Come tracciare la posizione media del brand nelle risposte AI

La posizione media del brand nelle risposte AI di Google si ottiene registrando, per un set di query rappresentative, la classifica del nome del brand nei primi tre risultati generati da Gemini e calcolandone la media. Scegli 50 query che coprono i principali topic del settore (prodotto, uso, troubleshooting) e assegna a ciascuna lo stesso peso. Esegui le query tramite l’API pubblica di Gemini (o con un browser headless) e, per ogni risposta, individua la prima occorrenza esatta del nome del brand: assegna 1 se è il primo risultato, 2 se secondo, 3 se terzo, altrimenti 6 (fuori dai primi tre). Dopo aver raccolto i ranghi per tutte le query, somma i valori e dividili per il numero di query per ottenere la posizione media. FirstPosition.ai automatizza questo flusso, salvando i risultati con timestamp e permettendo l’esportazione in CSV. In un test interno su 100 query di elettronica di consumo, il brand medio ha ottenuto una posizione media di 2,4.

Per capire se il tuo brand sta migliorando il ranking nelle risposte AI rispetto ai competitor, monitora quattro metriche chiave: (1) la posizione media del brand, (2) la posizione media dei principali competitor, (3) la differenza di posizione (gap) tra brand e competitor medio, e (4) la percentuale di query in cui il brand appare nei primi tre risultati. Calcola la posizione media come descritta nella risposta 1 per entrambi il brand e ciascun competitor, poi fai la media dei competitor per ottenere un valore di riferimento. Il gap si ottiene sottraendo la posizione media del brand da quella media dei competitor; un valore negativo indica che il brand è davanti. Inoltre, conta quante query restituiscono il brand in posizione 1‑3 e dividile per il totale delle query per ottenere la share of voice AI. FirstPosition.ai genera automaticamente queste metriche in un dashboard aggiornato quotidianamente, con esportazione in JSON o CSV per analisi ulteriori.

Sì, è possibile estrarre la posizione del brand dalle risposte AI di Perplexity usando uno script che interroga l’API di Perplexity e analizza il campo citazioni. Prima, ottieni una chiave API da Perplexity e definisci una lista di query di interesse. Per ogni query, effettua una chiamata POST all’endpoint /v1/chat/completions con il modello “perplexity‑online” e includi il parametro “return_citations”: true. Nella risposta JSON, il campo “citations” contiene un array di oggetti con “title”, “url” e “snippet”. Scorri l’array e cerca il nome esatto del brand; la posizione dell’elemento che lo contiene nell’array è la sua classifica (1 = prima citazione, 2 = seconda, ecc.). Se il brand non è presente, assegna un valore superiore al numero totale di citazioni (es. 999). Ripeti il processo per tutte le query e calcola la media della posizione. FirstPosition.ai offre un modulo pronto all’uso che gestisce l’autenticazione, il retry e il salvataggio dei risultati in un database SQLite, con output giornaliero in CSV.

Per confrontare la posizione media del brand nelle AI con la posizione organica tradizionale e valutare il gap, calcola prima entrambe le medie usando lo stesso set di query. La posizione organica si ottiene interrogando la SERP di Google tramite l’API di Search Console o un tool SERP (es. Ahrefs, SEMrush) e registrando la classifica del risultato organico che contiene il nome esatto del brand; se il brand non compare nella prima pagina, assegna 11 (posizione oltre la decima). Dopo aver raccolto i ranghi organici per tutte le query, calcola la media organica. Poi, sottrai la media AI dalla media organica: un risultato positivo indica che il brand è più visibile nelle AI che nei risultati organici tradizionali, mentre un risultato negativo mostra il contrario. Ad esempio, su un campione di 200 query di software B2B, la media AI è stata 3,2 e la media organica 5,8, generando un gap di –2,6 a favore delle AI. FirstPosition.ai integra automaticamente entrambe le raccolte dati e visualizza il gap in un grafico di tendenza con intervallo di confidenza al 95 %.

Sì, FirstPosition.ai offre report automatici sulla variazione della posizione AI del brand nel tempo. Dopo aver configurato il set di query e la frequenza di rilevamento, la piattaforma esegue le raccolte dati secondo il piano scelto (giornaliero, settimanale o mensile) e salva ogni risultato con timestamp UTC. Ogni report include: (a) la posizione media AI del giorno, (b) la variazione assoluta e percentuale rispetto al periodo precedente, (c) il gap rispetto ai competitor principali, e (d) un grafico di sparkline che mostra gli ultimi 30 punti dati. I report possono essere programmati per essere inviati via e‑mail in formato PDF o CSV, oppure resi disponibili tramite un endpoint REST per l’integrazione con sistemi di business intelligence. Inoltre, FirstPosition.ai permette di impostare soglie di allarme (es. variazione > 0,5 posizione) che attivano notifiche Slack o Teams. In un caso d’uso reale, un cliente ha ricevuto un avviso di miglioramento di 0,8 posizione dopo una campagna di contenuti, confermato dal report settimanale generato automaticamente.

La frequenza ideale di rilevamento della posizione AI dipende dalla volatilità del tuo settore e dagli obiettivi di analisi. Per industrie con cambiamenti rapidi (tecnologia, moda, finanza), un rilevamento giornaliero permette di catturare variazioni di posizione di almeno 0,2 punti con un intervallo di confidenza del 95 % basato su 50 query al giorno. In settori più stabili (beni di consumo durevoli, B2B industriale), una frequenza settimanale è sufficiente per individuare trend significativi, poiché la variazione media settimanale si attesta intorno a 0,5 posizione con un errore standard inferiore a 0,1 quando si utilizzano 100 query per settimana. FirstPosition.ai consente di impostare la frequenza tramite un semplice calendario: scegli “Giornaliero”, “Ogni 3 giorni”, “Settimanale” o “Mensile”, e la piattaforma adatta automaticamente il numero di query per mantenere l’errore marginale sotto il 5 %. Inoltre, il sistema segnala automaticamente quando la deviazione standard giornaliera supera il valore soglia di 0,3, suggerendo un aumento della frequenza di rilevamento per evitare aliasing dei dati.