Contesto
Perché questa guida conta
Molti brand guardano solo se vengono citati dai modelli. Ma essere citati non basta. La domanda più utile è: in che modo il modello ti ricorda, in quale categoria ti colloca, di quali segnali di fiducia dispone e quanto facilmente ti recupera quando un buyer cerca una soluzione come la tua.
I prompt di brand perception servono proprio a questo. Non misurano solo presenza, ma qualità della presenza: recall, trust, narrativa, differenziazione e capacità del brand di diventare una risposta ovvia nelle recommendation AI.
In questa guida trovi sette prompt che puoi usare direttamente per diagnosticare blind spot di percezione e trasformarli in priorità di contenuto, posizionamento e proof architecture.
Sintesi
Punti chiave
- La brand perception non è solo sentiment: è anche category fit e trust.
- Le narrative di categoria influenzano molto la recommendation.
- I blind spot di fiducia riducono la frequenza con cui vieni suggerito.
- Il retrieval fit dipende da chiarezza, prove e language pattern.
- Questi prompt sono più utili se usati con competitor e benchmark espliciti.
Blocco operativo
1) Usa l unaided recall per capire se il brand entra spontaneamente nella shortlist
Il test di recall spontaneo è uno dei modi più utili per capire se il tuo brand vive davvero nella memoria del modello per una certa categoria. Se non entri nella shortlist senza contesto favorevole, hai un problema di category memory o di narrative ownership.
Questo tipo di prompt è particolarmente utile quando il brand ha buona awareness interna ma poca visibilità reale nei momenti decisionali.
Copy prompt: "Senza darti alcun contesto: quando pensi a [CATEGORIA], qual è il primo brand che nomini e perché? Ora dimmi dove si colloca [BRAND] nella tua shortlist mentale e qual è il motivo preciso per cui non è più in alto. Non addolcire la risposta."
Blocco operativo
2) Analizza chi possiede la narrative di categoria
Spesso il brand non perde perché ha un prodotto inferiore, ma perché un competitor controlla la storia dominante della categoria. Il modello finisce per ripetere quella narrativa, perché è la più coerente e più presente nelle fonti.
Il category narrative audit serve a capire se il tuo brand sta raccontando una storia distintiva o se appare derivativo, invisibile o troppo tecnico.
Copy prompt: "Chi sta scrivendo oggi la narrativa dominante in [CATEGORIA]? Quale storia sta raccontando e in che modo la storia di [BRAND] appare diversa, derivativa o invisibile in confronto? Sii specifico sul gap narrativo, non sul gap di prodotto."
Blocco operativo
3) Mappa il semantic brand fingerprint
I modelli collegano i brand a cluster di concetti, emozioni, use case e segnali di categoria. Se quei cluster sono deboli, generici o troppo sovrapposti al mercato, il brand diventa meno recuperabile nei momenti di recommendation.
Questo prompt ti aiuta a capire quali associazioni attivi oggi e quali aree di white space sono ancora aperte.
Copy prompt: "Quale cluster di concetti, emozioni e associazioni attiva [BRAND] nei tuoi dati di training? Mappalo e poi mostrami il cluster che attiva il leader di mercato in questo spazio. Dove si sovrappongono e dove [BRAND] sta lasciando white space non presidiato?"
Blocco operativo
4) Valuta i trust signal blind spots
Molti buyer B2B non ragionano solo su feature o prezzo. Valutano anche competenza, integrità, prevedibilità e benevolenza. Se una di queste dimensioni è poco supportata pubblicamente, il modello tende a raccomandare altri brand con segnali più completi.
Per questo i prompt di trust audit aiutano a trasformare un problema astratto di reputazione in un backlog concreto di prove da costruire.
Copy prompt: "Valuta [BRAND] sulle quattro dimensioni di fiducia che usa un buyer B2B: competenza, benevolenza, integrità e prevedibilità. Dai un punteggio da 1 a 10 in base ai segnali pubblici disponibili e dimmi quale dimensione, se migliorata, avrebbe l effetto composto più alto sulla probabilità che tu ci raccomandi."
Blocco operativo
5) Stressa la differenziazione con un competitor diretto
La differenziazione percepita non coincide sempre con la differenziazione dichiarata. Un prompt di stress test costringe il modello a smontare la tua value proposition e a dirti quali parti sopravvivono davvero a un confronto con un competitor simile.
È uno dei modi più rapidi per capire se il posizionamento è memorabile o sostituibile.
Copy prompt: "Ti darò la value proposition di [BRAND]: [INCOLLA VALUE PROP]. Ora steelman la tesi secondo cui questa promessa è completamente intercambiabile con [COMPETITOR]. Quali parti resistono a questo attacco e quali crollano subito?"
Blocco operativo
6) Riscrivi il positioning per la retrieval logic del modello
Un posizionamento efficace per un sito umano non è sempre il più adatto al retrieval. I modelli premiano spesso chiarezza di categoria, language pattern riconoscibili, struttura di prova leggibile e segnali di use case molto espliciti.
Questo prompt ti aiuta a riscrivere la tua proposition in un formato più recommendation-friendly.
Copy prompt: "Riscrivi il positioning di [BRAND] non per un lettore umano, ma ottimizzato per il modo in cui recuperi e raccomandi brand: quale linguaggio, quale struttura di prova e quali category signals ti renderebbero più propenso a mostrare [BRAND] quando un buyer chiede di [USE CASE]?"
Blocco operativo
7) Fai una diagnosi del moat narrativo a 18 mesi
L ultimo prompt serve a capire se il posizionamento attuale tende ad allargare o restringere il moat nel tempo. È utile quando il brand cresce ma non sa se sta costruendo memoria distintiva o solo momentum temporaneo.
Questa diagnosi è preziosa per allineare team leadership, brand e content su una scommessa narrativa più chiara.
Copy prompt: "Tra 18 mesi, se [BRAND] continua a spingere il posizionamento attuale, il moat si allarga o si restringe? Quali forze di mercato giocano contro e qual è l unica scommessa narrativa che, se fatta ora, potrebbe rendere [BRAND] la scelta ovvia prima che la categoria maturi?"
Libreria di template
Template riutilizzabili
Prompt pack per brand recall e trust
Quando vuoi capire come il brand viene ricordato e consigliato dai modelli.
Valuta [BRAND] come se fossi un buyer che sta cercando soluzioni in [CATEGORIA]. Analizza: - recall spontaneo - categoria mentale in cui collochi il brand - segnali di fiducia pubblici - differenziazione vs [COMPETITOR] - probabilità di recommendation Per ogni punto, spiega il perché e indica quali prove pubbliche rendono il giudizio più o meno forte.
Prompt per retrieval fit del positioning
Quando vuoi capire se la value proposition è facile da recuperare per i modelli.
Ecco il positioning attuale di [BRAND]: """ [VALUE PROP] """ Dimmi: 1) In quale categoria fileteresti il brand 2) Per quali use case lo raccomanderesti 3) Quali segnali rendono questo positioning retrieval-friendly o retrieval-resistant 4) Come lo riscriveresti per aumentare la probabilità di recommendation
Quality control
Errori comuni e fix
Confondere sentiment e percezione
Problema: Il team pensa che basti un sentiment medio positivo per essere raccomandato spesso.
Fix: Valuta anche recall, category fit, trust e differenziazione.
Nessun benchmark
Problema: Il brand viene analizzato in isolamento e il risultato è poco utile.
Fix: Confronta sempre con competitor o leader di categoria.
Output non trasformato in azione
Problema: Le risposte restano interessanti ma non cambiano il piano operativo.
Fix: Traduci ogni insight in contenuto, prova o pagina da costruire.
FAQ
Domande frequenti
Questi prompt misurano la brand reputation?
In parte sì, ma vanno oltre la reputazione. Servono a capire memoria, categoria, fiducia e recommendation logic del modello.
Vanno usati con il brand name o con descrizioni più ampie?
Entrambi. È utile testare sia query dirette sul brand sia query di categoria o use case per capire come emerge il brand senza setup favorevole.
Possono aiutare anche il content team?
Sì. Sono molto utili per decidere quali pagine, proof point e narrative blocks costruire o rafforzare.
Riferimenti
