Come si fa una keyword research nel 2026 quando Google risponde già da solo
Come cambia la keyword research nel 2026: un metodo per scegliere query con domanda, click potenziale e valore commerciale nell’era delle risposte AI.
Fare keyword research nel 2026 significa capire non soltanto che cosa viene cercato, ma quali ricerche possono ancora generare una visita, influenzare una decisione o far entrare un brand tra le fonti usate da Google. Il volume resta utile, ma non basta più: due query da 1.000 ricerche mensili possono avere un valore completamente diverso se la prima viene risolta da una risposta sintetica e la seconda richiede un confronto, una prova o una scelta.
La vecchia sequenza era lineare: trovavi una keyword, controllavi volume e difficoltà, scrivevi una pagina migliore delle altre e stimavi il traffico in base alla posizione. Quella sequenza oggi perde un passaggio decisivo: osservare che cosa succede prima del click.
Non significa che la keyword research sia morta. Significa che deve smettere di essere una raccolta di parole e diventare una mappa delle decisioni.
Perché il volume di ricerca non equivale più al traffico potenziale
Il volume misura quante volte una ricerca viene effettuata, non quante persone visiteranno un sito dopo averla fatta. Questa distinzione esisteva già con featured snippet, mappe, immagini e annunci; con AI Overviews e AI Mode è diventata troppo grande per essere ignorata.
Google spiega che AI Overviews e AI Mode possono usare il query fan-out: una domanda viene scomposta in più ricerche su sottoargomenti e fonti differenti. In pratica, una persona può formulare una richiesta complessa una sola volta mentre il sistema esegue dietro le quinte diverse query correlate. La conseguenza per chi fa SEO è importante: la frase digitata dall'utente non rappresenta più necessariamente l'intero spazio di ricerca su cui una pagina può essere recuperata. È documentato nella guida di Google alle funzionalità AI nella ricerca e nella spiegazione ufficiale di come funziona il query fan-out in AI Mode.
Anche il comportamento del click cambia in base alla natura della domanda. Uno studio del 2026 condotto su 55.393 query ha rilevato AI Overview nel 13,7% del campione complessivo, ma nel 64,7% delle query formulate come domanda. È un campione specifico, non una percentuale universale applicabile a tutte le SERP italiane; mostra però perché classificare l'intento come semplice etichetta “informazionale” non è più sufficiente. La forma e la complessità della domanda incidono sulla superficie che l'utente incontra.
Un'altra ricerca del 2026 sull'effetto delle sintesi AI sul traffico di Wikipedia ha osservato cali più forti per gli argomenti culturali e più contenuti per quelli STEM. L'interpretazione più solida è che una risposta breve sostituisca meglio una pagina quando il bisogno è semplice; confronti e attività complesse conservano invece più valore per il click.
Questo porta a una regola pratica: non stimare il traffico di una keyword finché non hai visto la SERP e capito che cosa resta irrisolto dopo la risposta di Google.
La keyword research nel 2026 parte dal business, non dal tool
Una keyword research utile comincia dalle decisioni che il cliente deve prendere prima di comprare, non dal campo di ricerca di Semrush, Ahrefs o Keyword Planner. Il tool serve a misurare e ampliare la domanda; non può decidere quale domanda ha valore per il tuo modello economico. Se vuoi prima consolidare il metodo tradizionale, trovi anche la mia guida completa alla ricerca delle query.
“Come scegliere una macchina da caffè” e “migliore macchina da caffè per ufficio con 20 dipendenti” appartengono allo stesso argomento, ma non allo stesso momento decisionale. La prima può essere soddisfatta da una sintesi; la seconda richiede capacità, manutenzione e confronto tra modelli. Ha meno volume potenziale, ma più vicinanza alla vendita. Lo stesso vale per un SaaS: “cos'è un CRM” può esaurirsi in una definizione, mentre “CRM per team commerciale con ciclo di vendita lungo” apre un confronto operativo.
Prima di cercare keyword, quindi, scrivo su un foglio problemi risolti, alternative, obiezioni e attività da completare. Non sono ancora parole chiave: sono il perimetro commerciale entro cui avranno o non avranno senso.
Questa è anche la differenza tra una lista che riempie un calendario editoriale e una vera strategia dei contenuti: la prima produce titoli, la seconda costruisce percorsi verso una decisione.
Le fonti da incrociare: domanda reale, mercato e SERP
Nessuna fonte racconta da sola tutta la domanda. Search Console descrive come Google sta già collegando un sito alle ricerche; i database SEO stimano la domanda complessiva e mostrano i competitor; la SERP rivela quale esperienza riceve davvero l'utente.
Search Console viene prima quando il sito ha uno storico. Le query con molte impression e posizione bassa mostrano temi che Google associa già al dominio. Le query con una buona posizione e CTR debole richiedono invece un controllo della SERP: il problema potrebbe essere il title, ma potrebbe anche esserci una risposta AI, un box o un formato che riduce i click disponibili. Google conferma che click e impression provenienti dalle funzionalità AI confluiscono nel report Performance di tipo Web; non esiste quindi, dentro quel report, una lettura completamente separata e comoda del traffico AI.
Sul mio sito ho visto quanto sia pericoloso leggere un solo numero fuori dal contesto. Dopo il Core Update di maggio 2026, le impression giornaliere sono passate da 711 a 15. È un calo di circa il 98%. Quel dato non dice da solo “scrivi più contenuti” e non dimostra che la causa siano le AI Overview. Dice qualcosa di più utile: le associazioni che Google faceva tra sito, pagine e query sono cambiate, quindi continuare ad alimentare il vecchio piano editoriale senza rifare una vera analisi SEO sarebbe stato lavoro alla cieca.
I tool e le fonti di dati di terze parti vengono dopo. Servono per espandere le seed keyword, leggere i concorrenti e stimare volume e difficoltà. Puoi usare interfacce pronte oppure collegare direttamente API di dati SEO come DataForSEO, ma i numeri restano stime, spesso diverse tra database. Anche Google Keyword Planner usa tendenze storiche e può raggruppare varianti: il volume mensile non è una previsione esatta.
Infine c'è la SERP, che non va delegata al foglio Excel. Per ogni cluster verifico risultati, AI Overview, video, mappe, prodotti, forum e comparatori. Solo allora posso stimare l'opportunità.
Il metodo: dal cluster alla probabilità di ottenere valore
Il mio metodo nel 2026 usa la keyword come porta d'ingresso, ma assegna la priorità al cluster. Un cluster è un insieme di ricerche che condividono lo stesso problema e possono essere risolte dalla stessa pagina senza forzature. Nella lezione sulla content strategy SEO mostro come questi cluster diventano un piano editoriale.
Parto da una seed collegata a un servizio o a un prodotto e raccolgo le varianti da Search Console, tool SEO, autocomplete, ricerche correlate, forum, call commerciali e domande ricevute dai clienti. L'AI può aiutare a ripulire e raggruppare migliaia di righe, ma non deve inventare volumi né decidere da sola l'intento. Un modello linguistico riconosce bene somiglianze testuali; distingue molto meno bene due query simili che, in una SERP reale, attivano formati e risultati diversi.
Il passaggio successivo è il clustering manuale assistito dai dati. Se due query producono risultati molto simili e rispondono allo stesso bisogno, appartengono alla stessa pagina. Se una query richiede un confronto commerciale e l'altra una definizione, possono meritare pagine differenti anche quando condividono le stesse parole. È qui che si evita la cannibalizzazione: non guardando soltanto la stringa, ma la sovrapposizione dell'intento e dei risultati.
Poi assegno a ogni cluster quattro giudizi da 1 a 5: rilevanza per l'offerta, vicinanza alla decisione, necessità del click e spazio per aggiungere prove originali. La difficoltà SEO rimane, ma entra come costo, non come definizione del valore.
Non serve fingere che questa valutazione sia matematica. Il punteggio rende visibili le assunzioni e permette di confrontare opportunità diverse:
Opportunità = rilevanza × valore commerciale × necessità del click × spazio di evidenza, diviso difficoltà
Se una keyword ha volume alto ma la SERP offre già una risposta completa, la “necessità del click” sarà bassa. Se richiede un preventivo, un configuratore, dati proprietari o un confronto aggiornato, sale. Senza esperienze o prove migliori delle pagine esistenti scende invece lo “spazio di evidenza”.
Come valutare se Google può rispondere senza di te
La necessità del click è la variabile che mancava nella keyword research tradizionale. Non si misura con certezza assoluta, ma si può stimare osservando il lavoro che l'utente deve ancora fare dopo aver letto la SERP.
Una definizione semplice, una conversione di unità o una risposta fattuale breve hanno un click potenziale debole. Una comparazione con molti vincoli, una diagnosi, un modello scaricabile, dati aggiornati, un calcolatore o una scelta ad alto rischio conservano invece un motivo forte per visitare la fonte.
Tipo di ricercaEsempioRisposta diretta sufficiente?Contenuto con più probabilità di creare valoreDefinizione semplice“cos'è la keyword difficulty”Spesso sìDefinizione utile dentro una pagina più ampiaProcedura standard“come usare Keyword Planner”In parteTutorial aggiornato con schermate e casi realiDiagnosi“perché le impression SEO sono crollate”NoAlbero decisionale basato su dati e dateConfronto“Semrush o Ahrefs per un ecommerce”RaramenteTest con criteri, costi e limiti dichiaratiDecisione commerciale“consulente SEO per ecommerce internazionale”NoPagina servizio con prove, processo e casi pertinentiStrumento“calcolo ROI SEO”NoCalcolatore o modello utilizzabile
Le query definitorie non vanno abbandonate: possono costruire copertura tematica e citazioni. Vanno però valutate con un obiettivo diverso dal traffico diretto e devono sostenere un cluster importante oppure offrire una prova che valga la pena recuperare. È lo stesso principio alla base dell'AI Visibility Framework: essere recuperabili non basta se il contenuto non offre ragioni per essere scelto come fonte.
Query fan-out: perché bisogna cercare sotto-domande, non soltanto sinonimi
Il query fan-out sposta la ricerca dalle varianti lessicali alle sotto-domande necessarie per completare un compito. “Software gestionale per ecommerce” può aprire ricerche su integrazioni, costo, migrazione, assistenza, compatibilità con la piattaforma e dimensione del catalogo. Non sono semplici sinonimi della seed keyword: sono i pezzi del ragionamento che precede la scelta.
Per questo non chiedo all'AI “dammi cento keyword correlate”. Le chiedo di simulare quali informazioni mancano a un responsabile ecommerce per passare dal problema alla shortlist, poi verifico quelle ipotesi nei dati e nella SERP. L'AI accelera la generazione delle domande; Search Console, i tool e i risultati reali stabiliscono quali abbiano evidenza.
Se usi ChatGPT per produrre direttamente la keyword research, ottieni spesso una tassonomia plausibile ma priva di domanda misurata. Se lo usi per scoprire dimensioni del problema da verificare, diventa un buon assistente di ricerca.
Sul piano editoriale, ogni cluster dovrebbe avere una pagina principale capace di risolvere l'intento centrale e contenuti di supporto soltanto quando esiste una sotto-domanda autonoma. I collegamenti tra queste pagine non si aggiungono alla fine per “fare internal linking”: fanno parte dell'architettura inclusa nella SEO Strategy e aiutano persone e motori a capire la relazione tra problema, approfondimento e soluzione.
Un esempio pratico: scegliere tra volume e valore
Immagina un'azienda che vende un software per gestire cataloghi ecommerce. Il tool mostra un volume interessante per “gestione catalogo prodotti” e volumi più bassi per query come “aggiornare prezzi su più marketplace” o “sincronizzare varianti prodotto Shopify Amazon”.
Una keyword research guidata dal volume mette in cima la prima query. Una ricerca guidata dalla decisione controlla prima la SERP. Se Google risponde alla query generica con definizioni e guide basilari, mentre le query specifiche mostrano software, confronti e discussioni operative, la seconda area può avere meno ricerche ma molta più utilità commerciale.
Costruirei quindi una pagina centrale sulla gestione del catalogo, ma investirei l'information gain nelle situazioni che una sintesi non può risolvere: numero di SKU, frequenza degli aggiornamenti, errori di sincronizzazione, differenze tra marketplace e costo operativo del processo manuale. È qui che dati di prodotto, screenshot e casi reali rendono la pagina necessaria.
Questa è la parte che molti piani saltano: trovano la domanda, ma non verificano se l'azienda possiede qualcosa di credibile da aggiungere alla risposta. Google continua a raccomandare contenuti utili, affidabili e creati per le persone; nella guida pubblicata nel maggio 2026 ha ribadito anche per le funzioni generative l'importanza di contenuti unici e non intercambiabili. Non esiste un markup segreto che compensi una pagina senza esperienza, prove o utilità propria. Anche per questo scrivere un articolo SEO comincia dalla ricerca e dalle prove, non dalla ripetizione della keyword.
Come trasformare la ricerca in un piano editoriale
Il risultato finale non dovrebbe essere un file ordinato per volume, ma una mappa che spiega quale problema viene coperto, quale pagina deve risolverlo, perché l'utente dovrebbe cliccare e dove prosegue il percorso.
Prima vengono le pagine già esistenti. Se un URL riceve impression sul cluster ma non risponde bene all'intento, lo espando invece di crearne un secondo. Se due pagine competono sulle stesse query, scelgo quale deve diventare la pagina principale e consolido. Il contenuto nuovo arriva soltanto quando esiste un vuoto reale.
Poi separo tre obiettivi: traffico, valutazione commerciale e possibilità di diventare una fonte grazie a dati o metodi originali. Pretendere che ogni articolo faccia tutto produce contenuti confusi. Misuro quindi click e CTR per il traffico; lead e conversioni assistite per le pagine commerciali; impression, query emergenti, citazioni e ricerche branded per gli asset pensati come fonte.
Gli errori che rendono inutile una keyword research con l'AI
L'errore più comune è usare l'intelligenza artificiale come fonte dei dati. Un modello può proporre ottime varianti linguistiche, ma non conosce il volume aggiornato del tuo mercato se non è collegato a una fonte reale. Quando restituisce numeri senza indicarne l'origine, non sta facendo ricerca: sta producendo una stima non verificabile.
Il secondo errore è etichettare automaticamente l'intento. “Informazionale”, “commerciale” e “transazionale” sono categorie utili, ma troppo larghe per stabilire se una risposta AI chiuderà la ricerca. Serve osservare il compito concreto e la composizione della SERP.
Il terzo è creare una pagina per ogni variante. I sistemi di ricerca comprendono relazioni semantiche e una pagina forte può posizionarsi per molte formulazioni. Dividere un unico bisogno in dieci articoli sottili non amplia la copertura: spesso distribuisce segnali e link su dieci URL che competono tra loro.
Infine c'è la tentazione di scartare tutto ciò che non ha volume. Le query emergenti, i problemi molto specifici e le domande espresse nelle call commerciali possono non comparire nei database. Questo non le rende automaticamente preziose, ma neppure inutili. Se descrivono un ostacolo reale vicino alla scelta e il brand può offrire una risposta originale, meritano un test.
Domande frequenti sulla keyword research nel 2026
Come fare keyword research nel 2026?
Parti dai problemi e dalle decisioni del cliente, raccogli le query da Search Console e dai tool, raggruppale per intento reale e controlla la SERP. Prima di assegnare la priorità valuta volume, difficoltà, click potenziale, valore commerciale e possibilità di aggiungere prove originali.
La keyword research serve ancora nel 2026?
Sì, perché le persone continuano a esprimere bisogni attraverso ricerche e domande. Serve però una keyword research meno dipendente dal volume e più attenta al percorso decisionale, alle superfici presenti in SERP e alle sotto-domande generate dai sistemi AI.
Come fare keyword research con l'intelligenza artificiale?
Usa l'AI per ampliare le seed keyword, formulare sotto-domande e raggruppare grandi elenchi. Verifica poi ogni cluster con fonti reali: Search Console, Keyword Planner, database SEO e SERP. Non usare un modello linguistico come fonte di volume o difficoltà se non è collegato a dati aggiornati.
Le AI Overviews eliminano il traffico organico?
Non per tutte le query. Le evidenze disponibili mostrano un impatto diverso in base all'argomento e alla capacità della sintesi di soddisfare il bisogno. Le ricerche semplici e definitorie sono più esposte; confronti, diagnosi, strumenti e decisioni complesse conservano più ragioni per generare un click.
Quali keyword portano ancora traffico con Google AI?
Hanno più probabilità di produrre visite le query per cui l'utente deve verificare una fonte, usare uno strumento, confrontare alternative, vedere dati aggiornati o prendere una decisione. Non esiste una categoria garantita: la valutazione va fatta sulla SERP reale e sui dati del sito.
In sintesi
Se ricordi una sola cosa di questo articolo, ricorda questa: nel 2026 non devi scegliere una keyword soltanto perché viene cercata. Devi capire che cosa Google può risolvere senza di te e quale parte della decisione richiede ancora la tua pagina, i tuoi dati o il tuo prodotto.
La keyword resta il segnale della domanda. Il valore nasce dall'incrocio tra domanda, necessità del click, rilevanza commerciale e capacità di pubblicare qualcosa che non sia intercambiabile con le risposte già disponibili.
Se vuoi trasformare dati, query e competitor in una struttura di pagine senza cannibalizzazioni, scopri come lavoro nella SEO Strategy.
Marco Salvo — Consulente SEO con 20+ anni di esperienza, ex Head of SEO YITH, fondatore di beknow.io. Dopo anni di lavoro sulla SEO ha studiato l'evoluzione dell'AI search fin dall'emergere delle prime funzionalità generative di Google (2023).