SEO & Digital Marketing
La SEO è una delle discipline che ha accompagnato più a lungo il mio percorso professionale.
Per molti anni è stata una parte centrale del mio lavoro e ancora oggi influenza il modo in cui progetto piattaforme, valuto contenuti e studio i sistemi di ricerca.
Non l’ho mai vissuta come un insieme di checklist e best practice.
Per me la SEO è soprattutto osservazione, esperimenti, intuizione e disponibilità a cambiare idea quando i dati raccontano qualcosa di diverso.
Una disciplina empirica
I motori di ricerca sono sistemi complessi, opachi e in continua evoluzione.
Gran parte del lavoro consiste quindi nel formulare ipotesi, fare test e capire quali variabili abbiano davvero prodotto un effetto.
Non tutto può essere dedotto dalla documentazione ufficiale e non tutto ciò che funziona in un progetto funziona automaticamente in un altro.
Continuo quindi a fare test su struttura, contenuti, linking, rendering e crawling per distinguere ciò che funziona davvero da ciò che viene ripetuto solo perché “si è sempre fatto così”.
La parte più interessante della SEO nasce spesso proprio nei punti in cui non esiste ancora una risposta certa.
Metodo, intuizione e contesto
Il metodo resta essenziale, ma da solo non basta.
Servono dati e strumenti, ma l’esperienza aiuta a capire dove vale la pena guardare.
A volte una variazione apparentemente marginale può produrre effetti importanti; altre volte interventi tecnicamente corretti non producono alcun risultato significativo.
Dopo anni di lavoro alcune anomalie saltano all’occhio prima ancora di sapere esattamente cosa le abbia causate.
È una delle parti della SEO che continuo a trovare più interessanti.
SEO tecnica
La mia formazione informatica mi ha portato naturalmente verso gli aspetti più tecnici della SEO.
Negli anni ho lavorato su crawling, indicizzazione, architettura dell’informazione, rendering, performance, internal linking, gestione dei redirect, canonicalizzazione, duplicazioni, dati strutturati e problemi legati alla scalabilità delle piattaforme.
La SEO tecnica si complica davvero quando entra in piattaforme non banali.
CMS, applicazioni custom, framework JavaScript, CDN, cache, infrastrutture cloud e pipeline di deploy possono influenzare direttamente il modo in cui una piattaforma viene scoperta e interpretata dai motori di ricerca.
Quando possibile preferisco affrontare questi problemi già nelle decisioni architetturali, invece di correggerli a piattaforma finita.
Spam e qualità dei risultati
Uno degli aspetti più interessanti della SEO è il confronto continuo con lo spam.
Ogni sistema di ranking crea inevitabilmente incentivi a manipolarlo.
Negli anni ho visto contenuti generati in massa, network di siti, link artificiali, cloaking, domini scaduti e molte altre tecniche di manipolazione.
La lotta tra motori di ricerca e spammer è uno dei motori principali dell’evoluzione degli algoritmi.
Studiare queste dinamiche aiuta a capire quali segnali i motori rafforzano, ridimensionano o reinterpretano nel tempo.
Il confine tra ottimizzazione e manipolazione resta uno dei temi che seguo di più, anche perché dice molto su come i motori cercano di riconoscere gli abusi.
Contenuti e autorevolezza
Accanto alla parte tecnica ho lavorato molto anche su contenuti, autorevolezza e intento di ricerca. Un testo può essere ottimizzato perfettamente e restare comunque poco utile.
Deve servire a qualcuno, essere comprensibile e poter essere verificato.
Su siti grandi, però, il singolo contenuto non basta: contano anche struttura, autori, revisione, fonti e aggiornamenti.
Su progetti grandi i risultati arrivano raramente da un singolo intervento.
Dati e misurazione
La sperimentazione ha valore solo se accompagnata dalla misurazione.
Analytics, log server, dati di crawling, Search Console, sistemi di monitoraggio e analisi interne permettono di osservare il comportamento reale delle piattaforme.
Ranking, impression, CTR e conversioni raccontano cose diverse; guardare una sola metrica porta facilmente a conclusioni sbagliate.
Anche un test che fallisce può essere utile: elimina un’ipotesi e indica dove non vale la pena continuare a cercare.
SEO e intelligenza artificiale
L’intelligenza artificiale sta modificando rapidamente il modo in cui le informazioni vengono cercate, sintetizzate e presentate.
Mi interessa in particolare il punto di incontro tra SEO, retrieval e modelli generativi.
Negli ultimi anni si sono diffusi anche nuovi acronimi utilizzati per descrivere questa evoluzione:
- GEO — Generative Engine Optimization, traducibile come ottimizzazione per i motori generativi;
- AEO — Answer Engine Optimization, cioè ottimizzazione per i motori di risposta;
- AIO — AI Optimization, ovvero ottimizzazione per i sistemi di intelligenza artificiale.
Le definizioni sono ancora fluide e si sovrappongono spesso tra loro e con la SEO tradizionale.
Non le vedo ancora come discipline nettamente separate. La domanda di fondo resta simile a quella della SEO: come fare in modo che un sistema trovi, comprenda e utilizzi correttamente un’informazione.
Motori di ricerca, assistenti AI, sistemi RAG e agenti stanno ormai offrendo modi diversi di accedere alle stesse informazioni.
Mi interessa capire quali fonti vengono recuperate e citate, come vengono interpretati i dati strutturati e quali caratteristiche rendono un contenuto più facile da usare come fonte.
Su questi temi preferisco testare prima di arrivare a conclusioni.
Al di là degli acronimi, per me la continuità con la SEO è evidente: osservare il sistema, formulare ipotesi e verificare cosa succede davvero.
SEO come competenza trasversale
La SEO non è più il centro del mio ruolo professionale, ma continuo a seguirla direttamente, soprattutto sul versante tecnico.
Ha però lasciato un metodo di lavoro che uso ancora: osservare sistemi poco trasparenti, formulare ipotesi e testarle con dati spesso incompleti.
Questo approccio mi è rimasto anche fuori dalla SEO.
DoctorSEO
DoctorSEO è il posto in cui voglio continuare a documentare questa parte sperimentale del mio lavoro.
L’obiettivo è raccogliere test, casi reali e osservazioni sull’evoluzione della ricerca, compresi i sistemi basati sull’AI.
Vorrei documentare anche i test che non funzionano: spesso sono quelli che aiutano a scartare le ipotesi sbagliate.
Dopo tanti anni continuo a occuparmene proprio perché non resta ferma abbastanza a lungo da diventare prevedibile.