Hai una lista di 300 keyword nel foglio Google e quella faccia di chi deve decidere quante pagine scriverci. Una per ognuna? Ti viene l’ansia solo a pensarci. E faresti pure il danno.
Il keyword clustering è il modo per uscirne: raggruppi le keyword che condividono lo stesso intento di ricerca e assegni ogni gruppo a una pagina sola. Punto. Niente trecento articoli, niente fuffa, niente algoritmi spaziali per forza.
Quando ho guardato la SERP italiana di questa query, l’unico risultato nativo era uno stub da settantacinque parole scarse; il resto stava in inglese, con l’esempio del materasso o dello shampoo per cani. Qui faccio il contrario: ti spiego come ragiona Google, ti do un esempio vero in italiano e ti mostro il metodo che funziona a mano o con qualsiasi strumento. I tool li nomino come categoria, non ti vendo niente. Il criterio che conta più di tutti i tool messi insieme è uno, e lo ripeterò finché non ti entra in testa: l’intento.
Cos’è il keyword clustering
In una frase: raggruppare le keyword che vogliono dire la stessa cosa e farci una pagina sola.
Ora sul serio. Una keyword non è una stringa isolata. È il modo in cui una persona prova a dire al motore cosa cerca. “keyword clustering”, “raggruppamento keyword”, “come clusterizzare le keyword” sono tre stringhe diverse, ma dietro c’è la stessa persona con la stessa domanda. Un cluster è proprio questo: l’insieme delle keyword che mappano sullo stesso bisogno, e che quindi meritano di stare nella stessa pagina invece di litigarsi le briciole su tre URL diversi.
L’unità di misura non è la parola, è l’intento. Una pagina ben fatta non ranka per la keyword che hai messo nel title, ranka per il cluster intero: decine, a volte centinaia di varianti che condividono lo stesso significato. Tu scrivi una risposta, Google la fa comparire per tutte le formulazioni di quella domanda.
Perché non puoi più fare una pagina per ogni keyword
Perché due pagine quasi gemelle non si sommano, si rubano le posizioni a vicenda. C’è stata un’epoca, intorno ai primi anni 2010, in cui invece funzionava davvero così: una keyword, una paginetta, ripeti la parola dappertutto e via. Era l’SEO da fabbrica di salsicce. Poi Google ha imparato a leggere.
Da anni il motore capisce sinonimi, riformulazioni e intenti senza che tu glieli sillabi. “scarpe da corsa” e “scarpe per correre” sono la stessa identica ricerca, e Google lo sa. Se gli sforni due pagine quasi gemelle su quelle due query, non ti premia per la dedizione. Succede il contrario: le tue pagine si fanno concorrenza tra loro.
Questo fenomeno ha un nome che fa paura più di quello che è: cannibalizzazione. Due o più tuoi URL competono per la stessa query, Google non sa quale spingere, e alla fine le tiene basse tutte e due. Ti sei dato la zappa sui piedi da solo. Il clustering è l’antidoto: un intento, una pagina, nessuna lite in famiglia.
L’intento di ricerca è il vero criterio
Se devi tenere a mente una cosa sola di tutto l’articolo, tieni questa: due keyword stanno nello stesso cluster quando condividono l’intento di ricerca, cioè quando chi le digita vuole la stessa cosa.
Due keyword con lo stesso volume di parole ma intento diverso non vanno nello stesso cluster, mai. “keyword clustering” (vuole capire) e “tool keyword clustering” (vuole scegliere cosa usare) sembrano cugine, ma chiedono due pagine diverse perché la persona dietro è in due momenti diversi.
Sull’intento ci sarà un verticale dedicato. I quattro tipi classici, informativo, navigazionale, commerciale e transazionale, stanno già con gli esempi nel pillar sulla keyword research: qui ti basta il principio, il clustering è il pezzo che viene dopo.
Clustering e keyword research: dove finisce una e inizia l’altro
Le due cose vengono confuse di continuo, ma sono due fasi diverse dello stesso lavoro.
La keyword research è la caccia: peschi da Suggest, PAA, Reddit e Search Console e ti ritrovi con una lista lunga e disordinata. Sabbia, non ancora pepite. Il keyword clustering è il setaccio: quella sabbia la dividi in mucchietti coerenti, uno per intento.
Il pezzo che segue dà per scontato che la lista ce l’hai già: se no, si parte dalla keyword research passo passo.
I metodi: semantico, SERP-based e ibrido
Per decidere se due keyword stanno insieme ci sono due scuole pure e una terza che le mescola. Il semantico guarda al significato delle parole. Il SERP-based guarda a cosa fa Google davvero. L’ibrido usa il primo per sgrossare e il secondo per decidere.
Ecco il confronto secco, dimensione per dimensione:
| Dimensione | Semantico (embedding) | SERP-based (overlap) | Ibrido |
|---|---|---|---|
| Cosa guarda | il significato delle parole | quali URL ranka Google | prima le parole, poi le mosse di Google |
| Accuratezza sull’intento reale | media | alta | alta |
| Scala | altissima, costo quasi zero | limitata dalle chiamate alla SERP | alta |
| Costo | basso (modello in locale) | alto su liste grandi (una chiamata per keyword) | medio, la SERP solo sui casi dubbi |
| Rischio tipico | unisce ciò che Google tiene separato | volatilità della SERP, effetto catena | complessità della pipeline |
La differenza in una battuta: il semantico legge le parole, il SERP-based legge le mosse di Google. E quando i due litigano, l’arbitro è sempre Google. Per questo in produzione, sulle liste grosse, si finisce sull’ibrido: semantico per sgrossare, SERP per decidere i casi dubbi. È quello che uso io.
In pratica la scelta dipende dalla scala, non dal budget. Lista piccola e di valore: a mano, foglio e SERP in incognito, e nessun tool ti legge le sfumature di intento meglio della tua testa. Liste da migliaia di keyword: automatico, dove i parametri seri e ispezionabili sono due, la soglia di overlap in percentuale di URL e il numero minimo di URL condivisi.
Il tool è una scorciatoia, non l’intelligenza. La testa viene prima dello strumento.
Semantico ed embedding, senza fuffa
Un embedding è un modo per trasformare una keyword in una serie di numeri (un vettore) che ne rappresenta il significato. Frasi che vogliono dire cose simili finiscono vicine in questo spazio, frasi lontane di senso finiscono lontane. È come dare a ogni keyword delle coordinate su una mappa del significato: “bici” e “bicicletta” cadono praticamente nello stesso punto, “bici” e “banca” stanno a chilometri.
Per misurare quanto sono vicine due keyword si usa la cosine similarity: in pratica, sugli embedding delle keyword, un numero tra 0 e 1, dove 1 è “stessa identica direzione”. Nella pratica SEO si tagliano i cluster intorno a una soglia di 0,75-0,85: lo script open source più diffuso in SEO, quello di Lee Foot, parte da 85 su 100 (Search Engine Journal). Sopra quella soglia, stesso mucchio. Sotto, mucchi diversi. Attenzione: queste soglie sono convenzioni di settore, non numeri usciti dalla bocca di Google.
Il bello del semantico è la scala. Un modello come MiniLM gira sul tuo computer, gratis, e clusterizza decine di migliaia di keyword in pochi secondi: la documentazione di SBERT parla di 50.000 frasi in meno di cinque secondi. Il brutto è che ragiona sulle parole, non su cosa ranka Google. Può infilare nello stesso cluster due keyword che semanticamente si somigliano ma che Google serve con pagine completamente diverse. Tu le unisci, lui le tiene separate, e il cluster nasce già storto. Per questo il semantico è perfetto per sgrossare montagne di keyword, meno per la decisione finale.
SERP-based: la soglia operativa concreta
Servono da 3 a 6 URL in comune sui primi risultati, a seconda del tool. Qui cambia la filosofia: invece di chiedere a un modello cosa significano le parole, chiedi direttamente a Google. Il ragionamento è geniale nella sua semplicità: se cerco due keyword diverse e Google mi mostra in larga parte le stesse pagine, allora per Google quelle due keyword sono la stessa ricerca.
Google diventa l’oracolo. Tu non interpreti l’intento, glielo fai dire a lui.
In pratica funziona così: prendi i primi risultati di ogni keyword e per ogni coppia conti quanti URL hanno in comune. Sopra una certa soglia, stesso cluster. Il numero da solo però non dice niente, perché il denominatore cambia da tool a tool: HubSpot unisce due keyword che condividono 3 o più URL nella top 10; Keyword Insights guarda i top 7 e taglia al 40% di URL in comune, che su sette risultati fa circa 3; SE Ranking ti fa impostare il minimo di URL coincidenti nella top 10 con uno slider da 1 a 9; oncrawl consiglia di scegliere 4, 5 o 6, e mette 2-3 tra i cluster larghi e 7 o più tra quelli stretti; thruuu lascia regolare l’overlap e nella sua interfaccia partiva da 4 URL condivisi quando l’ho guardata a giugno 2026, ma oggi la pagina pubblica non dichiara più un default.
Pochi URL richiesti, cluster larghi e generosi. Tanti URL richiesti, cluster stretti e severi. E sono convenzioni dei tool, non parametri ufficiali Google.
Il SERP-based è più affidabile sull’intento perché legge la realtà, lingua per lingua e paese per paese, e separa gli omonimi che il semantico fonderebbe. Costa di più, perché ogni keyword è una chiamata alla SERP, e su liste enormi diventa caro e lento.
C’è un dettaglio che decide se i tuoi cluster vengono bene o si trasformano in poltiglia, ed è il modo in cui costruisci i gruppi una volta che hai le coppie.
Come si chiudono i gruppi: a catena, stretto, a comunità
Quando due keyword superano la soglia, le colleghi con un filo. Ma da “A è collegata a B” a “ecco il cluster finito” c’è un passaggio, e qui si gioca tutta la partita. Ci sono tre modi di chiudere i gruppi, e danno risultati diversissimi sulla stessa lista.
Il metodo a catena (i tecnici lo chiamano connected components). Se A è collegata a B, e B è collegata a C, allora finiscono tutte e tre insieme, anche se A e C non si sono mai viste. È l’amico dell’amico: ti ritrovi alla festa gente che non conosci solo perché conoscevi qualcuno in mezzo. Comodo, ma rischi il mega-cluster gonfio dove a un capo si parla di scarpe da corsa e all’altro di alluci valghi.
Il metodo stretto (complete-linkage). Qui per entrare nel cluster devi essere collegato a tutti i membri, non basta uno. È il club esclusivo col buttafuori che controlla che tu conosca proprio tutti. Cluster piccoli e coesi, niente catene, ma più frammentati: ti ritrovi tanti gruppetti minuscoli.
Il metodo a comunità (Louvain). Una via di mezzo: cerca i gruppi dove i legami interni sono fitti e quelli verso l’esterno radi, come le comitive a una festa. Smussa le mega-catene senza spaccare tutto in coriandoli.
Morale: stessa lista, stesse soglie, ma se cambi il metodo di chiusura cambiano i cluster. Quando un cluster ti sembra troppo largo, spesso non è colpa della soglia, è l’effetto catena.
Come fare keyword clustering passo-passo (anche senza tool a pagamento)
Si può fare a mano, su un foglio, per liste piccole e medie. Anzi: per il sito che pubblica venti-trenta pagine all’anno è spesso la scelta migliore, perché il cervello vede sfumature di intento che l’algoritmo si perde.
Il flusso, voce per voce:
- Parti dalla lista pulita. Togli i duplicati e le keyword fuori tema. Sabbia, non ancora pepite.
- Leggi l’intento di ogni keyword. “cos’è” è informativo, “miglior” è commerciale, “comprare” è transazionale. Metti un’etichetta a ciascuna.
- Raggruppa per intento, non per parole simili. Due keyword che si somigliano ma chiedono cose diverse vanno in mucchi diversi. È il passaggio che salva dalla cannibalizzazione.
- Apri la SERP nei casi dubbi. Quando non sai se due keyword stanno insieme, cercale entrambe in incognito e guarda i primi 10 risultati. Se Google mostra in gran parte le stesse pagine, stesso cluster. Sei tu che fai a mano quello che il tool SERP-based automatizza, gratis e con più testa.
- Dai un nome a ogni cluster. Di solito la keyword più corta o con più volume. È il nome della futura pagina.
- Assegna un URL a ogni cluster, mai due cluster sullo stesso URL. La colonna Target URL non deve avere doppioni: se due gruppi puntano allo stesso indirizzo, o vanno fusi o uno dei due è un cluster fantasma.
Quando la lista esplode oltre il migliaio di keyword, la SERP a mano non regge e passi all’automatico.
Esempio reale di cluster in italiano
Ecco un cluster vero, in italiano: chi cerca informazioni sul cambio gomme stagionale dell’auto. Basta materassi e shampoo per cani.
Lista grezza:
gomme invernali, pneumatici invernali, quando montare gomme invernali, obbligo gomme invernali, gomme invernali o catene, miglior pneumatico invernale, prezzo gomme invernali 195 65 r15, dove comprare gomme invernali, gomme termiche cosa sono.
Provi a buttarle tutte in una pagina e fai un minestrone. Le leggi per intento e vengono fuori cluster netti:
- Cluster informativo “cosa sono / quando”: gomme invernali, pneumatici invernali, gomme termiche cosa sono, quando montare gomme invernali, obbligo gomme invernali. Stessa persona che vuole capire. Una guida.
- Cluster confronto “o catene”: gomme invernali o catene. Intento commerciale di valutazione, sta scegliendo tra due opzioni. Merita una pagina sua, o almeno una sezione forte: chi confronta non vuole la definizione.
- Cluster commerciale “miglior / quale”: miglior pneumatico invernale. Sta valutando cosa comprare. Altra pagina.
- Cluster transazionale “prezzo / dove comprare”: prezzo gomme invernali 195 65 r15, dove comprare gomme invernali. È pronto all’acquisto. Pagina di prodotto o categoria, non un articolo.
Quattro intenti, quattro destinazioni. “gomme invernali” e “prezzo gomme invernali 195 65 r15” hanno le stesse parole di partenza, ma se le metti nella stessa pagina ne scontenti uno dei due. Il clustering serve esattamente a questo: a smettere di trattare le keyword come parole e cominciare a trattarle come persone con un bisogno preciso.
Dal cluster alla pillar page: topic cluster e modello hub-and-spoke
Hai i cluster. E mo’? Adesso quei cluster diventano un’architettura di pagine che si tengono per mano.
Il modello si chiama topic cluster e l’ha reso popolare HubSpot nel 2017. L’immagine è quella di una ruota: al centro il mozzo, intorno i raggi. Una pagina ampia copre il tema centrale (il pillar), e tante pagine più specifiche coprono i sottotemi (gli spoke). Tutte collegate tra loro. In inglese lo chiamano anche hub-and-spoke, mozzo e raggi, ed è la stessa cosa.
Il senso strategico: invece di tante pagine isolate che galleggiano nel vuoto, costruisci un quartiere dove ogni casa ha una strada che porta alle altre. Il senso è per il lettore prima che per il motore: chi entra da uno spoke trova la strada verso il quadro generale, e chi entra dal pillar trova il dettaglio che cercava. Copri il tema in modo completo, e ogni cluster diventa una pagina dell’isolato.
Cos’è una pillar page
Una pillar page è la pagina-mozzo: copre il tema principale in modo ampio, dà il quadro generale, e rimanda alle pagine di dettaglio per ogni sottotema. È il sommario ragionato di un argomento, non l’enciclopedia di ogni singola voce.
Nel nostro esempio del cambio gomme, il pillar sarebbe la guida grande “gomme invernali: tutto quello che devi sapere”. Gli spoke sono gli approfondimenti: il confronto con le catene, il pezzo sull’obbligo per anno, la pagina sui prezzi per misura. Il pillar tocca tutto a volo d’uccello e poi dice “vuoi i dettagli sui prezzi? Vai di là”.
L’errore da non fare è scrivere il pillar e poi mille spoke che ripetono le stesse cose: torni alla cannibalizzazione da cui sei scappato. Il pillar è largo e poco profondo, gli spoke stretti e profondi. Si completano, non si copiano.
Link interni pillar↔cluster
L’architettura tiene solo se i link la tengono insieme. La regola è il collegamento bidirezionale: il pillar linka ogni spoke, e ogni spoke linka il pillar. Andata e ritorno, sempre. È quello che trasforma un mucchio di articoli in un sistema.
Gli anchor, cioè le parole su cui appoggi il link, devono essere contestuali e descrivere la pagina di destinazione. “clicca qui” non dice niente né all’utente né a Google. “il confronto tra gomme invernali e catene” dice esattamente dove stai mandando la persona e di cosa parla la pagina che la aspetta.
È così che il quartiere diventa navigabile: ogni strada ha il cartello giusto, e chi entra (utente o crawler) sa sempre dove sta andando.
Errori comuni
Le buche dove cascano quasi tutti.
- Cannibalizzazione. Il classico: due pagine sullo stesso intento che si rubano le posizioni. È il problema che il clustering esiste per evitare, e torna ogni volta che salti il controllo Target URL. Soluzione preferita: fondere le due pagine in una. La scala completa dei rimedi sta nel pillar sulla keyword research.
- Over-clustering (cluster troppo larghi). Spesso è l’effetto catena del metodo a catena: A tira B, B tira C, e ti ritrovi un cluster mostro che vuole essere pagina su tutto e non ranka per niente. Se nel tuo cluster convivono “cos’è” e “prezzo”, l’hai gonfiato troppo.
- Cluster troppo stretti. L’eccesso opposto: spacchi in venti micro-pagine quello che era un intento solo, e ognuna è troppo magra per competere. Tre articoli da quattrocento parole valgono meno di una guida fatta bene.
- Intento misto nello stesso cluster. L’errore di fondo: raggruppi per somiglianza di parole invece che per intento. “gomme invernali” e “prezzo gomme invernali” sembrano parenti, ma una vuole capire e l’altra vuole comprare. Nello stesso cluster non ci vanno, e se ce li metti scontenti metà del tuo pubblico.
Il filo rosso di tutti e quattro è lo stesso: hai guardato le parole invece dell’intento. Torna al criterio-cardine e quasi sempre l’errore si scioglie.
Keyword clustering nell’era della AI search (query fan-out)
Con l’AI search il clustering conta più di prima, non meno.
Quando usi le AI Overviews o l’AI Mode, Google può non lanciare una sola ricerca per la tua domanda: la documentazione dice che entrambe possono usare una tecnica chiamata query fan-out, cioè spezzare la domanda in sottotemi e lanciare più ricerche collegate (Search Central). La descrizione testuale, “scompone la domanda in sottotopici e lancia una moltitudine di query contemporaneamente”, Google l’ha data a Google I/O 2025 per il solo AI Mode (blog.google).
E qui scatta il collegamento col clustering. Se l’AI apre una domanda a ventaglio in tante sotto-domande collegate, una pagina che copre per bene l’intero cluster di intenti ha molte più probabilità di intercettare quei rami della singola pagina che risponde a una keyword secca. Il fan-out è un cluster che Google costruisce al volo dalla parte sua: tu, costruendo bene i tuoi cluster, stai parlando la stessa lingua.
Quante siano queste sotto-query e cosa invece non cambia con l’AI search stanno nel pillar sulla keyword research. Per i motori generativi, la guida SEO per AI; per entità e relazioni, il knowledge graph.
In due parole
Riassunto brutale: il keyword clustering è smettere di trattare le keyword come parole e cominciare a trattarle come persone con un bisogno. Raggruppi per intento, una pagina per cluster, niente liti tra i tuoi URL. A mano per le liste piccole, semantico per sgrossare i mucchioni, SERP-based quando devi decidere sul serio. E adesso che Google apre le domande a ventaglio con il fan-out, fare bene i cluster conta più di prima.
L’hai mai provato su una tua lista? Se hai un caso strano, un cluster che non si lascia chiudere o un esempio italiano che ti ha fatto sbattere la testa, scrivimelo: questi sono esattamente i casi su cui mi diverto a ragionare. Sperimentiamoci sopra insieme.
Domande frequenti
Le risposte secche alle domande che tornano più spesso su questo tema.
Come decido se due keyword stanno nello stesso cluster?+
Guardi l’intento, non le parole. Se chi digita le due keyword vuole la stessa cosa, stesso cluster. Nel dubbio cerca entrambe in incognito e confronta i primi 10 risultati: se Google mostra in gran parte le stesse pagine, per lui sono lo stesso intento.
Quanti URL in comune servono per unire due keyword?+
Fra 3 e 6, ma il denominatore cambia da tool a tool e va letto insieme al numero. HubSpot unisce due keyword che condividono 3 o più URL nella top 10. Keyword Insights lavora sui top 7 e taglia al 40% di URL in comune, circa 3 su 7. SE Ranking fa scegliere da 1 a 9 URL coincidenti nella top 10. oncrawl consiglia 4, 5 o 6. Pochi URL richiesti, cluster larghi; tanti, cluster stretti. Sono convenzioni dei tool, non parametri ufficiali Google.
Si può fare keyword clustering senza tool a pagamento?+
Sì. Per liste piccole e medie basta un foglio: etichetti l’intento di ogni keyword, raggruppi per intento e nei casi dubbi apri la SERP in incognito per confrontare i risultati. Fai a mano quello che il tool automatizza. Esistono anche opzioni gratuite per provare il metodo su qualche centinaio di keyword.
Come si passa dal cluster alla pillar page?+
Il cluster più largo diventa la pillar, gli altri diventano gli spoke. Prendi il gruppo che copre il tema in senso ampio e fanne la pagina-mozzo: quadro generale, niente dettagli. Ogni altro cluster prende una pagina sua, più stretta e più profonda, e le due si linkano andata e ritorno. Se due cluster finiscono sullo stesso URL, o vanno fusi o uno dei due non era un cluster.
Qual è la differenza tra keyword cluster e topic cluster?+
Il keyword cluster è il gruppo di keyword con lo stesso intento. Il topic cluster è l’architettura di pagine che ci costruisci sopra: una pillar page centrale più le pagine di dettaglio collegate. Il primo è l’ingrediente, il secondo è il piatto finito.
Quali strumenti uso e quando serve l’automatico?+
Per liste piccole e di valore: a mano. Per liste da migliaia di keyword l’automatico diventa necessario, perché la SERP a mano non scala. La maggior parte dei tool lavora SERP-based; i parametri seri sono la soglia di overlap e il numero minimo di URL condivisi. I tool solo semantici non vedono cosa ranka Google, quindi un controllo umano sui cluster ambigui resta utile.
Il keyword clustering serve ancora con le AI Overviews?+
Sì, di più. Search Central scrive che sia le AI Overviews sia l’AI Mode possono usare il query fan-out: scomporre una domanda in tante sotto-query collegate e lanciarle in parallelo. Una pagina che copre bene l’intero cluster di intenti ha più probabilità di intercettare quei rami della singola pagina su una keyword secca.
Cos’è il query fan-out?+
È la tecnica con cui Google scompone una domanda in sottotopici e lancia molte ricerche collegate contemporaneamente, poi sintetizza la risposta. Search Central scrive che sia le AI Overviews sia l’AI Mode possono usarla; la descrizione testuale, quella di Google I/O 2025, Google l’ha data per l’AI Mode. Il numero di sotto-query generate non è pubblico: le stime che giri online sono di terzi, non dati ufficiali.
