Intent-first clustering: perché raggruppare le keyword per intento batte raggrupparle per parole
La maggior parte dei tool di keyword clustering del 2026 fa ancora una cosa che nel 2018 era accettabile e oggi è un errore strutturale: raggruppa le keyword in base alla somiglianza dei termini o all
Intent-first clustering: perché raggruppare le keyword per intento batte raggrupparle per parole
La maggior parte dei tool di keyword clustering del 2026 fa ancora una cosa che nel 2018 era accettabile e oggi è un errore strutturale: raggruppa le keyword in base alla somiglianza dei termini o alla sovrapposizione degli URL nelle SERP. Funziona finché ti basta la quantità. Smette di funzionare nel momento in cui vuoi che i tuoi cluster ranchino, vengano citati dagli LLM e costruiscano autorità. — Autorità Tematica nel 2026: Perché Google Premia la Copertura Semantica Rispetto alle Singole Keyword (scopri i piani BeKnow).
In BeKnow abbiamo riscritto la logica di clustering da zero attorno a un principio diverso: prima l'intento, poi le parole. Si chiama Intent-First Clustering, ed è il motivo per cui i piani editoriali generati dalla piattaforma producono articoli che non si cannibalizzano e che riempiono cluster invece di accatastare keyword.
Cosa è sbagliato nel clustering classico
Il clustering tradizionale segue uno di questi due approcci:
Lexical clustering: raggruppa keyword che condividono parole chiave. "Migliore rank tracker" e "rank tracker gratis" finiscono insieme perché condividono "rank tracker". Sembra ovvio, ed è sbagliato: l'intento è completamente diverso (commerciale vs informativo/transazionale).
SERP overlap clustering: raggruppa keyword che condividono URL nelle prime 10 posizioni di Google. Più sofisticato del lexical, ma fragile: dipende dalla SERP del momento, premia chi è già forte (le SERP consolidate sono più stabili) e fallisce su keyword nuove o di nicchia dove le SERP sono volatili.
Entrambi falliscono per la stessa ragione: trattano la keyword come stringa, non come manifestazione di un bisogno. Ma chi cerca su Google (o chiede a Perplexity) non scrive parole: esprime intenzioni. E intenzioni diverse, anche se vestite di parole simili, non vanno mai messe nello stesso cluster.
Le quattro famiglie di intento (e perché ne servono solo quattro)
Abbiamo discusso a lungo se distinguere 6, 8 o 12 intenti. Alla fine siamo tornati a quattro, perché tutto il resto è sotto-categoria.
Informational: l'utente vuole capire qualcosa. "Cos'è la topical authority", "come funziona Perplexity".
Commercial: l'utente sta valutando opzioni prima di comprare. "Migliori rank tracker", "Semrush vs Ahrefs".
Transactional: l'utente è pronto ad agire. "Acquista Semrush", "prova gratuita BeKnow".
Navigational: l'utente cerca un brand o un prodotto specifico. "Login Search Console", "BeKnow.io".
Tre regole rigide derivano da questa tassonomia:
Mai mescolare intent diversi nello stesso cluster. Una pagina informational e una commercial sullo stesso tema sono due cose. Vanno scritte separatamente, anche se le keyword sembrano vicine.
L'hub di un cluster ha sempre un solo intent dominante. Se l'hub prova a essere insieme guida e comparativa, fallisce in entrambe.
Un cluster informational può "alimentare" uno commercial via link interni, ma resta un cluster distinto con metriche distinte.
Come funziona Intent-First in pratica
Il workflow che abbiamo codificato in BeKnow è in tre passaggi obbligatori, in quest'ordine. L'ordine non è negoziabile: invertirlo riproduce esattamente i problemi del clustering classico.
Passo 1 — Classificazione dell'intento per ogni keyword
Ogni keyword viene passata a un modello (nel nostro stack Gemini 2.5 Pro per il planning) che le assegna:
una delle quattro famiglie di intento
uno score di intent value (quanto è "decisionale")
uno score di specificity (quanto è verticale)
Questo è il passo che la maggior parte dei tool salta o approssima. È quello che fa la differenza fra un cluster che ranka e uno che resta a metà.
Passo 2 — Raggruppamento semantico dentro lo stesso intent
Solo a questo punto entra in gioco la similarità semantica. Ma confrontiamo solo keyword dello stesso intento: una "informational" non viene mai messa nello stesso cluster di una "commercial", anche se condivide il 90% delle parole. Il clustering avviene tramite embedding vettoriali, con soglie di distanza calibrate per famiglia (le commercial tollerano cluster più larghi, le informational vanno tenute strette).
Passo 3 — Selezione hub e spoke per cluster
Dentro ogni cluster, viene scelto:
L'hub keyword: quella con intent_value più alto e specificity più bassa (l'intento generale del cluster).
Gli spoke keyword: quelle con specificity più alta (i sotto-intenti verticali), max 6 come abbiamo visto nell'articolo sull'architettura Hub & Spoke.
A questo punto il cluster è pronto per diventare piano editoriale.
Cosa cambia in pratica: due esempi
Esempio classico (lexical clustering):
Cluster "rank tracker" contiene: "miglior rank tracker", "rank tracker gratis", "come funziona un rank tracker", "rank tracker per agenzie", "alternative a rank tracker"
Risultato: un solo articolo prova a coprire tutto. Diventa una guida confusa, ranka nessuna delle keyword bene.
Esempio Intent-First:
Cluster informational "rank tracker — capire": "come funziona un rank tracker", "cosa è un rank tracker"
Cluster commercial "rank tracker — scegliere": "miglior rank tracker", "rank tracker per agenzie", "alternative a rank tracker"
Cluster transactional "rank tracker — provare": "rank tracker gratis", "rank tracker prova gratuita"
Tre cluster invece di uno. Sembrano più lavoro, sono meno: ogni articolo è verticale, scrivibile in metà tempo, e ogni cluster diventa un asset separato che converte (perché parla a uno stadio del funnel preciso).
Le merging rules: quando due cluster vanno fusi
Anche con Intent-First nascono casi limite: due cluster con stesso intento ma keyword vicine. La regola operativa è:
Stesso intent + overlap semantico > 70% → fondi.
Stesso intent + overlap semantico tra 40% e 70% → li tieni separati ma vanno in un macro-cluster (con lo stesso hub).
Stesso intent + overlap < 40% → cluster indipendenti.
Sotto il 40% di overlap, due cluster anche con stesso intent rispondono a domande sostanzialmente diverse. Forzarne la fusione è un errore tanto quanto separare cluster con intent diverso.
Perché questo modello regge anche per gli answer engine
Vale la pena chiudere su questo punto, perché è il futuro prossimo. Gli answer engine (Perplexity, ChatGPT Search, Gemini, Copilot) selezionano fonti basandosi su due cose:
La rilevanza semantica del contenuto rispetto alla query.
La struttura del sito che ospita il contenuto: cluster densi e ben organizzati vengono "letti" meglio.
Un sito strutturato per Intent-First ha un vantaggio sistematico nel secondo punto. Quando Perplexity processa il tuo dominio, riconosce che la tua pagina informational sta dentro un cluster informational coeso, e la tua pagina commercial sta dentro un cluster commercial separato. Per il modello significa: questo sito sa di cosa parla, e sa a chi parla. È esattamente il segnale che premia con le citazioni.
In sintesi
Intent-First non è una variante più sofisticata del clustering classico: è un'inversione di paradigma. Smette di chiedere "quali keyword si assomigliano?" e inizia a chiedere "quali bisogni dell'utente sono lo stesso?". Il risultato sono cluster più piccoli, più verticali, più convertibili — e una struttura editoriale che gli LLM e Google leggono come segnale di expertise vera, non di volume.
Se hai un piano editoriale generato con clustering classico, riprenderlo applicando l'intento prima delle parole è probabilmente l'esercizio con il miglior ROI che puoi fare nei prossimi 30 giorni. Spesso basta separare due cluster mal fusi per sbloccare ranking che erano fermi da mesi.
Con questo si chiude il cluster sulla topical authority e strategia: hai il framework (cosa è e perché conta), l'architettura (Hub & Spoke), la prevenzione dei danni (cannibalizzazione) e la materia prima ben costruita (Intent-First Clustering). Il resto è esecuzione.
Articoli correlati
Pronto a Trasformare la Tua Strategia di Contenuti?
Inizia a creare contenuti SEO-ottimizzati con intelligenza semantica AI.
Vedi i prezzi