A che cosa servono davvero le FAQ nell’era degli answer engine

Da quando ChatGPT e Gemini hanno iniziato a rispondere al posto dei motori di ricerca, la raccomandazione è rimasta la stessa: i modelli generativi lavorano per domande, quindi le pagine vanno costruite sulle domande. Ed è così che negli ultimi due anni le schede prodotto si sono riempite di blocchi con “domande frequenti”, raccolte una per una dalle richieste dei clienti e marcate con lo schema FAQPage. E probabilmente lo avrai fatto anche tu.

È un’attività che ha assorbito mesi di lavoro in molti reparti marketing, tra raccolta e analisi delle domande, riscrittura, dati strutturati e aggiornamento dei template. Il problema è che questa raccomandazione è stata applicata su larga scala prima che qualcuno si preoccupasse di verificarla.

Che cosa ci dicono i dati

Ad aprile 2026 tre ricercatori indipendenti hanno pubblicato su arXiv (l’archivio in cui i lavori scientifici vengono diffusi prima della valutazione da parte di altri ricercatori del settore) uno studio costruito su 602 domande controllate rivolte a ChatGPT, Google AI Overview e Perplexity, da cui sono state raccolte 21.143 citazioni e analizzate 18.151 pagine effettivamente scaricate. L’obiettivo era distinguere due cose che di solito vengono confuse: essere citati e contribuire davvero alla risposta.

Tra le sei tipologie di contenuto misurate, cinque aumentano l’influenza di una pagina sulla risposta finale. Una sola la riduce, ed è il formato domanda e risposta: 0,0947 di influenza media contro 0,1005 delle pagine che non lo adottano, il 5,74% in meno.

Lo scarto è piccolo e va letto per quello che è. Gli autori sono i primi a delimitarlo: il risultato non dimostra che le FAQ facciano danno, dimostra che il formato di superficie non basta a segnalare a un modello che quella pagina è utile. Insomma il punto interrogativo nel titolo, da solo, non comunica nulla.

Perché il formato FAQ da solo non funziona

Per capire il motivo bisogna guardare come un modello generativo costruisce una risposta. In parole molto semplici possiamo dire che non legge la tua pagina e non la riassume, ma recupera un insieme di fonti, ne estrae i frammenti utilizzabili e li ricompone in un testo nuovo. Quello che cerca non è una pagina ben organizzata, è un pezzo di risposta già pronto, capace di reggersi da solo una volta staccato dal contesto in cui si trova.

Qui sta il problema delle FAQ come sono state scritte e pensate fino ad ora, perché una coppia domanda e risposta che si esaurisce in due righe generiche non offre nessuna informazione da estrarre. Partendo da un esempio molto semplice: ad una semplice domanda “Quanto dura la spedizione?”, una risposta come “Consegniamo in tempi rapidi” non è riutilizzabile, dato che non aggiunge nessuna informazione che il modello non sappia già formulare da solo. Il problema è che la domanda esiste, l’informazione no.

Gli autori dello studio pubblicato su arXiv avanzano due spiegazioni per il risultato negativo, ed entrambe portano allo stesso punto:

La prima spiegazione è che il formato Q&A incoraggia risposte brevi e isolate, prive della densità necessaria a sostenere una domanda complessa. La seconda spiegazione è che tra le pagine classificate come FAQ finiscono soprattutto pagine di assistenza povere di contenuto, mentre nelle altre pagine rientrano approfondimenti, documenti ufficiali e voci enciclopediche.

In un caso è il formato a invitare alla fretta, nell’altro è il tipo di pagina che quel formato attira: in nessuno dei due è il punto interrogativo a fare la differenza.
Non sai se le FAQ del tuo sito contengono informazione o solo formato? Partiamo da lì.

Che cosa rende una FAQ utilizzabile

Lo stesso studio misura anche il movimento opposto, cioè quali contenuti aumentano l’influenza di una pagina sulla risposta finale, e la classifica è netta: il codice guida con un’influenza media superiore del 76,88%, seguito da numeri e statistiche con il 61,55%, definizioni con il 57,33%, confronti con il 55,28% e istruzioni operative con il 41,20%.

Il codice riguarda un numero ristretto di settori, ma le altre quattro categorie sono alla portata di qualsiasi azienda, e hanno una caratteristica in comune: sono tutte forme di prova, cioè informazioni che conservano un valore anche quando vengono staccate dal contesto in cui sono state scritte. È il motivo per cui un modello le riutilizza volentieri, mentre scarta le affermazioni che potrebbe generare da solo.

È il meccanismo che avevamo già misurato analizzando il brand Invicta: la pagina che porta il marchio più in alto nelle risposte generative non è quella dedicata al prodotto né quella sulla storia del brand, ma la tabella delle taglie. L’unica costruita come informazione pura e verificabile.

Partendo da questo studio abbiamo ricavato sei regole di scrittura, che non stanno nello studio ma nascono dall’applicarne i risultati alle FAQ che leggiamo ogni giorno nei progetti dei clienti.

• Rispondere davvero e in modo esaustivo

La risposta deve contenere l’informazione, non solo accennarla. Se dopo averla letta il lettore deve ancora cercare altrove, il modello farà lo stesso e passerà a un’altra fonte.

• Inserire dei numeri

Un tempo, una misura, una percentuale, un costo, una quantità. È l’elemento che rende una risposta citabile invece che parafrasabile, perché è l’unica cosa che il modello non può generare da sé.

• Dare un nome alle cose

I frammenti vengono estratti fuori contesto, quindi se scrivi “questo prodotto” o “il nostro servizio” il pezzo estratto diventa inutilizzabile. Ripeti dentro la risposta il nome del prodotto, del modello, dell’azienda.

• Aggiungere un confronto

I contenuti comparativi sono i formati preferiti dai modelli di intelligenza artificiale, perché le domande rivolte ai modelli sono quasi sempre domande di scelta: rispetto alla versione precedente, a differenza di un’alternativa, nei casi in cui invece conviene un’altra scelta, le migliori opzioni.

• Dare profondità

Due righe di testo non contengono abbastanza materiale perché un modello possa utilizzarla per fornire una risposta. Una risposta utile ha lo spazio per un dato, la condizione in cui vale ed eventualmente l’eccezione, e nella nostra esperienza si tratta di un paragrafo pieno, non di una frase.

• Non duplicare lo stesso blocco

Ripetere risposte identiche su decine di URL non moltiplica le possibilità di essere citati, moltiplica il cosiddetto rumore. Ogni pagina merita le domande che le appartengono.

Facciamo un esempio pratico con una delle FAQ che abbiamo rivisto in una strategia di ottimizzazione dei contenuti per un nostro cliente con il prima e il dopo:

Prima
Q: Quanto dura la batteria?
A: La batteria ha un’ottima autonomia e dura tutta la giornata.

Qui avevamo poche parole e nessuna informazione: i modelli generativi non avevano nessuna informazione utile da prendere, perché “ottima autonomia” e “tutta la giornata” sono formule che possono essere utilizzate e scritte da solo senza aver mai visto la pagina.

Dopo

Q: Quanto dura la batteria delle cuffie Modello X?
A: Il Modello X monta una batteria da 600 mAh che garantisce 18 ore di riproduzione continua a volume medio e circa 36 ore in standby. Con un utilizzo misto di chiamate e streaming l’autonomia rilevata è di due giorni pieni. La ricarica completa richiede 90 minuti via USB-C, mentre 10 minuti di ricarica rapida restituiscono circa 4 ore di ascolto. Rispetto al Modello W, che dichiarava 12 ore, l’autonomia aumenta del 50%.

Cosa abbiamo fatto? Abbiamo semplicemente messo in pratica le regole di scrittura ed in particolare nella risposta. Ora la risposta contiene una misura, un tempo, una condizione d’uso, una procedura e un confronto: cinque elementi che un modello può estrarre e riutilizzare, e che nessun concorrente poteva fornire al posto del nostro cliente perché riguardano soltanto il prodotto del suo ecommerce. Ed è proprio questa la differenza tra un contenitore e una prova.

Ogni azienda possiede numeri come questi. Il lavoro sta nel farli diventare risposte che i modelli possano riutilizzare. Parliamone.

Le FAQ non sono finite, sono diventate più difficili

L’errore di questi due anni non è stato aggiungere domande, ma credere che una forma potesse sostituire un contenuto. È lo stesso errore che la SEO ha già commesso con il fenomeno della keyword density e keyword stuffing: un segnale facile da produrre e, proprio per questo, privo di valore nel momento in cui tutti lo producono.

Le FAQ continuano a funzionare, a una condizione: che smettano di essere un modulo da compilare e diventino il punto della pagina in cui metti le informazioni più precise che possiedi. È un lavoro più impegnativo che raccogliere venti domande e rispondere in fretta, ed è esattamente per questo che chi lo fa ottiene un vantaggio difficile da replicare.

Scrivere FAQ che i modelli generativi possano davvero utilizzare richiede due cose che raramente stanno nello stesso posto: conoscere il prodotto abbastanza da poterci mettere numeri veri, e sapere come i sistemi AI selezionano e riutilizzano un contenuto. La prima parte ce l’hai già, la seconda è il nostro lavoro quotidiano.

Partiamo da quello che hai pubblicato, perché nella maggior parte dei casi le FAQ non vanno riscritte tutte: vanno distinte quelle che possono diventare una fonte da quelle che occupano spazio senza produrre nulla. Con una corretta gestione della creazione dei contenuti individuiamo le domande su cui vale la pena essere la fonte del tuo mercato e costruiamo risposte pensate per essere riutilizzate, con dentro i numeri e i confronti che solo tu puoi fornire.

*Fonte: Zhang Kai, He Xinyue, Yao Jingang, “From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms”, arXiv:2604.25707, aprile 2026.