Google migliora i link nelle risposte AI, ma il traffico dei publisher cala fino al 25%

Il 15 ottobre Google ha presentato l’aggiornamento di AI Mode e AI Overviews con link inline più chiari, contesto sulle fonti e articoli tempestivi, annunciando anche che il numero di persone che usano la funzione Preferred Sources è cresciuto più di sette volte dall’inizio dell’anno. Ma negli stessi giorni sappiamo, secondo una rilevazione Pew, che solo l’1% delle visite a pagine con un riepilogo AI produce un clic su un link nel riepilogo stesso. Due metriche che si contraddicono: da una parte più visibilità dei link, dall’altra nessun segnale che l’intenzione di cliccare cresca. Non è un traguardo da celebrare: è un esperimento con due indicatori che puntano in direzioni opposte.

Il paradosso dei link più visibili

L’annuncio di Google elenca una serie di modifiche concrete. L’azienda sta aggiornando AI Mode e AI Overviews con link inline più chiari e contesto sulle fonti; ha iniziato a testare nomi cliccabili di creator e publisher sui risultati video che rimandano ai loro profili Search in AI Mode; sta iniziando a distribuire globalmente i caroselli per articoli tempestivi in ulteriori posizioni e lingue. In più sta testando una nuova visualizzazione per mettere in evidenza i link ufficiali in una sezione dedicata in cima alla risposta, con motivazioni sul perché ogni link è utile.

Il numero di persone che usano Preferred Sources è cresciuto di oltre sette volte dall’inizio dell’anno. È un incremento di adozione della funzionalità, ma non dice nulla sulla qualità del clic. La metrica che manca è la conversione post-clic: quanti utenti, dopo aver visto un link più visibile, scelgono effettivamente di aprirlo. Il dato Pew citato in apertura suggerisce che la sola esposizione ai link nei riepiloghi AI non genera quasi mai un clic. Un professionista di CRO riconoscerebbe qui un problema di intenzione, non di visibilità: spostare un elemento in alto non aumenta la probabilità di clic se l’utente non percepisce il link come una vera alternativa alla risposta sintetica.

Ma cosa dicono davvero i numeri degli editori? La risposta non è nel comunicato di Google,
ma nei dati di traffico.

I numeri che Google non mostra

I dati che Google non include nell’annuncio arrivano da Digital Content Next. Secondo i numeri diffusi da Digiday, la maggior parte dei siti membri del DCN — tra cui New York Times, Condé Nast e Vox — ha registrato perdite di traffico da Google Search comprese tra l’1% e il 25%. Non sono cali uniformi: si tratta di una forchetta ampia, che include sia perdite marginali sia contrazioni significative. In un contesto editoriale dove il traffico referral è una leva di ricavo, una perdita del 25% non è un rumore statistico.

Il confronto con la narrativa di Google è netto. Google sostiene di aver addestrato i propri modelli per comprendere a fondo il web e per collegare i siti più pertinenti, e di offrire nelle risposte AI link prominenti, citazioni visibili e attribuzione inline, come riportato in un post aziendale. Se i modelli fossero davvero capaci di collegare i siti più pertinenti, i dati DCN dovrebbero mostrare un aumento del traffico qualificato, non un calo diffuso. Invece il segnale è opposto: i riepiloghi AI trattengono l’utente sulla pagina dei risultati e riducono la propensione a uscire dal motore.

Va riconosciuto un limite metodologico a entrambi i lati. Il dato Pew è una misura osservazionale, non un esperimento randomizzato: mostra una correlazione tra presenza del riepilogo AI e probabilità di clic, ma non isola le variabili, come la tipologia di query o l’intento di ricerca. Anche i cali DCN sono segnalazioni aggregate da un campione di publisher, non un panel controllato. Ma la convergenza tra due fonti indipendenti rende difficile liquidare il fenomeno come aneddotico. Resta da capire se il problema è tecnico — la posizione dei link, il formato, il contesto — o comportamentale, legato al modo in cui gli utenti interpretano i riepiloghi.

La domanda che resta aperta

La risposta non è nel feed di annunci, ma nel modo in cui i modelli scelgono e presentano le fonti. Uno studio preprint rileva schemi di citazione condivisi tra modelli dello stesso fornitore, mentre i fornitori tra loro differiscono: in altre parole, il comportamento di citazione è una scelta di modello, non una proprietà dell’informazione. Se il clic non arriva, il motivo potrebbe essere lì: i link sono più chiari, ma la selezione e la presentazione delle fonti non generano una percezione di alternativa utile. A cosa servono link più chiari se poi il clic non arriva?

Google ha spostato l’arredamento dei link, ma il clic resta un’incognita. Prima di festeggiare, andrebbe testato se gli utenti trattano i riepiloghi AI come risposte definitive, non come porte verso il web aperto. Il test da progettare non è sulla posizione dei link, ma sull’intenzione di cliccare.