Giovanni Sacheli

Come WordPress 7.1 carica i mu-plugin: ordine byte per byte, sottocartelle ignorate, recovery mode che non li mette in pausa, Plugin Dependencies che non li vede. Con snippet eseguiti su WordPress 7.1 per la guardia SEO tra staging e produzione, il caricamento selettivo dei plugin e l'audit di sicurezza della cartella.

Cinque file da incollare in mu-plugins e il tracciamento delle ChatGPT Ads su WordPress e WooCommerce e' completo: pixel, consenso, oppref, eventi di funnel, Conversions API server-side, UTM e GA4. Con verifica in dieci minuti.

Come tracciare le conversioni delle campagne ChatGPT Ads: Measurement Pixel, Conversions API, persistenza di oppref, gestione del consenso e integrazione con GA4, con il codice e i punti in cui l'attribuzione si rompe.

Come analizzare i log del web server in ottica SEO: verifica dei bot, categorie, crawl budget e le colonne che rivelano le pagine che Google trascura.

Il processo completo per entrare nelle risposte generate dalle AI: assessment dei motori, must-win prompt, audit a quattro lenti, fondamenta tecniche e loop di misurazione. Con uno studio di prima mano sui log di evemilano.com che mostra perché contare i bot AI per user-agent sbaglia di due o tre volte, e perché llms.txt non lo consiglio.

Come funziona davvero la programmazione agentica: il loop di un agente, l'anatomia dell'harness, il confine di contesto fra orchestratore e subagent, quattro casi reali con gli errori da correggere, i dati di settore che i vendor non citano e il metodo operativo per lavorare con un agente senza accumulare debito.

Meglio parlare all'AI in italiano o in inglese? La lingua incide poco sulla comprensione, un po' sul ragionamento di nicchia e va scelta in base al deliverable. Guida ai meccanismi reali (token, training, cross-lingual transfer) e regole pratiche IT/EN.

Google dichiara miliardi di click dalle funzioni AI, gli studi indipendenti misurano CTR in calo e i tool contano citazioni che non predicono le raccomandazioni. Analisi dei dati di luglio 2026 e framework di misurazione a quattro livelli, con metodologia di campionamento statistico in Python.

Come funziona il query fan-out di Google, ricostruito dai brevetti: la pipeline di AI Mode, le otto tipologie di sotto-query, i numeri di tre studi indipendenti e la metodologia per estrarre le sotto-query reali via API Gemini con Python, fino al fan-out coverage audit del sito.

I crawler di Meta e Amazon generano milioni di richieste senza back-off: come quantificarli nei log, verificarne l'autenticità e fermarli con cache, robots.txt, rate limiting e WAF, senza perdere i link preview.

nodriver, patchright, camoufox e curl_cffi a confronto nel 2026: come funziona davvero la detection a 7 strati, snippet max-safety e benchmark riproducibile.

Guida tecnica 2026 ai crawler AI: tassonomia degli user-agent (GPTBot, ClaudeBot, Google-Extended…), quando bloccarli e quando lasciarli per farti citare, controllo via robots.txt ed enforcement lato server.

Mappa tecnica completa del filesystem di Claude Code: cosa salva, dove lo salva, come spostare la memoria su altro disco o cloud, come resettarla in modo selettivo e come disinstallare tutto senza lasciare tracce.

Come installare e usare server MCP in Claude Code: setup pratico, esempio con DataForSEO e un server custom Python per Google Analytics 4.

Walkthrough completo del tool Cloudflare isitagentready.com: i 18 standard tecnici verificati su robots.txt, MCP, OAuth, Web Bot Auth e protocolli di pagamento agentico.

I validatori Schema.org verificano la sintassi JSON-LD ma ignorano errori semantici come date hardcoded o tipi di dato errati. Questa pipeline tecnica replicabile sfrutta Claude Code e un server MCP per automatizzare l'audit avanzato dei dati strutturati a livello di contesto.

Guida tecnica completa su come funzionano gli LLM: Transformer, attention, training, scaling laws, modelli moderni e implicazioni per SEO e AI Search.

L'advertising hijacking sfrutta redirect chain e cloaking server-side per dirottare il traffico navigazionale tramite frodi sui programmi affiliate. Analisi tecnica delle vulnerabilità nel brand bidding e pipeline operativa in Playwright per il brand SERP monitoring avanzato.

Analisi dei fattori di posizionamento e dell'architettura di ranking su Amazon, dal modello A9 al knowledge graph Cosmo. L'ottimizzazione richiede un approccio divergente da Google, focalizzato su indicizzazione token-based e dominio del conversion rate sulla rilevanza semantica.

Analisi tecnica delle 20 policy ufficiali antispam di Google e dell'evoluzione del sistema di machine learning SpamBrain fino al 2026. Distinguere una pagina spam da un calo qualitativo è il primo step per una corretta diagnostica post-update e per il recupero del traffico.

L'implementazione dei dati strutturati tramite vocabolario Schema.org fornisce a Googlebot il contesto semantico necessario per mappare le entità nel Knowledge Graph. La corretta marcatura del codice abilita i rich result in SERP, dagli accordion delle FAQ ai dati prodotto.

Analisi tecnica delle tre fonti primarie sul Site Quality Score di Google: il brevetto US9760641B1, i documenti antitrust su Navboost e il parametro siteAuthority nel leak API. Diagnostica avanzata su GSC per misurare il peso reale delle query navigazionali sul ranking brand-driven.

Il crawl budget è l'esatta interazione tra crawl rate limit e crawl demand, fattore critico per siti enterprise con milioni di URL. Analisi tecnica dell'architettura di Googlebot, dall'URL Frontier alla Priority Queue, per ottimizzare la scansione tramite log server in Python e GSC.

Superare i limiti dei tool GUI analizzando i dati grezzi da riga di comando. Utilizza pipeline CLI con curl, jq e awk per ispezionare header HTTP, log server e catene di redirect, costruendo audit SEO tecnici riproducibili e output deterministici direttamente dal terminale.

Analisi tecnica della persistenza dei dati nel protocollo HTTP tramite header Set-Cookie. Comprendere la meccanica dei cookie, attributi come Max-Age e i limiti di Googlebot come crawler stateless è essenziale per diagnosticare problemi di rendering e involuntary cloaking.

Analisi dell'architettura ibrida del Knowledge Graph di Google e del passaggio al modello RDF a triple semantiche. Strategie di data modeling e ontologie Schema.org per manipolare le entità, sfruttare i KGMID e ottimizzare la presenza tecnica nei knowledge panel.

Analisi dell'architettura RAG nativa per WordPress sviluppata interamente in PHP e MySQL, senza dipendenze da database vettoriali esterni. Il sistema supera i limiti della ricerca lessicale integrando la ricerca semantica su VPS o hosting condivisi con meno di 1GB di RAM.

Il content chunking facilita l'ingestione dei testi nei sistemi RAG e ottimizza la vector search per i modelli LLM. Tuttavia, un'eccessiva frammentazione semantica per assecondare le macchine degrada la UX e innesca i warning algoritmici di Google sul ranking tradizionale.

Analisi tecnica di report e metriche di SEOData.app per la gestione di big data SEO tramite API di Google Search Console. Focus sui metodi di calcolo, la discrepanza delle query anonime tra connettori Query e URL, e il clustering semantico per portali ad alto traffico.

L'era del RAG sposta l'unità atomica della SEO dall'intero URL al singolo chunk semantico. Analisi dell'architettura Retrieval-Augmented Generation per ottimizzare la vector proximity e posizionare i contenuti nei motori ibridi tramite Dense e Sparse Retrieval.

La gestione dei prodotti fuori stock nei grandi e-commerce richiede procedure tecniche per evitare sprechi di crawl budget e soft 404. Analisi delle configurazioni HTTP, aggiornamento JSON-LD e logiche di routing per referenze esaurite temporaneamente o definitivamente.

I tool di analisi backlink come Ahrefs presentano gap strutturali rispetto all'indice reale di Google. Basare campagne di disavow su metriche proprietarie significa operare su un Link Graph parziale, ignorando lo stato reale di indicizzazione e i limiti di crawling commerciale.

L'applicazione del Google Dorking all'auditing SEO tecnico espone la reale superficie di indicizzazione senza i filtri di Search Console. Combinando operatori avanzati è possibile isolare ambienti di staging, file sensibili esposti e diagnosticare anomalie sui parametri URL.

Superare la tradizionale analisi dei link esterni per diagnosticare la negative SEO richiede un approccio infrastrutturale proattivo. L'analisi dei log tramite Python e Regex permette di isolare attacchi di resource draining prima che intacchino il crawl budget.

Il passaggio dalla ricerca lessicale alla SEO semantica impone lo studio dei motori neurali. Analisi tecnica del paper Query Decoder di Google e del Query Fan-Out per decodificare i vettori nello spazio latente e allineare i contenuti all'intento di ricerca reale degli utenti.

La SEO tecnica agisce sull'infrastruttura del sito per abbattere le barriere computazionali che ostacolano crawling, rendering e indicizzazione. Comprendere a cosa serve significa padroneggiare l'efficienza algoritmica, l'analisi dei log e il crawl budget.