Keyword Research & Architettura Semantica
Le keyword non sono una lista da riempire: sono la mappa di cosa cercano le persone e di come Google e gli LLM collegano i concetti. Qui non conto i volumi e basta, ricostruisco gli intenti, li raggruppo in cluster e li trasformo in un’architettura di contenuti che ha senso per chi cerca e per chi indicizza.
> parsing_serp ………………. [ok]
> extracting_entities ……….. [ok]
> mapping_intent ……………. [running]
> clustering_topics …………. [running]
> noise_filter ……………… [pending]
> building_content_tree ……… [42%]
Non keyword, ma intenti
Per anni la keyword research è stata: apri un tool, scarica 40.000 keyword, ordina per volume. Risultato? Liste piatte che non dicono niente su cosa vuole davvero chi cerca.
I motori moderni, e gli LLM, non ragionano più per stringhe ma per entità: persone, concetti, cose, e i legami tra loro. Una query è un nodo dentro una mappa. Se ignori la forma di quella mappa, costruisci contenuti isolati che non attivano nessuna autorità sul tema.
Il metodo mette insieme il lavoro classico (volumi, difficoltà, SERP) con un layer di classificazione fatto con gli LLM, ma pilotato a mano: l’AI fa la parte noiosa, io decido. Niente magia, solo metodo.
I 4 intenti di ricerca
- INFInformazionalevuole imparare o capire qualcosa
- NAVNavigazionalecerca un posto o un brand preciso
- TRATransazionaleè pronto a comprare o ad agire
- COMCommercialeconfronta prima di scegliere
Vuoi capire cosa cerca davvero il tuo pubblico?
ScrivimiQuando i cluster si cannibalizzano
Un e-commerce con migliaia di URL e cluster che si facevano concorrenza tra loro: pagine diverse che puntavano allo stesso intento. Google non sapeva quale premiare, e le disperdeva tutte.
Il fix: rifare la mappa di entità e intenti, accorpare i doppioni, ridistribuire i link interni sulla nuova struttura. Una pagina per intento, ognuna con il suo posto chiaro.
Niente numeri da sbandierare: è un pattern che torna spesso. Ma l’effetto è sempre lo stesso, i contenuti smettono di farsi la guerra da soli.
Come si fa, in 5 fasi
Dominio
Si definisce di cosa parla il sito e dove sono i confini del tema. Senza, si raccoglie di tutto e non serve niente.
Estrazione
Si raccolgono keyword, volumi, difficoltà e SERP da più fonti: tool, Search Console, API. Mai una sorgente sola.
Cluster per intento
Si raggruppano le query per cosa vuole chi cerca, non per parole simili. Qui gli LLM aiutano a disambiguare i casi sporchi.
Pulizia
Via il rumore: doppioni, query fuori tema, volumi gonfiati senza potenziale reale.
Architettura
I cluster diventano un albero di contenuti: cosa scrivere, in che ordine, come collegarlo.
Cosa ne esce
Analisi
- ›Matrice di confronto con i competitor
- ›Gap semantico: cosa manca rispetto al tema
- ›Stagionalità e varianze nel tempo
- ›Entità estratte dalle SERP feature
Modello
- ›Intenti classificati per ogni query
- ›Cluster di argomenti coerenti
- ›Pesi su difficoltà e opportunità reale
- ›Query immagini, video e vocali
Output
- ›File CSV/JSON ordinati e pronti
- ›Un documento leggibile, non export grezzo
- ›Roadmap di contenuti a step
- ›Note su come usarlo, passo per passo
Una struttura semantica solida vale più di mille keyword sparse.
ParliamoneI principi del metodo
Precisione
Targeting su intenti reali, non su parole a caso.
Dati puliti
Fonti incrociate e normalizzate, niente export sporco.
Meno rumore
Via doppioni e query inutili: resta solo ciò che conta.
Cluster nascosti
Trovo gruppi di intento che i tool non vedono da soli.
Pensato per gli LLM
Struttura leggibile dalle macchine, non solo da Google.
Resiste agli update
Una mappa solida regge gli aggiornamenti del core.
Lo stack che uso
Quando questo lavoro serve
Chi progetta una piattaforma da zero e vuole l’architettura giusta dal primo giorno.
Chi deve popolare un sito di contenuti senza sparare nel mucchio.
Chi ha un sito che si cannibalizza da solo e non capisce perché.
Chi lavora multilingua e deve allineare gli intenti tra mercati diversi.
Chi vuole capire come i competitor costruiscono autorità su un tema.
Chi prepara contenuti pensati anche per AI e ricerca vocale.
Perché non basta un tool
Tool SaaS
- ✕Liste piatte in CSV
- ✕Dati senza contesto
- ✕Nessun ragionamento sull’intento
SEO tradizionale
- ✕Solo il search volume
- ✕Cluster fatti a occhio
- ✕Scollegati dall’architettura
Semantico ibrido
- +Grafo delle entità
- +Intento pesato, non a sensazione
- +LLM pilotati a mano
- +Output pronto da usare
Domande secche
Da dove prendi i dati?+
Usi l’AI per classificare gli intenti?+
Lavori anche su query a volume zero?+
In che formato consegni?+
Serve per la SEO o anche per gli LLM?+
Vuoi ragionare sulla mappa di un tema?
Una keyword research fatta bene è il punto di partenza di tutto il resto. Se ci stai lavorando o hai un’ipotesi da testare, scrivimi: ne parliamo.
Parliamone