Come funziona il GEO per l'immobiliare?

L'immobiliare è l'acquisto più grande su cui la maggior parte delle persone fa ricerca, e quella ricerca si è spostata visibilmente negli strumenti di IA. L'82% degli americani usa ormai l'IA per informarsi sul mercato immobiliare, e ChatGPT (67%) e Gemini (54%) sono le piattaforme che nominano di più (indagine Realtor.com, ottobre 2025). Tra chi sta comprando attivamente, l'indagine Veterans United del Q2 2026 mette l'uso di strumenti IA al 45% degli acquirenti potenziali — otto punti in più in un anno — e cercare casa è l'uso più frequente in assoluto, al 52%. Chi chiede a un assistente dove comprare non è più un'eccezione: nei dati USA è quasi la metà di tutti gli acquirenti attivi.

Lo strato delle risposte sta anche mangiando il clic che i contenuti di zona guadagnavano una volta. Quando nei risultati Google compare un riassunto IA, gli utenti cliccano un risultato classico nell'8% delle visite contro il 15% senza riassunto, e chiudono del tutto la sessione di navigazione dopo il 26% di quelle ricerche contro il 16% (Pew Research, luglio 2025). Le AI Overviews girano ormai in più di 200 Paesi e territori e in oltre 40 lingue. Una guida di quartiere che un tempo vinceva una visita ora viene riassunta sul posto; lo slot che resta da disputare è essere la fonte che quel riassunto cita.

È l'occasione per agenzie e sviluppatori. I portali dominano le query di annunci — "3-bedroom apartments in Palm Jumeirah" — e competere lì è vano. Ma le query di decisione che aprono ogni acquisto — dove comprare, se conviene comprare, a quale progetto affidarsi — ricevono risposta da un bacino di fonti molto più ampio, e nella maggior parte delle città nessuno ha ancora costruito la versione citabile. È il problema che il GEO esiste per risolvere in questo verticale.

I prompt immobiliari a più alta intenzione portano un qualificatore di città o quartiere: "best areas to invest in Dubai", "buy vs rent in Austin", "new developments in Lisbon for foreigners". Il qualificatore conta per una ragione meccanica, perché cambia le fonti da cui il motore estrae. Una domanda a livello di Paese — "is Portugal a good place to buy property" — riceve risposta da media nazionali, report bancari e guide per expat, un bacino in cui una singola agenzia affiora di rado. Una domanda a livello di quartiere — "best areas of Lisbon for families" — riceve risposta da guide di zona e fonti locali, un bacino abbastanza sottile perché una pagina d'agenzia ben strutturata possa essere la migliore risposta disponibile.

Le stesse famiglie di prompt si ripetono da un mercato all'altro: investimento per zona, comprare o affittare, nuovi sviluppi e off-plan, trasferimento e idoneità per gli stranieri, e scelta del fornitore — quale agenzia, quale sviluppatore. Ogni famiglia premia un asset citabile diverso, e un programma serio costruisce l'asset per famiglia invece di sperare che un blog le porti tutte e cinque.

I consigli immobiliari stanno accanto al YMYL — «your money or your life», nel vocabolario della qualità della ricerca — e i motori si comportano di conseguenza: si appoggiano a fonti le cui affermazioni sono verificabili. Ciò che viene citato sui prompt immobiliari è un insieme riconoscibile — report di mercato con numeri, guide di zona con dati nominati, i portali e i media locali — e il filo comune è che ogni affermazione porta una cifra, una data o un luogo nominato. Lo studio GEO originale di Princeton ha misurato la stessa preferenza in modo diretto: aggiungere citazioni, statistiche e riferimenti a una pagina ha alzato la visibilità della fonte nelle risposte generate fino al 40%.

È qui che la maggior parte dei contenuti immobiliari fallisce — in modo meccanico, non editoriale. «Un vivace quartiere sul lungomare con viste mozzafiato» non dà nulla da estrarre a un modello; «il prezzo medio al metro quadro nella marina era X nel T2, in rialzo del Y% su base annua, rendimento lordo medio Z%» è una frase che una risposta può riprendere alla lettera, col vostro nome attaccato. Un'agenzia o uno sviluppatore che pubblica pagine di zona answer-first, costruite su statistiche nominate, diventa citabile per l'intera famiglia di prompt — uno slot che i portali lasciano in gran parte aperto, perché le loro pagine di zona sono caroselli di annunci, non risposte.

L'onestà moltiplica l'effetto. Una pagina che dice dove una zona è debole — capienza delle scuole, buchi nei trasporti, livello delle service charge — è più sicura da citare per un modello di una che loda ogni quartiere allo stesso modo, perché il modello non deve aggiungere le sue riserve. In una categoria in cui gli acquirenti temono di essere oggetto di una vendita, la riserva è un asset di citazione.

L'immobiliare è il verticale più transfrontaliero in cui lavoriamo: acquirenti russofoni che cercano Dubai, acquirenti ispanofoni nelle aree metropolitane USA, stranieri che confrontano sviluppi a Lisbona. Il fatto meccanico sotto è che lo stesso immobile, interrogato in inglese, in russo e in spagnolo, produce tre risposte diverse, perché ogni lingua estrae dal proprio bacino di fonti — e un brand che pubblica in una sola lingua semplicemente non esiste nelle altre due risposte.

Il pattern è documentato nelle nostre guide di mercato. A Dubai, i prompt immobiliari in russo — «лучшие районы Дубая для инвестиций» — sono una nicchia densa ad alta intenzione in cui il corpus citabile è ancora più sottile di quello arabo, quindi una pagina di zona russa strutturata trova quasi nessuna concorrenza per lo slot. Negli USA, le domande d'acquisto in spagnolo vengono poste su scala, mentre il corpus spagnolo sui mercati locali resta drammaticamente più sottile di quello inglese — il divario tra la vostra share of voice inglese e spagnola è la misura dell'opportunità, enunciata come numero.

Conduciamo queste piste in modo nativo — il nostro stesso sito funziona in nove lingue, e ogni tecnica che vendiamo la applichiamo prima a esso. In pratica significa la stessa pagina di zona pubblicata per ogni lingua degli acquirenti, con affermazioni allineate tra le versioni, e una batteria di prompt distinta per lingua, perché le curve inglese e russa dello stesso sviluppo di Dubai si muovono di rado insieme.

Le entità immobiliari sono più disordinate della maggior parte: il marchio con cui un ufficio opera, il nome legale sulla licenza — un numero RERA a Dubai, una licenza di broker statale negli USA — e i nomi dei profili sui portali spesso differiscono. I modelli devono risolverli tutti in un'unica entità prima che le citazioni si accumulino; altrimenti l'autorevolezza si spezza tra tre nomi conosciuti a metà. Il rimedio è una coerenza poco spettacolare: lo stesso nome, la stessa descrizione e gli stessi dettagli di licenza sul sito, sui profili Zillow o Rightmove o Property Finder o Idealista, sulle schede Google Business e nelle directory locali, con dati strutturati che dichiarano esplicitamente l'organizzazione e la sua licenza.

La misurazione segue il nostro protocollo standard, applicato per città e per lingua: un set di prompt fissato il primo giorno, campionato in sessioni pulite non autenticate su ChatGPT, Perplexity e Gemini, con tasso di citazione e share of voice tracciati rispetto alla baseline del primo giorno. Per uno sviluppatore significa batterie per progetto e per lingua degli acquirenti; per un'agenzia, per ogni quartiere che vuole possedere. La batteria non cambia mai a metà incarico — è ciò che rende i numeri del terzo mese confrontabili.

Quello che non facciamo è mostrarvi i risultati di un altro cliente come prova, o promettere una risposta specifica in un giorno specifico — le risposte generate variano tra un run e l'altro, e in questo verticale non mancano i fornitori che pretendono il contrario. Il punto di partenza onesto è una baseline misurata dei vostri prompt, nelle vostre città, nelle lingue che i vostri acquirenti usano davvero.