La scoperta su LinkedIn: ottimizzare i contenuti esistenti genera ritorni senza nuovi investimenti.

Judi Fox non ha speso un euro in promozione. Ha modificato i campi SEO di newsletter LinkedIn vecchie di due e quattro anni e, nell’anno successivo, ha guadagnato oltre 15.000 visualizzazioni aggiuntive, come lei stessa racconta, senza alcuna promozione aggiuntiva, come documentato in una strategia di scoperta su LinkedIn. Il dettaglio tecnico nasconde un cambio di regime: la visibilità non si gioca più soltanto sul ranking della pagina dei risultati, ma sulla presenza diretta dentro le risposte generate dai modelli linguistici. Nel frattempo, YouTube, Amazon, Instagram e Meta stanno riscrivendo metriche, monetizzazione e strumenti di editing. Per chi gestisce campagne, il costo vero non è solo il media: è il tempo e il denaro che i team spendono per restare aggiornati mentre le regole cambiano sotto i loro occhi.

Il ROI invisibile: 15.000 visualizzazioni da newsletter dimenticate

Il punto di partenza è tecnico solo in apparenza. LinkedIn consente di personalizzare l’ottimizzazione per i motori di ricerca per titoli e descrizioni di articoli o newsletter pubblicati sulla piattaforma. Fox è intervenuta su contenuti già pubblicati, vecchi di due e quattro anni, ottenendo un ritorno senza nuovi investimenti in media. Questo ribalta l’assunto che la crescita organica richieda sempre nuovi contenuti: in molti casi richiede un’ottimizzazione retroattiva dei campi che nessuno vede, ma che i sistemi di scoperta leggono.

Il contesto più ampio è il passaggio dalla SEO alla visibilità nelle risposte dell’IA. Come sintetizza l’analisi di a16z sul passaggio dalla SEO alla visibilità generativa, nell’era dei motori di ricerca la visibilità significava posizionarsi in alto in una pagina di risultati, determinata da parole chiave, contenuti, backlink e coinvolgimento. Oggi, con modelli come GPT-4o, Gemini e Claude che fanno da interfaccia per l’accesso alle informazioni, visibilità significa essere citati direttamente nella risposta generata dall’IA, non più soltanto comparire nella classifica. Per chi pianifica campagne, questo sposta l’ottimizzazione dai singoli canali alla struttura dei contenuti e dei dati che alimentano la comprensione automatica.

Ma se una semplice riscrittura SEO genera questi numeri, cosa succede quando le piattaforme cambiano metriche e canali di monetizzazione?

Le piattaforme cambiano le regole: metriche, affiliate e auto-editing

La risposta è diretta: le vecchie regole non reggono più. Secondo YouTube, dallo scorso 24 agosto le visualizzazioni pubbliche vengono conteggiate dal momento in cui un video inizia a essere riprodotto, estendendo il sistema basato sull’esposizione già usato per gli Shorts ai video in formato lungo, ai podcast e al live streaming. Per chi pianifica campagne video, questo significa che la metrica si sposta dall’azione intenzionale all’esposizione effettiva, e che i confronti storici vanno ricalibrati.

Contemporaneamente, i canali di monetizzazione si moltiplicano. Amazon è entrata a far parte del programma di affiliazione YouTube Shopping: i creator idonei negli Stati Uniti possono promuovere prodotti del catalogo Amazon direttamente dentro video, Shorts e live streaming. Instagram sta lanciando globalmente First Draft, una funzione di auto-editing che può trasformare una raccolta di clip in una bozza di Reel in meno di 10 secondi. E già lo scorso giugno, secondo un articolo di TechCrunch, Meta stava testando una funzionalità “Series” per Reels episodici su Instagram e Facebook, ricalcando la funzione lanciata da TikTok nel 2023. Ogni piattaforma aggiunge un tassello: più superficie per la monetizzazione, meno attrito nella produzione, ma anche più variabili da presidiare per chi deve decidere dove allocare il budget.

Se le piattaforme moltiplicano i punti di contatto e cambiano i criteri di misurazione, chi paga per restare aggiornato?

L’85% impara da solo: dove deve andare il budget

La risposta è scomoda: il costo dell’aggiornamento è già pagato, in gran parte, dai marketer stessi. Lo ha misurato l’AI Marketing Industry Report all’inizio di quest’anno: l’85% dei marketer impara l’AI sperimentando da solo, solo il 7% riceve formazione aziendale e più della metà spende i propri soldi in strumenti. Non è una curiosità: è una spia di quanto l’innovazione di piattaforma scarichi sui singoli il peso della formazione e della strumentazione.

Per chi redige il piano di spesa, il punto non è acquistare più corsi o inseguire ogni nuova funzionalità. Il caso Fox suggerisce una direzione diversa: destinare risorse a strumenti che permettono di intervenire sui contenuti esistenti, a test rapidi sulle nuove metriche e a chi può ottimizzare retroattivamente i campi che i sistemi di scoperta e i modelli linguistici leggono. Se una vecchia newsletter può ancora produrre ritorno senza spesa media aggiuntiva, il budget migliore è quello che riduce il costo nascosto della sperimentazione individuale e lo trasforma in processo interno.

Chi pianifica campagne non deve rincorrere l’ennesima funzionalità, ma ridurre i costi nascosti della formazione fai-da-te e spostare risorse verso test rapidi e ottimizzazione dei contenuti esistenti. È lì che LinkedIn ha già dimostrato che si trova il ritorno, prima che la prossima modifica di metrica o di algoritmo cambi di nuovo il campo di gioco.