Cos'è lo share of model e come si misura?

Lo share of model è la percentuale delle menzioni e delle citazioni presenti nelle risposte dei motori generativi che tocca a un marchio anziché ai suoi concorrenti, misurata sulle risposte di ChatGPT, Perplexity, Gemini e delle AI Overviews di Google a un pannello fisso di domande, ripetuto nel tempo. La formula base: menzioni del proprio marchio diviso il totale delle menzioni di tutti i marchi rilevanti su un insieme di domande, moltiplicato per cento. Strumenti come Semrush pesano anche la posizione della menzione nella risposta, non solo la sua presenza; altri, come Profound, interrogano ogni settimana su più motori un pannello fisso di domande a intento d'acquisto (100-200 query tipiche). Rispetto alla GEO la differenza è netta: la GEO è la disciplina che rende i contenuti citabili, lo share of model è il numero che dice se quell'ottimizzazione sta funzionando. Non è uno strumento da comprare: è un dato da raccogliere e governare nel tempo, come il posizionamento organico.

Leggi anche: Misurare il traffico che non arriva · È la disciplina che ricostruisce l'esposizione di un sito nelle risposte AI usando log del server e canali di referral, perché la sessione non esiste.

Perché la misura è statistica, non un numero fisso

Il punto che quasi nessun articolo italiano spiega bene è che le risposte di un modello generativo variano da un'esecuzione all'altra anche a parità di domanda esatta: cambiano il campionamento dei token, il routing interno nei modelli a mixture of experts, persino il carico dei server in quel momento. Interrogare un modello una sola volta e prendere quella risposta come verità produce un dato inutile: la stessa domanda posta due volte può restituire un marchio diverso in cima alla risposta. Per questo la metodologia seria richiede un campione di prompt stabile, ripetuto con cadenza regolare (settimanale è lo standard di strumenti come Otterly.ai, che pubblica un punteggio di visibilità 0-100 su scansioni ricorrenti) e aggregato su più esecuzioni, non su una singola interrogazione. Chi tratta lo share of model come un test unico anziché come una serie temporale sta guardando rumore statistico e scambiandolo per un segnale.

Menzione e citazione non sono la stessa cosa

Le due metriche vanno tenute separate. La menzione è il marchio nominato nel testo della risposta, anche senza un link. La citazione è l'URL che il modello sceglie come fonte verificabile, quello che compare come riferimento cliccabile. Sono spesso disallineate: Profound ha analizzato 6,8 milioni di citazioni su 1,6 milioni di risposte e trovato che solo l'11% dei domini citati da ChatGPT coincide con quelli citati da Perplexity, e che l'80% delle fonti citate dai motori generativi non compare nella prima pagina dei risultati organici di Google. Un marchio può essere menzionato spesso e citato raramente, o il contrario: un contenuto tecnico dettagliato attira citazioni anche quando il marchio stesso resta poco nominato nel testo. Distinguere le due metriche evita di ottimizzare la cosa sbagliata.

Chi lo misura e cosa si compra davvero

I modi sono due e la differenza è di costo, non di natura. Il primo è interno: si scrive il pannello di domande, si interrogano i motori a cadenza fissa via API o a mano, si registrano menzioni e citazioni in una tabella che cresce settimana dopo settimana. Richiede più disciplina che tecnologia, e per un pannello piccolo è del tutto praticabile. Il secondo è affidarlo a una piattaforma o a un'agenzia: è un mercato nato in fretta, dove lo stesso numero viene venduto sotto nomi diversi, share of voice AI, punteggio di visibilità, indice di citazione.

Quando qualcuno lo vende come servizio, quello che si compra è quasi sempre la stessa cosa: la scelta del pannello di domande, l'esecuzione ripetuta su più motori, la normalizzazione dei risultati in una serie storica confrontabile e l'attribuzione delle citazioni alle proprie pagine. Tre domande da fare prima di firmare. Quanti motori e quante esecuzioni per rilevazione, perché una misura singola alla settimana non copre la variabilità descritta sopra. Se il pannello di domande resta di proprietà del cliente, perché altrimenti cambiando fornitore la serie storica riparte da zero e il confronto nel tempo, che è l'unica cosa che rende utile la metrica, si perde. E se menzioni e citazioni restano separate o vengono fuse in un unico punteggio, comodo da mostrare in una slide e inutile da azionare. Nessun fornitore controlla il risultato, perché nessuno controlla cosa risponde un modello: quello su cui si può giudicare un fornitore è quanto rende affidabile la misura.

Un esempio enterprise

Un'azienda B2B che vende software di gestione dati costruisce un pannello di 150 domande realistiche del proprio settore ("qual è la migliore piattaforma per la governance dei dati in un gruppo bancario", "alternative a [prodotto] per il data quality"), non domande sul proprio marchio. Interroga quel pannello su ChatGPT, Perplexity e Gemini ogni settimana, per mesi, e tiene traccia separata di menzioni e citazioni verso i propri contenuti rispetto a tre concorrenti diretti. Quando lo grounding di un motore cambia fonte preferita, o un concorrente pubblica un contenuto che comincia a essere citato, il trend nel tempo lo mostra prima che si traduca in perdita di opportunità commerciali; una singola query fatta a mano non lo avrebbe mai rivelato.

Perché conta per chi decide

Chi guarda solo il posizionamento organico classico misura un canale che una quota crescente di utenti non attraversa più: la risposta arriva direttamente dal motore generativo. Lo share of model dà un numero comparabile nel tempo, purché costruito con un campione stabile e ripetuto, non con un'interrogazione estemporanea. Il vantaggio non sta nell'acquistare l'ennesimo tool, ma nel trattarlo come un problema di raccolta e governo del dato: pannello di domande giusto, ripetuto con disciplina, menzioni e citazioni lette insieme come segnali complementari.