Il brand raccontato dalle macchine

Per molto tempo il marketing di una maison ha lavorato sulla selezione dei contesti: quali testate, quali portavoce, quali immagini, quali partner e quali storie rendere visibili. Gli assistenti generativi aggiungono un intermediario che sintetizza informazioni pubbliche in una risposta diretta. Il brand non sceglie né la domanda né tutte le fonti né la formulazione finale.

La questione strategica, quindi, non è «come facciamo a far dire al modello quello che vogliamo?». Una risposta generata può cambiare fra sessioni, prodotti, lingue e versioni del modello. La domanda utile è: «quali informazioni trova, quali considera credibili e quali segnali non riesce a interpretare?». La GEO, nel lusso, è il lavoro sistematico su queste condizioni.

La scala del fenomeno merita attenzione, ma le misure pubblicate vanno lette con cautela. La quinta edizione della ricerca Luxury & Technology del Comité Colbert con Bain riferisce che il 22% delle maison intervistate considera l’AI una delle tre priorità tecnologiche, rispetto al 5% nel 2024. La stessa presentazione riporta che il 90% dei link citati dai modelli rimanda a siti esterni ai brand e che sette grandi maison su dieci risultano sottorappresentate rispetto alla quota di mercato nel campione analizzato. Sono risultati riportati dal Comité Colbert e da Bain sulla base dell’analisi presentata nel loro rapporto 2026. La componente sulla visibilità nei modelli è stata realizzata con meikai.ai.

Nell’edizione di settembre 2026 del Luxury AI Visibility Index, Luxe Digital collocava Brilliant Earth al primo posto e Cartier al secondo nella categoria gioielleria: rispettivamente 36.801 e 22.624 citazioni dei domini ufficiali, raccolte su cinque sistemi AI. È un esempio utile perché separa la visibilità nelle risposte da grandezza, desiderabilità, qualità o valore economico. L’indice è una rilevazione mensile proprietaria: conta le citazioni dei domini ufficiali su cinque sistemi, con pari peso per ciascun sistema e ponderazione logaritmica; non misura la reputazione universale né la qualità dei prodotti.

Il risultato suggerisce una domanda diagnostica, non una conclusione sul valore dei due marchi: quali domande hanno prodotto quelle menzioni? Quali sistemi sono stati osservati? In che lingua e in quale momento? Una maison può essere molto visibile perché compare in confronti d’acquisto, ma essere descritta in modo poco distintivo; può anche avere una presenza più contenuta e una rappresentazione accurata. Prima di ottimizzare la visibilità bisogna stabilire quale risposta sarebbe coerente con il posizionamento.

La ricerca di Dubois, Hess, Dawson e Jaiswal pubblicata su Harvard Business Review nel giugno 2026 aiuta a capire il rischio: i modelli tendono a riconoscere meglio i segnali espliciti — nomi, caratteristiche dichiarate e informazioni dirette — rispetto ai codici impliciti del lusso, come rarità, associazioni culturali o misura del linguaggio. Per una maison, rendere leggibile un fatto non significa trasformare ogni sfumatura in una dichiarazione promozionale. Significa dare al modello elementi accurati senza appiattire il racconto.

Due studi recenti restituiscono percentuali apparentemente opposte. Muck Rack riferisce che l’84% dei link esaminati nel proprio progetto “What Is AI Reading?” proveniva da fonti editoriali guadagnate, mentre Yext indica che l’86% delle citazioni nel proprio studio era riconducibile a fonti “gestite dal brand”. Il confronto diretto sarebbe fuorviante: cambiano il campione, le domande, la classificazione delle fonti e l’obiettivo della ricerca.

Tabella 1. Due studi non direttamente comparabili: campione e tassonomia dichiarati dagli autori.

I due campioni partono da domande diverse. Muck Rack dichiara di concentrarsi su domande non brandizzate e di esplorazione, escludendo query transazionali che nominano già un marchio. Yext dichiara di includere quattro combinazioni di intento — brandizzato o non brandizzato, oggettivo o soggettivo — in quattro settori, con contesto di luogo e attività. Il confronto aiuta a capire come cambia la distribuzione delle fonti al cambiare delle domande; non consente di stabilire quale percentuale valga per ogni conversazione sul lusso. Anche “earned” e “brand-managed” sono categorie diverse: Yext include fra le fonti gestite siti, schede locali e recensioni/social.

La conseguenza pratica non è scegliere quale percentuale credere. È chiedere a ogni fornitore o studio: quali prompt, quali modelli, quale finestra temporale, quali paesi e lingue, quale unità di conteggio e quale definizione di fonte? Senza queste informazioni, il numero non è una baseline utilizzabile.

La maison non può impartire istruzioni ai modelli né ottenere un controllo stabile sulla loro risposta. Può però migliorare le condizioni informative con cui essa viene costruita. Il lavoro si articola in quattro aree.

**Fatti canonici.** Storia, materiali, tecniche, disponibilità, servizi, politiche di riparazione e provenienza devono essere presentati in modo preciso, aggiornato e coerente nei canali ufficiali. Un contenuto strutturato aiuta sia le persone sia i sistemi automatici; non garantisce che il modello lo recuperi o lo citi.

**Codice leggibile.** La maison può spiegare con parole chiare ciò che altrimenti resta solo implicito: perché una tecnica è distintiva, quale continuità lega una collezione all’archivio, che cosa significa una scelta di materiale. La chiarezza non richiede di rendere ogni elemento accessibile o di rinunciare alla riservatezza; richiede di decidere quali interpretazioni meritino un fondamento pubblico.

**Fonti indipendenti.** Le relazioni editoriali, le istituzioni culturali, gli studiosi, gli archivi e i rivenditori autorevoli concorrono alla rappresentazione pubblica. Il compito non è fabbricare citazioni o moltiplicare pagine promozionali, ma rendere possibile una copertura accurata e offrire informazioni verificabili. Le terze parti mantengono autonomia: la maison può proporre accesso e documentazione, non dettare il giudizio.

**Ascolto e correzione.** Un monitoraggio regolare individua errori fattuali, omissioni e associazioni incongrue. La risposta dovrebbe essere proporzionata: aggiornare una scheda ufficiale, chiarire un fatto, segnalare un’informazione errata alla fonte, oppure accettare una differenza di interpretazione che non richiede correzione.

Questo approccio richiede un “codice del brand leggibile dalle macchine”: una base di fatti e associazioni che aiuti i sistemi a ricostruire il brand senza ridurlo a una scheda generica. La formulazione sintetica è: non governare le risposte, governare l’ecosistema delle fonti.

La prima attività non dovrebbe essere una campagna di ottimizzazione, ma una baseline. Un protocollo comparativo semplice può essere avviato senza confondere la ricerca con un audit commerciale definitivo.

1. Selezionare cinque maison in fasce diverse di notorietà e prezzo, includendo almeno un marchio indipendente italiano. Documentare perché sono state scelte.

2. Preparare quindici domande senza nomi di brand, distribuite fra occasioni d’uso, stile, savoir-faire, durata, regalo e confronto fra categorie. Evitare di suggerire la risposta nella formulazione.

3. Eseguire ogni domanda su ChatGPT, Gemini e Claude nella stessa lingua e finestra temporale; conservare prompt, data, risposta integrale e fonti citate. Ripetere una parte del campione per osservare la variabilità.

4. Codificare presenza e ordine delle maison, accuratezza dei fatti, coerenza con il posizionamento, omissioni rilevanti e qualità delle fonti. Separare ciò che è osservato dall’interpretazione dei ricercatori.

5. Ripetere il protocollo a intervalli regolari, mantenendo invariati prompt e regole di codifica. Segnalare cambiamenti nei modelli o nelle interfacce, che possono alterare i risultati.

Tabella 2. Indicatori proposti per una baseline comparabile.

Il protocollo qui descritto è una proposta di ricerca, non un esperimento già svolto: il paper non presenta risultati raccolti con questo campione.

La diagnosi dovrebbe produrre una lista breve di interventi, non un catalogo di tattiche SEO. Se un fatto è errato, individuare la fonte primaria più autorevole e aggiornare i canali che la maison controlla. Se manca una descrizione essenziale, valutare se sia opportuno renderla pubblica. Se la fonte terza è inesatta, contattarla con evidenze senza chiedere un trattamento favorevole. Se la risposta è corretta ma non coincide con il linguaggio interno del brand, distinguere una reale distorsione da una semplice differenza di tono.

È importante non trasformare la GEO in una fabbrica di contenuti generici. Pubblicare decine di pagine costruite per rispondere a ogni query può aumentare la ridondanza e indebolire la voce della maison. La priorità è una base informativa limitata, attendibile e mantenuta nel tempo; poi si osserva se la qualità delle risposte cambia. Anche l’eventuale effetto va misurato con un disegno che separi gli interventi dai cambiamenti del modello e dalla normale variabilità delle risposte.

La GEO non è la gestione della reputazione in senso tradizionale e non è una scorciatoia per acquistare attenzione. È una disciplina di ascolto e governo delle informazioni pubbliche che alimentano un nuovo intermediario. Il suo obiettivo ragionevole è ridurre gli errori evitabili e rendere più riconoscibili i codici del brand quando una domanda pertinente apre la conversazione.

Per il CMO, la decisione non è se «fare GEO», ma quali fatti e interpretazioni meritano una fonte ufficiale, quali relazioni esterne richiedono cura e quali misure possono davvero guidare un’azione. Per CEO e direzione creativa, la sfida è tenere insieme leggibilità e selettività: farsi comprendere senza diventare intercambiabili. Il modello organizzativo per rendere possibile questo lavoro è approfondito in Organizzare la maison per l’AI.