La ricerca delle parole chiave è da sempre uno dei pilastri fondamentali di qualsiasi strategia SEO efficace. Tradizionalmente, questo processo richiedeva l’uso combinato di strumenti come Google Keyword Planner, Ahrefs o SEMrush, insieme a ore di analisi manuale. Oggi, ChatGPT ha introdotto una dimensione completamente nuova in questo flusso di lavoro: non sostituisce i dati quantitativi forniti dagli strumenti dedicati, ma aggiunge una capacità di ragionamento semantico, contestuale e creativo che nessun tool tradizionale è in grado di offrire. La sua forza risiede nella comprensione dell’intento di ricerca, nella generazione di varianti lessicali e nella capacità di ragionare attorno a un argomento come farebbe un esperto di dominio.
In questo articolo troverai una raccolta di prompt testati e affinati per sfruttare ChatGPT in ogni fase della keyword research: dalla generazione iniziale di idee alla clusterizzazione semantica, dall’analisi dell’intento utente alla mappatura delle keyword su pagine specifiche. Ogni prompt è accompagnato da una spiegazione dei principi di prompt engineering che lo rendono efficace, dall’output atteso e da suggerimenti per personalizzarlo al tuo contesto specifico.
Sia che tu stia lavorando a una strategia di contenuto per un e-commerce, a un blog di settore o a un sito istituzionale, i prompt qui presentati sono stati progettati per adattarsi a scenari reali e produrre output immediatamente utilizzabili.
Prompt Pronti all’Uso per la Keyword Research
Prompt 1 — Generazione di Keyword Seed da un Argomento
Agisci come un esperto SEO con 10 anni di esperienza nella ricerca di parole chiave.
Il mio sito tratta il tema: [INSERISCI ARGOMENTO, es. "software di contabilità per PMI"].
Genera un elenco di 30 keyword seed suddivise nelle seguenti categorie:
1. Keyword informazionali (l'utente vuole imparare qualcosa)
2. Keyword commerciali (l'utente sta valutando un acquisto)
3. Keyword transazionali (l'utente è pronto ad acquistare)
4. Keyword navigazionali (l'utente cerca un brand o una risorsa specifica)
Per ogni keyword indica tra parentesi il probabile volume di ricerca relativo (alto/medio/basso) basandoti sulla tua conoscenza del settore.
Perché funziona: Questo prompt applica il principio del role assignment (assegnare un ruolo esperto al modello) e struttura l’output attraverso una tassonomia consolidata — la classificazione delle keyword per intento di ricerca. Chiedere la stima del volume relativo forza il modello a ragionare in modo comparativo invece di generare liste piatte.
Output atteso: Una lista categorizzata di 30 keyword con annotazioni sull’intento e una stima qualitativa del volume. L’output è ideale come punto di partenza prima di validare i dati su strumenti come Google Search Console o Ahrefs.
Personalizzazione: Sostituisci [INSERISCI ARGOMENTO] con la nicchia specifica del tuo progetto. Puoi aggiungere un vincolo geografico (“per il mercato italiano”) o di audience (“rivolto a professionisti over 40”) per affinare ulteriormente la rilevanza delle keyword generate.
Prompt 2 — Espansione Semantica di una Keyword Principale
Hai il compito di espandere semanticamente la seguente keyword principale: "[KEYWORD PRINCIPALE]".
Fornisci:
1. 10 sinonimi e varianti lessicali dirette
2. 10 keyword correlate per argomento (non sinonimi, ma termini che appartengono allo stesso universo semantico)
3. 10 long-tail keyword basate su domande frequenti degli utenti (formato: "come", "cosa", "perché", "qual è")
4. 5 keyword LSI (Latent Semantic Indexing) che Google associa tipicamente a questo termine
5. 3 keyword "also asked" probabili basate su PAA (People Also Ask) di Google
Formatta l'output in una tabella Markdown con colonne: Keyword | Tipo | Intento stimato
Perché funziona: La richiesta di output tabulare in Markdown è una tecnica di output formatting control che migliora drasticamente la leggibilità e la riutilizzabilità del risultato. Suddividere la richiesta in cinque categorie distinte evita la tendenza del modello a generare liste omogenee e poco differenziate.
Output atteso: Una tabella Markdown con circa 38 keyword organizzate per tipo e intento. Questo output è direttamente importabile in un foglio Google Sheets tramite copia-incolla o parsing.
Personalizzazione: Se lavori in un settore molto tecnico, aggiungi l’istruzione: “Includi anche terminologia settoriale e jargon professionale usato dagli esperti del settore.” Questo sblocca un livello di profondità lessicale che i tool standard spesso ignorano.
Prompt 3 — Analisi dell’Intento di Ricerca per una Lista di Keyword
Di seguito trovi un elenco di keyword. Per ognuna, analizza e classifica:
KEYWORD:
- [keyword 1]
- [keyword 2]
- [keyword 3]
- [keyword 4]
- [keyword 5]
Per ciascuna keyword restituisci:
1. **Intento primario**: Informazionale / Commerciale / Transazionale / Navigazionale
2. **Micro-intento**: descrizione in una frase di cosa cerca esattamente l'utente
3. **Tipo di contenuto consigliato**: (es. articolo how-to, pagina prodotto, comparativo, landing page, FAQ)
4. **Stage del funnel**: TOFU / MOFU / BOFU
5. **Probabilità di conversione**: Alta / Media / Bassa
Sii preciso e considera il contesto italiano del mercato digitale.
Perché funziona: Questo prompt trasforma ChatGPT in un analista di intento — uno dei compiti cognitivi più complessi e preziosi nella keyword research. La richiesta del “micro-intento” va oltre la semplice classificazione e forza il modello a ragionare su cosa vuole ottenere l’utente, non solo su quale categoria appartiene la ricerca. Il riferimento esplicito al “mercato italiano” riduce la deriva verso generalizzazioni basate su mercati anglofoni.
Output atteso: Una scheda dettagliata per ogni keyword con 5 attributi. Particolarmente utile per decidere quale tipo di pagina creare e come posizionare il contenuto nel funnel.
Personalizzazione: Puoi incollare fino a 20-25 keyword per sessione senza degradare la qualità dell’output. Per keyword con doppia interpretazione possibile, aggiungi: “Se una keyword è ambigua, indica entrambe le interpretazioni possibili.”
Prompt 4 — Clusterizzazione Semantica di Keyword
Sei un esperto di architettura dell'informazione e SEO tecnica.
Ti fornisco un elenco di 20 keyword. Il tuo compito è raggrupparle in cluster semantici,
dove ogni cluster rappresenta una potenziale pagina o sezione del sito web.
KEYWORD DA CLUSTERIZZARE:
[incolla qui le tue 20 keyword, una per riga]
Istruzioni:
- Crea cluster basati sulla somiglianza di intento, NON solo sulla somiglianza lessicale
- Ogni cluster deve avere: nome del cluster, keyword principale (head term), keyword secondarie, keyword di supporto (LSI/correlate)
- Indica se il cluster è adatto a una singola pagina o a un hub di contenuti con pagine satellite
- Suggerisci un titolo H1 ottimizzato per ogni cluster
Formato output: usa intestazioni Markdown per ogni cluster.
Perché funziona: La clusterizzazione per intento (non per somiglianza lessicale superficiale) è la distinzione critica che rende questo prompt superiore a un semplice raggruppamento per keyword simili. Includere la distinzione tra “singola pagina” e “hub di contenuti” aggiunge un layer di strategia dell’architettura che trasforma la keyword research in un piano editoriale concreto.
Output atteso: 4-7 cluster semantici ben definiti, ciascuno con head term, keyword secondarie, tipo di pagina consigliato e un titolo H1 pronto all’uso. Questo output è la base per una content map professionale.
Personalizzazione: Aggiungi contesto sul sito: “Il sito è un e-commerce di prodotti per la casa con domain authority stimata di 35.” Questa informazione guida ChatGPT verso cluster realisticamente raggiungibili per il livello di autorità del dominio.
Prompt 5 — Gap Analysis delle Keyword rispetto ai Competitor
Agisci come un consulente SEO che esegue una gap analysis competitiva.
Il mio sito si occupa di: [DESCRIVI IL TUO SETTORE E PRODOTTO/SERVIZIO]
I miei principali competitor sono: [COMPETITOR 1], [COMPETITOR 2], [COMPETITOR 3]
Basandoti sulla tua conoscenza di questi brand e settore:
1. Identifica 15 aree tematiche (topic cluster) che i competitor probabilmente coprono e che io potrei non aver ancora affrontato
2. Per ogni area tematica suggerisci 3 keyword specifiche con cui potrei competere
3. Evidenzia quali aree hanno probabilmente meno competizione editoriale (opportunità di ranking più rapido)
4. Suggerisci 5 angolazioni di contenuto "underserved" — argomenti che il mercato tratta poco ma che hanno domanda latente
Nota: specifica sempre quando stai facendo una stima basata su conoscenza generale vs. analisi verificabile.
Perché funziona: Questo prompt applica il principio della constraint transparency — chiedendo esplicitamente al modello di distinguere tra conoscenza verificata e stime, si aumenta l’affidabilità dell’output e si evita il fenomeno delle “allucinazioni confident”. La richiesta di “angolazioni underserved” è un prompt aperto che sfrutta la capacità creativa di ChatGPT per individuare opportunità non ovvie.
Output atteso: Un documento strategico con aree tematiche, keyword associate e opportunità di contenuto. Questo output è ideale come brief per un content strategist o come input per una sessione di pianificazione editoriale.
Personalizzazione: Se conosci URL specifici dei competitor, puoi citarli. ChatGPT può ragionare su brand e siti noti con una discreta accuratezza, ma ricorda che la sua knowledge ha una data di cutoff: per dati aggiornati, integra sempre con strumenti come Ahrefs Site Explorer o SEMrush Gap Analysis.
Prompt 6 — Generazione di Keyword per Featured Snippet e Posizione Zero
Voglio ottimizzare contenuti per conquistare i Featured Snippet di Google nel settore: [SETTORE].
Genera 20 query ad alto potenziale per featured snippet, seguendo questi criteri:
- Domande dirette che Google tende a rispondere con snippet di tipo "paragrafo" (chi, cosa, perché, come)
- Query che producono snippet di tipo "lista" (step-by-step, elenchi di elementi)
- Query che producono snippet di tipo "tabella" (comparazioni, dati strutturati)
Per ogni query indica:
1. Il tipo di featured snippet più probabile (paragrafo / lista / tabella)
2. La lunghezza ideale della risposta ottimizzata (in parole)
3. Un esempio di come strutturare la risposta per massimizzare le probabilità di ranking in posizione zero
Concentrati su query con intento informazionale e volume medio-alto nel mercato italiano.
Perché funziona: Questo prompt combina la generazione di keyword con la strategia di ottimizzazione on-page. Specificare i tre formati di snippet (paragrafo, lista, tabella) struttura l’output in modo da coprire tutti i pattern che Google utilizza, rendendo il risultato immediatamente actionable per un SEO copywriter.
Output atteso: Una lista di 20 query con tipo di snippet, lunghezza consigliata della risposta e un esempio di struttura. Questo prompt è particolarmente utile per chi vuole scalare la produzione di contenuti ottimizzati per la posizione zero.
Personalizzazione: Sostituisci “mercato italiano” con una regione specifica se operi in un mercato locale (es. “mercato lombardo” o “utenti di lingua italiana in Svizzera”) per ottenere query con sfumature geografiche più precise.
Prompt 7 — Keyword Research per E-commerce: Intento Transazionale e Product Pages
Sei un SEO specialist specializzato in e-commerce. Sto ottimizzando le pagine prodotto e categoria del mio shop online che vende: [CATEGORIA PRODOTTO].
Esegui una keyword research focalizzata sull'intento transazionale:
1. **Keyword per pagine categoria** (volume medio-alto, intento commerciale/transazionale)
- 10 keyword head term per categorie principali
- 10 keyword per sottocategorie (più specifiche, long-tail)
2. **Keyword per pagine prodotto** (long-tail, alta specificità)
- 10 pattern di keyword basati su attributi prodotto (colore, taglia, materiale, marca)
- 5 keyword basate su confronto (es. "X vs Y", "migliore X per [use case]")
3. **Keyword negative da escludere** (query con intento informazionale che sprecherebbero budget in ADV)
4. **Modificatori ad alta conversione** da aggiungere alle keyword base
(es. "economico", "originale", "consegna rapida", "offerta", etc.)
Includi una nota su quali keyword sono più adatte a campagne Google Ads vs. posizionamento organico.
Perché funziona: La separazione tra keyword per pagine categoria e keyword per pagine prodotto riflette l’architettura reale di un e-commerce e produce output direttamente mappabile sulla struttura del sito. La sezione delle “keyword negative” è un elemento spesso trascurato che dimostra profondità di conoscenza SEO e produce valore immediato anche per chi gestisce campagne a pagamento.
Output atteso: Un piano keyword strutturato su tre livelli (categoria, sottocategoria, prodotto) con modificatori e keyword negative. L’output è utilizzabile sia per l’ottimizzazione organica sia come base per la struttura di una campagna Google Shopping.
Personalizzazione: Aggiungi il range di prezzo medio dei tuoi prodotti e il tuo target demografico. Queste variabili influenzano significativamente i modificatori di intento (es. “premium” vs. “economico”, “professionale” vs. “per principianti”).
Commenti (0)