Dall’obiettivo di business al progetto AI-driven: il metodo per costruire strategie digitali con KPI reali
L’ho letta per la prima volta nel McKinsey Global Survey di novembre 2025, 1.993 rispondenti in 105 paesi, e ho pensato: questo è il numero che rende inutili tutti gli altri. Non perché sia sorprendente. Perché spiega perché quasi nessuno sa rispondere alla domanda più semplice del mondo: “e tu, quanto stai guadagnando dall’AI?”
Mentre accade questo, la search si sta riorganizzando attorno a una nuova architettura. ChatGPT ha 900 milioni di utenti attivi settimanali. Gemini ha superato i 750 milioni. Il 70,6% del traffico che arriva da questi motori generativi è invisibile a Google Analytics, classificato come “Direct”, quindi ignorato nella maggior parte delle decisioni strategiche (Loamly, “State of AI Traffic 2026”, 446.405 visite analizzate). Quel traffico, però, converte quattro volte meglio del traffico organico tradizionale.
Quello che segue è il metodo che uso con i clienti Fortop per invertire questo ordine: prima l’obiettivo, poi i KPI adeguati all’era AI, poi, e solo poi, la tecnologia. Non è l’unico approccio possibile. È quello che produce risultati misurabili.
Il paradosso: tutti investono, quasi nessuno misura
Il McKinsey Global Survey di novembre 2025, 1.993 rispondenti in 105 paesi, fotografa un’adozione che sulla carta sembra matura. L’88% delle organizzazioni usa regolarmente l’AI in almeno una funzione di business. Il 72% utilizza GenAI, più del doppio rispetto al 33% del 2024. I tre quarti del C-suite la classificano tra le prime tre priorità strategiche.
BCG lo ha misurato su 1.250 aziende: il 60% non ottiene alcun valore materiale dall’AI. Il 35% scala, ma con ritorni che faticano a giustificare l’investimento. Il 5% che funziona davvero? Spende cinque volte la media, ha il triplo di engagement dalla leadership, e non sta ottimizzando processi, sta riscrivendo il modello operativo.
Il modo più rapido per capire perché quasi tutto fallisce è un solo dato, sempre di BCG: il 60% delle aziende parte a implementare l’AI senza aver definito come misurerà il ritorno economico. Si sceglie lo strumento, si avvia il progetto, ci si alloca sopra budget e persone, e solo dopo, se mai, ci si chiede cosa stia producendo. Questa inversione spiega il resto: i tassi di abbandono (Gartner stimava il 30% dei progetti GenAI morti dopo il PoC, previsione superata in anticipo), gli impatti nulli sul P&L, i board che approvano il budget successivo senza sapere cosa ha prodotto il precedente. Non è una crisi tecnologica. È una crisi di metodo.
Fonti: McKinsey Global Survey nov. 2025 (n=1.993); BCG AI Radar 2025 (n=1.250+); Gartner CMO Spend Survey 2025
I progetti con metriche pre-approvate hanno un tasso di successo del 54% contro il 12% di quelli senza (BCG/Pertama Partners, 2025-2026). Una differenza di 4,5 volte che nessun tool, nessun vendor e nessun budget aggiuntivo può colmare a posteriori.
Il profilo del vincitore è preciso e replicabile. Le aziende “high performer” di McKinsey spendono oltre il 20% dei budget digitali in AI, cinque volte la media, hanno il triplo di engagement dalla leadership senior, e perseguono la trasformazione del modello operativo, non solo efficienza. BCG lo quantifica: le aziende “future-built” ottengono 1,7 volte la crescita dei ricavi, 1,6 volte i margini EBIT, 3,6 volte il rendimento azionario rispetto ai ritardatari.
Il vero problema non è il nuovo ecosistema. È che i tuoi KPI non lo vedono.
Se vuoi capire come ChatGPT, Gemini e Perplexity stanno riscrivendo le regole della visibilità, abbiamo pubblicato un’analisi dedicata. Qui partiamo dal passo successivo: in quello scenario già cambiato, quasi nessuna azienda sta misurando le cose giuste.
Il problema concreto è questo. Il 70,6% del traffico che arriva dai motori generativi entra nei report di Google Analytics 4 classificato come “Direct”, senza referrer, senza campagna, senza canale. È tecnicamente invisibile. Eppure quel traffico converte a un tasso del 10,21%, contro il 2,46% del traffico non-AI. Il canale con il rendimento più alto del tuo mix digitale è quello di cui non sai nulla.
Questo non è un problema tecnico risolvibile con un tag UTM. È un problema strutturale: le metriche che usi per giustificare il budget marketing sono state progettate per un ecosistema che non esiste più. E finché non cambi le metriche, non puoi cambiare le decisioni.
Traffico in calo, ricavi in crescita: quando la metrica sbagliata inganna il board
C’è un dato che uso spesso nelle prime conversazioni con i clienti perché spezza una resistenza difficile da abbattere altrimenti. Seer Interactive ha misurato su 3.119 query reali che quando appare un Google AI Overview il CTR organico crolla del 61%, dal 1,76% allo 0,61%. Quello a pagamento del 68%. Sono numeri del settembre 2025 e la curva non si è invertita.
La reazione istintiva del C-level davanti a questi numeri è: dobbiamo ottimizzare meglio. Più contenuto, più backlink, più budget SEM. Ma Rand Fishkin di SparkToro ha documentato qualcosa di controintuitivo: il traffico di HubSpot è crollato di milioni di visite mentre i ricavi crescevano. Non è un paradosso. È la prova che traffico e revenue si sono disaccoppiati. Chi ottimizza per il traffico in questo scenario sta inseguendo un numero che non rappresenta più quello che pensa stia rappresentando.
GEO non è una disciplina tecnica: è una scelta di business
C’è un modo sbagliato di inquadrare la GEO, e lo vedo spesso nelle presentazioni ai clienti: trattarla come la “nuova SEO”, un aggiornamento tecnico da delegare al team contenuti. Non è così. La GEO, Generative Engine Optimization, è la risposta strategica a un cambiamento nella struttura del mercato: i decisori d’acquisto chiedono ai modelli linguistici prima di chiedere a Google, e quello che il modello risponde dipende da ciò che il brand ha costruito nel tempo, non da ciò che ha ottimizzato ieri.
Il punto che più cambia le priorità di business è questo: l’86% delle citazioni AI proviene da fonti che i brand già controllano (Yext, 6,8 milioni di citazioni analizzate, luglio-agosto 2025). Siti web (44%), listing (42%), review e social (8%). Non è un problema di scoprire nuovi canali. È un problema di ottimizzare quello che già esiste perché un LLM lo interpreti correttamente quando qualcuno chiede “qual è il miglior fornitore di X?”
Fonti: Erlin 2026; Yext ott. 2025 (6,8M citazioni); Ahrefs dic. 2025 (75k brand); Princeton/Georgia Tech/Allen AI/IIT Delhi (KDD 2024)
I numeri sulla finestra temporale sono quelli che convincono i board più dei numeri sulla visibilità. Il mercato GEO era valutato 886 milioni di dollari nel 2024 ed è previsto a 7,3 miliardi entro il 2031, un CAGR del 34%. Ma la dinamica interessante non è il volume: è la concentrazione. Solo il 16% dei brand monitora sistematicamente la propria performance nell’AI search. Chi si muove adesso guadagna un vantaggio di citazione stimato tra 3 e 5 volte rispetto a chi aspetta che diventi lo standard di settore.
Vale la pena fermarsi su un dato che cambia le priorità operative. Lo studio Ahrefs di dicembre 2025 su 75.000 brand documenta che le brand mention sul web correlano con la visibilità AI a 0,664, mentre i backlink tradizionali si fermano a 0,218. Tre volte la correlazione. Non significa che i link non contino: significa che la gestione sistematica delle menzioni va trattata come leva primaria, non come sottoprodotto delle attività PR.
La traduzione per il C-level è semplice. La domanda non è “dobbiamo fare GEO?” ma “a quale obiettivo di business stiamo collegando la GEO, e come lo misuriamo?” Se la risposta è “vogliamo essere citati quando un potenziale cliente chiede a ChatGPT qual è il miglior fornitore nel nostro settore”, quella è una metrica misurabile. Se la risposta è “vogliamo fare contenuti ottimizzati per l’AI”, quella è una tattica senza KPI. La differenza, come abbiamo visto, vale 4,5 volte in tasso di successo.
Il buco nero dell’attribution: 70,6% del traffico AI è invisibile
Questo è il problema che nessuno vuole affrontare direttamente, perché tocca le fondamenta di come vengono prese le decisioni di budget. Il report Loamly “State of AI Traffic 2026”, 446.405 visite analizzate, quantifica con precisione l’entità del problema.
Fonte: Loamly “State of AI Traffic 2026” (446.405 visite analizzate); BrightEdge AI Catalyst Report 2025 (1.200 siti web)
Il paradosso è questo: il canale più invisibile è anche il più performante. Microsoft Clarity documenta che i visitatori referenziati dall’AI si iscrivono 2,4 volte e si registrano 10 volte più dei visitatori da search tradizionale. Chi decide i budget marketing guardando solo i dati di GA4 sta sistematicamente sottovalutando il canale con il maggiore potenziale di conversione.
Il problema del dark traffic non è solo AI. È strutturale. SparkToro ha dimostrato che il 100% delle visite da TikTok, Slack, Discord, WhatsApp e Mastodon viene classificato come “Direct” senza informazioni di referral. Il test di Refine Labs su 620 conversioni è emblematico: l’attribution software indicava che il 78% proveniva da web search, ma i dati self-reported mostravano che l’85% citava canali dark social, podcast, community, passaparola. RevSure (State of B2B Marketing Attribution 2025) rivela che circa il 90% dei marketer B2B usa ancora attribution single-touch o multi-touch basica, modelli del tutto inadeguati al panorama attuale.
Il metodo: dall’obiettivo di business al progetto AI, in sei passi
La struttura che segue non è teorica. È il percorso che percorro con i clienti quando il brief è “vogliamo fare AI” e l’obiettivo vero è “vogliamo crescere”. La differenza tra i due punti di partenza determina tutto quello che viene dopo.
Non “aumentare la visibilità online” ma “aumentare le conversioni da ricerca informazionale del 25% entro 12 mesi”. L’obiettivo deve essere misurabile con dati già disponibili prima di qualsiasi implementazione.
Identificare quale combinazione di metriche dimostra il raggiungimento dell’obiettivo. Includere esplicitamente i nuovi KPI: AI Share of Voice, brand search volume, dark traffic attribution, citation rate negli LLM competitor.
Prima di qualsiasi intervento, fotografare la situazione. Quante volte il brand viene citato da ChatGPT vs i competitor? Qual è il brand search volume attuale? Il dark traffic è già analizzabile con utm parametrization manuale o con strumenti dedicati?
Solo ora si definiscono i canali e le tattiche. Contenuti ottimizzati per citabilità AI, struttura dati per gli LLM, brand mention strategy, ottimizzazione delle fonti già controllate dal brand, i siti web, i listing, le review.
Non si aspetta 12 mesi per valutare. Si definiscono metriche di processo (leading indicators) che permettono aggiustamenti mensili: frequenza di citazione nelle risposte AI, qualità delle sessioni da dark traffic, brand search trend.
Il report finale non può più essere solo “traffico organico e CTR”. Deve includere AI Share of Voice, pipeline-influenced revenue, self-reported attribution (“Come ci hai conosciuto?”) e conversioni dark traffic stimate.
I nuovi KPI che ogni C-level deve aggiungere al proprio cruscotto
Frequenza di citazione del brand nelle risposte AI vs competitor, per categoria di query. Misurabile con Semrush AI Toolkit, Ahrefs Brand Radar (260M+ prompt/mese), BrightEdge AI Catalyst.
Proxy per l’awareness influenzata dall’AI. Se ChatGPT cita il tuo brand in una risposta, l’utente cerca spesso il brand name su Google successivamente, il brand search volume cresce prima del traffico diretto.
Qualità del traffico, non quantità. Le sessioni originate da AI convertono 4× meglio: monitorare la quota di sessioni engaged vs totali permette di valutare la qualità del canale indipendentemente dal volume.
Campo libero “Come ci hai conosciuto?” nel form di contatto. Il metodo più affidabile per catturare dark traffic, passaparola e discovery via AI. I risultati tipicamente ribaltano i dati di analytics.
Ricavi in pipeline dove il contenuto AI-optimized ha avuto un ruolo documentato nel journey. Più robusto del revenue direttamente attribuito, cattura l’influenza senza richiedere la prova della causalità.
Frequenza con cui ogni singolo contenuto viene citato dai principali LLM. Permette di capire quali formati, strutture e temi producono citabilità, e di replicarli sistematicamente.
Solo il 19% dei content marketer traccia KPI specifici per l’AI (Digital Applied, 2026, 1.200+ professionisti). L’81% vola senza strumenti. MIT Sloan Management Review documenta che le aziende che integrano l’AI nei propri KPI sono 3 volte più propense a ottenere benefici finanziari rispetto a quelle che non lo fanno.
Domande frequenti sulle strategie digitali AI-driven
La domanda giusta da porre al prossimo board
I dati convergono su una narrativa che pochi hanno il coraggio di dire esplicitamente in una riunione di C-suite: il problema dell’AI nelle aziende non è tecnologico, è epistemologico. Non sappiamo cosa stiamo misurando, quindi non sappiamo cosa stiamo ottenendo.
Il fatto che il 60% delle aziende non abbia KPI finanziari per l’AI (BCG) mentre il 99% dei CMO la considera prioritaria (Gartner, CMO Priorities 2026) non descrive un gap di implementazione. Descrive un gap di chiarezza intellettuale su cosa si sta cercando di fare. Ed è un gap che nessun vendor, nessuna piattaforma e nessun budget aggiuntivo può colmare dall’esterno.
Il cambio che vedo funzionare, con i clienti e nei dati, è semplice nella struttura e difficile nell’esecuzione: invertire il processo. Non “come usiamo l’AI nel nostro marketing”, ma “qual è l’obiettivo di business che vogliamo raggiungere, e quali metriche lo dimostrano in modo inequivocabile nel 2026, dove il 70% del nostro traffico più qualificato è invisibile agli strumenti standard?”
La risposta a quella domanda, formulata prima di scegliere qualsiasi tecnologia, è la differenza tra il 5% che genera valore reale e il 60% che non genera nulla.
Chi la fa adesso, prima che diventi ovvia a tutti, sta costruendo un vantaggio che i ritardatari faticheranno a recuperare. Il mercato GEO vale 886 milioni di dollari nel 2024 e si prevede che raggiunga i 7,3 miliardi entro il 2031. Solo il 16% dei brand lo monitora sistematicamente. Chi si muove per primo guadagna un vantaggio di citazione AI stimato tra 3 e 5 volte rispetto ai ritardatari.
Il momento di muoversi non è quando la finestra si è già chiusa.