> ## Documentation Index > Fetch the complete documentation index at: https://docs.finseo.ai/llms.txt > Use this file to discover all available pages before exploring further. # KPI e metriche spiegate — Misurazione della visibilità AI > Tutte le metriche di Finseo spiegate in modo semplice, con formule ed esempi — Visibility, Mentions, Share of Voice, Position, Mention Depth, Citations, Sentiment e altro. # KPI e metriche Finseo misura quanto il tuo brand è visibile nelle risposte AI di ChatGPT, Perplexity, Gemini, Claude e altri modelli. Questa pagina definisce ogni metrica con precisione: cosa conta, come viene calcolata e come si presenta un buon valore. Tutte le metriche sono disponibili nella dashboard, nella [API REST](/it/api-reference/metrics/daily) e nel [server MCP](/it/mcp/overview), e ogni metrica mostra un indicatore di variazione che confronta il periodo selezionato con il periodo precedente di pari durata. ## L'esempio di riferimento Tutte le formule seguenti usano questo esempio: monitori **20 prompt** su **2 modelli**, quindi un giorno produce **40 risposte AI**. Il tuo brand è **Acme**. * Acme compare in **18** delle 40 risposte. * Nelle 40 risposte, i modelli AI nominano brand **120 volte** in totale (tutti i brand insieme). * Acme viene nominata **24 volte** (una singola risposta può menzionarti più di una volta). ## Metriche di presenza ### Visibility **La quota di risposte AI in cui il tuo brand compare.** ```text theme={"system"} Visibility = (risposte che menzionano il tuo brand ÷ tutte le risposte monitorate) × 100 ``` Esempio: Acme compare in 18 risposte su 40 → **Visibility = 45%**. La Visibility è la metrica principale: risponde a "quando qualcuno chiede all'AI della mia categoria, quanto spesso faccio parte della risposta?". Ogni risposta conta una sola volta, indipendentemente da quante menzioni contiene. ### Mentions **Il numero totale di volte in cui il tuo brand viene nominato nel periodo selezionato.** A differenza della Visibility, Mentions conta ogni occorrenza: se una risposta nomina Acme tre volte, vale 1 per la Visibility ma 3 Mentions. Esempio: **24 menzioni** in 18 risposte. Usa Mentions per capire quanto sei presente all'interno delle risposte; usa Visibility per capire quanto spesso compari. ### Model Visibility **La Visibility suddivisa per modello AI** (ChatGPT, Perplexity, Gemini, Claude, Grok, Mistral, DeepSeek, Copilot, Google AI Overview, Google AI Mode). I modelli attingono a fonti e dati di addestramento diversi: è normale essere forti su un modello e invisibili su un altro. Un divario tra modelli indica di solito su quali fonti si basa ciascuno — controlla le [Top Sources](/it/api-reference/sources/ranking) per modello per capire dove investire. ## Metriche competitive ### Share of Voice (SoV) **La tua fetta della conversazione totale sui brand: le tue risposte come percentuale di tutte le apparizioni di tutti i brand.** ```text theme={"system"} SoV = (risposte con il tuo brand ÷ apparizioni di TUTTI i brand) × 100 ``` Il SoV differisce dalla Visibility perché il denominatore è l'intero mercato, non il tuo set di prompt. Supponiamo che le 40 risposte producano 90 apparizioni di brand tra tutti i brand rilevati, di cui 18 di Acme → **SoV = 20%**, anche se la Visibility è del 45%. Puoi avere Visibility alta e SoV basso quando i concorrenti compaiono accanto a te in quasi ogni risposta. Finseo mostra il SoV con due denominatori, così il numero non è mai ambiguo: | Variante | Denominatore | | -------------------- | ----------------------------------------------------------------------------------------- | | **Tutti i brand** | Ogni brand effettivamente nominato dai modelli AI — il mercato completo come lo vede l'AI | | **Brand monitorati** | Solo il tuo brand più i concorrenti che monitori — il tuo set competitivo definito | ### Average Position **L'ordine medio in cui il tuo brand viene nominato tra i brand di una risposta.** Mostrato come valore assoluto, ad es. `#2.6`. Più basso è, meglio è. Se una risposta consiglia "1. Acme, 2. Beta, 3. Gamma", Acme ha posizione #1 in quella risposta. Facendo la media su tutte le risposte in cui compari: ```text theme={"system"} Avg Position = somma delle tue posizioni ordinali ÷ risposte in cui compari ``` Esempio: Acme è nominata per prima in 9 risposte, seconda in 6, quarta in 3 → (9×1 + 6×2 + 3×4) ÷ 18 = **#1.8**. La posizione conta perché le risposte AI si comportano come classifiche: il primo brand nominato di solito orienta la raccomandazione. I pareggi (due brand nominati insieme) condividono lo stesso ordinale. ### #1 Share **La percentuale delle tue risposte in cui sei il PRIMO brand nominato.** ```text theme={"system"} #1 Share = (risposte con posizione = 1 ÷ risposte in cui compari) × 100 ``` Esempio: primo in 9 risposte su 18 → **#1 Share = 50%**. È la metrica da "pole position": isola quanto spesso guidi la risposta invece di limitarti a comparirvi. ### Top-3 Share **La percentuale delle tue risposte in cui sei tra i primi tre brand nominati.** ```text theme={"system"} Top-3 Share = (risposte con posizione ≤ 3 ÷ risposte in cui compari) × 100 ``` Esempio: 15 delle 18 risposte di Acme la collocano nella top 3 → **Top-3 Share = 83%**. Utile per risposte lunghe a elenco, dove stare nel gruppo di testa conta più che essere rigorosamente primi. ### Head-to-Head (H2H) **Contro un concorrente specifico: la percentuale di risposte che nominano ENTRAMBI i brand in cui il tuo viene nominato per primo.** I pareggi sono esclusi. ```text theme={"system"} Tasso di vittoria H2H = (risposte condivise in cui sei primo ÷ risposte condivise con ordine deciso) × 100 ``` Esempio: Acme e Beta compaiono insieme in 10 risposte; Acme è nominata per prima in 7 → **H2H vs Beta = 70%**. L'H2H elimina il rumore delle risposte in cui compare solo uno dei due — il confronto più pulito per "chi preferisce l'AI?". ## Metriche di posizionamento ### Mention Depth **Quanto in profondità nel testo della risposta compare in media la tua menzione.** 0% = all'inizio della risposta, 100% = alla fine. Più basso è, meglio è. ```text theme={"system"} Mention Depth = posizione del carattere della menzione ÷ lunghezza totale della risposta × 100 ``` Esempio: la tua menzione inizia al carattere 300 di una risposta di 1.200 caratteri → profondità = 25% per quella risposta. Un brand può avere Average Position #1 con il 40% di profondità quando le risposte si aprono con un lungo preambolo prima di nominare i brand — per questo Finseo riporta ordine e profondità come metriche separate. ## Metriche sulle fonti ### Citations **Il numero di risposte AI che hanno citato uno dei tuoi domini come fonte.** Ogni risposta conta una volta, anche se collega il tuo dominio più volte. Le Citations misurano qualcosa di diverso dalle Mentions: una menzione è l'AI che *parla di* te, una citazione è l'AI che *si basa su* di te. Puoi essere menzionato senza essere citato (il modello ti conosce dai dati di addestramento) e citato senza essere menzionato (il tuo contenuto alimenta una risposta su qualcun altro). ### Citation Share **Le tue citazioni come percentuale delle citazioni di tutti i brand del progetto.** ```text theme={"system"} Citation Share = (risposte che citano i tuoi domini ÷ risposte che citano i domini dei brand monitorati) × 100 ``` Esempio: le risposte AI citano i domini di Acme 30 volte e quelli di tutti i brand monitorati 150 volte → **Citation Share = 20%**. È l'equivalente lato fonti dello Share of Voice: mostra a chi appartiene la base di prove su cui sono costruite le risposte AI. ## Metriche di qualità ### Sentiment **Quanto positivamente i modelli AI descrivono il tuo brand, con punteggio da 0 a 100.** Finseo analizza il linguaggio attorno a ogni menzione — parole come "affidabile", "leader di mercato" o "supporto eccellente" contano positivo; "costoso", "complicato" o "recensioni contrastanti" contano negativo. I punteggi si leggono all'incirca così: | Punteggio | Lettura | | --------- | --------------------------------------------------------------------------------------------- | | 80–100 | Rappresentazione fortemente positiva | | 60–79 | Positiva | | 40–59 | Neutra / mista | | 0–39 | Rappresentazione critica — controlla la [pagina Sentiment](/it/sentiment) per le frasi esatte | Il sentiment è tracciato per aspetto (prezzo, qualità, supporto, …) e per concorrente: vedi non solo *che* la percezione è calata, ma *quale* aspetto l'ha trascinata. ## Leggere le metriche insieme Le metriche formano un imbuto — ognuna risponde a una domanda diversa: | Domanda | Metrica | | ---------------------------------------- | ----------------------------------- | | Faccio parte della risposta? | Visibility | | Quanta della conversazione totale è mia? | Share of Voice | | Quando compaio, sono in testa? | Avg Position, #1 Share, Top-3 Share | | Chi vince quando compariamo insieme? | Head-to-Head | | Quanto presto nel testo vengo nominato? | Mention Depth | | L'AI usa i miei contenuti come prova? | Citations, Citation Share | | Come si parla di me? | Sentiment | Uno schema ricorrente: la Visibility regge ma lo Share of Voice cala. Significa che la conversazione di mercato cresce più velocemente della tua presenza — i concorrenti vengono aggiunti a risposte che prima dominavi. Controlla la [gap analysis dei concorrenti](/it/mcp/overview) per vedere quali prompt guidano lo spostamento. ## Accedere alle metriche via codice * **API REST** — [`GET /v1/projects/{projectId}/metrics/daily`](/it/api-reference/metrics/daily) e [`/metrics/timeseries`](/it/api-reference/metrics/timeseries) * **Server MCP** — `get_visibility_metrics`, `get_visibility_timeseries`, `get_competitor_ranking`, `get_competitor_h2h`, `get_sentiment_overview` e altro; vedi la [panoramica MCP](/it/mcp/overview)