llms.txt e SEO

La risposta breve

llms.txt non migliora il posizionamento nella ricerca Google. Google dichiara esplicitamente che Search non usa llms.txt né altri file speciali per l'IA o in Markdown, nemmeno per le funzionalità di IA generativa.

Fuori da Google, il file può offrire un elenco curato a un client compatibile o configurato direttamente. Non dimostra un uso automatico da parte dei chatbot né un aumento di citazioni o traffico di referral.

La distinzione è importante: il SEO tradizionale riguarda i motori di ricerca. GEO e AEO descrivono attività per la visibilità nelle risposte IA, ma non esiste un meccanismo confermato con cui llms.txt da solo aumenti tale visibilità.

SEO su Google: confermato nessun impatto

La pipeline di crawling e ranking di Google è indipendente da llms.txt. Google usa Googlebot per scansionare le pagine, indicizza il loro contenuto con segnali propri e classifica i risultati in base a pertinenza, autorità, Core Web Vitals e un ampio insieme di fattori interni. Nessuno di questi fattori include la pubblicazione di un file llms.txt.

È analogo a come Google tratta sitemap.xml: inviare una sitemap aiuta Google a scoprire gli URL più rapidamente, ma non fa sì che quegli URL rankino meglio. llms.txt non è nemmeno in quella categoria: Googlebot non ha un comportamento documentato per trattare llms.txt come suggerimento di scoperta.

Un file pubblico può essere recuperato tecnicamente. Questo non implica né l'indicizzazione né un effetto positivo o negativo sul ranking delle altre pagine.

Generative Engine Optimization (GEO)

GEO è la pratica di ottimizzare i contenuti per essere citati e raccomandati con precisione dai sistemi IA: Perplexity, ChatGPT, Claude, Gemini e il crescente ecosistema di strumenti di ricerca e assistenza basati su IA. A differenza del SEO di Google, GEO non è governato da un algoritmo pubblico e le prove causali sono limitate. Indipendentemente da llms.txt, restano utili queste basi editoriali e tecniche:

• Contenuti autorevoli e fattuali con attribuzioni e fonti chiare.
• Markdown o HTML pulito e ben strutturato facile da analizzare per un crawler IA.
• URL canonici e stabili che non reindirizzano né cambiano frequentemente.
• Un llms.txt curato per client con compatibilità dimostrata.

Se un client legge espressamente il file, riceve la selezione curata. È un passaggio di retrieval verificabile, non una prova di maggiori citazioni in prodotti IA indipendenti.

Traffico di referral generato da IA

I prodotti IA possono inviare traffico quando una risposta collega un sito. Nel proprio caso, il fenomeno va misurato in Analytics e nei log completi.

Un referral dimostra una visita, non che llms.txt l'abbia causata. Prima di attribuire un effetto, confrontare periodi, landing page e tracce di retrieval.

Pagine canoniche, accessibili e leggibili dalle macchine sono una base solida. Tuttavia, non è documentato che PerplexityBot o OAI-SearchBot usino llms.txt come segnale speciale.

Citazioni LLM e menzioni del brand

Quando uno sviluppatore chiede a ChatGPT o Claude "Come uso l'API Stripe per addebitare un cliente?", il modello può citare stripe.com come fonte. Quella citazione è guidata dai dati di addestramento e dal recupero: il modello ha imparato dalla documentazione di Stripe o l'ha recuperata al momento dell'inferenza.

In un workflow controllato, llms.txt può indicare quali pagine canoniche caricare per prime. Per sistemi esterni, ciò vale solo se il comportamento è documentato o osservato in una traccia di retrieval.

L'uso più difendibile è un workflow compatibile di cui si possano misurare input, URL recuperati e risposte.

La strategia SEO corretta con llms.txt

Pensare a llms.txt come a uno strato in una strategia di contenuto a tre livelli:

1. SEO tradizionale (Google, Bing). Contenuti originali di alta qualità. Dati strutturati Schema.org. Configurazione tecnica pulita (Core Web Vitals, crawlability, tag canonici, hreflang). Backlink editoriali da fonti autorevoli.
2. Contenuti leggibili dall'IA. Prosa chiara e ben strutturata. Affermazioni fattuali con fonti. Tono autorevole senza riempitivo. Un llms.txt che mette in evidenza le migliori pagine quando esiste un client compatibile.
3. Strumenti per sviluppatori. Se gli utenti sono sviluppatori, il llms.txt deve essere utile al client compatibile previsto. Collegare il riferimento API, i doc SDK, gli esempi di codice e il changelog, non solo le pagine di marketing.

I livelli 1 e 2 si rafforzano a vicenda. I contenuti di alta qualità che rankano su Google sono anche quelli più probabilmente citati dai sistemi IA.

Lista di implementazione

Per un'implementazione pulita e manutenibile di llms.txt:

• Pubblicare /llms.txt alla radice del dominio, accessibile senza autenticazione.
• Assicurarsi che non sia bloccato in robots.txt (deve essere scansionabile da tutti i bot).
• Collegare solo URL canonici, non di staging, paginati o di reindirizzamento.
• Mantenere il file conciso: 10-30 collegamenti con descrizioni chiare, non ogni pagina del sito.
• Aggiungere dati strutturati schema.org nelle pagine chiave (TechArticle, FAQPage, HowTo, SoftwareApplication dove applicabile).
• Usare il validatore per confermare che il file rispetti la specifica.
• Aggiornare llms.txt quando si pubblicano nuove pagine canoniche o si ritirano quelle vecchie.
• Considerare llms-full.txt solo se un workflow concreto di ingestione supporta questa convenzione separata.

Continua a leggere

• llms.txt funziona davvero? (EN), prove per caso d'uso.
• Cos'è llms-full.txt? (EN), il file complementare con il corpus completo.
• Cos'è llms.txt?, definizione e origine.
• Creare llms.txt, passo dopo passo con modelli.