Vai al contenuto principale
Geo Optimizer - SEO Toolkit for GEO
Python 3.8+ BeautifulSoup4 lxml requests jsonschema pytest

Geo Optimizer - SEO Toolkit for GEO

Toolkit open source per Generative Engine Optimization. Analizza e ottimizza siti web per essere citati da ChatGPT, Perplexity, Claude e Gemini — basato sulla ricerca Princeton KDD 2024.

Cliente

Marketing Tools

Anno

2026

Visita il sito

Risultati ottenuti

9.25/10

Quality Score

87%

Test Coverage

v1.5.0 (stable)

Releases

Published

npm Package

Tech Stack

Python 3.8+ BeautifulSoup4 lxml requests jsonschema pytest
La sfida

Il problema da risolvere

I motori di ricerca AI (ChatGPT Search, Perplexity, Claude, Gemini) non mostrano una lista di link come Google. Danno una risposta diretta e citano le fonti. Se il tuo sito non è ottimizzato per questo nuovo paradigma, semplicemente non appari — anche se sei primo su Google.

La ricerca di Princeton (KDD 2024, 10.000 query reali su Perplexity.ai) ha dimostrato che tecniche specifiche come "Cite Sources" possono aumentare la visibilità AI fino al +115%. Ma nessun tool pratico implementava queste scoperte in modo azionabile.

Serviva un toolkit che trasformasse la ricerca accademica in azioni concrete per sviluppatori e marketer.

La soluzione

L'approccio strategico

Geo Optimizer è un toolkit completo per la Generative Engine Optimization (GEO):

  • GEO Audit (0-100): analisi completa del sito che verifica robots.txt per 13 AI bot, presenza e struttura di /llms.txt, schema JSON-LD (WebSite, FAQPage, WebApplication), meta tags SEO e qualità dei contenuti (headings, statistiche, citazioni esterne).
  • llms.txt Generator: genera automaticamente il file /llms.txt dal sitemap del sito, strutturato con H1, sezioni H2 e link categorizzati — il formato standard per indicizzazione AI.
  • Schema Injector: genera e inietta schema JSON-LD validati (WebSite, FAQPage, Article, Organization, Breadcrumb) con validazione Draft 7 pre-injection.
  • 9 metodi Princeton: implementazione pratica dei 9 metodi GEO dalla ricerca accademica, ordinati per impatto: Cite Sources (+115%), Statistics (+40%), Quotation Addition (+30-40%), Authoritative Tone (+6-12%).
  • Multi-piattaforma AI: context files pronti per Claude Projects, ChatGPT Custom GPT, Cursor, Windsurf e Kiro.
  • CI/CD Ready: output JSON per integrazione in pipeline automatizzate con threshold configurabili.

Stack tecnico: Python 3.8+, BeautifulSoup4, lxml, jsonschema, pytest.

Il problema: invisibilità nelle risposte AI

Il modo in cui le persone cercano informazioni online sta cambiando radicalmente. ChatGPT Search, Perplexity, Claude e Gemini non mostrano 10 link blu — danno una risposta diretta e citano le fonti. Se il tuo sito non è tra le fonti citate, per l”utente AI non esisti.

La ricerca condotta da Princeton (pubblicata a KDD 2024, con 10.000 query reali su Perplexity.ai) ha quantificato l”impatto: il metodo “Cite Sources” aumenta la visibilità AI fino al +115%, “Statistics” del +40%. Ma queste scoperte rimanevano confinate all”ambito accademico, senza tool pratici per implementarle.

La soluzione: dalla ricerca alla pratica

Geo Optimizer traduce la ricerca accademica in un toolkit azionabile. Il cuore è il GEO Audit: un”analisi 0-100 che verifica 5 aree critiche per la visibilità AI:

  1. Robots.txt: verifica che i 13 principali AI bot (GPTBot, ClaudeBot, PerplexityBot, Google-Extended…) abbiano accesso al sito
  2. llms.txt: controlla presenza, struttura e completezza del file di indicizzazione AI
  3. Schema JSON-LD: valida la presenza di WebSite, WebApplication e FAQPage schema con validazione Draft 7
  4. Meta Tags: verifica title, description, canonical, Open Graph completi
  5. Qualità Contenuto: analizza heading structure, dati numerici, citazioni esterne

I 9 metodi Princeton implementati

Ogni raccomandazione del toolkit è basata sui 9 metodi GEO validati dalla ricerca, ordinati per impatto misurato:

  • Cite Sources (+30-115%): linkare fonti autorevoli esterne
  • Statistics (+40%): includere dati numerici specifici, percentuali, date
  • Quotation Addition (+30-40%): citare esperti con attribuzione
  • Authoritative Tone (+6-12%): linguaggio esperto, terminologia precisa
  • Fluency Optimization (+15-30%): frasi chiare, flusso logico

Risultati e qualità

Il progetto ha raggiunto un quality score di 9.25/10 secondo il rubric interno, con 89 test automatici (87% coverage), CI/CD con GitHub Actions e Codecov, output JSON per integrazione CI/CD, e 5 release stabili su GitHub. È utilizzabile sia come CLI standalone che come context file per assistenti AI.

Pronto per il tuo progetto?

Vuoi risultati simili?

Ogni progetto è unico, ma l'approccio rimane lo stesso: analisi, strategia e risultati misurabili. Parliamo del tuo prossimo successo.