In una settimana sei aziende italiane mi hanno chiesto la stessa cosa: "il mio sito è letto dalle AI?". La risposta breve è: dipende. La risposta utile è questa — ci sono tre file da aggiungere oggi al tuo sito perché ChatGPT, Claude e Perplexity capiscano cosa vendi, a che prezzo e perché. Niente teoria. Solo template, pronti da incollare.
Il punto di partenza è scomodo: le AI non leggono il tuo sito come lo legge una persona. Quando un agente apre la tua pagina prezzi, spesso riceve un blocco di codice con il prezzo sepolto in mezzo, oppure non trova nulla di utilizzabile. E se non capisce, ti salta.
Sta emergendo una risposta a questo problema: una seconda interfaccia parallela, fatta non per gli occhi umani ma per gli agenti. Aziende come Buffer, Resend, Supabase e WorkOS la stanno già costruendo, pubblicando versioni dei propri contenuti in formato leggibile dalle macchine. In Italia, al momento, non lo fa quasi nessuno: è una finestra di vantaggio competitivo che resterà aperta ancora per poco.
Questo articolo nasce osservando un fenomeno descritto bene da Tom Orbach nella sua newsletter Marketing Ideas¹, che ha raccolto i primi esempi di "pagine prezzi per robot". Qui lo trasformiamo in un sistema operativo replicabile, in italiano, con i template completi.
Perché tre file e non uno solo
I tre file rispondono a tre domande diverse che un'AI si pone quando incontra il tuo sito. Sono complementari, non alternativi.
| File | Domanda a cui risponde |
|---|---|
| /llms.txt | "Chi sei, in due frasi?" |
| /pricing.md | "Quanto costi e cosa includi?" |
| Schema.org Product/Service | "Cosa vendi, in modo strutturato?" |
Pubblicarne uno solo è meglio di niente. Pubblicarli tutti e tre è la differenza tra essere letti correttamente e sperare nella buona ventura dell'AI. E la cosa migliore: metterli online richiede meno di un pomeriggio di lavoro.
Template 1 — pricing.md per SaaS B2B
È il caso più diretto: prodotto con pricing pubblico, piani free/pro/team/enterprise. L'obiettivo è dare all'agente una tabella unica e pulita da cui estrarre qualsiasi numero in una passata.
Tre dettagli che fanno la differenza, e che vale la pena curare:
- Data esplicita in alto. Gli agenti la usano per decidere se fidarsi del file. Un pricing senza data è un pricing sospetto.
- Valuta dichiarata. Senza, l'AI rischia di rispondere al tuo cliente in dollari. Una riga "Valuta: EUR" lo evita.
- Una tabella unica. Niente caroselli, accordion o tab: la tabella piatta è ciò che l'AI estrae meglio.
Template 2 — pricing.md per servizi e consulenza
Qui sta il caso che il pezzo originale di Orbach non copriva — e che un suo lettore ha chiesto nei commenti: come si fa con studi, agenzie e consulenti senior, dove non esiste un prezzo self-service e ogni progetto è su misura? La risposta non è "lasciare il file vuoto", ma dichiarare i range.
Due ragioni per cui questo template funziona:
- I range espliciti ti rendono raccomandabile. Senza un range, l'AI tende a non consigliarti: non sa cosa dire all'utente sul costo, quindi preferisce nominare un concorrente che quel numero lo ha dichiarato.
- La sezione "Cosa NON facciamo" è una disambiguazione. Filtra i lead fuori target prima ancora che ti scrivano, e aiuta l'agente a capire quando non proporti — il che, paradossalmente, rende più precise le volte in cui ti propone.
Il terzo file: llms.txt (ne abbiamo già parlato)
Il terzo file del sistema è l'llms.txt: il "chi sei in due frasi" che molti agenti cercano di default sul dominio. Ma su questo file c'è molto da dire — e l'abbiamo già detto in un articolo dedicato, perché merita una trattazione onesta (spoiler: non ti fa magicamente citare, ma è lo standard del web agentico ed è diverso dal robots.txt).
Per il template completo dell'llms.txt, la spiegazione di cosa fa davvero e cosa no, e un generatore gratuito che te lo crea a partire dal tuo dominio, vai all'articolo dedicato: llms.txt: non ti fa citare dalle AI (ma dovresti averlo lo stesso). Lì trovi anche lo strumento per generarlo in un clic.
Un solo accorgimento che lega i due file: dentro l'llms.txt, inserisci un link diretto al tuo /pricing.md. È così che chiudi il cerchio — l'agente parte dall'llms.txt per capire chi sei e da lì arriva al prezzo strutturato.
Bonus: Schema.org Product/Service
Questo non è un file separato ma un blocco da inserire nel <head> della pagina prodotto o servizi. È il modo più consolidato per dichiarare in forma strutturata cosa vendi — e le AI, oltre ai motori di ricerca, lo leggono.
Per un servizio invece che un prodotto, sostituisci "@type": "Product" con "@type": "Service". Due dettagli non negoziabili: valuta esplicita (priceCurrency) e data di scadenza del prezzo (priceValidUntil). I dati senza scadenza vengono trattati con diffidenza: un prezzo "eterno" è un prezzo di cui l'AI non si fida.
Come misuri se funziona
Pubblicato tutto, nelle 48-72 ore successive fai tre verifiche rapide.
- Check manuale su 3 AI. Apri ChatGPT, Claude, Perplexity e chiedi "qual è il prezzo di [nome prodotto]?". Confronta con i numeri veri. Se è ancora sbagliato, verifica che
/pricing.mdrisponda davvero (deve restituire un200 OK, non un 404). - Validator schema.org. Passa la pagina su validator.schema.org e controlla che Product/Service sia riconosciuto senza errori.
- Citation Rate, baseline e delta a 30 giorni. Misura su un set fisso di 10 query commerciali del tuo settore, prima del deploy e dopo 30 giorni. Se i file sono fatti bene, il numero di citazioni corrette tende a salire in modo percepibile.
Pubblica oggi, ottimizza dopo
L'errore più comune è aspettare di avere "tutto perfetto" prima di pubblicare. È l'errore giusto da non fare: gli agenti AI leggono quello che trovano oggi, non quello che pubblicherai fra tre mesi. Secondo IDC, entro il 2028 il 70% dei buyer business userà l'AI per trovare e scegliere strumenti prima ancora che un umano arrivi sul sito. La finestra per arrivare prima è adesso.
La versione minima pubblicabile in un pomeriggio: un /pricing.md con la tabella base, l'/llms.txt con sommario e link chiave (usa il generatore), e lo Schema.org Product almeno sulla pagina pricing principale. Poi si raffina.
¹ Il fenomeno delle "pagine prezzi per robot" e gli esempi di Buffer, Resend, Stacktree e altri sono raccontati da Tom Orbach in "Everyone is writing a pricing page for robots" (Marketing Ideas, giugno 2026), fonte ispiratrice di questo articolo.