Il termine circola da più di dieci anni nel vocabolario SEO e descrive una tecnologia che i motori di ricerca non utilizzano. Dietro l’equivoco resta però una domanda seria, che riguarda il modo in cui Google capisce di cosa parla una pagina.
Chi si occupa di contenuti prima o poi incontra il consiglio di arricchire i testi con parole semanticamente correlate, presentate sotto un’etichetta tecnica che promette di migliorare il posizionamento. Il consiglio contiene un’intuizione corretta e un’attribuzione sbagliata, e l’attribuzione sbagliata porta a comportamenti che peggiorano i contenuti invece di migliorarli.
Capita spesso di ritrovare questa impostazione nei materiali che le aziende ereditano da consulenze precedenti: liste di termini da distribuire nel testo, con l’idea che la loro presenza basti a segnalare ai motori l’argomento trattato. Vale la pena chiarire da dove nasce quell’idea, perché sopravvive e quale domanda dovrebbe sostituirla.
Che cosa sono le keyword LSI e perché non esistono
L’acronimo rimanda al Latent Semantic Indexing, una tecnica di information retrieval sviluppata alla fine degli anni Ottanta per analizzare le relazioni tra i termini all’interno di collezioni documentali piccole e statiche. Era pensata per archivi di qualche migliaio di documenti, in un’epoca in cui il web pubblico doveva ancora nascere, e non è mai stata progettata per scalare su miliardi di pagine.
John Mueller, Search Advocate di Google, ha chiuso la questione nel luglio 2019 con una dichiarazione diventata celebre: le keyword LSI non esistono, e chi sostiene il contrario si sbaglia. L’ha ribadita nel gennaio 2023, rispondendo che continuano a non avere alcun effetto. Bill Slawski, tra i maggiori studiosi dei brevetti dei motori di ricerca, aveva sintetizzato il punto in modo ancora più netto: queste keyword non usano LSI e non sono keyword.
Il mito sopravvive perché chi lo pratica osserva qualcosa di reale. Le pagine che trattano un argomento in modo completo tendono a posizionarsi meglio delle pagine che lo sfiorano. L’errore sta nell’attribuire quel risultato alla presenza di termini correlati, quando dipende dalla profondità con cui l’argomento viene affrontato. Confondere l’effetto con la causa porta a ottimizzare la cosa sbagliata.
Come i motori interpretano il significato di una pagina
Nella propria documentazione sui sistemi di ranking, Google elenca BERT, MUM, il neural matching e RankBrain tra i sistemi che utilizza per comprendere linguaggio, intenti e concetti, e descrive il neural matching come il sistema che mette in relazione le rappresentazioni dei concetti presenti nelle query con quelle presenti nelle pagine (Google Search Central, A Guide to Google Search Ranking Systems).
La formulazione merita attenzione, perché sposta l’unità di analisi dalla parola al concetto. Un motore che ragiona per concetti riconosce che due testi parlano dello stesso argomento anche quando usano un lessico diverso, e riconosce altrettanto bene quando una pagina cita un termine senza avere nulla da dire su di esso.
È il motivo per cui la disambiguazione funziona: il contesto complessivo di una pagina chiarisce se “pianta” indica un vegetale, il disegno di un edificio o la parte inferiore del piede. A produrre quella chiarezza è l’argomento realmente trattato, con tutto ciò che comporta in termini di esempi, dettagli e collegamenti.
Ricerca delle parole chiave basata sulle reali intenzioni di ricerca, ottimizzazione dell’architettura del sito e dei contenuti, strumenti professionali di analisi semantica e monitoraggio continuo delle performance. Scopri l’approccio SEO di MM ONE →
Dalla lista di termini alla copertura di un tema
Il modello mentale delle parole correlate spinge a un gesto preciso: distribuire nel testo termini presi da un elenco. È una variante del keyword stuffing, che i motori riconoscono da anni e che raramente migliora la leggibilità di un contenuto.
La copertura tematica si costruisce in un altro modo. Parte dalle domande che il lettore si porta dietro quando arriva sulla pagina e dall’ordine in cui se le pone, prosegue nella struttura del sito, dove le pagine che trattano ambiti vicini si richiamano attraverso collegamenti interni coerenti, e si consolida nel tempo, quando l’azienda torna sugli stessi temi con contributi che aggiungono qualcosa a ciò che ha già pubblicato.
Vista così, la scelta dei termini diventa una conseguenza. Un contenuto che affronta davvero un argomento contiene naturalmente il lessico di quell’argomento, senza bisogno di inserirlo dall’esterno. Ed è anche il contenuto che il lettore percepisce come competente, il che spiega perché i due obiettivi tendono a coincidere.
Perché la questione torna attuale con la ricerca generativa
I sistemi di ricerca basati su AI selezionano le fonti da cui attingere sulla base della competenza che riconoscono a un sito su un determinato ambito. Un dominio che tocca molti temi senza approfondirne nessuno offre pochi appigli a questo tipo di selezione.
Il criterio somiglia a quello che Google applica da tempo ai contenuti utili e affidabili, dove la domanda centrale riguarda il valore aggiunto rispetto a ciò che esiste già sull’argomento. Cambia il contesto in cui viene applicato, mentre la direzione resta quella di sempre: una competenza dimostrata su un territorio preciso vale più di una presenza diffusa e superficiale.
Come si misura la competenza su un tema
Se la profondità tematica è ciò che conta, serve un modo per leggerla nei dati. La posizione media su una lista di keyword racconta poco di quanto un sito sia riconosciuto come riferimento su un ambito.
Gli IIM – Indicatori Integrati di Marca sono il sistema con cui MM ONE collega le attività digitali ai risultati d’impresa, articolandole su tre livelli. Sul piano quantitativo interessa l’ampiezza delle query su cui il sito genera impression e la loro coerenza con il territorio presidiato, più che la posizione su singoli termini. Sul piano qualitativo entrano in gioco il Content Expertise Score, che valuta i contenuti secondo i criteri E-E-A-T, e l’Authority Index, che segue l’autorevolezza del dominio. Sul piano economico il canale organico viene collegato ai ricavi attribuiti e al valore nel tempo dei clienti acquisiti.
Questa lettura è il terreno della dimensione Analytics del Metodo R.E.G.I.A., il framework con cui MM ONE imposta le strategie dei propri clienti: i dati servono a decidere su quali ambiti vale la pena costruire profondità e quali invece presidiare in modo più leggero.
Scrittura e ottimizzazione di contenuti pensati per posizionarsi su Google, intercettare gli intenti di ricerca e migliorare la visibilità organica, dentro un piano editoriale costruito su analisi di mercato, target e competitor. Scopri i servizi di content marketing di MM ONE →
La domanda giusta
L’equivoco sulle parole correlate resiste perché offre una scorciatoia: una lista di termini è più semplice da produrre di una competenza riconoscibile su un argomento. La scorciatoia porta lontano dall’obiettivo, però, perché i motori valutano da anni qualcosa di più difficile da simulare.
La domanda utile, allora, riguarda i temi su cui l’azienda vuole essere considerata un riferimento, e quanto i contenuti pubblicati finora lo dimostrino davvero.
Vuoi capire su quali temi il tuo sito è già riconosciuto e dove la copertura è ancora troppo superficiale? Prenota un’analisi dei contenuti con i nostri strategist: leggiamo insieme le query che oggi il sito intercetta e le confrontiamo con gli ambiti in cui la tua azienda vuole essere autorevole.
