Quanto è leggibile la tua pagina per un'AI

Google indicizza pagine, un assistente estrae blocchi. È tutta la differenza. Quando cerchi su Google arrivi sulla pagina e leggi dall'alto: il contesto ce l'hai perché ci sei dentro. Quando chiedi a ChatGPT o a Perplexity, il modello prende pezzi di pagina — un paragrafo, un punto di un elenco, una riga di tabella — e li rimonta insieme a pezzi presi da altri siti.

Quindi il pezzo deve reggersi da solo. Una frase che comincia con «Questo significa che…» è chiarissima se leggi quella prima, e diventa muta appena viene staccata. Un paragrafo di centoventi parole contiene quattro idee, e chi lo estrae ne prende una a caso. Un H2 che dice solo «Vantaggi» non dice al modello di cosa parla la sezione sotto.

Da qui le cinque voci che misuriamo:

• la risposta in apertura, perché è il blocco che viene letto per primo e citato più spesso;
• la struttura, perché decide dove si può tagliare;
• le frasi, perché una frase autonoma sopravvive all'estrazione;
• i segnali di fiducia — data, firma, fonti — perché fra due pagine uguali vince quella attribuibile;
• l'accesso, perché tutto il resto non conta se il crawler non entra.

Pesa trenta punti su cento perché è la parte che decide se verrai citato o riassunto. Il modello legge l'apertura, capisce se la pagina risponde alla domanda, e in caso affermativo prende proprio quel blocco. Se lì c'è la risposta, la risposta esce con le tue parole. Se lì c'è l'introduzione, il modello deve andarsela a cercare più in basso, ricostruirla e riscriverla — e nella riscrittura il tuo nome sparisce.

Cerchiamo quattro cose. Primo: che stia sotto le sessanta parole, perché oltre quella soglia viene accorciato da qualcun altro. Secondo: che la prima frase affermi, con un verbo che chiude («è», «serve a», «costa», «dura») o con un dato. Terzo: che le parole della domanda ci siano nelle prime trecento battute, non solo nel titolo. Quarto: che non cominci con una premessa.

Le premesse sono il problema più diffuso e il più facile da risolvere. «Nel mondo di oggi», «sempre più aziende», «negli ultimi anni il digitale»: sono righe che potrebbero stare in cima a qualsiasi articolo di qualsiasi settore, e per questo non aiutano nessuno a capire di cosa parli. Quasi sempre la risposta vera è già lì, nella seconda frase. Cancella la prima e hai finito.

Non sono tutti la stessa cosa, ed è per questo che li pesiamo in modo diverso. Alcuni crawler raccolgono testo per addestrare i modelli: GPTBot, anthropic-ai, CCBot. Bloccarli è una scelta legittima — non vuoi che il tuo lavoro finisca in un dataset, e non ci guadagni niente a lasciarli passare. Altri servono a costruire la risposta nel momento in cui qualcuno fa una domanda: OAI-SearchBot, ChatGPT-User, PerplexityBot, Google-Extended. Questi portano citazioni, e spesso portano visite.

L'errore che vediamo più spesso è un Disallow: / sotto User-agent: *messo per tenere fuori gli scraper, che però tiene fuori anche chi ti citerebbe. Oppure il contrario: una lista di blocchi copiata da un articolo inglese, incollata senza guardare cosa c'è dentro.

Lo strumento legge il tuo robots.txt vero e ti dice, bot per bot, chi entra e chi no, distinguendo la regola scritta apposta da quella ereditata dal gruppo generico. Controlla anche due cose che passano inosservate: noindex e nosnippet nei meta o nell'headerx-robots-tag — il secondo vieta gli estratti, cioè esattamente la citazione — e quanto testo c'è davvero nell'HTML. Se il contenuto arriva solo con JavaScript, molti crawler AI vedono una pagina vuota.