Quando scegliamo un ristorante, cerchiamo un professionista sanitario o un negozio in cui acquistare, raramente decidiamo da soli. Secondo un’indagine di Euroconsumers, il 65% dei consumatori consulta le recensioni online, e il 78% le considera determinanti nella scelta finale.
A cambiare, però, è il modo in cui cerchiamo quelle informazioni: con la diffusione degli assistenti basati sull’intelligenza artificiale, la ricerca locale smette di essere una lista di parole chiave e diventa una conversazione.
Per anni la ricerca locale ha funzionato con formule essenziali. La sola espressione “vicino a me” genera ancora oggi oltre 7 milioni di ricerche al mese, secondo una rielaborazione di Local Strategy.
Con i motori conversazionali come ChatGPT, Gemini o Perplexity, le ricerche diventano più lunghe e personali. Non si cerca più solo “ristorante vicino a me”, ma “viene a trovarmi il mio amico con la compagna, mi cerchi un posto tranquillo per quattro persone stasera?” o “dove portare qualcuno al primo appuntamento”. Sono richieste che racchiudono emozioni, aspettative e contesto, elementi che le tradizionali informazioni online faticano a interpretare.
Dove si trovano, dunque, i testi da cui le AI estrapolano le informazioni per restituirci una risposta accurata? A rispondere è Luca Bove, uno dei punti di riferimento in Italia per la geolocalizzazione delle aziende, founder e CEO di Local Strategy: “Le informazioni emotive non vivono negli elenchi ufficiali, perché pochi documenti dicono se un locale è adatto a una serata romantica o se l’atmosfera è elegante o informale. Quelle sfumature esistono principalmente nella voce degli utenti, che si esprime, ad esempio, attraverso le recensioni. Lì le persone non raccontano cosa hanno mangiato, ma come si sono sentite”.
Il problema è che questa materia prima è tanto ricca quanto trascurata. Analizzando oltre 875.000 profili Google italiani, Local Strategy ha rilevato che l’82% ha almeno una recensione, con una media di 153 recensioni per scheda e un voto medio di 4,38. Ma su quasi 49 milioni di recensioni analizzate, solo il 17,4% ha ottenuto una risposta dall’attività.
Su questo tema, Perplexity ha siglato un accordo con Tripadvisor per integrare recensioni e valutazioni nelle sue risposte, e da ottobre 2025 Tripadvisor ha portato gli stessi contenuti dentro ChatGPT.
A complicare il quadro c’è la pulizia automatica delle piattaforme: solo nel 2025 Google ha rimosso oltre 292 milioni di recensioni ritenute fasulle o non conformi, secondo il report sulla trasparenza di Google Maps. La fonte da cui l’AI attinge per descrivere un’attività è preziosa, ma va presidiata con continuità.
L’intelligenza artificiale non “capisce” un luogo come farebbe una persona, ma costruisce le risposte partendo dalle informazioni che trova online. Quando la domanda è semplice, usa dati pratici come indirizzi, orari e descrizioni. Quando invece la domanda è più personale, cerca segnali nelle parole delle persone. Per questo le recensioni diventano sempre più importanti: aiutano l’AI a capire atmosfera, esperienza e contesto.
La ricerca locale non è sparita, è solo cambiata. L’intelligenza artificiale si aggiunge agli strumenti già esistenti e legge le recensioni al posto nostro, rendendole ancora più decisive.
Per chi gestisce un’attività la conseguenza è concreta: la cura delle recensioni non incide più solo sulla reputazione verso i clienti, ma su come quell’attività verrà compresa, descritta e consigliata dagli assistenti AI. Luca Bove individua tre fasi necessarie per presidiare il canale.
Raccogliere senza filtri: chiedere le recensioni a tutti i clienti, seguendo delle opportune best practice e una strategia che varia da settore a settore. Più la base è ampia, più il quadro che restituirà ai motori di ricerca e ai sistemi AI sarà rappresentativo dell’esperienza reale di chi quell’attività l’ha già vissuta.
Rispondere a tutte e leggere il sentiment: anche la risposta è comunicazione, perché dimostra attenzione al cliente e, secondo diversi studi, le attività che rispondono in modo sistematico registrano tassi di conversione superiori. Attraverso sistemi AI con lettura automatica del sentiment, si possono analizzare migliaia di testi monitorando l’andamento di parole chiave come “prezzo”, “personale”, “negozio” o “esperienza”. Si capisce così se un voto positivo dipende dalla cortesia dello staff o dalla competitività dei listini, e se una valutazione negativa è riconducibile a criticità strutturali del punto vendita.
Difendere e contestare: è la fase meno visibile ma sempre più cruciale. Proteggersi dalle recensioni fasulle, monitorare i competitor localmente e segnalare comportamenti scorretti è fondamentale. Le piattaforme usano sistemi di AI per moderare i contributi e cancellano, come già anticipato, le recensioni che non sembrano autentiche. Il filtro automatico, però, non è infallibile, e a volte cancella recensioni vere ottenute con fatica. In questi casi è opportuno monitorare le recensioni cancellate tramite appositi tool e interagire direttamente con le piattaforme per chiedere il ripristino.
“Le recensioni stanno diventando un patrimonio informativo, non più solo uno strumento di reputazione. Le macchine le leggono per rispondere alle persone, ma dietro ogni risposta servono ancora occhi umani capaci di cogliere il contesto: il rischio, altrimenti, è che a parlare delle attività siano dati che nessuno ha davvero ascoltato”, conclude Luca Bove.
