Cosa cerca ChatGPT quando va sul web. E perché finisce sul tuo sito

Il query fan-out è il modo in cui ChatGPT cerca sul web: quando gli fai una domanda, non cerca la tua frase. La smonta in due o tre ricerche più corte, le lancia, legge i risultati e poi scrive la risposta. Quelle ricerche si chiamano query fan-out e sono il punto esatto in cui un sito entra o resta fuori dalla risposta.

Fino a poco fa se ne parlava per ipotesi. Adesso ci sono numeri: Ahrefs ha pubblicato il 12 ottobre 2026 uno studio su circa 15 milioni di fan-out di ChatGPT, che si aggiunge al laboratorio di Moz su 50.000 fan-out e al confronto di Seer Interactive fra due versioni del modello. Li ho letti alla fonte e li metto insieme qui, con quello che ne ricavo per un sito aziendale o un e-commerce italiano.

🛠️ Cos’è il query fan-out, in due righe

È il passaggio in cui il modello trasforma la domanda dell’utente in più ricerche. Google lo descrive così nella documentazione di AI Mode e AI Overviews, e ne ho già parlato nella checklist dei contenuti per AI Mode. ChatGPT fa la stessa cosa con il suo motore di ricerca: chiedi “che robot aspirapolvere compro per una casa con il parquet”, e lui cerca per esempio “miglior robot aspirapolvere parquet 2026” e “Roborock S9 prezzo ufficiale”.

Le pagine che escono da quelle ricerche sono il materiale da cui il modello scrive. Chi non esce lì non può essere citato, per quanto bene sia scritto.

Quante volte ChatGPT cerca davvero

Il dato che ridimensiona tutto: nello studio Ahrefs, su 66,6 milioni di risposte della versione gratuita di ChatGPT (GPT-5.6 Luna, utente non loggato, agosto-settembre 2026), solo il 14,4% ha fatto una ricerca web. Le altre sono state scritte con quello che il modello sa già.

Quando cerca, cerca poco: in media circa 1,6 fan-out per ogni risposta che fa una ricerca. Altri studi riportano numeri più alti, e Ahrefs stesso lo dichiara fra i limiti (un modello, due mesi, versione gratuita). Ma l’ordine di grandezza è chiaro: non sono decine di ricerche, sono una o due, e la prima pagina di quelle una o due ricerche decide quasi tutto.

Una risposta su sette va sul web, con una o due ricerche. Lo spazio per entrare è stretto, e si gioca su query precise.

⚠️ ChatGPT cerca dentro i siti che ha già scelto

Qui sta la novità vera. Il 6,8% dei fan-out usa l’operatore site:, cioè cerca dentro un dominio preciso: in due mesi sono comparsi circa 116.000 domini. Delle ricerche site: che puntano ai circa 160 domini più cercati, il 75,9% va su siti di brand, l’11,9% su retailer, e Reddit più Facebook prendono appena l’1,9%.

Seer aveva visto lo stesso movimento da un’altra angolazione: confrontando 346 domande uguali su GPT-5.5 e GPT-5.6 Luna, i fan-out con site: passavano dal 21,6% al 76%, con meno fonti consultate e meno citazioni per risposta. La lettura di Seer, che loro stessi presentano come ipotesi: il modello nuovo decide prima dove guardare e poi va a controllare lì.

La conseguenza per un’azienda è doppia:

• se il modello conosce già il tuo brand, la tua pagina diventa la fonte da cui verifica: deve rispondere bene;
• se non ti conosce, una ricerca site: sul tuo dominio non partirà mai, e resti affidato alle ricerche aperte, che sono sempre meno.

È lo stesso meccanismo che ho misurato nel test su perché ChatGPT consiglia i tuoi concorrenti: la partita si gioca nei pochi secondi in cui il motore va a cercare, e i grandi partono avvantaggiati perché il modello li ha già in testa.

Cosa cerca: “ufficiale” e “prezzo”

Ahrefs ha contato anche le parole dentro i fan-out (in inglese). Fra agosto e settembre:

In un test separato su 20.000 domande, l’84,4% delle risposte a domande fattuali cita almeno una fonte ufficiale, contro il 68,3% dei confronti. Nello stesso periodo, secondo i dati Brand Radar di Ahrefs sulle risposte di ChatGPT negli Stati Uniti, le citazioni di Reddit sono scese dell’88% e quelle di Wikipedia dell’80% fra marzo e settembre, a favore di fonti primarie.

Il modello, in altre parole, cerca sempre più spesso la fonte originale: il sito del produttore, la pagina del prezzo, il documento dell’ente. Per chi vende, la fonte originale è la scheda prodotto.

Dove entrano i brand: due porte su dieci

Il laboratorio di Moz aggiunge il pezzo che manca: in quale tipo di fan-out compaiono i brand. Peter J. Meyers ha generato 50.000 fan-out con Gemini su 20 settori, divisi in dieci categorie (le stesse che Tom Capper elenca nel Whiteboard Friday sulle dieci espansioni: semantica, entità, follow-up, attributo, anticipazione, fattuale, tutorial, prospettiva, confronto, acquisto).

Il 97% delle menzioni di brand cade in due sole categorie: entità (la ricerca sul nome, “cos’è X”, “X recensioni”) e confronto (“X vs Y”, “alternative a X”). Va detto che solo il 12,8% dei prompt generati contiene un brand. I fan-out sono lunghi in media 8,2 parole (da 3 a 13): è coda lunga, non keyword secche.

Messo accanto ad Ahrefs, il quadro torna: il modello entra nel tuo sito quando cerca te per nome o quando ti confronta con altri, e in quel momento vuole la versione ufficiale e il prezzo.

Un limite da tenere presente: i dati Moz sono fan-out generati con Gemini, non ricerche reali osservate. Si citano come modello del fenomeno, non come misura.

✅ Cosa farei su un sito aziendale o un e-commerce

Capito come cerca ChatGPT, le correzioni sono poche e niente di esotico. Le cose che seguono servono anche a Google, ed è il motivo per cui le consiglio senza riserve:

1. Prezzo leggibile nell’HTML della scheda. Se il prezzo compare solo dopo un JavaScript, dietro un login o con un “prezzo su richiesta”, un fan-out “prezzo” sul tuo dominio non trova niente e il modello lo prende da un comparatore o da un rivenditore.
2. Una pagina ufficiale per ogni prodotto o servizio, senza ambiguità. Nome completo del prodotto nel titolo, caratteristiche e condizioni in testo, non solo in immagini o PDF.
3. Pagine di confronto oneste, dove ha senso: “X o Y, quale scegliere” scritto da chi li vende entrambi. È la porta “confronto” di Moz, e oggi quasi nessuna PMI italiana la presidia.
4. La pagina “chi siamo” e le pagine del brand curate come fonti, perché sono quelle che una ricerca entità trova per prime.
5. Nessun blocco ai crawler di ricerca delle AI se vuoi essere citato: ne ho parlato nella guida su cosa bloccare in robots.txt, dove distinguo i bot che addestrano da quelli che cercano.

Cosa non sappiamo ancora

Tre caveat che non vanno nascosti. Gli studi guardano query in inglese e soprattutto il mercato statunitense: quanto valgono per le ricerche italiane non è misurato. Ahrefs guarda un solo modello per due mesi, Seer un campione di 346 domande, e i numeri cambiano a ogni versione del modello. E nessuno di questi dati dice quanto traffico o quante vendite arrivano da una citazione: dice solo da dove il modello prende le informazioni.

C’è poi un limite che riguarda chiunque provi a guardare i fan-out con i propri occhi. Seer ha catturato lo stesso prompt il 3, il 16 e il 17 settembre 2026, salvando anche i dati di rete che ChatGPT non mostra a schermo. Fra il 3 e il 16 settembre le righe con le query “veloci” sono sparite dallo stream (da 4 a 0), mentre gli URL recuperati sono saliti da 14 a 40 e quelli citati sono rimasti 5-6: 34 pagine lette su 40 non sono finite nella risposta. Il 17 settembre due esecuzioni a 8 minuti di distanza non avevano nemmeno una query uguale. Il campione è di un solo prompt, e l’autore precisa che non prova che OpenAI abbia tolto qualcosa: prova che quello che si vede cambia. Per questo un singolo test non misura niente, e i numeri sui fan-out vanno letti come medie su molte esecuzioni.

Per questo, sui siti che seguo, il fan-out non diventa una nuova lista di keyword ma un controllo in più: le pagine che il modello andrebbe a cercare per nome rispondono, in chiaro, a “cos’è”, “quanto costa” e “meglio di cosa”? Se vuoi capire come questo si inserisce in un lavoro più ampio di visibilità nelle risposte AI, trovi il metodo nella pagina sulla GEO. Se vuoi che lo guardi sul tuo sito, scrivimi da uno dei canali qui sotto.