Il rifacimento del sito è deciso, la data di messa online pure, e prima o poi arriva la domanda che nessuno ha voglia di affrontare: quali pagine controlliamo una per una?
Le risposte di solito sono due, e sono entrambe sbagliate. «Tutte» è impossibile, quando le URL che compaiono in Search Console sono migliaia. «Le principali» non vuol dire niente, perché ognuno ha in mente le sue: la homepage, le pagine dei servizi, quell’articolo che una volta è andato bene.
Esiste una terza risposta, che si può misurare in mezz’ora: ordinare le pagine per traffico, contare quante ne servono per arrivare alla metà, all’80%, al 90% dei clic, e guardare quanto sono stabili quelle liste. Abbiamo già incontrato lo strumento parlando dell’indice di Gini e della curva di Lorenz. Qui lo mettiamo al lavoro su una decisione concreta.
In sintesi: in molti siti il traffico organico è molto concentrato, e spesso poche decine di URL fanno metà dei clic. Quanto lo sia nel proprio sito, però, va misurato. Ordinando le URL per clic e cumulando le quote si ottengono le soglie operative (quante URL per il 50, l’80, il 90% dei clic), che dicono dove concentrare il lavoro manuale di una migrazione: mappa dei redirect verificata a mano, controllo dei contenuti, monitoraggio dopo il lancio. Le liste vanno controllate per stabilità, spostando la finestra temporale e ricampionando i giorni (bootstrap), e integrate con le pagine che contano per altri motivi: conversioni, link in ingresso, documenti. L’indice di Gini riassume la concentrazione in un numero, ma cambia molto a seconda che si calcoli su tutte le URL con impressioni o solo su quelle con almeno un clic: va sempre dichiarato su quale insieme.
Di cosa parleremo:
- Il problema: tutte o «le principali»?
- Ordinare e cumulare
- Le soglie operative
- Il Gini e il suo denominatore
- La lista è stabile?
- Oltre i clic
- Domande frequenti
- Prova tu
- Per approfondire
Il problema: tutte o «le principali»?
Chiariamo subito una cosa, per evitare un equivoco pericoloso. In una migrazione ogni URL che cambia indirizzo e ha un equivalente nel nuovo sito deve avere il suo redirect permanente (301), che abbia molto o poco traffico: non è questo il punto in discussione. Le URL che restano uguali non hanno bisogno di nulla, e i contenuti eliminati senza un sostituto pertinente è meglio che rispondano con un 404 o un 410, piuttosto che finire in homepage. La maggior parte dei redirect, però, si scrive con delle regole («tutto quello che stava sotto /news/ va sotto /blog/»), e le regole sbagliano in silenzio: una pagina che finisce sulla categoria invece che sull’articolo corrispondente, un contenuto che nel nuovo sito non esiste più e viene mandato in homepage, un parametro che si perde.
Quello che non si può fare per migliaia di URL è il lavoro manuale: verificare che ogni redirect porti alla pagina giusta, che la pagina di destinazione abbia lo stesso contenuto, lo stesso titolo, gli stessi dati strutturati, e poi seguirla nelle settimane dopo il lancio. Quel lavoro costa, e va speso dove rende. La domanda giusta, quindi, non è «quali pagine salviamo» ma «su quali pagine un errore costerebbe caro». La prima approssimazione della risposta è nei clic.
Ordinare e cumulare
Costruiamo un esempio. I dati sono interamente simulati, ma hanno la forma che si incontra spesso nei siti reali: 5.000 URL che in Search Console ricevono impressioni, e un traffico che segue una legge di potenza, cioè poche pagine con moltissimi clic e una lunga coda di pagine con pochissimi. Simuliamo quattordici mesi di clic giornalieri, URL per URL, con un ritmo che varia anche da un mese all’altro, come succede alle pagine vere.
Costruisco i dati in R:
set.seed(2026)
N <- 5000
giorno <- seq.Date(as.Date("2025-01-01"), as.Date("2026-02-28"), by = "day")
mese <- format(giorno, "%Y-%m")
# ritmo medio di clic al giorno per URL: legge di potenza con la testa un po' piatta
peso <- (1:N + 10)^-1.7
ritmo <- 50 * peso / sum(peso)
# ogni URL ha mesi migliori e peggiori
mesi <- unique(mese)
fattore <- matrix(exp(rnorm(N * length(mesi), 0, 0.3)), N, length(mesi))
colnames(fattore) <- mesi
# clic giornalieri, una riga per URL e una colonna per giorno
clic_giorno <- sapply(seq_along(giorno), function(d) rpois(N, ritmo * fattore[, mese[d]]))
url <- sprintf("/pagina-%04d/", 1:N)
rownames(clic_giorno) <- urlPer l’analisi prendiamo gli ultimi dodici mesi, da marzo 2025 a febbraio 2026. Dodici mesi, e non tre, per una ragione precisa: una pagina che lavora solo a dicembre o solo in primavera, in una finestra corta, sembrerebbe morta.
Sommo i clic di ogni URL sulla finestra:
fin_a <- giorno >= as.Date("2025-03-01")
clic <- rowSums(clic_giorno[, fin_a])
sum(clic > 0); sum(clic)Delle 5.000 URL, 1.253 hanno ricevuto almeno un clic in dodici mesi, per un totale di 18.858 clic. Le altre 3.747 sono state viste nei risultati di ricerca, ma nessuno ci ha cliccato.
Il passo successivo è quello della curva di Lorenz, rovesciato: invece di ordinare dalla pagina più povera alla più ricca, ordiniamo dalla più ricca alla più povera, perché la domanda è «quante pagine mi servono, partendo dall’alto». Per ogni posizione k della classifica calcoliamo la quota cumulata, cioè la somma dei clic delle prime k pagine divisa per il totale dei clic:
\(S(k) = \frac{x_{(1)} + x_{(2)} + \dots + x_{(k)}}{\sum_{i=1}^{n} x_i}\)
dove x₍₁₎ è la pagina con più clic, x₍₂₎ la seconda, e così via. S(k) parte dalla quota della prima pagina e arriva a 1 quando abbiamo preso tutte le pagine.

La scala logaritmica sull’asse orizzontale non è un vezzo: con la scala normale, la parte interessante (le prime cento pagine) occuperebbe una striscia sottile a sinistra, e il resto del grafico sarebbe una lunga linea piatta. In scala logaritmica, ogni tacca moltiplica per dieci il numero di pagine, e si vede bene quanto costa ogni punto percentuale in più.
Le soglie operative
Dalla curva leggiamo le soglie: la prima posizione in cui la quota cumulata raggiunge il 50%, l’80%, il 90%, il 95%.
Calcolo in R:
soglie <- function(clic, p = c(0.5, 0.8, 0.9, 0.95)) {
o <- sort(clic, decreasing = TRUE)
cum <- cumsum(o) / sum(o)
setNames(sapply(p, function(x) which(cum >= x)[1]), paste0(p * 100, "%"))
}
soglie(clic)| quota dei clic | URL necessarie | sul totale delle URL con clic | su tutte le URL con impressioni |
|---|---|---|---|
| 50% | 18 | 1,4% | 0,4% |
| 80% | 89 | 7,1% | 1,8% |
| 90% | 220 | 17,6% | 4,4% |
| 95% | 458 | 36,6% | 9,2% |
Diciotto pagine fanno metà del traffico. Per l’80% ne bastano 89, cioè il 7% delle pagine che ricevono clic: altro che 80/20. Prendendo il 20% delle pagine con clic, nel nostro esempio, si arriva al 91% del traffico. La famosa regola di Pareto, qui, sottostima la concentrazione.
Guardiamo però anche l’altro lato delle soglie, che è quello che decide davvero. La pagina che entra per ultima nella lista dell’80% ha fatto 30 clic in un anno, poco più di due al mese. Quella che entra per ultima nella lista del 90% ne ha fatti 7. Passare dall’80 al 90% significa più che raddoppiare il lavoro (da 89 a 220 pagine) per recuperare dieci punti di traffico, spalmati su pagine che singolarmente valgono pochissimo. Dal 90 al 95% le pagine raddoppiano ancora.
Una divisione del lavoro ragionevole, quindi, è questa:
- la lista dell’80% (89 URL): redirect verificati uno per uno, contenuto controllato sulla pagina di destinazione, monitoraggio giornaliero nelle settimane dopo il lancio;
- dall’80 al 90% (altre 131 URL): redirect verificati a mano, con un controllo più rapido sui contenuti;
- tutto il resto: redirect per regole, verificati a campione, e un controllo sistematico degli errori 404 inattesi nei log e in Search Console dopo il lancio.
Il numero esatto della soglia non è sacro. L’80% è un punto di partenza ragionevole, ma se il budget permette di arrivare al 90% tanto meglio; quello che conta è che la scelta sia fatta guardando la curva, e non a sentimento.
Il Gini e il suo denominatore
La curva dice tutto, ma a volte serve un numero solo, per esempio per confrontare due siti o lo stesso sito in due anni diversi. È il compito dell’indice di Gini, che vale 0 quando tutte le pagine hanno lo stesso traffico e si avvicina a 1 quando una pagina sola ha tutto. Lo calcoliamo con una funzione breve (in alternativa c’è Gini() del pacchetto ineq):
gini <- function(x) {
x <- sort(x); n <- length(x)
sum((2 * seq_len(n) - n - 1) * x) / (n * sum(x))
}
gini(clic) # tutte le 5.000 URL con impressioni
gini(clic[clic > 0]) # solo le 1.253 URL con almeno un clicIl primo vale 0,966, il secondo 0,864. Stesso sito, stessi clic, due numeri piuttosto diversi. La differenza sta tutta nel denominatore: le 3.747 pagine con zero clic, se le includiamo, sono 3.747 pagine «povere» in più, e la disuguaglianza cresce.
Quale dei due è giusto? Tutti e due, ma rispondono a domande diverse. Il Gini su tutte le URL con impressioni misura quanto sono concentrati i clic fra tutte le pagine che Google mostra, comprese quelle che non ne ricevono nessuno; quello sulle sole URL con clic misura quanto è concentrato il traffico fra le pagine che ne ricevono. (Nessuno dei due dice quanto bene il sito trasformi le impressioni in clic: le impressioni non entrano nel calcolo, e per quello serve il CTR.) Un indice di Gini senza l’insieme su cui è calcolato non si può confrontare con niente, e confrontare il Gini di un sito calcolato in un modo con quello di un altro calcolato nell’altro modo produce conclusioni prive di senso.
La lista è stabile?
Le soglie le abbiamo calcolate su un anno di dati. Ma se avessimo preso un anno leggermente diverso, la lista sarebbe la stessa? È una domanda pratica: se la lista dell’80% cambiasse da cima a fondo spostando la finestra di due mesi, non sarebbe una base solida per decidere dove investire il lavoro.
Il primo controllo è il più semplice: rifacciamo il calcolo su una finestra di dodici mesi spostata indietro di due, da gennaio a dicembre 2025, e confrontiamo le liste.
Confronto le due finestre in R:
fin_b <- giorno <= as.Date("2025-12-31")
clic_b <- rowSums(clic_giorno[, fin_b])
soglie(clic_b)
lista <- function(clic, p) names(sort(clic, decreasing = TRUE))[seq_len(soglie(clic, p))]
la <- lista(clic, 0.8); lb <- lista(clic_b, 0.8)
length(intersect(la, lb))
all(lb %in% lista(clic, 0.9))Le soglie quasi non si muovono: 18, 90, 226 e 470 URL, contro 18, 89, 220 e 458. Delle 89 URL della prima lista dell’80%, 85 sono anche nella seconda. Le quattro che escono hanno fra 30 e 32 clic, cioè stanno proprio sul confine. E tutte le 90 URL della seconda lista sono comprese nella lista del 90% della prima finestra: un buon argomento per usare la soglia del 90% come margine di sicurezza.
Il secondo controllo è più sistematico: il bootstrap sui giorni. Ricampioniamo con reinserimento i 365 giorni della finestra, ricalcoliamo i clic per URL e le soglie, e ripetiamo cinquecento volte. È un modo per chiedersi quanto sarebbero diverse le liste se l’anno fosse andato un po’ diversamente, giorno per giorno.
Ricampiono i giorni in R:
set.seed(1)
idx_a <- which(fin_a)
boot <- replicate(500, {
d <- sample(idx_a, replace = TRUE)
cb <- rowSums(clic_giorno[, d])
c(soglie(cb, 0.8), soglie(cb, 0.9))
})
apply(boot, 1, quantile, c(0.025, 0.975))L’intervallo al 95% (fra il 2,5° e il 97,5° percentile delle ripetizioni) va da 84 a 91 URL per la soglia dell’80%, e da 202 a 220 per quella del 90%. Possiamo poi contare quante volte ogni URL entra nella lista dell’80% nelle cinquecento ripetizioni.
Conto le presenze in R:
set.seed(1)
presenze <- rowSums(replicate(500, {
d <- sample(idx_a, replace = TRUE)
cb <- rowSums(clic_giorno[, d])
url %in% lista(cb, 0.8)
}))
sum(presenze >= 475) # presenti almeno nel 95% dei casi
sum(presenze > 25 & presenze < 475) # sul confine71 URL ci sono quasi sempre, in almeno il 95% delle ripetizioni: sono il nocciolo, quelle su cui non c’è discussione. Altre 36 stanno sul confine, a volte dentro e a volte fuori. Per la migrazione la conclusione è semplice: le URL di confine si trattano come quelle della lista, perché metterle dentro costa poco e lasciarle fuori per un capriccio del campione costerebbe di più.
Il bootstrap va preso per quello che è: un’analisi esplorativa, che dice quanto pesa il caso dentro l’anno che abbiamo osservato. Ricampionando i giorni uno per uno li trattiamo come indipendenti e intercambiabili, e perdiamo i legami fra giorni vicini e la stagionalità. Con dati reali, dove una settimana buona tende a essere seguita da un’altra settimana buona, conviene ricampionare blocchi di giorni consecutivi (per esempio settimane intere: è il bootstrap a blocchi), che conserva almeno una parte della dipendenza fra giorni vicini. La lunghezza dei blocchi va scelta guardando i dati, e non risolve da sola stagionalità e tendenze.
E c’è un limite che nessun ricampionamento supera: in una simulazione la stabilità dipende da come l’abbiamo costruita. Le nostre pagine cambiano ritmo da un mese all’altro, ma la classifica di fondo resta la stessa; in un sito vero possono esserci pagine in forte crescita o in declino, e allora la finestra spostata dà liste più diverse. Proprio per questo il controllo va fatto sui propri dati, prima di usare la lista.
Un avvertimento: le soglie sono percentuali dei clic che riusciamo a estrarre, e non è detto che siano tutti. L’esportazione dall’interfaccia web di Search Console si ferma a mille righe, e anche l’API non garantisce di restituire tutte le righe, soprattutto sui siti grandi; le query anonimizzate per privacy, inoltre, non compaiono quando si chiedono i dati per query. Conviene scaricare i dati per pagina (senza la dimensione della query), con l’API o con l’esportazione in BigQuery, e confrontare, a parità di periodo e di filtri, il totale dei clic estratti con quello del grafico del rendimento. Non è una prova di completezza (i totali per pagina e per proprietà si aggregano in modo diverso e possono non coincidere comunque), ma una differenza grande è un campanello d’allarme. Le soglie alte (95%, 99%) sono quelle più esposte a questi buchi; le soglie dell’80 e del 90%, che dipendono dalle pagine con più traffico, molto meno.
Oltre i clic
I clic organici sono un buon criterio di partenza, ma non l’unico. Ci sono pagine con pochi clic che in una migrazione vanno protette come le prime della classifica:
- pagine che convertono: una pagina di prodotto di nicchia o un modulo di richiesta preventivo possono avere venti visite al mese e portare la metà dei contatti;
- pagine con link in ingresso: una vecchia pagina citata da siti autorevoli porta autorevolezza a tutto il dominio, anche se non porta clic;
- documenti e risorse: PDF, schede tecniche, cataloghi, che spesso vivono fuori dal CMS e vengono dimenticati nel piano dei redirect;
- versioni in altre lingue: se il sito è multilingue, le soglie vanno calcolate lingua per lingua, altrimenti la lingua principale si prende tutta la lista.
Il modo più semplice di tenerne conto è costruire la lista finale come unione di più liste, ciascuna con il suo criterio. Nei dati veri pagine_con_conversioni verrebbe da Google Analytics e pagine_con_link da uno strumento di analisi dei backlink; qui le simuliamo con qualche URL scelta a caso nella coda.
Unisco le liste in R:
set.seed(3)
pagine_con_conversioni <- sample(url[1001:N], 15)
pagine_con_link <- sample(url[501:N], 25)
lista_finale <- union(lista(clic, 0.9),
union(pagine_con_conversioni, pagine_con_link))
length(lista_finale)Il risultato sono 260 URL: le 220 della lista per clic, più 40 pagine che per traffico non sarebbero mai entrate. Ogni lista ha la sua soglia, e ogni pagina della lista finale si porta dietro il motivo per cui c’è: sapere che una pagina è stata inclusa per i link e non per i clic cambia il modo in cui la si controlla dopo il lancio.
La stessa lista, infine, è anche il punto di partenza per misurare l’esito della migrazione. Confrontare i clic delle pagine della lista prima e dopo il lancio è molto più informativo che guardare il totale del sito, dove le pagine minori diluiscono tutto. E il confronto va fatto con attenzione: una migrazione è il caso tipico di rottura strutturale, un giorno dopo il quale il sito non è più lo stesso.
Domande frequenti
Quante pagine bisogna controllare a mano in una migrazione?
Dipende da quanto è concentrato il traffico, e si misura: si ordinano le URL per clic organici degli ultimi dodici mesi e si conta quante ne servono per raggiungere l’80 o il 90% dei clic. In molti siti sono poche decine o poche centinaia, anche quando le URL sono migliaia. Le altre URL che cambiano indirizzo e hanno un equivalente ricevono comunque un redirect, scritto per regole e verificato a campione; quelle che non cambiano restano dove sono, e quelle eliminate senza un sostituto pertinente rispondono con un 404 o un 410.
La regola 80/20 vale per il traffico SEO?
È un’euristica, non una legge: la concentrazione cambia da sito a sito. Nell’esempio di questo articolo il 7% delle pagine con clic fa l’80% del traffico, e il 20% ne fa il 91%, quindi la regola sottostima la concentrazione; in un sito con molte pagine dal traffico simile potrebbe sovrastimarla. Più che applicare la regola, conviene calcolare la curva sui propri dati.
Il Gini va calcolato su tutte le URL o solo su quelle con clic?
Su entrambe si può, ma i risultati sono diversi (nel nostro esempio 0,966 contro 0,864) e rispondono a domande diverse. L’importante è dichiarare sempre su quale insieme è calcolato e confrontare solo indici calcolati allo stesso modo.
Come si controlla che la lista delle pagine importanti sia affidabile?
Con due prove: ricalcolando la lista su una finestra temporale spostata di qualche mese, e con un bootstrap sui giorni (meglio a blocchi di settimane), che mostra quali pagine entrano quasi sempre nella lista e quali stanno sul confine. Le pagine di confine conviene includerle.
Prova tu
La simulazione si presta a qualche esperimento:
- Cambiamo la concentrazione. Portiamo l’esponente della legge di potenza da 1,7 a 1,3 (un sito meno concentrato, per esempio un blog con molti articoli simili) e poi a 2,1. Come si spostano le soglie? E i due indici di Gini?
- Aggiungiamo una pagina in crescita. Prendiamo la pagina numero 300 e moltiplichiamo il suo ritmo per 1,5 ogni mese dal 2025-09 in poi. Entra nella lista dell’80%? Con quale delle due finestre?
- Accorciamo la finestra. Ripetiamo il calcolo delle soglie e il bootstrap usando solo gli ultimi tre mesi invece di dodici. Quanto si allarga l’intervallo delle soglie, e quante URL finiscono sul confine?
Suggerimento: la terza prova mostra bene perché la finestra di dodici mesi non è pignoleria. Con tre mesi di dati le pagine della coda hanno quasi tutte zero o un clic, e la loro posizione in classifica diventa una lotteria.
Abbiamo costruito la lista con i clic di Search Console, che Google misura dalla sua parte e che il codice del sito non può interrompere. Le visite e le conversioni che misuriamo sul sito, invece, quelle che servono per la lista delle pagine che convertono e per giudicare l’esito della migrazione, sono molto più fragili, e una migrazione è il momento in cui più spesso il tracciamento si rompe: un tag che non viene copiato nel nuovo tema, un banner dei consensi configurato male, una proprietà che non viene aggiornata. Riconoscere quei vuoti nei dati, e ricostruire con giudizio quello che non abbiamo misurato, è il tema del prossimo articolo, sui buchi di tracciamento.
Per approfondire
Per l’idea di fondo, che una distribuzione molto asimmetrica si racconta male con una media e bene con una curva, L’arte della statistica di David Spiegelhalter è la lettura più chiara che conosca: insegna a riassumere i dati asimmetrici senza farsi ingannare dalla media, e a raccontare con onestà quanto siamo sicuri di quello che diciamo. Per mettere in pratica l’analisi in R, dal caricamento dei dati di Search Console ai grafici, R for Data Science di Wickham, Çetinkaya-Rundel e Grolemund è il manuale di riferimento (in inglese, e consultabile gratuitamente anche online).