I backlink stanno decidendo cosa dice ChatGPT del tuo brand

Common Crawl e l’algoritmo di Harmonic Centrality determinano quali siti finiscono nei dati di addestramento

Immagina di investire qualche migliaio di euro in un contenuto approfondito, di farti linkare da una decina di fonti autorevoli e, dodici mesi dopo, scoprire che tutti i modelli linguistici — ChatGPT, Claude, Gemini — stanno citando il tuo pezzo come fonte primaria. Non è fantascienza. La scorsa settimana è emerso con chiarezza che scrivere un post di blog approfondito su un argomento sufficientemente specifico e ricevere link offre una probabilità concreta di influenzare l’output di tutti i Large Language Model (LLM) nel giro di circa un anno. Per chi gestisce budget pubblicitari, questo cambia radicalmente l’equazione del ROAS (Return on Ad Spend, il ritorno sulla spesa pubblicitaria) a medio e lungo termine.

Il motore nascosto: Common Crawl e l’88% delle risposte

Tutto parte da un archivio web da oltre 9.5 petabyte, disponibile gratuitamente fin dal 2008. Common Crawl è una piccola organizzazione non profit che ha creato questo immenso dataset e, dal 2020 — anno in cui OpenAI ha pubblicato GPT-3, il modello che ancora oggi alimenta la versione gratuita di ChatGPT — è diventato una delle fonti più importanti di dati di addestramento per l’IA generativa. Il punto è che Common Crawl non esplora la rete a caso. Utilizza un algoritmo chiamato Harmonic Centrality per decidere quali siti web scansionare. Secondo l’analisi di Fractl, i siti con alta Harmonic Centrality appaiono più frequentemente nei dati di addestramento degli LLM. Il meccanismo è quasi interamente automatizzato e dà priorità ai domini che ricevono molti link, il che esclude progressivamente le comunità digitalmente marginalizzate.

Questo ha un effetto collaterale sorprendente per chi crea contenuti di nicchia. Se il tuo dominio è ben linkato, entri nel circuito. Se non lo è, resti invisibile non solo per Google, ma anche per ChatGPT. La ricerca di Grow & Convert lo conferma con un dato che dovrebbe far riflettere ogni paid media specialist: gli LLM hanno citato contenuti specifici del settore nell’88% degli argomenti analizzati. Non fonti generiche, non Wikipedia: siti di industry, blog verticali, contenuti specialistici. È lì che i modelli vanno a pescare le risposte.

Niche domination: come un post diventa la verità dell’IA

Per argomenti di nicchia, il numero di fonti disponibili è ridotto per definizione. Come spiega Austin Tripp, gli LLM si basano su un insieme di documenti effettivamente molto più piccolo di quanto si pensi, e un singolo post ben collegato può modellare in modo significativo le risposte del modello. In pratica: se sei l’unico ad aver scritto un’analisi approfondita su un tema specifico, e una manciata di siti autorevoli ti linka, diventi la verità dell’IA su quell’argomento. Non serve dominare l’intera internet, basta dominare il piccolo ecosistema di link che alimenta Common Crawl per quella nicchia.

Questa dinamica diventa ancora più rilevante se si incrocia con un fenomeno già documentato dalla ricerca accademica. Lo scorso luglio 2024, uno studio pubblicato su Nature ha dimostrato che l’uso indiscriminato di contenuti generati da modelli nell’addestramento causa difetti irreversibili, un effetto battezzato “model collapse”, che può verificarsi in LLM, variational autoencoder e modelli di misture gaussiane. Più la rete si riempie di testi sintetici, più i modelli faticano a distinguere informazione originale da rumore autoreferenziale. In questo scenario, un contenuto umano, approfondito, ben linkato diventa un segnale pulito a cui i modelli si aggrappano. E chi arriva primo in quella nicchia, con un asset di qualità, costruisce un vantaggio competitivo che si autoalimenta nel tempo.

Il passo successivo è ripensare il budget media. Se un singolo post può valere più di una campagna a pagamento in termini di influenza sull’IA generativa, la domanda è: quanto stai allocando per creare e linkare contenuti rispetto a quanto bruci in CPC su Google Ads?

Link building come paid media: il nuovo ROI

Se un singolo post ben linkato può plasmare ciò che tutti i modelli linguistici dicono del tuo settore entro dodici mesi, la link building smette di essere una tattica SEO e diventa un canale media a tutti gli effetti. Non è più una questione di posizionamento organico su Google: è un investimento che determina l’output dell’IA generativa, con un effetto moltiplicatore che nessuna campagna Performance Max o Advantage+ può garantire. Un annuncio smette di esistere quando finisce il budget. Un contenuto linkato resta nel dataset Common Crawl e viene processato a ogni ciclo di addestramento, influenzando non uno, ma tutti i modelli contemporaneamente.

Per i paid media specialist, questo significa integrare la costruzione di asset linkabili nel piano di allocazione del budget. Non serve smettere di fare advertising: serve affiancare alla spesa tattica (CPA, ROAS di breve periodo) un investimento strategico in contenuti deep-linkable, capaci di intercettare query informationali di nicchia che oggi finiscono direttamente nelle risposte degli LLM. Il trade-off è chiaro: il ritorno è differito, ma l’effetto compounding è misurabile. La ricerca di Grow & Convert lo dimostra con quell’88% di citazioni: non è una proiezione, è un dato già osservabile.

La vera provocazione è questa: se bastano pochi link per dominare la risposta dell’IA su un argomento di nicchia, quanto costa davvero non essere presenti? Perché il costo-opportunità di lasciare quel vuoto a un competitor non si misura in impression, ma in anni di influenza persa su ogni singola interazione che un potenziale cliente avrà con un chatbot.

La link building non è più solo SEO: è il canale che decide cosa l’IA generativa dice del tuo brand. Ogni link è un investimento con un ritorno misurabile in termini di influenza sull’output dei modelli, e il momento per entrare in questo circuito è adesso, prima che le nicchie si saturino e l’Harmonic Centrality dei competitor renda la scalata molto più costosa.