È arrivato il framework IAB sulla visibilità AI. È il traguardo che mancava alla GEO.

Nell’agosto 2026, l’IAB ha pubblicato Measuring Visibility in the AI Era, il primo framework intersettoriale che definisce come misurare, rendicontare e mantenere nel tempo la visibilità di brand e publisher nelle risposte AI. Nasce da Project Eidos, l’iniziativa IAB dedicata agli standard di misurazione, sviluppata da un gruppo di lavoro che riunisce brand (Walmart), agenzie (WPP Media, PMG, Tinuiti), publisher e società di misurazione.

La diagnosi contenuta nel documento è netta e corretta. Oltre 20 aziende vendono oggi strumenti per la visibilità AI, ciascuna con la propria metodologia, libreria di prompt e sistema di scoring, producendo risultati diversi per lo stesso brand. Solo il 16% dei brand monitora sistematicamente la propria visibilità AI, non perché manchino i budget, ma perché finora i buyer non avevano basi per valutare ciò che acquistavano. Ottimizzare senza misurare significa procedere per ipotesi e, prima di questa pubblicazione, non esisteva una definizione condivisa di cosa significassero una menzione, una citazione o una share of voice.

Per questo la pubblicazione conta più di quanto suggeriscano le sue 36 pagine. Un mercato può maturare solo quando il rigore diventa comparabile. Il framework offre ai buyer un vocabolario, uno standard qualitativo e una checklist di trasparenza; ai provider più rigorosi offre ciò che attendevamo fin dal primo giorno: la possibilità di competere sulla metodologia, non sulle promesse.

Trasparenza e metodo. Meikai è un provider di misurazione della visibilità AI, quindi questo articolo rappresenta la lettura, da parte di un operatore del mercato, di un framework che si applica anche a noi. Oggi l’IAB non valuta né certifica i provider e nulla di quanto segue costituisce un’approvazione dell’IAB. Le dichiarazioni sulle funzionalità di Meikai riflettono il prodotto e la documentazione MCP disponibili alla data di pubblicazione; gli elementi di roadmap sono indicati come tali. Questa resta un’autovalutazione di Meikai, non una validazione dell’IAB. Vi invitiamo ad applicare a noi e a ogni provider della vostra shortlist l’esercizio suggerito dal framework: chiedete cosa deve rendere noto un fornitore prima che possiate fidarvi dei suoi dati.

Cosa dice davvero il framework IAB

Il framework svolge quattro funzioni e, deliberatamente, non ne svolge una quinta. Definisce un vocabolario condiviso delle metriche, stabilisce standard qualitativi, specifica cosa devono dichiarare i provider e descrive come gestire un programma di misurazione che resti comparabile nel tempo. Non valuta gli strumenti e non raccomanda fornitori. Il suo perimetro riguarda esclusivamente la visibilità organica; la misurazione dei posizionamenti paid è indicata come una lacuna adiacente da colmare con urgenza.

Il vocabolario delle metriche è organizzato intorno alle 4 P della visibilità AI, una gerarchia causale che va dalla presenza all’azione:

Al di sopra del vocabolario si collocano due idee che consideriamo il cuore del documento. La prima è la distinzione tra misurazione direzionale e decision-grade: i segnali di trend sono legittimi, ma allocazione del budget, selezione dei provider e strategia executive richiedono standard più elevati per dimensione del campione, volume delle query, copertura degli intenti, frequenza, riproducibilità, validazione, documentazione e copertura delle piattaforme. L’errore consiste nel trattare dati direzionali come decision-grade senza riconoscere la distanza tra i due livelli.

La seconda è il principio di trasparenza: i livelli qualitativi funzionano solo se i buyer possono verificarli. I provider devono quindi dichiarare la copertura delle piattaforme, come costruiscono la libreria di prompt, la provenienza delle query, l’architettura di raccolta, l’approccio alla validazione e la gestione delle baseline. Se un provider non rende disponibili queste informazioni, l’assenza stessa diventa un segnale.

Perché è un traguardo per la GEO

Per tre ragioni, oltre a quella evidente per cui gli standard precedono la maturità in ogni mercato della misurazione.

Pone fine alla confusione sulle definizioni. Quando due strumenti riportavano share of voice diverse per lo stesso brand, finora il confronto riguardava soprattutto chi avesse il marketing più convincente. Ora può concentrarsi sul denominatore utilizzato, sulla definizione dell’universo competitivo e sul metodo di campionamento: domande a cui è possibile dare risposte verificabili.

Rende costosa l’opacità. Il framework invita i buyer a considerare la mancata trasparenza una lacuna sostanziale in qualsiasi dichiarazione di qualità. Questa singola indicazione cambia il procurement. I provider basati su scoring black-box devono ora sostenere l’onere della prova.

Affronta con onestà i problemi più complessi. Il non determinismo non può essere eliminato con l’ingegneria, una singola risposta non costituisce una misurazione e una share of voice presentata come valore puntuale suggerisce una falsa precisione. Il framework chiede al settore di riportare distribuzioni, intervalli e dati per piattaforma. È scomodo per chi vende certezze, ed è esattamente ciò che serve.

Lo affermiamo come azienda il cui nome significa chiarezza. La trasparenza del metodo è il principio fondante di Meikai ed è davvero incoraggiante vedere l’organismo di standardizzazione del settore arrivare alla stessa conclusione: nessuna black box.

Come si posiziona Meikai rispetto alle 4 P

In sintesi: Meikai è sostanzialmente allineato ai principi di misurazione del framework e implementa già gran parte del suo vocabolario fondamentale. Dove le formule coincidono lo dichiariamo; dove Meikai utilizza una tassonomia o un indicatore proxy diverso, evidenziamo la differenza. La tabella seguente è verificabile rispetto alle definizioni dei KPI disponibili nella piattaforma, documentate e interrogabili tramite il nostro server MCP.

Rispetto allo standard decision-grade

La matrice dei criteri è il punto in cui il framework diventa davvero incisivo. Ecco la mappatura verificabile.

Per la stabilità, terzo pilastro del framework, la nostra coorte sul decadimento delle citazioni da marzo a luglio 2026 mostra con chiarezza quanto seriamente distinguiamo gli effetti generati dalle piattaforme da quelli dovuti al mercato: la stessa modifica alle pagine fonte ha ridotto le citazioni di ChatGPT al 12,2% della baseline, mentre Perplexity è rimasto al 109,5%, senza campagne media attive. Un punteggio combinato avrebbe registrato questo andamento come performance del brand. Il reporting per piattaforma non è una preferenza di prodotto: è ciò che rende onesta l’attribuzione. L’analisi completa è disponibile nel nostro studio sul decadimento delle citazioni.

Dove non siamo ancora pienamente allineati

Il framework chiede ai provider di differenziarsi sul rigore anziché sulle promesse. Ecco quindi, con trasparenza, le aree ancora da colmare.

Tassonomia degli intenti. L’IAB segmenta le query in informative, comparative, di raccomandazione e transazionali. La nostra tassonomia segue le fasi del funnel (awareness, consideration, conversion): copre lo stesso perimetro, ma con confini diversi. Pubblicheremo una mappatura esplicita tra le due, così che i buyer possano confrontare le nostre dichiarazioni su basi omogenee.

Tassi nominati di rappresentazione errata. Rendiamo disponibili risposte grezze, segnali di percezione ed evidenze delle pagine citate che i team possono usare per analizzare potenziali inesattezze, senza nascondere le risposte sottostanti. Non riportiamo ancora Hallucination Rate e Factual Inaccuracy Rate come due tassi distinti, per piattaforma, confrontati con una fonte di verità fornita dal brand e conformi alle esatte definizioni IAB. Questa formalizzazione è ora nella nostra roadmap e riteniamo corretta la distinzione IAB tra i due casi, ovvero contenuti inventati dalla piattaforma rispetto alla riproduzione fedele di una fonte errata, perché richiedono interventi diversi.

Soglie di variabilità. Il gruppo di lavoro ha deliberatamente lasciato aperte le soglie quantitative per una variabilità accettabile. Per le stime EIVA e di citation lift pubblichiamo già livelli di qualità del campione e controlli di confidenza. Allineeremo intervalli pubblicati più ampi ai valori del gruppo di lavoro quando saranno disponibili.

Nulla di tutto questo cambia la nostra lettura del documento. Un framework che consentisse a un provider di dichiarare un risultato perfetto fin dal primo giorno avrebbe scarso valore.

Dove spingeremo il settore ad andare oltre

Intendiamo allinearci a questi standard ovunque rendano la misurazione più comparabile. Vogliamo anche sostenere, nel dibattito di settore, tre aree in cui il framework dovrebbe evolvere.

La misurazione del paid non può restare un’appendice. Il framework si limita alla visibilità organica e indica come priorità adiacente urgente la standardizzazione della misurazione paid, perché citazioni organiche e posizionamenti paid vengono ora mostrati sulla stessa superficie di risposta. Siamo d’accordo e operiamo su questa superficie dal lancio di ChatGPT Ads: paid e organico devono condividere lo stesso livello di pianificazione, ma mai lo stesso punteggio. Il settore dovrebbe standardizzare questa separazione prima che si diffondano dashboard che combinano paid e organico. La nostra posizione è illustrata nel confronto tra piattaforme GEA.

I prompt reali dei consumatori devono passare da elemento di trasparenza a dimensione qualitativa. Il framework richiede già ai provider di dichiarare se i set di query sono sintetici o basati su comportamenti reali. Riteniamo che la prossima revisione debba spingersi oltre: una libreria di prompt mai validata rispetto a ciò che le persone chiedono davvero all’AI può essere riproducibile e rispondere con precisione alle domande sbagliate, come riconosce lo stesso framework. Meikai utilizza dati anonimizzati da panel di prompt reali nelle attività di ricerca e in determinati workflow di Prompt Studio, per verificare se il monitoraggio sintetico rifletta una domanda autentica dei consumatori; la nostra metodologia di modellazione dei prompt descrive l’approccio generale.

Portrayal merita più della polarità. Il framework riconosce apertamente che l’accuratezza della classificazione del sentiment varia e che nei contesti commerciali prevale un linguaggio descrittivo neutro. È anche la nostra esperienza e per questo valutiamo attributi strutturati su una scala da 1 a 5. Sosterremo l’inclusione della percezione per attributi nel vocabolario fondamentale man mano che il livello Portrayal maturerà.

E quando il framework di trasparenza diventerà un programma di certificazione, come anticipa il documento, saremo nel primo gruppo a candidarsi.

Cosa significa per i buyer questo trimestre

Non aspettate la certificazione. La checklist di trasparenza può già essere utilizzata nel procurement. Chiedete a ogni provider della vostra shortlist, noi compresi, quali piattaforme e versioni dei modelli copre, come costruisce e aggiorna la propria libreria di prompt, se le query sono sintetiche o basate su comportamenti reali dei consumatori, come rileva le menzioni tra sistemi di scrittura e lingue diverse, rispetto a cosa valida i dati e come gestisce le baseline storiche quando i modelli vengono aggiornati. Collegate poi le risposte alla decisione che dovete prendere: evidenze direzionali per un briefing, evidenze decision-grade per un budget.

Se volete vedere come Meikai risponde a queste domande per il vostro brand e i vostri mercati, parlate con il nostro team. Vi mostreremo le risposte grezze dietro ogni numero, perché questo è il punto.

---

Metodo e fonti

La descrizione del framework sintetizza il documento IAB Measuring Visibility in the AI Era, pubblicato nell’agosto 2026 nell’ambito di Project Eidos e letto integralmente alla data di pubblicazione. Le dichiarazioni sulle funzionalità di Meikai riflettono il prodotto, la documentazione MCP e le analisi citate disponibili alla data di pubblicazione; gli elementi di roadmap sono indicati come tali. I dati sulle citazioni riguardano una coorte fissa di 126 brand monitorati da marzo a luglio 2026, misurati in citazioni per 1.000 risposte delle piattaforme; metodologia completa e limiti sono disponibili nell’analisi collegata. Questa è l’autovalutazione di un operatore del mercato rispetto a un framework pubblicato, non un audit indipendente.

• IAB: Measuring Visibility in the AI Era, August 2026
• Documentazione MCP di Meikai, incluse le definizioni dei KPI e i concetti fondamentali
• Meikai: analisi del decadimento delle citazioni LLM
• Meikai: metodologia di modellazione dei prompt
• Meikai: confronto tra piattaforme GEA
• Meikai: panoramica sulla sicurezza