La scansione dei bot AI supera quella di Googlebot senza generare un singolo visitatore

Le curve hanno cominciato a divergere nei report di Search Console attorno alla fine del 2023. Impression in salita, clic in discesa. Non un calo percentuale contenuto, ma uno scollamento strutturale che i filtri delle performance qualche anno fa avrebbero fatto passare per un problema di tracciamento. Oggi sappiamo che non lo è.

L’analisi condotta da Conductor su un campione esteso di proprietà web ha quantificato il fenomeno con un distacco netto: le impression aumentano mentre i clic calano, e lo fanno in modo proporzionale alla crescita degli answer engine — i motori di risposta basati su intelligenza artificiale generativa.

Il dato arriva da l’analisi di Conductor sulle impression e i clic ed è la cartina al tornasole di un ecosistema che ha cambiato le regole senza dichiararlo apertamente. Chi gestisce traffico organico lo osserva ogni giorno: URL indicizzati, query presidiate, zero visitatori. La spiegazione non sta in un aggiornamento dell’algoritmo classico, ma in un comportamento di scansione che non ha precedenti.

Quello che striscia migliaia di volte e non clicca mai

Il vecchio modello era lineare. Google scansionava un sito circa due volte per ogni visitatore inviato, un rapporto crawler/utente che restituiva una proporzione accettabile tra costo di scansione e ritorno in traffico. Questo meccanismo si è spezzato. Oggi i crawler AI visitano un sito migliaia, a volte decine di migliaia di volte, rimandando indietro poco o niente in termini di clic reali. I numeri sono descritti con precisione dentro la sproporzione tra crawling AI e traffico registrata nelle dashboard di webmaster.

Non si parla più solo di Googlebot. L’esperimento condotto con un file cats.txt — un escamotage che ha smascherato le richieste di scansione di PerplexityBot, GPTBot, ClaudeBot e dello stesso Googlebot — ha mostrato che questi agenti leggono contenuti senza generare un singolo visitatore. Il test è documentato in l’esperimento cats.txt che ha esposto la fame di dati dei modelli linguistici.

Il meccanismo è chiaro: il crawler AI legge la pagina, ne estrae il contenuto, lo ingloba nel training o nel contesto della risposta e il processo termina lì, dentro la SERP (Search Engine Results Page) arricchita o dentro l’interfaccia conversazionale. L’utente non arriva più. Non c’è referral, non c’è sessione in GA4.

Se la citazione è solo la parte più piccola del tutto

La reazione istintiva del SEO sarebbe rivendicare la citazione. Apparire come fonte dentro un AI Overview o un output di ChatGPT sembra l’evoluzione del posizionamento. Ma la citazione stessa — parola, menzione, link ritagliato — è già un residuo di un paradigma precedente. L’analisi pubblicata da Search Engine Journal lo definisce l’elemento meno rilevante di un processo molto più ampio: il ruolo residuale delle citazioni nell’economia dei modelli linguistici.

“L’obiettivo qui non è il traffico, perché il traffico diminuirà naturalmente man mano che le persone si istruiranno sulle superfici LLM”.

La frase è di Pat Reinhart e sintetizza ciò che le dashboard di Conductor già anticipavano. Reperibile dentro la dichiarazione di Pat Reinhart sul declino del traffico, questa affermazione smonta la metrica su cui abbiamo costruito quindici anni di SEO. Non è un invito ad abbandonare il posizionamento, ma a spostare l’asticella.

In concreto, il contenuto di un sito oggi viene scansionato per due scopi distinti: fornire una risposta testuale all’interno di una chat oppure consentire a un agente AI di eseguire un’azione. Completare un booking, confrontare un prezzo, filtrare un catalogo, attivare una procedura. La stessa macchina che legge il tuo sito per rispondere a una domanda è quella che può acquistare attraverso di esso. Il principio è delineato dentro il modello di azione degli agenti AI, dove scansione e decisione condividono lo stesso agente.

Ottimizzare per l’agente, non per l’umano

Se il clic smette di essere la valuta primaria, la SEO tecnica e contenutistica deve spostarsi sulla eseguibilità. Un agente AI non naviga con un mouse: legge lo schema markup, interpreta l’API, percorre una struttura dati. Il contenuto serve ancora, ma diventa carburante per un’azione automatizzata.

Le implicazioni operative immediate toccano tre livelli:

  • Dati strutturati. Senza uno schema markup aggiornato e coerente, l’agente AI non distingue un prezzo da un codice fiscale. È il differenziale che decide se l’azione va a buon fine o viene scartata.
  • Performance di scansione. Il volume di richieste dei crawler AI impone una gestione attenta del budget di crawl. Consumare risorse server su bot che non generano traffico è un costo tecnico che va governato, non subito.
  • Contenuti come endpoint. La pagina prodotto, la scheda comparativa, il modulo di contatto devono poter essere “letti” da una macchina che non guarda il rendering visivo ma processa JSON‑LD, metadati e testo puro. Chi lavora su questa architettura oggi, domani troverà il sito già posizionato dentro i workflow degli agenti.

La metrica da tracciare non sarà più solo la sessione atterrata da query organica. Dovremo guardare le conversioni provenienti da agenti — acquisti, prenotazioni, compilazioni — dove il visitatore umano non è mai esistito. Lo strumento per misurarlo non è ancora nei report standard di Search Console, ma le aziende che oggi preparano l’infrastruttura per tracciare queste transazioni saranno quelle che sopravviveranno al sorpasso.