Ventidue termini, definiti per chi deve prendere decisioni e non per chi deve superare un esame.
Ogni voce apre con una risposta autonoma di una frase, perché è quella che un modello estrae quando qualcuno gli chiede cosa significhi il termine. Il resto serve a te.
L’insieme delle pratiche che rendono un’azienda più probabile da nominare e da citare nelle risposte generate da modelli come ChatGPT, Gemini, Claude e Perplexity.
L’ottimizzazione dei contenuti per i motori di risposta, che restituiscono un testo sintetico con alcune fonti invece di un elenco di risultati.
Un modello addestrato su enormi quantità di testo a prevedere la parola successiva, e da questa capacità deriva quella di comprendere domande e generare risposte.
L’architettura in cui un sistema recupera documenti pertinenti da un indice e li passa al modello come contesto, così che la risposta sia ancorata a fonti reali e citabili.
L’ancoraggio di una risposta generata a fonti verificabili recuperate al momento, invece che alla sola memoria appresa dal modello in addestramento.
Il testo con cui si formula una richiesta a un modello generativo: nella GEO è anche l’unità di misura, la domanda reale che si pone ai modelli per verificare chi viene nominato.
Il vettore di numeri che rappresenta il significato di un testo, e permette a un motore AI di trovare un passaggio perché è vicino per senso alla domanda.
L’affermazione falsa ma plausibile che un modello linguistico presenta come vera, anche quando riguarda un brand, i suoi prodotti o le sue fonti.
La data oltre la quale un modello linguistico non ha dati di addestramento: segna il confine tra ciò che il modello sa e ciò che può solo recuperare con la ricerca.
Le risposte generate che Google mostra in cima ai risultati di ricerca, sintetizzando più fonti web in un testo unico con una riga di siti citati.
La modalità conversazionale della Ricerca Google, separata dai risultati classici e dalle AI Overviews, attiva in Italia dall’8 ottobre 2025.
La tecnica con cui un motore AI scompone un prompt in più sotto-ricerche parallele e ne fonde i risultati in una sola risposta.
La comparsa del nome di un brand nel testo di una risposta generata, senza link: non porta clic ma forma la lista di candidati nella mente di chi legge.
La comparsa del proprio sito tra le fonti dichiarate di una risposta generata: porta un link, è verificabile, e legittima ciò che il modello dice del brand.
L’indicatore scelto per verificare se un’attività raggiunge il suo obiettivo: nella GEO misura quanto spesso, dove e come un brand compare nelle risposte generate dai modelli.
La quota di menzioni di un brand sul totale delle menzioni dei concorrenti, misurata nelle risposte dei modelli a un set fisso di prompt.
Una ricerca che si conclude sulla pagina dei risultati, senza clic verso siti esterni: il motivo per cui la visibilità si misura anche in menzioni e citazioni.
Il frammento di pagina che un sistema di retrieval tratta come unità autonoma: i motori generativi recuperano chunk, non pagine intere.
Un oggetto del mondo reale che i sistemi informativi riconoscono come distinto, con proprietà e relazioni proprie, invece che come semplice sequenza di caratteri.
Il markup, oggi quasi sempre JSON-LD con il vocabolario Schema.org, che descrive in forma esplicita entità, relazioni e contenuti di una pagina.
Il quadro con cui le linee guida di Google per i quality rater valutano esperienza, competenza, autorevolezza e affidabilità di un contenuto.
Se il tuo settore è già interrogato dai modelli, esiste già una risposta che nomina qualcuno. Vale la pena sapere chi.
linkedin.com/in/michalgawel