Misurare il citation rate manualmente è doloroso. Misurarlo con tool enterprise è caro. La via intermedia che uso quotidianamente è il prompt scripting con tracking semi-automatico. Vediamo come.

Il workflow base

Quattro componenti:

  1. Foglio query: lista master di 30-60 query strategiche del cliente.
  2. Prompt template: prompt standardizzato per ogni modello.
  3. Esecuzione cyclica: testare le stesse query ogni 30 giorni.
  4. Coding: classificare ogni risposta.

Foglio query

Costruito in fase audit. Tipologie da includere:

  • Brand queries: “[brand]”, “[brand] recensioni”, “[brand] vs competitor”.
  • Categoria queries: “consulente X”, “miglior X a Y”, “alternative a Z”.
  • Geo queries: “X a [città]”, “professionisti X in [regione]”.
  • Long-tail informazionali: “come scegliere X”, “differenza X vs Y”.

Tieni le query identiche tra cicli di misurazione: il tracking ha valore solo se confronti le stesse domande nel tempo.

Prompt template

Il prompt che uso per testare un brand su un modello è semplice:

Devo trovare un [categoria del cliente] in [zona/contesto]. 
Specificamente cerco [scenario di utilizzo].
Quali sono i nomi più consigliati?

Tre versioni della stessa domanda (varianti sintattiche) per ridurre bias del singolo prompt.

Modelli da testare

Sempre questi cinque:

  1. ChatGPT free (GPT-5 turbo default).
  2. ChatGPT Plus con browse abilitato.
  3. Claude Sonnet (versione recente).
  4. Gemini free integrato con Google.
  5. Perplexity con focus “Pro”.

Cinque modelli = cinque snapshot diversi. Diversi modelli mostrano diversi pattern di citazione.

Coding delle risposte

Schema di codifica che uso:

  • Citato esplicitamente con link: 3 punti.
  • Citato per nome senza link: 2 punti.
  • Menzionato in lista (4+ nomi): 1 punto.
  • Assente: 0 punti.

Citation score = totale punti / max possibile × 100.

Tool che aiutano

Per scalare oltre le 100 query mensili, qualcosa serve. Quello che uso:

  • Sheets + Apps Script: foglio Google con script per logging strutturato.
  • Notion: database per tracking nel tempo.
  • Custom Python script: per chi ha esperienza dev, OpenAI API + Anthropic API + Perplexity API permettono di automatizzare il prompt scripting in batch (rispettando i ToS).

Niente tool magico, ma il workflow è scalabile fino a ~500 query/mese in autonomia.

Frequenza giusta

  • Audit iniziale: una passata completa.
  • Monitoring mensile: ripetere ogni 30 giorni le top 20 query.
  • Snapshot trimestrale: ripetere tutto il foglio query, 60-100 voci.

I dati mensili mostrano trend reattivi (cosa cambia rapidamente). I dati trimestrali mostrano trend strutturali.

Vuoi che ti imposti questo workflow? Il retainer LLMO mensile include citation tracking come uno dei deliverable standard.