Guida · 10 min di lettura
Lo studio GEO di Aggarwal et al.: cosa ha testato e cosa ha trovato
Quasi tutto ciò che si scrive sul GEO cita la stessa fonte: l'articolo di Aggarwal e colleghi, pubblicato su arXiv nel novembre 2023 e presentato a KDD 2024, noto come studio GEO Princeton. Di solito se ne riprende un solo numero. Qui ripercorriamo tutto il lavoro: chi lo firma, come è stato costruito il benchmark, i nove metodi testati, i numeri che l'articolo riporta davvero, i limiti ammessi dagli autori e cosa ha trovato uno studio successivo rifacendo la prova.

Che cos'è lo studio GEO Princeton
Il titolo originale è GEO: Generative Engine Optimization. La versione 1 è uscita su arXiv il 16 novembre 2023; la versione 3, accettata a KDD 2024 a Barcellona, il 28 giugno 2024. Articolo e codice sono pubblici.
Il lavoro ha dato un nome a un problema: l'IA riassume più fonti e chi gestisce un sito ha poco controllo sul fatto che la sua sia tra queste. E ha misurato se riscrivere una pagina cambia quanta parte della risposta viene costruita a partire da essa.
Nella guida su come scrivere contenuti citati dall'IA lo riassumiamo in poche righe. Qui entriamo nei dettagli, che cambiano il peso da dare a ogni conclusione.
Chi lo firma e perché si parla di Princeton
I sei autori sono Pranjal Aggarwal e Vishvak Murahari (con pari contributo), Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan e Ameet Deshpande. Le affiliazioni cambiano da una versione all'altra, e questo spiega parte della confusione:
- La versione 1 (novembre 2023) indica la Princeton University per Murahari, Narasimhan e Deshpande, Georgia Tech per Rajpurohit, l'Allen Institute for AI per Kalyan e l'IIT Delhi per Aggarwal.
- La versione 3, quella di KDD 2024, indica l'IIT Delhi per Aggarwal, Princeton per Murahari, Narasimhan e Deshpande, e «Independent, Seattle» per Rajpurohit e Kalyan.
Metà degli autori è a Princeton in entrambe le versioni, da cui il nome studio GEO Princeton, anche se si tratta di un lavoro congiunto.
Come è stato condotto l'esperimento
Gli autori hanno costruito un motore generativo semplificato, ispirato a strumenti come Perplexity. Per ogni domanda prendevano i primi cinque risultati di Google, passavano il testo completo di quelle pagine a GPT-3.5-turbo e chiedevano una risposta con una citazione dopo ogni frase. Ogni risposta veniva generata cinque volte per ridurre le oscillazioni.
Per ogni domanda, una delle cinque fonti veniva estratta a caso e riscritta con ciascun metodo. Poi la risposta veniva rigenerata e la visibilità di quella fonte confrontata con quella di partenza. A riscrivere era sempre GPT-3.5-turbo, con prompt pubblicati nel repository degli autori.
Questo dettaglio conta. Il recupero, cioè il passaggio in cui un assistente reale decide quali pagine leggere, restava fisso. L'esperimento misura come compete una pagina già presente nel contesto del modello, non come ci arriva.
GEO-bench: le 10.000 domande
Per testare i metodi, il gruppo ha pubblicato GEO-bench, un benchmark di 10.000 query: 8.000 per l'addestramento, 1.000 per la validazione e 1.000 per il test. I risultati dell'articolo si riferiscono alla parte di test. Le query provengono da nove fonti:
- MS MARCO, ORCAS e Natural Questions, con ricerche reali anonimizzate di Bing e Google.
- AllSouls, tracce di saggio dell'All Souls College di Oxford.
- LIMA (domande che richiedono ragionamento) e Davinci-Debate (domande da dibattito).
- Query di tendenza dalla sezione Discover di Perplexity e domande dal subreddit ELI5.
- Query generate da GPT-4 per aggiungere varietà.
Secondo gli autori, l'80 % delle query è informativo, il 10 % transazionale e il 10 % navigazionale, in 25 ambiti come arte, salute e giochi. GPT-4 ha etichettato ogni query in sette dimensioni, come difficoltà e intento; l'appendice avverte che queste etichette possono contenere errori.
Come lo studio GEO Princeton misura la visibilità
In un elenco di link la visibilità dipende soprattutto dalla posizione. In una risposta scritta, una fonte può essere citata di sfuggita o reggere mezzo paragrafo. Per questo lo studio GEO Princeton definisce metriche di impression proprie:
- Conteggio delle parole: la quota di parole della risposta che si trova in frasi che citano la fonte. Se una frase cita più fonti, viene divisa tra di esse.
- Conteggio ponderato per posizione: lo stesso, ma con più peso alle frasi iniziali grazie a un decadimento esponenziale. È la principale metrica oggettiva.
- Impression soggettiva: sette punteggi assegnati da GPT-3.5 in stile G-Eval, come pertinenza, influenza e probabilità di clic, riportati sulla scala della prima metrica.
I punteggi sono normalizzati in modo che le cinque fonti di una risposta sommino 100; una fonte media si aggira quindi intorno a 20. Nessuna di queste metriche conta clic, vendite o il fatto che un marchio sia stato consigliato.
I nove metodi testati
Ogni metodo è un tipo di riscrittura applicata al testo da un modello linguistico:
- Authoritative: uno stile più persuasivo e autorevole.
- Statistics Addition: statistiche al posto di affermazioni qualitative, dove possibile.
- Keyword Stuffing: più parole chiave della query, come nella SEO classica.
- Cite Sources: riferimenti a fonti affidabili.
- Quotation Addition: citazioni testuali da fonti affidabili.
- Easy-to-Understand: un linguaggio più semplice.
- Fluency Optimization: un testo più scorrevole.
- Unique Words: parole poco comuni.
- Technical Terms: lessico tecnico.
La maggior parte cambia solo la presentazione; keyword stuffing, riferimenti e citazioni possono richiedere materiale aggiuntivo.
I risultati, con i numeri dell'articolo
Nella parte di test, le fonti non modificate ottengono 19,3 nel conteggio ponderato per posizione. Questi sono i numeri della tabella 1:
- Quotation Addition: 27,2, il risultato migliore. La didascalia dice che i metodi migliori superano la base del 41 % su questa metrica e del 28 % sull'impression soggettiva.
- Statistics Addition: 25,2.
- Fluency Optimization: 24,7. Cite Sources: 24,6.
- Technical Terms: 22,7. Easy-to-Understand: 22,0. Authoritative: 21,3.
- Unique Words: 20,5.
- Keyword Stuffing: 17,7, sotto il testo originale.
Nel testo gli autori riassumono: riferimenti, citazioni e statistiche danno un miglioramento relativo del 30-40 % sulla metrica principale e del 15-30 % su quella soggettiva; scorrevolezza e leggibilità del 15-30 %. Secondo loro il tono autorevole non porta miglioramenti significativi e il keyword stuffing poco o nulla. L'abstract arrotonda a «fino al 40 %».
Altre due analisi meritano attenzione. Combinare i metodi aiuta: la coppia migliore, scorrevolezza più statistiche, supera qualsiasi metodo singolo di oltre il 5,5 %, misurata su 200 esempi. E il guadagno dipende dalla posizione di partenza: Cite Sources aumenta del 115,1 % la visibilità del quinto risultato e riduce del 30,3 % quella del primo; Quotation Addition e Statistics Addition seguono lo stesso schema, con +99,7 % e +97,9 % per il quinto.
Le differenze per tipo di query
La tabella 3 elenca le categorie di query in cui ogni metodo ha funzionato meglio:
- Authoritative: dibattito, storia e scienza.
- Fluency Optimization: business, scienza e salute.
- Cite Sources: affermazioni, fatti, diritto e pubblica amministrazione.
- Quotation Addition: persone e società, spiegazioni e storia.
- Statistics Addition: diritto e pubblica amministrazione, dibattito e opinioni.
Gli autori consigliano interventi specifici per settore. Le categorie però derivano da etichette automatiche e la dimensione dei gruppi non è pubblicata: consideratelo un'indicazione da verificare, non una regola.
Il test su Perplexity
Lo studio ha provato i metodi anche su Perplexity.ai, con 200 domande. Poiché Perplexity non permette di scegliere gli URL di origine, gli autori hanno caricato i testi come file. Il test misura quindi come scrive a partire da documenti forniti, non come trova le pagine.
Quotation Addition torna in testa sulla metrica principale: 29,1 contro 24,1, un miglioramento del 22 % secondo gli autori. Statistics Addition arriva a 33,9 sull'impression soggettiva contro 24,7, il dato del 37 %. Il keyword stuffing ottiene 21,9 sulla metrica principale, circa il 10 % in meno. L'appendice mostra ciò che il riassunto tralascia: sull'impression soggettiva, Cite Sources scende a 19,0, sotto la base, mentre il keyword stuffing sale a 28,1, sopra.
I limiti dello studio GEO Princeton, e i nostri dubbi
La sezione sui limiti ne indica quattro: i motori generativi cambieranno; le query reali cambiano nel tempo; l'effetto sul posizionamento nei motori di ricerca non è stato misurato; le etichette possono contenere errori. Noi aggiungeremmo:
- Il motore era GPT-3.5-turbo con cinque pagine. Gli assistenti di oggi usano altri modelli, leggono più fonti e decidono da soli cosa recuperare.
- Per ogni domanda si ottimizzava una sola fonte. Nessun altro nella risposta usava le stesse tecniche.
- Qui la visibilità è una quota di parole, valutata in parte da un altro modello. Non è una raccomandazione, un clic o una vendita.
- Le riscritture le ha fatte un modello. Su un sito reale ogni dato e ogni citazione devono essere veri e con fonte.
Cosa ha trovato la ricerca successiva
Il seguito più diretto che abbiamo potuto verificare è C-SEO Bench: Does Conversational SEO Work?, di Puerto e colleghi, accettato a NeurIPS Datasets and Benchmarks 2025. Ha testato metodi dello studio GEO Princeton, tra cui Authoritative, Statistics, Citations e Fluency, su domande e risposte e su raccomandazioni di prodotto, in sei ambiti e con più concorrenti che ottimizzano contemporaneamente.
Secondo l'abstract, la maggior parte di questi metodi si è rivelata in gran parte inefficace e spesso ha peggiorato la posizione del documento nella risposta. Migliorare la posizione del documento nel contesto del modello, il lavoro della SEO classica, ha pesato più di qualsiasi riscrittura, e i guadagni calavano man mano che più concorrenti adottavano gli stessi metodi. Gli autori attribuiscono parte della differenza alla metrica: quota di parole contro posizione della citazione.
Cosa prendere dallo studio GEO Princeton e cosa no
Letto con attenzione, lo studio GEO Princeton sostiene poche conclusioni, e prudenti:
- Fatti concreti e con fonte aiutano: statistiche vere, fonti citate per nome e citazioni esatte sono stati i più costanti.
- Scrivere in modo chiaro aiuta, anche senza contenuti nuovi.
- Ripetere la parola chiave non aiuta e, sulla metrica principale, ha peggiorato le cose.
- Essere recuperati resta il primo passo. Sono state testate solo pagine già tra le cinque fonti, e il benchmark successivo conclude che la posizione nel contesto conta di più.
Cosa non sostiene: promettere il 40 % di visibilità in più nell'IA, affermare qualcosa su ChatGPT, Gemini o AI Overviews (non testati) o l'idea che riscrivere sostituisca la SEO. Se qualcuno vi vende un aumento fisso citando questo lavoro, chiedete quale metrica e quale motore.
La strada pratica è applicare ciò che è solido e poi misurare con le vostre domande. Partite da come funziona la ricerca con IA, scegliete le domande con la ricerca dei prompt e seguite i risultati come spieghiamo in misurare la visibilità nell'IA. Per capire dove si colloca il termine GEO rispetto ad AEO, leggete AEO vs GEO e la nostra introduzione su cos'è il GEO.
Domande frequenti
Lo studio GEO Princeton è solo di Princeton?
Non del tutto. Tre dei sei autori sono a Princeton in entrambe le versioni. La versione 1 cita anche Georgia Tech, l'Allen Institute for AI e l'IIT Delhi; la versione di KDD 2024 indica l'IIT Delhi e due ricercatori indipendenti di Seattle.
Da dove viene il dato del «40 % di visibilità in più»?
Dall'abstract, secondo cui il GEO può aumentare la visibilità fino al 40 %. Il metodo migliore, Quotation Addition, migliora del 41 % il conteggio ponderato per posizione rispetto al testo originale, con GPT-3.5-turbo. È il caso migliore su una metrica, non una media né una garanzia.
Lo studio ha testato ChatGPT o le AI Overviews di Google?
No. Gli esperimenti principali usano GPT-3.5-turbo con i primi cinque risultati di Google, più un test minore su Perplexity.ai con file caricati. Altri assistenti non sono stati misurati.
Il keyword stuffing danneggia nella ricerca con IA?
In questo studio ha ridotto la visibilità sulla metrica principale, sia con GPT-3.5-turbo sia su Perplexity. Su Perplexity è salito sulla metrica soggettiva, quindi il quadro non è netto, ma nessun risultato dell'articolo giustifica l'aggiunta di parole chiave.
Posso usare GEO-bench per testare le mie pagine?
Benchmark, codice e prompt sono pubblici. Per un'azienda, però, di solito è più utile seguire ogni mese le domande reali dei propri clienti negli assistenti che usano.


