Prompt Claude per SEO: 5 che funzionano — e dove si fermano

Cercate su Google «prompt Claude SEO» e ottenete lo stesso artefatto ogni volta: una lista di cinquanta prompt, ognuno che inizia con «Sei un consulente SEO esperto» e ognuno che promette che l'incantesimo giusto trasforma una finestra di chat in un team SEO. Ecco cosa queste liste ottengono di sbagliato: la formulazione è la variabile meno importante dell'intero scambio. Claude senza dati produce testo plausibile e generico sul vostro sito — lo stesso consiglio che darebbe a qualsiasi sito. Claude con le vostre vere righe di Search Console, i vostri veri competitor di page-one, e una regola decisionale produce lavoro concreto. I prompt che vale la pena di rubare non sono formulazioni intelligenti. Sono contratti di dati: cosa incollare dentro, quali regole applicare, che forma restituire.

Questa guida vi dà cinque di questi contratti — striking-distance audit, riscrittura di title e meta, content brief, cluster mapping, competitor teardown — in forma copiabile. E traccia la linea che le liste di prompt non tracciano mai: tutto qui sotto è agent-assisted, non agentic. Un prompt restituisce testo. Non legge i vostri dati, decide, spedisce, o verifica. Dove questa distinzione inizia a contare, questo articolo vi rimanda al nostro pilastro Claude for SEO, che copre l'intero stack.

Perché la maggior parte delle liste di prompt Claude per SEO fallisce

Un modello di linguaggio è un motore di ragionamento, non un dipartimento di archivi. Non conosce i vostri ranking, le vostre query di Search Console, i titoli attuali dei competitor, o i volumi di ricerca dello scorso mese — e quando un prompt lo implica, si piegherà con numeri e scoperte che sembrano precisi ma sono inventati. Questo è il modo di fallimento dietro la maggior parte dei prompt SEO pubblicati: «elenca le keyword principali della mia nicchia», «audita il mio sito all'indirizzo [URL]», «qual è la mia domain authority». Ognuno chiede al modello di recuperare fatti che non possiede. L'output legge sicuro perché il testo sicuro è quello che il modello sa fare. Questo è peggio che inutile — è sbagliato con convinzione.

I prompt che guadagnano il loro output invertono il flusso di informazioni. Voi fornite i fatti — un export di Search Console, una pagina di competitor incollata, una lista di keyword con volumi reali — e il modello fornisce quello che è davvero bravo a fare: riconoscimento di pattern su centinaia di righe, giudizio di intento, classificazione contro regole, sintesi strutturata. Leggere un export di query con 900 righe e individuare le dodici query bloccate in posizione 6 con click-through collassato è esattamente il tipo di lavoro noioso e carico di giudizio che un modello fa bene e un umano fa male su scala. La domanda di questo scorciatoia è reale — la query che questo articolo colpisce è cercata circa 1.600 volte al mese con una keyword difficulty di 8 — ma lo scorciatoia funziona solo quando i dati viaggiano con il prompt.

Un prompt cattivo chiede a Claude fatti che non possiede. Un prompt buono consegna a Claude i vostri fatti e chiede il giudizio che non avete tempo di applicare a novecento righe.

L'anatomia di un prompt che guadagna il suo output

Ogni prompt in questa guida ha le stesse quattro parti, e il pattern trasferisce a qualsiasi job SEO che inventiate dopo. Dati: l'export, la pagina, o la lista incollata che radica la risposta nella vostra realtà invece che nei valori medi del modello. Job: un compito, enunciato strettamente — diagnosticare, riscrivere, delineare, clusterizzare, demolire — mai «migliora il mio SEO». Regole decisionali: la parte opinativa, dove codificate come viene presa la decisione — cosa conta come striking distance, cosa squalifica un title, quando due keyword condividono una pagina. Senza regole il modello sostituisce l'opinione media di internet, che è come si arriva a output indistinguibile da quello di tutti gli altri. Contratto di output: la forma esatta della risposta, inclusa la permissione di dire «dati insufficienti» — la singola linea che taglia più affidabilmente le allucinazioni.

Cinque prompt Claude per SEO che vale la pena rubare

Ogni prompt qui sotto è usabile così com'è. I placeholder tra parentesi quadre sono vostri da compilare, e le regole decisionali sono deliberatamente opinative — cambiatele per corrispondere ai vostri standard, ma non cancellatele.

1. L'audit di striking-distance

Il prompt con il massimo rendimento nel set, perché funziona sui dati che già possedete. Esportate il vostro report di Search Console a livello di query e lasciate che il modello faccia la triaging che un consulente fatturererebbe un giorno per: trovare le query abbastanza vicine alla prominenza di page-one che un fix mirato — non contenuto nuovo — le muove.

Di seguito è riportato un export di Search Console: query, page,
click, impressioni, CTR, posizione (ultimi 90 giorni).

Una query di striking-distance ha rank 4-15 con 100+ impressioni.
Escludete le query branded (contenente: [brand terms]).

Per ogni candidato, diagnosticate esattamente UNO di:
- snippet: posizione <= 8 ma CTR molto al di sotto della norma
  di quella posizione
- relevance: posizione 9-15 — la page corrisponde solo
  parzialmente all'intento
- cannibalization: 2+ pagine che guadagnano impressioni per
  la stessa query

Output una tabella ordinata per impressioni: query, page,
posizione, CTR, diagnosi, un fix a una riga, e il singolo
metrico GSC che proverebbe che il fix ha funzionato. Non
suggerite mai «create più contenuto». Se una riga non può
essere diagnosticata da questi dati, diteló invece di indovinare.

[incolla export]

2. La riscrittura di title e meta description

Le riscritte di title falliscono quando sono scritte dall'immaginazione — quello che vogliamo che la pagina fosse — invece che dalla SERP che le giudicherà. Questo prompt forza entrambi gli input sul tavolo prima che una parola sia scritta.

Riscrivi il title e la meta description per la pagina qui sotto.

Input: il title + meta attuale, le top 5 query della pagina per
impressioni [incolla], e i title di page-one che attualmente
rankano per la query principale [incolla].

Regole: intento come page-one lo definisce batte quello che
vogliamo che la pagina fosse. Title <= 60 caratteri, il sostantivo
della query davanti, nessuna affermazione che la pagina non può
supportare. La meta description è un argomento di 150-160
caratteri per scegliere QUESTO risultato — non un sommario.

Output: 3 opzioni di title con una riga di ragionamento ciascuna,
1 meta description, e la query il cui CTR dovrebbe giudicare il
cambiamento.

3. Il content brief

La mossa vietata qui è lasciare che il modello indovini cosa copre page-one. Incollate la struttura reale dei risultati principali, e il brief smette di essere uno schema generico e diventa una mappa del gap che potete vincere.

Costruisci un content brief per: [keyword]

Input: i risultati di page-one attuali — URL, title, e gli H2
di ogni pagina [incollali; non indovinate] — più la lista di slug
che abbiamo già pubblicato [incolla].

Dichiara l'intento di ricerca in una frase, come page-one lo
definisce. Poi dividi i sottotopici tre vie: table stakes (ogni
risultato principale lo copre), l'edge (solo uno o due lo copre),
la vittoria (nessuno lo copre e un ricercatore lo vorrebbe
comunque). Segnala l'overlapping con i nostri slug esistenti e
chiamalo: pagina nuova, o espansione di una esistente.

Output: la frase di intento, uno schema di H2 con un compito a
una riga per sezione, i link interni che il pezzo dovrebbe
portare, e il metrico che lo giudica dopo che lancia.

4. Cluster mapping

Il clustering è giudizio di intento su scala — precisamente il lavoro in cui i modelli battono i spreadsheet, e il motivo per cui gli strumenti di raggruppamento di keyword che corrispondono su parole condivise producono pagine che si cannibalizzano l'una l'altra. Il metodo completo, inclusa la verifica di overlapping SERP, è nella nostra guida al keyword clustering; questa è la versione ridotta per prompt.

Clusterizza la lista di keyword sottostante in gruppi a livello
di pagina.

Regola: due keyword condividono una pagina SOLO se una pagina
potrebbe plausibilmente rankare per entrambe — giudicate per
intento, non per parole condivise ("best crm" e "crm pricing"
sono pagine diverse).

Ogni cluster riceve: una keyword primaria (volume massimo che
corrisponde all'intento), un tipo di pagina (guide / comparison /
landing / tool), e una chiamata mappata-o-nuova contro i vostri
URL esistenti [incolla].

Metti qualsiasi cosa ambigua in un bucket "unclustered" piuttosto
che forzarla in un gruppo.

[incolla keyword + volumi]

5. Il competitor teardown

Il fallimento più comune del teardown è la conclusione «scrivi contenuto migliore» — vero, inutile, e quello che ottenete quando il prompt lo permette. Questo no.

Demolisci la pagina che ranka #1 per [keyword] — testo completo
incollato di seguito, seguito dalla nostra pagina.

Rispondi: quale intento soddisfa nella prima schermata; cosa copre
la sua struttura che la nostra no; quali query probabilmente sta
guadagnando oltre il termine head (inferisci dai suoi H2 e FAQ);
cosa dovrebbe AGGIUNGERE — non copiare — una pagina per batterla.

Regola: «scrivi contenuto migliore» non è una risposta. Ogni gap
deve nominare una sezione, un asset, o un punto dati.

Output: una lista di gap ordinata con una stima di sforzo e impatto
atteso per ogni elemento.

[incolla pagina competitor]
[incolla la nostra pagina]

Dove il prompt si ferma: agent-assisted vs agentic

Ecco la parte onesta. Eseguite bene tutti e cinque i prompt e avrete cinque pezzi di testo acuto — e un processo che è ancora interamente manuale sui bordi. Avete esportato i dati. Li avete incollati. Applicherete il cambio di title a mano, o no. E tre settimane da ora, nessuno ri-leggerà il CTR della query che la riscrittura avrebbe dovuto spostare, perché la conversazione che conteneva il ragionamento è scivolata via nella storia. Questo è lavoro agent-assisted: il ragionamento è delegato, la lettura, la spedizione, e la prova no. Agentic è un'affermazione diversa — lo stesso ragionamento connesso ai vostri dati da un lato e all'esecuzione e verifica dall'altro.

Date a Claude mani: da export incollati a MCP

Il gap tra le due colonne non è un prompt migliore — sono strumenti. Il Model Context Protocol è lo standard aperto che consente a Claude di chiamare fonti dati live e superfici di esecuzione invece di aspettare un incolla: interrogare Search Console direttamente, tirare la composizione SERP live, leggere la task board, rapportare il fix. Nel momento in cui questi strumenti esistono, i cinque prompt sopra smettono di essere cose che eseguite e iniziano ad essere cose che l'agent esegue — l'audit di striking-distance diventa una query programmata invece di un rituale di export mensile, e il teardown recupera le sue pagine di competitor. Come questo server è messo insieme è l'oggetto della nostra guida a MCP server per SEO, e connettere uno a Claude Code è un setup a un comando.

La seconda metà di «mani» è l'esecuzione. Claude Code che corre dentro il repository del sito stesso non descrive il fix di title — edita il template, apre una pull request, e registra esattamente cosa è stato spedito e quando. Su un sito che abbiamo auditato, il pattern di striking-distance era da manuale: una query commerciale parcheggiata su page-one con centinaia di impressioni e quasi nessun click. La versione prompt di quel scoperta è una riga in una tabella che un umano potrebbe o non potrebbe agire. La versione agentic è un task con un metrico impegnato, un PR spedito, e un verdetto tre settimane dopo.

Chiudi il loop: spedisci, poi prova

Notate che ogni prompt in questa guida finisce allo stesso modo: nominate il metrico che giudica il lavoro. Quella linea sta facendo più che ordinare l'output — è la cucitura dove la formulazione di prompt si connette alla disciplina che effettivamente compone. Un scoperta archiviato con il suo metrico impegnato in anticipo, un fix spedito con un timestamp, una ri-lettura di quel metrico esatto circa tre settimane dopo, un verdetto scritto: confermato, regredito, o inconcludente. Eseguite quel ciclo e ogni fix vi insegna qualcosa sul vostro sito; saltate e state generando suggerimenti ben formulati per sempre. La meccanica completa vive nella guida al closed-loop SEO — i prompt qui sono lo step di scoperta di quel loop, eseguito a mano.

Rubate i prompt — sono l'ottanta per cento genuinamente utile di quello che le liste di prompt promettono. Solo siate onesti con voi stessi su quale lato del tavolo state operando. Se volete vedere lo step di scoperta eseguito contro i vostri veri dati di Search Console invece di un export incollato, il report SEO gratuito connette il vostro GSC e superficie le query di striking-distance, le pagine mostrate ma mai scelte, e le query che competono con se stesse — lo stesso audit, con i dati già allegati.