Site Quality Score e branded search: cosa sappiamo davvero (e cosa no) sul ranking brand-driven di Google

Di cosa parleremo: Analisi delle tre fonti primarie che documentano il Site Quality Score di Google: brevetto US9760641B1, testimonianza Navboost nel processo antitrust DOJ e parametro siteAuthority nel Content Warehouse API Leak. Diagnostica operativa su GSC, analisi log e framework di implementazione.

---

La Brand Authority non è un concetto di marketing. È un parametro documentato nell’infrastruttura di ranking di Google, con nome e cognome: siteAuthority.

Questo articolo analizza le tre fonti primarie che lo dimostrano — un brevetto concesso, una testimonianza giurata in tribunale e un leak di codice interno — separando ciò che è provato da ciò che è speculazione.

Per ogni meccanismo documentato, fornisco la diagnostica misurabile su Google Search Console e un piano di implementazione operativo.

Le tre fonti primarie: cosa dicono davvero

La maggior parte degli articoli sull’argomento cita queste fonti senza averle lette direttamente. Qui le analizzo paragrafo per paragrafo, con link al documento originale.

Patent US9760641B1: il Site Quality Score di Navneet Panda

Il brevetto US9760641B1, depositato nel 2012 e concesso nel 2017, è firmato da Navneet Panda e Vladimir Ofitserov (con contributo di Matt Lehman). Il titolo formale è “Site quality score”. Il documento descrive un metodo per calcolare un punteggio di qualità a livello di sito — non di singola pagina — basato sul rapporto tra query navigazionali e query generiche che generano click verso il sito.

La formula documentata nel brevetto opera su due componenti:

• Numeratore: volume di query navigazionali dirette al sito. Il brevetto definisce “navigational” le query che includono l’operatore site:, query contenenti il brand name, e query con alta concentrazione di click su un singolo dominio (soglia non specificata)
• Denominatore: volume di query generiche (non navigazionali) che generano click verso il sito

Il rapporto risultante produce un Site Quality Score (SQS): siti con alta ricerca branded rispetto al traffico generico ricevono un punteggio più alto.

Precisazione critica: il brevetto descrive un segnale premiale per siti con alta ricerca branded — non un “moltiplicatore negativo” esplicito per chi ha poco branded. Questa distinzione non è semantica: è la differenza tra un sistema che premia i brand riconosciuti e uno che penalizza attivamente chi non lo è. Il brevetto documenta solo il primo caso.

Nota di epistemic honesty: un brevetto concesso non equivale a una feature in produzione. Google deposita centinaia di brevetti ogni anno che non vengono mai implementati. Tuttavia, il fatto che il nome “Panda” sia associato sia a questo brevetto sia all’algoritmo Panda (confermato come sistema di qualità a livello di sito) rende la deduzione più robusta della media.

Processo antitrust DOJ vs Google (2023): Navboost e Glue

Durante il processo antitrust United States v. Google LLC (2023), i trascritti delle testimonianze giurate sono diventati pubblici. La testimonianza più rilevante per questo tema è quella di Pandu Nayak, VP of Search di Google, che ha dichiarato sotto giuramento:

“Navboost is one of the most important signals that we have in Search.”

Dai trascritti emergono due sistemi distinti:

• Navboost: sistema di re-ranking basato su 13 mesi di click data aggregati. Opera per query, per device e per location. Utilizza una tassonomia di click documentata: goodClicks (click seguiti da permanenza), badClicks (click seguiti da ritorno rapido alla SERP) e lastLongestClicks (ultimo click della sessione con permanenza più lunga)
• Glue: sistema parallelo che monitora le interazioni con le SERP features (Knowledge Panel, Featured Snippet, People Also Ask) — non con i 10 link organici, che sono dominio di Navboost

Precisazione critica: Navboost non è un sistema di brand-awareness. È un sistema di click-satisfaction. Il collegamento con le branded search è una deduzione— i risultati brandizzati tendono ad avere goodClicks più alti perché l’utente sa già cosa aspettarsi — ma questa correlazione non è documentata esplicitamente nei trascritti.

Il concetto di “pogo-sticking” come segnale negativo è confermato implicitamente dalla definizione di badClick, ma il termine “pogo-sticking” non appare nei trascritti con quella nomenclatura.

Google Content Warehouse API Leak (maggio 2024): siteAuthority

A maggio 2024, Erfan Azimi ha reso pubblico un corpus di documentazione interna di Google, analizzato per primo da Rand Fishkin (SparkToro, 27 maggio 2024) e Mike King (iPullRank). L’autenticità del leak è stata confermata — seppur con cautela — da Google stessa tramite Davis Thompson a The Verge: “we would caution against making inaccurate assumptions about Search based on out-of-context, outdated, or incomplete information”.

I parametri rilevanti documentati nel leak:

• siteAuthority — presente nel modulo CompressedQualitySignals, affianca pandaDemotion e navDemotion. Il contesto tecnico del modulo indica che serve per scoring preliminare rapido su sistemi con storage limitato (Flash storage in TeraGoogle), il che implica che è un segnale prioritario nella fase di pre-filtering
• siteFocusScore — segnale di specializzazione tematica del sito. La sua esistenza nel modulo di qualità suggerisce che la topical authority ha un parametro dedicato
• OriginalContentScore — punteggio di originalità del contenuto a livello di documento
• hostAge — età del dominio, che conferma l’esistenza di un sandbox period implicito
• navDemotion — demozione basata su segnali navigazionali negativi, che correla direttamente con il brevetto SQS e con il sistema Navboost

Precisazione critica: la composizione esatta di siteAuthority non è documentata nel leak. Collegarlo “principalmente alle branded search” è speculazione. Il parametro esiste, il suo contenuto computazionale resta opaco.

Mappa di certezze: cosa è provato, cosa è deduzione, cosa è mito

Claim	Fonte	Status
Google usa un Site Quality Score basato su query navigazionali	Patent US9760641B1	Documentato
I click influenzano il ranking tramite Navboost	Trascritti antitrust DOJ 2023	Confermato (testimonianza giurata)
Il parametro siteAuthority esiste nel sistema di ranking	Leak Content Warehouse API 2024	Confermato (autenticità ammessa)
Navboost usa dati Chrome per i click	Leak 2024 (interpretazione)	Controverso — negato da alcune analisi tecniche
siteAuthority è influenzato principalmente da branded search	Nessuna fonte diretta	Speculazione non documentata
Esiste un “moltiplicatore negativo” per siti con poco branded	Nessuna fonte diretta	Non documentato
Il pogo-sticking è un segnale di ranking esplicito	Implicito nel concetto di badClicks	Deduzione plausibile, non confermata nominalmente

Questa tabella è il punto di riferimento per ogni decisione operativa che segue. Ogni azione raccomandata in questo articolo è ancorata a un claim con status “Documentato” o “Confermato”. Le deduzioni sono esplicitate come tali.

L’architettura a due stadi: pre-filtering e re-ranking

Collegando le tre fonti emerge un’architettura di ranking articolata su due stadi temporalmente distinti, ciascuno con segnali e meccanismi propri.

Stadio 1: il pre-filtering siteAuthority nel CompressedQualitySignals

Il modulo CompressedQualitySignals nel leak contiene segnali compressi per accesso rapido su storage Flash. Questo posizionamento architetturale implica che siteAuthority è un segnale early stage: viene consultato prima del ranking completo per decidere se un documento passa alla fase successiva.

L’implicazione pratica è significativa: un sito con siteAuthority basso potrebbe non superare il pre-filtering per query competitive, indipendentemente dalla qualità del singolo contenuto. Il documento non raggiunge nemmeno la fase di ranking dove Navboost e altri segnali on-page operano.

Questo spiega un pattern osservato frequentemente nella pratica: contenuti tecnicamente eccellenti su domini nuovi o a bassa authority che non riescono a posizionarsi per query competitive, pur avendo metriche on-page superiori ai risultati in prima pagina. Il collo di bottiglia non è il contenuto — è il tetto strutturale imposto dal pre-filtering.

Stadio 2: il re-ranking (Navboost)

Superato il pre-filtering, Navboost interviene come sistema di re-ranking basato su 13 mesi di click data storici. La caratteristica fondamentale è che opera a livello di query-URL pair, non di sito. Ogni combinazione query+URL accumula la propria storia di goodClicks, badClicks e lastLongestClicks.

Questo genera un ciclo virtuoso (o vizioso) documentabile:

1. Ciclo virtuoso: rank alto → maggiore esposizione → più click → accumulo di goodClicks → rank rafforzato → più esposizione. Il risultato consolida la propria posizione nel tempo
2. Ciclo vizioso: rank basso → minima esposizione → pochi click → impossibilità di costruire storia click positiva → rank stagnante. Il risultato non riesce a emergere perché non ha dati sufficienti per Navboost

I risultati branded beneficiano strutturalmente del ciclo virtuoso: l’utente che cerca “brand + keyword” sa già cosa aspettarsi, rimane più a lungo sulla pagina (lastLongestClick) e raramente torna alla SERP (badClick basso). Questo non è un “bonus brand” esplicito di Navboost — è una conseguenza meccanica del modo in cui il sistema misura la soddisfazione.

Il Site Quality Score come segnale di feedback loop

Il brevetto SQS documenta un meccanismo di feedback loop intrinseco. Il rapporto branded/generic si auto-alimenta:

• Più un sito è conosciuto → più ricerche branded → SQS più alto → ranking migliore su query generiche → più visibilità → più brand recognition → più ricerche branded
• La trappola per siti puramente SEO-driven: alta visibilità su query generiche senza ricerca diretta. Il denominatore del rapporto SQS cresce (tante query generiche con click) senza che cresca il numeratore (poche query branded). Il punteggio si comprime

Questo meccanismo è particolarmente rilevante per siti che hanno costruito il proprio traffico esclusivamente su contenuti ottimizzati per keyword generiche ad alto volume, senza mai investire nella costruzione di brand recognition.

Perché i Core Update colpiscono i siti “SEO-only”

Nota metodologica: questa sezione è un’analisi interpretativa basata su pattern osservabili, non un meccanismo documentato nelle fonti primarie.

I Core Update del periodo 2022-2024 (in particolare Helpful Content Update di settembre 2023 e i successivi March e August 2024 Core Update) hanno colpito sistematicamente una tipologia di siti con caratteristiche comuni:

• Alto traffico da query generiche informazionali
• Branded search ratio prossimo a zero
• Produzione di contenuti su larga scala senza differenziazione editoriale
• Assenza di entity recognition nell’ecosistema Google (nessun Knowledge Panel, nessuna menzione in fonti autorevoli)

L’ipotesi è che i Core Update ricalibrano periodicamente i pesi relativi dei segnali di qualità. Quando il peso di siteAuthority o del SQS aumenta rispetto ai segnali on-page, i siti che dipendono esclusivamente da ottimizzazione tecnica e keyword targeting subiscono una compressione di visibilità. Non perché il loro contenuto sia peggiorato, ma perché il sistema di ranking ha spostato il baricentro verso segnali che questi siti non possiedono.

Questo è coerente con le dichiarazioni pubbliche di Google sull’Helpful Content System: l’obiettivo dichiarato è premiare contenuti creati “for people first”, dove “for people” si traduce operativamente in “contenuti che le persone cercano, non contenuti creati per intercettare le ricerche delle persone”. La branded search è la misura più diretta di questa distinzione.

Misurare il Brand/Generic Ratio con Google Search Console

Segmentazione delle query in GSC: branded vs non-branded

La diagnostica operativa parte dalla segmentazione delle query in Google Search Console. L’obiettivo è calcolare il rapporto tra traffico branded e traffico generico — il proxy misurabile più diretto del Site Quality Score documentato nel brevetto.

Nota: La stessa analisi può essere facilmente svolta con SEOdata.app compilando accuratamente il campo delle query brand al lanciuo dell’analisi.

La metodologia di classificazione richiede la definizione di un pattern regex che catturi tutte le varianti del brand:

# Pattern branded per un brand "ExampleBrand"
# Includere: nome brand, varianti, abbreviazioni, domini, errori comuni
import re

BRAND_PATTERNS = [
    r'examplebrand',
    r'example\s*brand',
    r'exmplbrand',           # errore comune di digitazione
    r'example-brand',
    r'examplebrand\.com',
    r'examplebrand\.it',
]

brand_regex = re.compile('|'.join(BRAND_PATTERNS), re.IGNORECASE)

def is_branded(query: str) -> bool:
    """Classifica una query come branded o generica."""
    return bool(brand_regex.search(query))

Per l’export e l’analisi, uno script Python che opera direttamente sui dati GSC via API:

from google.oauth2.credentials import Credentials
from googleapiclient.discovery import build
import pandas as pd

def get_brand_ratio(service, site_url, start_date, end_date, brand_regex):
    """Calcola il brand/generic ratio da dati GSC."""
    response = service.searchanalytics().query(
        siteUrl=site_url,
        body={
            'startDate': start_date,
            'endDate': end_date,
            'dimensions': ['query'],
            'rowLimit': 25000,
        }
    ).execute()

    rows = response.get('rows', [])
    df = pd.DataFrame([
        {
            'query': r['keys'][0],
            'clicks': r['clicks'],
            'impressions': r['impressions'],
            'ctr': r['ctr'],
            'position': r['position'],
        }
        for r in rows
    ])

    df['is_branded'] = df['query'].apply(
        lambda q: bool(brand_regex.search(q))
    )

    branded = df[df['is_branded']]
    generic = df[~df['is_branded']]

    return {
        'branded_clicks': branded['clicks'].sum(),
        'generic_clicks': generic['clicks'].sum(),
        'branded_impressions': branded['impressions'].sum(),
        'generic_impressions': generic['impressions'].sum(),
        'brand_click_ratio': (
            branded['clicks'].sum() /
            max(df['clicks'].sum(), 1)
        ),
        'brand_impression_ratio': (
            branded['impressions'].sum() /
            max(df['impressions'].sum(), 1)
        ),
        'branded_avg_ctr': branded['ctr'].mean(),
        'generic_avg_ctr': generic['ctr'].mean(),
    }

I KPI da calcolare e monitorare:

• Brand Click Ratio: Branded Clicks / Total Clicks — la metrica primaria del SQS
• Brand Impression Ratio: Branded Impressions / Total Impressions — indica la visibilità branded indipendentemente dal CTR
• Branded CTR vs Generic CTR: il differenziale indica la “brand premium” percepita dagli utenti in SERP

Il Brand Ratio come health indicator: soglie operative

L’interpretazione del dato richiede contesto di settore, ma dall’esperienza su decine di audit tecnici emergono soglie operative indicative:

Brand Click Ratio	Interpretazione	Rischio Core Update
< 2%	Sito completamente SEO-driven. Nessuna brand recognition misurabile	Molto alto
2-5%	Brand emergente. Presenza branded insufficiente per la dimensione del traffico generico	Alto
5-15%	Equilibrio accettabile per siti editoriali mid-size. Branded in crescita	Moderato
15-30%	Brand riconosciuto nel verticale. SQS solido	Basso
> 30%	Brand dominante. Tipico di brand consumer o siti con forte identity	Molto basso

Caveat: queste soglie variano enormemente per verticale. Un e-commerce fashion avrà branded ratio naturalmente più alto di un sito di guide tecniche. Il dato assoluto è meno significativo della direzione del trend temporale: un branded ratio in crescita costante è un segnale positivo indipendentemente dal valore assoluto.

Segnali di allerta precoce nei dati GSC

I dati GSC, analizzati con la giusta granularità temporale, forniscono segnali di allerta prima che un Core Update colpisca:

• Impression branded in calo costante mentre le generiche crescono: il denominatore del SQS cresce senza il numeratore. Se questo trend persiste per 3+ mesi, il rapporto si sta deteriorando strutturalmente
• CTR branded in caduta: il brand viene cercato ma non cliccato. Cause possibili: competitor che comprano il brand in Google Ads, Knowledge Panel che soddisfa la query senza click, sitelink che disperdono l’attenzione
• Query branded con posizione media > 3: questo è un problema di entity recognition. Se Google non riesce a posizionare il sito al primo posto per il proprio brand, c’è un deficit nella comprensione dell’entità
• Aumento di impression generiche senza aumento proporzionale di click: il sito sta guadagnando visibilità senza guadagnare engagement — esattamente il pattern che Navboost penalizza nel tempo

Analisi dei log: engagement behavior di Googlebot in relazione al brand signal

I dati GSC offrono una vista dal lato della SERP. I log del server offrono la vista complementare dal lato del crawling: come Googlebot alloca le proprie risorse sul sito, e se il pattern di crawling riflette l’authority strutturale percepita.

Setup dell’analisi: strumenti e pipeline

L’analisi richiede:

• Accesso ai log raw: Apache (access.log) o Nginx, non filtrati. I log aggregati da CDN come Cloudflare sono utilizzabili ma meno granulari
• Pipeline di analisi: Python con pandas per il parsing, o SEOdata.app per analisi strutturate su log di grandi dimensioni
• Periodo minimo: 90 giorni per avere significatività statistica sul crawl behavior

I pattern di crawl che correlano con authority strutturale del sito:

• Crawl frequency: siti ad alta authority ricevono crawl più frequente sulle pagine chiave. Se il crawl budget allocato è in calo progressivo, è un segnale di percezione di qualità in discesa
• Rapporto crawl pagine nuove/pagine esistenti: Googlebot che dedica più risorse alla ri-scansione delle pagine esistenti rispetto alla scoperta di nuove indica fiducia nel contenuto attuale
• Response time + crawl rate: Googlebot adatta il crawl rate alla velocità di risposta del server, ma siti ad alta authority tendono a ricevere un budget di crawl più generoso anche a parità di performance

Case study

In queste 3 immagini prese da seodata.app vediamo 3 casi differenti:

• A) Sito con buon equilibrio tra traffico Brand e No-Brand
• B) Sito con forte brand awareness e debvole content strategy
• C) Sito con forte content strategy ma bassa brand awareness

Questa distribuzione può dirci quanto questi siti sono e saranno “resistenti” a futuri core update.

• Il sito A è il più solido in assoluto, forte brand awareness e buona content strategy.
• Il sito B vive del suo brand e non c’è core update che possa spostare i suoi affezionati utenti.
• Il sito C è una bandiera al vento, pronta a volare via al prossimo core update.

Costruire Brand Authority misurabile: framework operativo

Il framework è organizzato in quattro livelli progressivi, dal prerequisito tecnico alla strategia a lungo termine. Ogni livello ha azioni concrete, metriche di verifica e tempi di impatto attesi.

Livello 1: Entity consolidation (prerequisito tecnico)

L’entity consolidation è il prerequisito: senza una chiara identità dell’entità nell’ecosistema Google, ogni sforzo di brand building non viene correttamente attribuito al grafo delle entità del Knowledge Graph.

Knowledge Panel:

• Verificare l’esistenza del Knowledge Panel cercando il brand name su Google
• Se assente, richiedere la verifica dell’entità tramite Google Search — il prerequisito è una pagina Wikipedia o Wikidata, oppure sufficiente coverage in fonti terze autorevoli
• Se presente ma incompleto, reclamarlo e aggiornarlo con informazioni verificabili

Schema.org markup:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Brand Name",
  "url": "https://www.example.com/",
  "logo": "https://www.example.com/logo.png",
  "sameAs": [
    "https://www.wikidata.org/wiki/QXXXXX",
    "https://www.linkedin.com/company/brand-name/",
    "https://twitter.com/brand_name"
  ],
  "founder": {
    "@type": "Person",
    "name": "Nome Cognome",
    "url": "https://www.example.com/about/",
    "sameAs": [
      "https://www.linkedin.com/in/nome-cognome/",
      "https://twitter.com/nome_cognome"
    ]
  }
}

NAP consistency: Name, Address, Phone devono essere identici su ogni piattaforma dove l’entità è menzionata. Le inconsistenze nel NAP riducono la confidence del sistema nell’entity reconciliation — Google non collega correttamente le menzioni se i dati non corrispondono.

Livello 2: Branded search generation (distribuzione)

La generazione di branded search è il lever operativo più diretto sul Site Quality Score. Non tutte le attività di distribuzione generano branded search in modo uguale.

Canali ad alto impatto sulla branded search:

• Newsletter: il canale con il ROI più alto in termini di branded search. Il lettore che riceve la newsletter e successivamente cerca il brand o l’argomento su Google genera una query branded diretta. L’effetto è misurabile in GSC nel giorno di invio e nei 2-3 giorni successivi
• Podcast (come ospite): l’ascoltatore cerca il nome dell’ospite o del brand dopo l’episodio. Effetto ritardato (1-7 giorni) ma con alta qualità della query (ricerche deliberate)
• Speaker a conferenze: genera branded search nel giorno dell’evento e nei giorni immediatamente successivi. Effetto spike temporaneo ma con alto volume per query navigazionali
• Digital PR e menzioni in pubblicazioni di settore: generano branded search indiretta — il lettore della pubblicazione cerca il brand su Google per approfondire

Canali a basso impatto sulla branded search:

• Social media organici: i click da social raramente generano una successiva ricerca branded su Google. L’utente interagisce direttamente nel feed, non passa per il motore di ricerca. L’impatto sulla branded search è minimo a meno di non generare conversazioni che escano dalla piattaforma
• Display advertising: genera brand awareness visuale ma la conversione in ricerca branded è tipicamente molto bassa

Misurazione dell’impatto: dopo ogni attività di distribuzione, monitorare in GSC l’andamento delle branded impressions nelle 72 ore successive (considerando il ritardo di 3 giorni nella disponibilità dei dati GSC). Costruire un calendario editoriale/distribuzione e sovrapporre i dati GSC per identificare le correlazioni più forti.

Livello 3: Click signal optimization (Navboost)

Una volta che il sito supera il pre-filtering con siteAuthority sufficiente, l’ottimizzazione dei click signals per Navboost diventa il lever per il posizionamento query-specific.

Title tag e meta description per CTR branded:

• Includere il brand name nel title tag per le pagine core (homepage, servizi, pillar content). Pattern: [Topic specifico] | [Brand Name]
• Meta description che differenzi visivamente il risultato: includere dati specifici, anni di esperienza, numero di progetti. L’obiettivo è che l’utente riconosca il brand prima di cliccare

Riduzione del pogo-sticking (proxy di badClicks):

• Matching preciso tra l’intent della query e il contenuto della landing page. Se il title promette “guida completa” e il contenuto è una panoramica superficiale, il badClick rate sale
• Tempo di caricamento della pagina: un utente che abbandona per lentezza genera un badClick indistinguibile (per Navboost) da un utente insoddisfatto del contenuto
• Above-the-fold content: il contenuto visibile senza scroll deve confermare immediatamente all’utente che la pagina risponde alla sua query

Internal linking per distribuzione di equity click: le pagine con storia click positiva (goodClicks consolidati) trasferiscono segnali positivi alle pagine linkate internamente. Identificare le pagine top-performer in GSC per CTR e usarle come hub di distribuzione verso pagine in crescita.

Livello 4: siteAuthority a lungo termine

Le strategie a lungo termine per consolidare siteAuthority:

• Link building qualitativo: il leak conferma che PageRank è ancora un segnale attivo nel sistema di ranking. I link da fonti autorevoli contribuiscono sia all’authority della singola pagina sia al segnale aggregato a livello di sito
• Topical authority: il parametro siteFocusScore nel leak implica che la specializzazione tematica è premiata. Un sito che copre un verticale in profondità accumula un siteFocusScore più alto di un sito generalista che copre molti topic in superficie. Questo è coerente con il concetto di topical authority discusso nella struttura semantica dei contenuti
• Evitare la diluizione tematica: pubblicare contenuti fuori dal perimetro tematico core del sito può abbassare il siteFocusScore. Se un sito di SEO tecnico inizia a pubblicare ricette di cucina per “catturare traffico”, il segnale di specializzazione si degrada. Ogni contenuto deve rientrare nel perimetro tematico che definisce l’expertise del sito

Piano di monitoraggio: metriche, frequenza, soglie di allarme

La dashboard minima per il brand health monitoring in Google Search Console:

Metrica	Frequenza di review	Soglia di allarme
Brand Click Ratio	Mensile	Calo > 2 punti percentuali in 3 mesi consecutivi
Branded CTR	Settimanale	CTR branded < 40% (il brand non converte in click)
Branded impressions trend	Mensile	Calo > 15% mese su mese per 2+ mesi
Posizione media query branded	Settimanale	Posizione > 2.0 per query brand esatte
Generic CTR per top-50 pagine	Settimanale	CTR in calo progressivo senza variazione di posizione (segnale Navboost)
Crawl frequency (da log)	Mensile	Calo > 20% del crawl rate sulle pagine top-100

Trigger di analisi approfondita: quando 2+ soglie di allarme scattano contemporaneamente, è il momento di condurre un’analisi completa del brand health. Non attendere il prossimo Core Update per reagire — i segnali precedono l’impatto algoritmico di settimane o mesi.

Il modello integrato: da segnale a sistema

Ricapitolando l’architettura documentata:

1. Patent US9760641B1 documenta il Site Quality Score basato sul rapporto branded/generic search
2. siteAuthority (leak 2024) opera nel pre-filtering, determinando quali documenti accedono al ranking completo
3. Navboost (confermato sotto giuramento, 2023) re-ranka i risultati basandosi su 13 mesi di click data per query-URL pair
4. Il feedback loop collega tutti i segnali: brand recognition → branded search → SQS alto → ranking migliore → più visibilità → più brand recognition

Checklist operativa prioritizzata:

1. Calcolare il Brand Click Ratio attuale da GSC (baseline)
2. Verificare la posizione media per query branded esatte (entity recognition)
3. Implementare Schema.org Organization + Person markup con sameAs
4. Richiedere/verificare il Knowledge Panel
5. Avviare il canale a più alto impatto sulla branded search (newsletter per la maggior parte dei siti)
6. Ottimizzare title tag per CTR branded sulle pagine core
7. Auditare il pogo-sticking sulle top-20 pagine per traffico generico
8. Impostare la dashboard di monitoraggio con le soglie di allarme
9. Verificare il siteFocusScore implicito: tutto il contenuto pubblicato rientra nel perimetro tematico?
10. Pianificare 2-3 attività di distribuzione/mese che generano branded search (speaker slot, podcast, PR)

Epistemic honesty: cosa sappiamo e cosa no

Con certezza documentata:

• Google usa un Site Quality Score basato su query navigazionali (brevetto)
• I click influenzano il ranking tramite Navboost con 13 mesi di dati (testimonianza giurata)
• Il parametro siteAuthority esiste nel sistema di ranking nella fase di pre-filtering (leak confermato)

Con prove ben fondate:

• I Core Update ricalibrano i pesi dei segnali di qualità, esponendo i siti con basso brand signal
• Il siteFocusScore premia la specializzazione tematica
• I risultati branded hanno un vantaggio strutturale in Navboost (goodClicks naturalmente più alti)

Resta aperto:

• La composizione esatta di siteAuthority
• Il peso relativo del SQS rispetto agli altri segnali di qualità nel pre-filtering
• Se e come Navboost utilizza dati provenienti da Chrome
• La soglia esatta di siteAuthority necessaria per superare il pre-filtering su query competitive

Ogni strategia operativa presentata in questo articolo è ancorata al primo o al secondo livello di certezza. Le azioni proposte funzionano indipendentemente dai dettagli che restano aperti, perché operano sui meccanismi documentati — non sulle speculazioni.

---

Fonti verificate — Processo antitrust DOJ vs Google

Il problema del testo originale che stavi analizzando è esattamente questo: cita “documenti del processo antitrust” senza mai specificare quale documento, quale testimone, quale pagina. Ho verificato tutti i sorgenti primari reperibili pubblicamente. Questa è la mappa completa e linkabile.

Documento 1 — Testimonianza scritta di Pandu Nayak (VP Search Google)

Il documento dove Navboost viene confermato esplicitamente.

• URL primario: https://thecapitolforum.com/wp-content/uploads/2023/10/101823-USA-v-Google-PM.pdf
• Fonte: The Capitol Forum (trascritto del processo, sessione pomeridiana 18 ottobre 2023)
• Citazione verificabile: “Navboost is one of the important signals that we have” — Pandu Nayak, testimonianza orale trascritta
• Citazione su Glue: “Glue is just another name for Navboost that includes all of the other features on the page” — Nayak, stessa trascrizione
• Citazione sulla finestra temporale: conferma dei 13 mesi di dati storici (18 mesi prima del 2017)
• Nota: il trascritto è parzialmente redatto. Le sezioni rilevanti per SEO sono accessibili.

Documento 2 — Testimonianza di Eric Lehman (Engineering, Google)

Il documento sui click signals e Navboost dal lato ingegneristico.

• URL primario: https://thecapitolforum.com/wp-content/uploads/2023/10/2023.09.21-AM-Trial-Transcript_FINAL.pdf
• Fonte: The Capitol Forum (trascritto udienza 21 settembre 2023, sessione mattutina)
• Contenuto: Lehman descrive l’uso dei click nel ranking, il funzionamento di Navboost, la freshness

Documento 3 — Presentazione Eric Lehman sui click signals (exhibit)

Documento interno Google prodotto come exhibit nel processo.

• URL primario: https://www.justice.gov/d9/2023-11/417823.pdf
• Fonte: DOJ, exhibit UPX diretto
• Contenuto: mostra come i click vengono utilizzati come segnale nel sistema di ranking

Documento 4 — “Life of a Click” (exhibit, parzialmente redatto)

Il documento che hai già visto — pesantemente redatto, ma conferma l’architettura.

• URL primario: https://www.justice.gov/d9/2023-11/417508.pdf
• Fonte: DOJ, exhibit GOOG-DOJ-17668265
• Nota di trasparenza: questo documento è quasi interamente redatto per il filing pubblico. I “3 pilastri del ranking” (Body, Anchors, User interactions) sono visibili, ma la maggior parte del contenuto tecnico è oscurata.

Documento 5 — Rebuttal Testimony of Professor Douglas W. Oard

Il documento che spiega Glue in modo più dettagliato.

• URL primario: https://www.justice.gov/d9/2023-11/418021.pdf
• Fonte: DOJ, testimonianza peritale del professor Oard
• Citazione verificabile su Glue: “Glue aggregates diverse types of user interactions — such as clicks, hovers, scrolls, and swipes — and creates a common metric to compare web results and search features”

Documento 6 — “Logging & Ranking” (exhibit interno Google)

Documento che mostra quali eventi vengono loggati nel sistema di ricerca.

• URL primario: https://www.justice.gov/d9/2023-11/417518.pdf
• Fonte: DOJ, exhibit interno Google

Documento 7 — Lista completa degli exhibit del processo

Repository ufficiale DOJ — punto di partenza per chiunque voglia approfondire.

• URL primario: https://www.justice.gov/atr/us-and-plaintiff-states-v-google-llc-2020-trial-exhibits
• Fonte: DOJ ufficiale
• Nota: è l’indice completo di tutti i documenti prodotti durante il processo

Documento 8 — Sentenza finale del giudice Mehta (agosto 2024)

Google ha violato la legge antitrust: questo è il documento ufficiale della sentenza.

• URL primario: https://www.tn.gov/content/dam/tn/attorneygeneral/documents/pr/2024/pr24-59-Google.pdf
• Fonte: Court ruling ufficiale