Sfoglia altri articoli simili con le etichette:
Otterly.ai e Profound monitorano la presenza dei brand nelle risposte di ChatGPT, Perplexity, Gemini e Claude. Esistono perché la SEO classica ha smesso di descrivere come le persone arrivano a un’azienda.
Se un buyer cerca “miglior software per gestire ticket helpdesk pmi” su Google, atterra ancora su una SERP organica con dieci link blu. Se la stessa domanda la fa a ChatGPT, riceve tre nomi in chiaro nella risposta. Niente scroll, niente scelta tra dieci link. Tre nomi. Se il tuo brand non è uno di quei tre, esisti per il sessanta per cento dei buyer ma non per il quaranta che usa AI come primo motore di scoperta.
Otterly e Profound servono a sapere se ci sei, dove ci sei, e con quale frequenza.
Cosa misurano davvero questi tool
Entrambi i tool girano una lista di prompt che il cliente definisce, contro un set di chatbot supportati, con cadenza giornaliera o settimanale. Salvano le risposte, identificano le citazioni di brand e domini, producono dashboard.
I numeri che ti restituiscono sono tre. Share of voice, cioè la percentuale di volte che il tuo brand compare nelle risposte rispetto ai competitor sullo stesso set di prompt. Sentiment, il tono con cui sei citato (positivo, neutro, negativo). Fonti citate, i domini su cui i chatbot pescano per generare le risposte che ti riguardano.
Il terzo è il più sottovalutato. Se ChatGPT cita Wikipedia, G2, Reddit e tre blog di settore per parlare di te, sai esattamente dove devi essere presente per influenzare la risposta. È SEO inversa. Si parte dal contenuto generato dall’AI e si risale alle fonti che lo nutrono.
Otterly.ai, come si imposta
Otterly è il più leggero dei due, con un piano starter intorno ai 49 euro al mese. Setup in venti minuti. Si crea un progetto, si definisce il brand, si caricano i competitor (fino a dieci nel piano base), e si scrive la lista delle prompt da monitorare.
La parte fragile è la scelta delle prompt. Otterly ne suggerisce alcune in base al settore, ma vanno riviste a mano. La regola che applico: massimo trenta prompt monitorati, divisi in tre categorie equilibrate.
Prompt informazionali del tipo “cos’è X”, “come funziona Y”. Misurano se sei citato come fonte di conoscenza generica del tema.
Prompt comparativi del tipo “miglior software per Z”, “X vs Y”. Misurano la tua presenza nelle query di scelta finale.
Prompt di problema del tipo “come risolvere problema W”. Misurano se sei citato nelle risposte a pain point reali. Sono quelle a più alto valore commerciale, perché sono già a un passo dalla decisione d’acquisto.
Le dashboard Otterly mostrano andamento settimana su settimana, con alert via email se il share of voice cala oltre una soglia che imposti. Funziona bene su brand piccoli e medi, dove la curva è leggibile e gli interventi hanno effetto misurabile in poche settimane. Su brand grandi con presenza globale, Otterly diventa stretto per il numero di prompt monitorabili.
Profound, l’angolo enterprise
Profound (tryprofound.com) è pensato per brand grandi e per le agenzie che gestiscono più clienti. Pricing personalizzato, generalmente in fascia 1.500-4.000 dollari al mese. Setup più articolato, ma anche analisi più profonde.
La feature che lo distingue è la “answer engine analytics” su volumi di prompt molto più ampi: alcune migliaia di varianti generate automaticamente a partire da un seme di prompt fornito dal cliente. Questo dà una visione statistica più solida del share of voice, soprattutto in settori dove le query degli utenti sono molto variabili lessicalmente.
L’altra differenza pratica è l’integrazione con il content marketing. Profound segnala quali domini esterni stanno alimentando le risposte sul tuo brand e suggerisce dove agire per influenzare il pickup. Se il tuo brand non viene citato perché Wikipedia ti descrive male, te lo dice. Se è perché un competitor ha un pezzo molto citato su un blog di settore, te lo dice. Sono indicazioni operative, non solo metriche.
Il costo lo rende fuori scala per la PMI italiana media. Per brand sopra i 50 milioni di fatturato o per agenzie che servono più clienti enterprise, l’investimento ha ritorno nei primi sei-otto mesi se viene tradotto in interventi concreti sui contenuti.
Quali prompt monitorare, scelta operativa
La differenza tra un monitoraggio utile e uno inutile sta nella scelta delle prompt iniziali. Se inserisci venti prompt troppo simili tra loro, misuri venti volte lo stesso evento. Se inserisci prompt troppo generici, misuri SERP simulate, non comportamenti d’acquisto.
Per identificare le prompt giuste, parto sempre dalla call sales degli ultimi sei mesi. Le domande che fanno i clienti reali quando ti contattano sono il proxy migliore delle domande che fanno a ChatGPT prima di contattarti. Esci dalle prompt astratte, entra in quelle che hai sentito in viva voce.
L’esercizio è semplice. Ascolto registrazioni call sales, segno le domande ricorrenti, le riformulo in modo neutrale (senza menzionare brand specifici), le testo manualmente su tre chatbot. Le prompt che producono risposte rilevanti per il settore del cliente entrano nella lista monitoraggio. Le altre no.
Un secondo input utile per costruire la lista: le query da Search Console, filtrate per posizioni 4-15, dove c’è traffico ma non sufficiente per dominare. Quelle query, riformulate come domande naturali, sono buoni candidati per il monitoraggio AI. Le tecniche di base le ho descritte anche nel pezzo sulla keyword research operativa, che resta il punto di partenza prima di passare al layer AI.
Terzo input, quello che pochi usano: i commenti su Reddit e su forum di settore. Quando una persona reale chiede aiuto pubblicamente in un thread, la formulazione della sua domanda è esattamente quella che userà nel chatbot quando ne avrà uno disponibile. Filtri sui subreddit pertinenti per il settore, estrai le venti domande più upvoted degli ultimi sei mesi, e hai un set di prompt già validato dalla comunità.
Leggere i dati senza farsi distrarre
Una volta acceso il monitoraggio, le dashboard producono molti grafici. La maggior parte non serve.
I tre dati che guardo settimanalmente: share of voice complessivo, share of voice nei prompt di problema (separato dal resto), domini citati nuovi rispetto al mese precedente. Questo terzo è il segnale anticipatore. Se Reddit inizia a comparire come fonte sul tuo settore, devi capire perché, prima che il volume diventi un problema.
Le variazioni settimana su settimana sotto il dieci per cento le ignoro. Sono rumore di campionamento. Le variazioni mensili, quelle contano. Un mese con share of voice in calo del venti per cento richiede analisi qualitativa, non un altro report.
Errore frequente: trattare il share of voice come unica metrica. Un brand con il dodici per cento di share of voice ma con citazioni sempre nei prompt di problema (alto valore commerciale) vale più di un brand con il trenta per cento di share of voice quasi tutto in prompt informazionali generici. La separazione per tipo di prompt non è opzionale, è il filtro che separa una metrica vanity da una metrica operativa.
Tradurre il dato in intervento sui contenuti
Il monitoraggio senza azione è arredamento. Una volta letto il dato, le mosse possibili sono tre, in ordine di velocità e impatto.
Prima: strutturare meglio i dati on-page con Schema.org aggiornato, in modo che gli LLM ti leggano in chiaro quando crawlano il tuo sito. Velocità: una settimana. Effetto su pickup nei chatbot: visibile in 4-8 settimane.
Seconda: lavorare sui domini terzi citati. Se Wikipedia ti descrive male, intervenire con cautela rispetto alle policy della piattaforma. Se un blog di settore ti omette nelle comparative, lavorare di outreach editoriale. Velocità: mesi. Effetto: alto, ma fuori dal tuo controllo diretto.
Terza: pubblicare contenuti pillar molto specifici sui prompt di problema dove non compari. Non keyword-stuffed, non SEO-2018. Contenuti che rispondono in modo concreto a una domanda, con dati, esempi, presa di posizione. È SEO classica fatta bene, e per gli LLM resta il segnale più solido sul medio periodo.
Una nota sulla cadenza di revisione: dopo i primi due mesi di tracking, è utile fare una sessione strategica di rilettura totale dei dati una volta al trimestre. Le anomalie settimanali si compensano nei trend trimestrali, ed è lì che si vedono i veri shift di posizionamento. Non sui picchi giornalieri.
Un appunto pratico sulla manutenzione della lista prompt. Ogni tre mesi vanno aggiunte cinque-otto prompt nuove (basate su query emerse nelle vendite recenti) e rimosse le cinque prompt che non hanno mai prodotto variazioni rilevanti. Una lista statica per dodici mesi consecutivi misura il settore di un anno fa, non quello di oggi.
Se vuoi inquadrare questi strumenti dentro una strategia AI più ampia, sul sito di AIPIA trovi moduli formativi specifici che includono monitoraggio brand e AIO tra i contenuti operativi, con docenti che usano Otterly e Profound nella pratica quotidiana.
Otterly e Profound non risolvono nulla da soli. Misurano. Ma misurare bene, in un’attività dove buona parte dei buyer è invisibile alle metriche tradizionali, vale i quarantanove euro al mese del piano base. Sui clienti dove ho introdotto questo monitoraggio nei primi sei mesi del 2025, lo share of voice misurabile è cresciuto in media del diciassette per cento al sesto mese, con interventi sui contenuti guidati dai dati raccolti. Senza il tracking, sarebbe stato impossibile capire quali interventi avevano effetto e quali no.
