ogni giorno senza intervalli di confidenza produce solo rumore con l'aspetto di una tendenza. Per una PMI, un ciclo mensile con una dimensione del campione fissa, confrontato per intervalli e non per punto, è difendibile. Settimanale solo se il vostro settore corre.

## Fonti

Ogni affermazione di questo articolo rimanda alla fonte da cui proviene, con la data di pubblicazione.

- [Sielinski, Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement (arXiv 2603.08924v2)](https://arxiv.org/abs/2603.08924) — 2026-06-09
- [Thinking Machines Lab — Horace He, Defeating Nondeterminism in LLM Inference](https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/) — 2025-09-10
- [Atil, Aykent, Passonneau, Baldwin et al., Non-Determinism of Deterministic LLM Settings (arXiv 2408.04667)](https://arxiv.org/abs/2408.04667) — 2024-08-08
- [OpenAI — API docs, Advanced usage (Reproducible outputs)](https://developers.openai.com/api/docs/guides/advanced-usage) — 2026-07-16
- [OpenAI — API Pricing](https://developers.openai.com/api/docs/pricing) — 2026-07-16
- [Surfer SEO — Jakub Sadowski, Scraped AI Answers vs. API Results from LLMs](https://surferseo.com/blog/llm-scraped-ai-answers-vs-api-results/) — 2026-02-03
- [Ahrefs — Top Brand Visibility Factors in ChatGPT, AI Mode, and AI Overviews (75k Brands Studied)](https://ahrefs.com/blog/ai-brand-visibility-correlations/) — 2025-12-12
- [Google Search Central — AI Features and Your Website](https://developers.google.com/search/docs/appearance/ai-features) — 2026-07-16
- [Aggarwal et al., GEO: Generative Engine Optimization (arXiv 2311.09735), KDD 2024](https://arxiv.org/abs/2311.09735) — 2024-06-28