Un download semplice ha perso il testo principale di una pagina chiave su 7 siti su 72
Quando ChatGPT legge una pagina per qualcuno, prende l’HTML che il server restituisce e si ferma lì. Lo stesso fanno il lettore di Claude e il crawler di Perplexity. Tutto ciò che uno script scrive dopo il caricamento non è in ciò che ricevono. Quindi la domanda è se le parole che contano sono in quella prima risposta.
Tra il 5 e il 17 ottobre 2026, Proofsource ha controllato la homepage e fino a quattro pagine chiave di ogni brand monitorato nei suoi workspace. Ogni pagina è stata scaricata due volte: dal nostro crawler, una richiesta semplice che non esegue script, e da un browser che li esegue. Abbiamo diviso la versione del browser in blocchi di testo e contato la quota delle sue parole che compariva anche nel download semplice.
211 pagine su 72 siti hanno dato una lettura utilizzabile. La pagina mediana ha ottenuto il 95%, e 144 delle 211 il 90% o più. 24 pagine hanno ottenuto meno della metà.
Abbiamo letto a mano il testo mancante di tutte e 24. Dodici, su 7 siti, avevano perso testo che un acquirente leggerebbe. Sono 7 siti su 72, ovvero il 9,7% (intervallo al 95% dal 4,8% al 18,7%).
Metà delle pagine sotto il 50% erano falsi allarmi
Le altre dodici sembravano allarmanti e non lo erano. Su quattro pagine di un sito, il testo mancante era un pannello di consenso ai cookie. Cinque pagine di un grande sito di software ottenevano tra il 7% e il 16% perché il codice delle immagini inline veniva contato come parole. Un modulo di recensione, un contatore di transazioni in tempo reale e un lettore musicale completavano il resto.
Quindi leggi i blocchi prima di fidarti del punteggio. Una percentuale non distingue una tabella prezzi mancante da un banner dei cookie mancante. L’elenco di ciò che manca sì.
Cosa è sparito: titoli, casi studio e una tabella prezzi
Le dodici perdite reali, in forma anonima:
- Tre homepage sono tornate con una o due parole. Due davano al download semplice il nome dell’azienda e nient’altro.
- L’indice dei casi studio di un’azienda di software e un caso studio hanno ottenuto lo 0%. Ogni citazione di cliente era scritta da uno script.
- La pagina prezzi di uno strumento per sviluppatori ha ottenuto il 15%. I limiti del piano gratuito, le condizioni della prova e i limiti dei piani arrivavano tutti dopo il caricamento.
- Anche l’indice del blog e la pagina contatti di un sito erano vuoti, insieme alla sua homepage.
- Il portfolio di un designer ha perso la biografia in homepage e l’intero elenco dei servizi.
- La homepage e la pagina servizi di un grande marketplace hanno conservato il 18% e il 7%. Annunci, prezzi e valutazioni si caricano dopo la pagina.
Le pagine prodotto hanno retto meglio: 1 su 31 sotto la metà
Le pagine prodotto erano il tipo più sicuro che abbiamo controllato: 31 hanno dato una lettura, la mediana ha ottenuto il 92%, e l’unica sotto la metà mancava solo di un modulo di recensione. Le homepage erano le più a rischio: 8 su 72 sotto la metà, e cinque delle dodici perdite reali erano homepage.
Google renderizza la pagina. Il lettore di ChatGPT, Claude e Perplexity no.
Vercel e MERJ hanno rilevato a dicembre 2024 che nessuno dei principali crawler di IA renderizzava JavaScript, compresi i tre di OpenAI, ClaudeBot e PerplexityBot. Gemini usava l’infrastruttura di Googlebot e lo faceva.
Un log più recente dice lo stesso dei lettori che scaricano una pagina quando qualcuno chiede. Forge ha contato 30 giorni di richieste a un sito di notizie, fino al 24 settembre 2026. ChatGPT-User ha effettuato 37.045 letture di pagina e non ha scaricato alcuno script durante il caricamento. Claude-User ne ha effettuate 10.028 e PerplexityBot 3.193, anch’essi senza script. In un test del giorno dopo, ChatGPT, Claude e Gemini hanno riportato ciascuno solo la parola in codice scritta nell’HTML, e nessuna delle due aggiunte da uno script.
Google è diverso. La sua documentazione dice che un Chromium headless renderizza la pagina e Google indicizza l’HTML renderizzato, e a una pagina basta essere indicizzata e idonea a uno snippet per comparire negli AI Overviews o in AI Mode. Quindi il testo che scrivono i tuoi script può arrivare alle risposte dell’IA di Google ed essere comunque assente quando ChatGPT legge la stessa pagina in tempo reale.
Una questione aperta: uno sviluppatore ha segnalato il 30 settembre che i crawler di ricerca e di addestramento di OpenAI hanno iniziato a renderizzare le pagine sui suoi siti Next.js dal 25 settembre. OpenAI non lo ha annunciato, e non cambierebbe ciò che ChatGPT-User ha mostrato sopra.
Controlla le tue pagine in dieci minuti
Per una prima occhiata non ti serve uno strumento.
- Scegli tre frasi che contano nella pagina: il titolo, un prezzo, una citazione di un cliente.
- Apri il sorgente della pagina (non l’ispettore degli elementi, che mostra la pagina renderizzata) e cerca ciascuna. Da un terminale, esegui curl sull’URL e cercale con grep.
- Disattiva JavaScript per il sito nelle impostazioni del browser e ricarica. Ciò che resta è all’incirca ciò che ricevono questi crawler.
- Ignora banner dei cookie, widget di chat e pop-up mancanti. Sposta titoli, descrizioni di prodotto, prezzi, casi studio e FAQ nell’HTML del server con il rendering lato server, la generazione statica o il prerendering.
- Se un download semplice riceve un 403 mentre il tuo browser carica la pagina, controlla la tua CDN o il firewall. Altri quattro siti hanno rifiutato il nostro crawler in quel modo. Li abbiamo esclusi, perché un firewall che blocca un bot sconosciuto potrebbe comunque far passare i crawler di IA verificati.
Come lo gestisce Proofsource
Proofsource esegue questa verifica sulla homepage di ogni brand monitorato e su un massimo di quattro pagine chiave: un download semplice che non esegue script e rispetta il robots.txt, confrontato con una copia renderizzata della stessa pagina. Mostra la quota di parole ottenuta dal download semplice, elenca i blocchi mancanti accanto a quelli letti e suggerisce correzioni per quella pagina. La nostra homepage ha ottenuto lo 0% quando l’abbiamo controllata il 4 ottobre. Un download semplice ne ha ricavato 9 parole su 2.416. Ora il sito è prerenderizzato, e un download semplice della homepage ne restituisce il testo.
Dove potremmo sbagliare
Il nostro crawler non è GPTBot. Si identifica come ProofBot, e un sito che tratta i bot in base al nome potrebbe servire ai crawler di IA qualcosa di diverso. I quattro siti che ci hanno rifiutato sono il caso visibile.
La divisione tra perdite reali e falsi allarmi è la nostra lettura a mano di campioni limitati del testo mancante, e abbiamo letto solo le pagine sotto il 50%. Una pagina può ottenere il 78% e mancare comunque di qualcosa di importante: una homepage con quel punteggio aveva perso i passaggi su come funziona e l’elenco delle integrazioni. Quindi 7 siti sono un minimo per le pagine che hanno perso qualcosa che conta. La regola di punteggio ha anche un rumore noto, come il codice delle immagini inline, che abbassa i punteggi.
I contenuti personalizzati, come gli annunci del marketplace, possono variare tra un visitatore e l’altro. La lettura di ogni sito è la sua ultima verifica tra il 5 e il 17 ottobre, e i siti cambiano. I 72 siti sono per lo più piccole aziende con workspace su Proofsource, più alcuni brand più grandi che monitorano, non un campione casuale del web.
Anche le prove esterne sono scarse: uno studio del 2024, il log di un sito di notizie e la segnalazione di uno sviluppatore.
