La content gap analysis è il processo con cui si individuano gli argomenti che un sito dovrebbe coprire ma non copre, confrontando il proprio ecosistema editoriale con quello dei competitor e con l’intero universo semantico del topic. Per anni l’ho fatta a sentimento, come la fanno quasi tutti i consulenti SEO: aprivo Ahrefs, guardavo le keyword dei competitor, segnavo qualche idea su un foglio, proponevo un piano. Funzionava. Ma non era un sistema, era artigianato. E l’artigianato non scala.
Una content gap analysis fatta come sistema parte dalla mappatura ontologica del topic, cioè dalla ricostruzione completa dell’universo concettuale che un dominio dovrebbe coprire, e la confronta con i contenuti già pubblicati. L’output non è una lista di keyword, ma una mappa di vuoti editoriali ordinati per priorità, con angolo, intento di ricerca e ruolo nel funnel già definiti. Replicabile su qualunque cliente.
Perché la content gap analysis fatta a sentimento non basta
L’analisi editoriale tradizionale parte dall’esistente. Si guardano i contenuti già pubblicati, si misurano le performance, si individuano i temi più forti, si decide cosa scrivere dopo in base a cosa ha funzionato. È una logica reattiva. Funziona finché il sito ha una direzione editoriale chiara e un consulente che la tiene in testa.
Il problema arriva quando devi replicare lo stesso processo su un cliente di un settore che non conosci. Un nutraceutico, una PMI metalmeccanica, un charter nautico. Non hai la mappa mentale del settore, non sai quali sono i sotto-temi che un esperto darebbe per scontati, non sai dove sono i vuoti. Finisci per produrre piani editoriali che coprono il 30% del topic e ignorano il 70% perché nessuno ti ha detto che esisteva.
È lo stesso problema che racconto in strategia SEO e piano editoriale: il piano editoriale efficace non nasce dall’istinto, nasce da un’architettura. E l’architettura ha bisogno di una mappa.
Cosa intendo per mappatura ontologica del topic
La parola “ontologia” viene dalla filosofia, ma in informatica e knowledge management indica qualcosa di molto concreto: la rappresentazione strutturata di un dominio di conoscenza, con le sue entità, relazioni e gerarchie. Applicata a un topic editoriale, una mappatura ontologica risponde a una domanda precisa: quali sono tutti i concetti che chiunque parli seriamente di questo argomento dovrebbe coprire?
Prendiamo il nutraceutico. Una mappatura ontologica del topic include, almeno, questi livelli:
- Categorie di prodotto: integratori vitaminici, fitoterapici, probiotici, omega-3, adattogeni
- Aree fisiologiche: sistema immunitario, digestione, sonno, performance cognitiva, salute cardiovascolare
- Profili utente: sportivi, donne in menopausa, anziani, bambini, lavoratori sotto stress
- Aspetti regolatori: claim ammessi, normativa europea, differenza tra integratore e farmaco
- Aspetti scientifici: biodisponibilità, dosaggi, interazioni, evidenze cliniche
- Aspetti commerciali: come scegliere, dove comprare, come leggere un’etichetta
Ognuno di questi livelli ha sotto-livelli. La mappatura ontologica li ricostruisce tutti, anche quelli che l’azienda cliente non ha mai considerato. È la differenza tra “scrivere articoli sui nostri prodotti” e “diventare l’autorità editoriale del dominio”.
Da dove parte la mappatura
Le fonti per costruire la mappa sono molteplici e nessuna basta da sola: classificazioni di settore esistenti (per il nutraceutico, le categorie EFSA), siti istituzionali (Ministero della Salute, Istituto Superiore di Sanità), competitor verticali, query suggest di Google, “People Also Ask”, forum verticali, riviste scientifiche. L’AI aiuta a strutturare e completare la mappa, ma il punto di partenza è documentale, non generativo.
Come funziona il content gap analyzer che ho costruito
Il content gap analyzer è il modulo che sta sotto il mio sistema di autopublishing, ma è utilizzabile anche standalone. Lo descrivo in dettaglio perché chi legge possa replicarne la logica anche senza il mio stack tecnico. Il workflow è questo:
- Input del dominio: si parte dal sito del cliente e dal posizionamento dichiarato. Non da una lista di keyword
- Estrazione dell’esistente: l’analyzer legge tutti i contenuti già pubblicati (articoli, pagine, schede prodotto) e li classifica in cluster tematici
- Generazione della mappa ontologica: a partire dal dominio, costruisce la mappa completa dei temi che il cliente dovrebbe coprire, organizzati in pillar, cluster e sotto-temi
- Diff tra mappa ed esistente: il sistema confronta i due insiemi e produce la lista dei gap, cioè dei temi presenti nella mappa ma assenti (o trattati superficialmente) nell’esistente
- Prioritizzazione: ogni gap viene scorato per volume di ricerca, difficoltà SEO, rilevanza commerciale, posizione nel funnel
- Output operativo: il risultato non è una lista di keyword, è un piano editoriale già strutturato, con brief minimi per ogni articolo
La parte che ho impiegato più tempo a far funzionare è il punto 3. Generare una mappa ontologica completa di un dominio che non si conosce è il vero collo di bottiglia. Qui l’AI è uno strumento potente, ma richiede l’approccio che descrivo in prompt engineering per il marketing: senza un metodo strutturato, l’output è banale.
Caso 1: applicazione al piano editoriale di Mocart Studio
Il primo test l’ho fatto sul mio sito. È il caso più onesto da raccontare: conosco il dominio, conosco i contenuti, ho già un’idea forte di cosa manca. Se il sistema funziona su un dominio che padroneggio, allora produce risultati confrontabili con il mio giudizio professionale.
L’analyzer ha estratto i contenuti esistenti e li ha classificati in cluster: cultura digitale PMI, costi reali del digitale, onestà del consulente, AI applicata, WordPress e WooCommerce, SEO, ADV. Niente di sorprendente, ricalcava la struttura del piano editoriale che già seguivo.
La parte interessante è arrivata col diff. La mappa ontologica del dominio “agenzia digitale per PMI italiane” ha tirato fuori temi che non avevo nel piano: gestione della privacy nei flussi marketing, accessibilità WCAG come asset commerciale, integrazione tra ERP gestionali italiani e piattaforme e-commerce, governance documentale dei progetti web. Tutti temi pertinenti, tutti temi che un imprenditore potrebbe cercare, tutti temi sui quali avevo competenze ma sui quali non avevo mai scritto.
Il sistema ha fatto quello che la mia analisi a sentimento non aveva fatto: ha cercato sistematicamente i vuoti invece di costruire sui pieni. È una differenza filosofica prima che operativa.
Caso 2: applicazione al piano editoriale di un cliente nutraceutico
Il secondo test, quello vero, l’ho fatto su NMI, un cliente del settore nutraceutico. È il dominio opposto al mio: non lo conosco a fondo, non ho la mappa mentale del settore, non posso giudicare a sentimento se un tema è rilevante o no. È esattamente lo scenario per cui il sistema serve.
L’analyzer ha estratto i contenuti esistenti (schede prodotto, articoli del blog, pagine informative) e li ha classificati. La copertura editoriale era concentrata sui prodotti e sui benefici dichiarati. È il pattern tipico delle aziende che hanno fatto il sito pensando al catalogo, non all’autorevolezza editoriale: lo stesso problema che descrivo in sito web inutile: perché molte PMI hanno buttato i soldi.
La mappa ontologica ha rivelato vuoti enormi: tutta la parte di educazione del consumatore (come si legge un’etichetta, cosa significa biodisponibilità, perché alcuni integratori vanno presi a stomaco pieno), tutta la parte regolatoria (cosa può dichiarare un integratore secondo la normativa europea), tutta la parte di profili utente (donna in gravidanza, sportivo amatoriale, over 65). Aree dove l’azienda aveva competenza interna ma non l’aveva mai trasferita in contenuti.
Il piano editoriale che ne è uscito non l’ho dovuto inventare. È emerso dal diff. Il mio ruolo è stato validarlo, calibrarlo sul tono di voce del cliente, ordinarlo per priorità commerciali. Il lavoro creativo è rimasto, ma è stato spostato dove conta: nella scrittura, non nella selezione dei temi.
La lezione operativa: dall’attività intuitiva al sistema replicabile
La differenza tra fare content gap analysis a sentimento e farla come sistema non è una questione di efficienza. È una questione di replicabilità. Quando il processo dipende dalla testa del consulente, il consulente è il collo di bottiglia: lavora solo sui clienti che capisce, produce qualità variabile, non può delegare. Quando il processo è un sistema, il consulente diventa un validatore di output, non un generatore di idee.
È lo stesso passaggio che ho fatto con l’autopublisher e che ho raccontato in autopublisher AI: cosa ho imparato facendolo scrivere per me. La parte che l’AI fa bene è quella sistematica, ripetitiva, di mappatura e organizzazione. La parte che resta umana è il giudizio: cosa è interessante, cosa è onesto dire, cosa è strategicamente coerente con il posizionamento del cliente.
Voglio essere chiaro su un punto: il content gap analyzer non sostituisce la strategia editoriale, la abilita. Senza una visione su cosa vuoi diventare nel medio periodo, la mappa dei gap è solo una lista di cose da scrivere. Con una visione, diventa il modo più rapido per arrivarci.
Quando il sistema funziona e quando no
Non tutti i clienti sono adatti a questo approccio. Il content gap analyzer dà il meglio quando:
- Il cliente ha un dominio editoriale chiaro e definibile (un settore, un’area di competenza, un target)
- C’è già una base di contenuti pubblicati da analizzare, almeno 20-30 articoli o pagine sostanziali
- L’azienda è disposta a produrre contenuti su base regolare, non una tantum
- C’è competenza interna sui temi mancanti, perché i contenuti vanno scritti con autorevolezza reale
Non funziona, o funziona male, quando il cliente vuole “fare un po’ di SEO” senza un posizionamento chiaro, quando il dominio è troppo generalista (un e-commerce multi-categoria senza identità editoriale), o quando l’aspettativa è che il sistema produca traffico in tre mesi. Il content gap analyzer accelera la produzione, non i tempi del posizionamento organico.
Domande frequenti
Cosa significa content gap analysis?
Content gap analysis significa analisi dei vuoti editoriali, cioè il processo di identificazione degli argomenti che un sito dovrebbe coprire per essere autorevole su un dominio, ma che attualmente non copre o copre in modo superficiale. Si fa confrontando i contenuti esistenti con la mappa completa dei temi del settore, ricavata da competitor, query di ricerca, classificazioni di dominio e fonti istituzionali.
Come si fa una content gap analysis seria?
Una content gap analysis seria parte dalla mappatura ontologica del topic, non dalle keyword. Si ricostruisce l’intero universo concettuale del dominio (categorie, sotto-temi, profili utente, aspetti regolatori), si estraggono e classificano i contenuti esistenti del sito, si fa il diff tra i due insiemi e si ordina la lista dei gap per priorità commerciale e SEO. Le keyword arrivano alla fine, non all’inizio.
Quali strumenti uso per la content gap analysis?
Il mercato offre tool consolidati come Ahrefs, Semrush e Athena per la parte keyword-based, utili come fonte di dati. Per la mappatura ontologica e il diff sistematico uso un workflow custom basato su Claude e su script che ho sviluppato internamente, integrato con WordPress. Lo strumento è meno importante del metodo: senza una logica di mappatura, qualunque tool produce solo liste di keyword.
Quanto tempo richiede una content gap analysis fatta come sistema?
Per un cliente con 30-50 contenuti esistenti, il processo completo richiede tipicamente 3-5 giornate di lavoro: estrazione e classificazione dell’esistente, costruzione della mappa ontologica, diff, prioritizzazione e produzione dei brief. È un investimento iniziale che ripaga nei mesi successivi, perché il piano editoriale prodotto è alimentabile per 12-24 mesi senza dover rifare l’analisi da zero.
Posso fare una content gap analysis da solo senza un consulente?
Sì, se hai tempo e metodo. Il rischio principale del fai-da-te è la mappatura ontologica: senza esperienza, si tende a costruire mappe sbilanciate sui temi che già si conoscono, replicando i vuoti invece di colmarli. Un consulente esterno porta valore proprio dove tu hai punti ciechi sul tuo dominio. Per validare la qualità di un’analisi interna, confrontala con la struttura tematica dei due o tre competitor più autorevoli del settore.
Un sistema è un punto di partenza, non di arrivo
Trasformare la content gap analysis in sistema è stata la cosa che ha più cambiato il modo in cui imposto i piani editoriali per i clienti. Mi ha tolto la dipendenza dal “fiuto”, che è un asset prezioso ma fragile, e mi ha dato un processo che posso applicare anche su domini che non conosco a fondo, validando l’output con il fiuto invece di partire da quello.
Resta vero quello che ripeto sempre: lo strumento è un moltiplicatore, non un sostituto del giudizio. Un content gap analyzer in mano a chi non ha una visione editoriale produce piani editoriali sterminati e inutili. In mano a chi ha una visione, produce mesi di lavoro organizzato, replicabile, scalabile su più clienti. Se vuoi capire se ha senso applicarlo al tuo caso, partiamo da una conversazione sul tuo posizionamento attuale, il resto viene dopo.
