Essere presenti tra le fonti di AI Overviews, AI Mode e i nuovi sistemi ibridi che uniscono un motore di ricerca a un Large Language Model (o a sistemi agentici) è diventato un argomento centrale. In questo nuovo contesto, "essere pertinenti" è diventato fondamentale. Ma cosa significa "pertinente" per un algoritmo? Lo scopriremo insieme anche attraverso un sistema multi-agente che si basa proprio su questo concetto.

Un piccolo script in Python, completamente configurabile e gratuito,  pensato per automatizzare i controlli SEO e tecnici più noiosi… e  scoprire tutto quello che non dovrebbe mai succedere: redirect spariti, robots.txt sabotati, segnali di hack o semplici disastri da venerdì  pomeriggio. SEO Sentinel è il cane da guardia perfetto per chi vuole segnalare problemi prima ancora che il reparto tecnico possa negarli.

Attraverso keyword research e text analysis, si possono condurre ricerche di mercato come le grandi aziende. Utilizzeremo uno standard delle analisi di Brand chiamato BAV (Brand Asset Valuator) in modo completamente nuovo usando i motori di ricerca anzichè interviste e focus group.

L'era dei tool SEO tradizionali è in crisi: mentre continuiamo a pagare migliaia di euro l'anno per interfacce che spesso usiamo al 20%, una rivoluzione silenziosa sta cambiando per sempre il modo di fare SEO, ed è guidata da DataforSEO e l'integrazione all'interno di Claude. In questo intervento mostrerò: Come fare il completo dell'integrazione DataForSEO MCP con Claude.AI in 10 minuti Case Study Reale: Come è possibile costruire una strategia SEO in una manciata di minuti, spendendo €0,40 invece di oltre €200 su Semrush Quali sono i migliori prompt dai quali partire in ottica di revenue!

Mi costa più mantenere il gatto che un team di Agenti IA per la SEO. In questo intervento mostrerò le potenzialità di un workflow automatizzato con n8n per lo studio completo della SERP e dei competitor. Crea database, grafici e analisi potenziate dall’IA in continuo apprendimento e dal nostro know-how. Parleremo di PaaS, MCP server e IA con una guida visuale step by step (meme inclusi). Ti condivido tutto il mio setup: con pochi euro avrai una squadra di Agenti IA pronti all'uso.

Dall'analisi dei competitor alla roadmap di contenuto... senza mai lasciare il vostro crawler. In questo intervento vedremo come trasformare una scansione tecnica in un'analisi strategica. Orchestrando un set di API direttamente nel tool per de-costruire la strategia dei competitor e generare un piano d'azione chirurgico. L'intero processo, centralizzato in un unico, straordinario strumento.

C’è chi parla di fortuna. Di brand enormi. Di risultati irraggiungibili. Io scommetto uno spritz che si può entrare in AI Overview anche con un sito piccolo. Come? Con un lavoro strategico sulla SERP, contenuti su misura per le query conversazionali e l’uso dei nuovi tool di SEOZoom. In questo caso studio ti mostro come leggere le nuove opportunità offerte dall’intelligenza artificiale nei risultati di ricerca, come strutturare una content strategy adatta ai contesti generativi, e quali segnali considerare per diventare la risposta giusta. Perché non basta esserci: bisogna farsi scegliere. Anche da un’AI.

Il metodo cosine similarity è utile per comprendere i meccanismi di selezione delle fonti e di generazione delle risposte in sistemi come AI overview (ad esempio quelli nei motori di ricerca basati su AI) e aiuta a misurare la similarità semantica tra testi. Usare la cosine similarity per la SEO permette di misurare quanto un contenuto è semanticamente allineato alle query degli utenti, aiuta nell'ottimizzazione dei testi, individua i gap rispetto ai competitor e migliora il posizionamento nei motori di ricerca.

Quando si lavora con i Large Language Model (LLM) su scala ampia, anche piccoli sprechi possono tradursi in costi significativi. Abbiamo confrontato diversi modelli commerciali di LLM, con l’obiettivo di individuare le soluzioni più sostenibili senza rinunciare alla qualità dei testi. In questo intervento vedremo come progettare prompt efficienti e come strutturare l’infrastruttura di chiamata per ottimizzare l’utilizzo dei modelli. Tra le tecniche per ridurre i costi: dall'uso di cache e batch, fino a stratagemmi che non ti aspetti.

Metodi, strumenti e casi d'uso per costruire tool che attraverso l'utilizzo di Python, OpenAI, altri strumenti (tra cui api come Serper.dev, Pagespeed Insights, Moz, Ahrefs e simili) e Streamlit (per la distribuzione facile e veloce), automatizzano diverse attività che prima avevano bisogno di tanto lavoro ripetitivo oppure di una grossa capacità tecnica per trattare grandi quantità di dati e/o per fare analisi statistiche avanzate.

Da idea a realizzazione - la strada che stiamo percorrendo per pubblicare un tool SEO.

L'intervento si basa su uno strumento creato grazie a Python e si sviluppa in tre step: 1) La prima parte di analisi viene fatta con alle API di Serper.dev, grazie a questo strumento possiamo fare uno scraping dei primi risultati di ricerca per ogni keyword dei cluster di nostro interesse e comprendere quali sono i competitors in SERP; 2) In una seconda fase andiamo ad analizzare grazie a Screaming Frog ed alle API di OpenAI i metadati ed il contenuto dei principali competitors per cluster di SERP tenendo conto dei domini che sono presenti con maggiore frequenza sulle SERP di riferimento. Per approfondire la conoscenza degli utenti target del nostro settore andiamo poi a fare uno scraping delle recensioni di TrustPilot del nostro brand di riferimento grazie a Screaming Frog estraendo l’Xpath della sezione commenti ed analizzando il contenuto con le API di OpenAI. 3) Nella terza ed ultima fase utilizziamo il nostro Web Tool creato con Python e utilizzabile in locale grazie a Streamlit. Il sistema è in plug and play ed inseriremo i file con i nostri competitors, i loro metadati ed il contenuto e le recensioni o commenti relativi al nostro brand per cogliere il sentiment e le problematiche da risolvere dei nostri utenti. L'output creato ci fornirà dei suggerimenti sui contenuti da creare per il nostro sito, migliorie sulle nostre Landing Pages, suggerimenti per la creazione di infografiche e post per i canali social unendo l'analisi del sentiment delle recensioni con il contenuto presente nelle pagine dei nostri competitors. Il risultato finale sarà trascritto in un documento Word e diviso in sezioni: 1) Suggerimenti per i contenuti; 2) Analisi di recensioni e sentiment; 3) Proposta di strategia da integrare su più canali; Grazie a questo strumento possiamo generare idee e strategie in maniera rapida ed accurata.

Per affrontare la complessità attuale delle SERP abbiamo sviluppato un codice Python che integra API delle SERP di Google e intelligenza artificiale per poter ottenere diverse informazioni partendo da un elenco di parole chiave. In questo modo è possibile comprende meglio gli intenti di ricerca, categorizzare le tipologie di pagine che appaiono in SERP per ogni parola chiave ed ottenere informazioni su competitor e AI Overview, il tutto in una semplice applicazione caricata su streamlit. Nel corso dell'intervento descrivo le necessità che ci hanno portato allo sviluppo di questa soluzione, ile modalità di uso, il suo contenuto e degli esempi di output.

Da alcuni mesi sto tentando di sviluppare uno strumento AI che segua un flusso per aiutare nel refresh dei vecchi contenuti, una delle attività più impattanti (ma talvolta trascurate!) in ottica SEO. Gli spunti alla base erano di creare un assistente AI capace di: - analizzare un contenuto esistente; - confrontarlo con keyword strategiche; - incrociarlo con dati reali da Google Search Console; - proporre micro-integrazioni testuali per migliorarlo. Il tutto con un flusso meno manuale possibile. Avendo delle competenze proprio basilari di programmazione, ho fatto dei tentativi delegando lo sviluppo a degli strumenti AI come Claude, ChatGPT, Google AI Studio, ... In alcuni casi non è andata come speravo e ho incontrato diversi limiti tecnici, prima di arrivare ad un prototipo soddisfacente. Mi piacerebbe dunque raccontare come mi sono mosso di fronte ai vari problemi tecnici, cosa ha funzionato (e cosa no), che alternative ho ipotizzato ed i limiti dello strumento creato. Il tutto mostrando come ormai chiunque può iniziare a sperimentare strumenti AI in modo pratico per altre persone, anche senza saper programmare, grazie a dei tool che riescono a creare anche l'interfaccia finale.

Cosa succede quando due SEO di lungo corso decidono di smettere di cercare il tool perfetto… e iniziano a costruirselo da soli? In questo intervento esploriamo il "Vibe Coding", un approccio leggero e sperimentale allo sviluppo di strumenti su misura per la SEO, nato dall'esperienza sul campo e dalla voglia di superare i limiti delle soluzioni preconfezionate. Andrea Scarpetta e Martino Mosna condividono esempi pratici, piccoli hack e strumenti sviluppati in autonomia, con un occhio sempre puntato al valore strategico. Uno speech pensato per chi fa SEO con le mani in pasta e vuole scoprire nuovi modi per creare, ottimizzare e scalare processi… col giusto vibe.

Una sfida live e interattiva in cui i partecipanti mettono alla prova le competenze acquisite durante la giornata.