Google BERT: cos'è, come funziona e cosa conta oggi per la SEO
Capitolo 7 di 9 della guida Come funziona Google
BERT legge ogni parola della ricerca nel suo contesto: come funziona, gli esempi di Google, il legame con MUM e AI Mode. Scopri come scrivere per lui.
Fondatore di SEO SRL
Pubblicato il Aggiornato il 8 min di lettura1.535 parole

Google BERT è un modello di intelligenza artificiale per la comprensione del linguaggio, usato nella Ricerca dal 2019, che legge ogni parola della query insieme a quelle che la precedono e la seguono per capire il senso della ricerca.
Indice dei contenuti (9 sezioni)
- BERT in breve
- Cosa vuol dire la sigla BERT
- Come funziona: ogni parola letta con quelle intorno
- Gli esempi di Google: dove sbagliava prima
- BERT e gli altri sistemi: RankBrain, neural matching, passage ranking
- BERT oggi: DeepRank, MUM, AI Overview e AI Mode
- Si può ottimizzare per BERT?
- Come scrivere per un Google che legge il contesto
- Domande frequenti

Google BERT è un modello di intelligenza artificiale per la comprensione del linguaggio che Google usa nella Ricerca dal 2019: legge ogni parola della query insieme a quelle che vengono prima e dopo, così capisce il senso della domanda e non solo le parole chiave. In italiano funziona dal 9 dicembre 2019.
Non è una penalizzazione, non si "ottimizza" e non è stato sostituito dall'AI generativa: Google lo elenca ancora tra i sistemi di ranking attivi.
BERT in breve
| Domanda | Risposta |
|---|---|
| Nome completo | Bidirectional Encoder Representations from Transformers |
| Chi l'ha creato | Google AI Language (Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova) |
| Pubblicato e reso open source | Articolo scientifico l'11 ottobre 2018, codice open source il 2 novembre 2018 |
| In uso nella Ricerca | Dal 25 ottobre 2019, all'inizio su circa una ricerca su dieci in inglese negli Stati Uniti |
| In italiano | Dal 9 dicembre 2019, insieme a oltre 70 lingue |
| Cosa fa | Capisce come le combinazioni di parole esprimono significati e intenzioni diversi |
| Dove interviene | Ranking, recupero dei documenti e featured snippet |
| Stato oggi | Sistema attivo nella Guida ai sistemi di ranking di Google |
Cosa vuol dire la sigla BERT
Ogni parola della sigla dice qualcosa sul funzionamento:
- Bidirectional: legge il contesto a sinistra e a destra di ogni parola nello stesso momento, non solo da sinistra a destra.
- Encoder: trasforma il testo in una rappresentazione numerica che il sistema può confrontare. Non genera testo: lo capisce.
- Representations: il risultato è una rappresentazione di ogni parola che cambia a seconda della frase in cui si trova.
- Transformers: l'architettura di rete neurale su cui si basa, la stessa da cui derivano i modelli linguistici di oggi.
Nell'articolo originale BERT ottenne risultati migliori dello stato dell'arte su undici compiti di elaborazione del linguaggio naturale (NLP). Su SQuAD v1.1, un test di domande e risposte, il punteggio F1 fu di 93,2, sopra il miglior risultato precedente in classifica (91,7) e sopra il risultato umano (91,2).
Come funziona: ogni parola letta con quelle intorno

I modelli precedenti davano a una parola sempre lo stesso significato, o la leggevano guardando solo le parole che la precedono. L'esempio di Google è la frase inglese «I accessed the bank account»: un modello che legge solo da sinistra interpreta «bank» con «I accessed the», mentre BERT usa anche «account», che viene dopo, e capisce che si parla di una banca e non della riva di un fiume.
Per imparare a farlo BERT è stato addestrato su grandi quantità di testo con due esercizi:
- Parole nascoste (masked language model): alcune parole della frase vengono coperte e il modello deve indovinarle usando quelle a destra e a sinistra.
- Frase successiva (next sentence prediction): il modello vede due frasi e deve capire se la seconda segue davvero la prima o è stata presa a caso.
Il risultato è un sistema che dà peso anche alle parole piccole, come preposizioni e negazioni, che i motori di ricerca prima tendevano a trascurare.
Gli esempi di Google: dove sbagliava prima
L'annuncio del 25 ottobre 2019 di Pandu Nayak, vicepresidente della Ricerca, contiene cinque query in inglese con il prima e il dopo. Le riassumo in tabella: mostrano bene il tipo di errore che BERT corregge.
| Query | Parola decisiva | Errore prima di BERT |
|---|---|---|
| 2019 brazil traveler to usa need a visa | «to» | Risultati per cittadini statunitensi diretti in Brasile, cioè il viaggio al contrario |
| do estheticians stand a lot at work | «stand» | Abbinava «stand» a «stand-alone», non allo stare in piedi |
| can you get medicine for someone pharmacy | «for someone» | Risultati generici sulle ricette, non sul ritirare un farmaco per un'altra persona |
| parking on a hill with no curb | «no» | Ignorava la negazione e mostrava come parcheggiare in salita con il marciapiede |
| math practice books for adults | «for adults» | Proponeva un libro per ragazzi |
Google ha ammesso anche un limite: alla domanda «what state is south of Nebraska» la risposta migliore di BERT era ancora una località chiamata South Nebraska. Capire il linguaggio resta un problema aperto, e lo dicono loro per primi.
In italiano le preposizioni pesano quanto in inglese. Prendi le ricerche «voli da Roma a Parigi» e «voli da Parigi a Roma». Le parole sono le stesse, l'intenzione è opposta. Un sistema che guarda solo le keyword le tratta quasi allo stesso modo; un sistema che legge il contesto ha gli strumenti per distinguerle. Per chi scrive, vuol dire che una pagina deve rispondere alla domanda esatta, non a un insieme di parole.
BERT e gli altri sistemi: RankBrain, neural matching, passage ranking
BERT non lavora da solo. I sistemi di intelligenza artificiale di Google funzionano insieme, ognuno con un compito. Nel 2022 BERT interveniva in quasi tutte le ricerche in inglese, sia nel ranking sia nel recupero dei documenti.
| Sistema | Anno | Cosa fa |
|---|---|---|
| RankBrain | 2015 | Collega le parole ai concetti, così una pagina pertinente si posiziona anche senza le parole esatte della ricerca |
| Neural matching | 2018 | Abbina i concetti delle query a quelli delle pagine; serve soprattutto a recuperare documenti potenzialmente pertinenti |
| BERT | 2019 | Capisce come le combinazioni di parole esprimono significati e intenzioni |
| Passage ranking | 2021 | Valuta singole sezioni di una pagina, non solo la pagina intera (attivo in inglese negli Stati Uniti dal 10 febbraio 2021) |
| MUM | 2021 | Capisce e genera linguaggio; non è usato per il ranking generale |
Prima di tutti questi c'era stato Hummingbird, nel 2013: il primo grande passo dalle parole chiave al significato della query, oggi tra i sistemi ritirati.
BERT oggi: DeepRank, MUM, AI Overview e AI Mode
Con l'arrivo dell'AI generativa nella Ricerca la domanda è legittima: BERT serve ancora? Sì, e i fatti sono questi.
- È ancora attivo. Lo elenca tra i sistemi in uso la Guida ai sistemi di ranking di Google, aggiornata a dicembre 2025.
- Dentro Google si chiama anche DeepRank. Nella testimonianza al processo antitrust negli Stati Uniti (ottobre 2023) Pandu Nayak ha spiegato che DeepRank è BERT quando viene usato per il ranking, e che sta assorbendo parte delle capacità di RankBrain.
- MUM non l'ha sostituito. MUM, presentato il 18 maggio 2021 come «1.000 volte più potente di BERT», è addestrato su 75 lingue ed è multimodale. Non è però usato per il ranking generale ma per applicazioni specifiche, come le ricerche sui vaccini anti COVID-19 e i featured snippet. Nayak lo ha definito troppo grande e lento per girare su ogni query.
- AI Overview e AI Mode poggiano sugli stessi sistemi. Entrambe usano un modello Gemini personalizzato che lavora insieme ai sistemi di ranking e di qualità della Ricerca. AI Mode usa il query fan-out: divide la domanda in sottotemi e lancia molte ricerche collegate, poi combina i risultati.
Il collegamento pratico è questo: se la risposta generata pesca le fonti dall'indice con i sistemi di ranking, una pagina che i sistemi di comprensione del linguaggio giudicano pertinente ha più occasioni di essere recuperata anche nelle sotto-ricerche del fan-out. Trovi i dettagli nelle guide su AI Overview e AI Mode.
Si può ottimizzare per BERT?

No. Lo disse già il 28 ottobre 2019 Danny Sullivan, Search Liaison di Google: con BERT non c'è nulla da ottimizzare né da ripensare. Il modello è pubblico, ma il modo in cui Google lo usa nel ranking non lo è.
Faccio SEO dal 2009 e BERT è uno dei pochi cambi in cui la mossa giusta era non inseguirlo. È diverso da Penguin, che colpiva i link artificiali, e da Panda, che colpiva i contenuti scarsi. BERT non punisce nessuno: smette di premiare per caso le pagine che contenevano le parole giuste senza rispondere alla domanda.
Come scrivere per un Google che legge il contesto
Questa è la checklist che uso quando riscrivo un contenuto:
- Parti dalla domanda vera. Guarda come le persone scrivono la ricerca, comprese le preposizioni: «per», «da», «senza», «a». Una ricerca delle parole chiave fatta bene ti dà le frasi, non solo le parole.
- Rispondi nelle prime due righe. Definizione o risposta diretta, poi i dettagli. È anche quello che si presta a finire in un featured snippet o a essere citato in una risposta AI.
- Una sezione, una domanda. Titoli H2 e H3 chiari, ognuno su un sotto-tema. Il passage ranking valuta le sezioni e il fan-out cerca sotto-domande: una sezione che risponde bene a una sotto-domanda ha più occasioni.
- Togli le ripetizioni forzate. Se una frase suona strana perché c'è dentro la keyword, riscrivila. Sinonimi e varianti naturali vanno bene.
- Non tagliare le negazioni e le condizioni. «Senza», «solo se», «tranne»: sono le parole che BERT legge e che fanno la differenza tra una risposta giusta e una sbagliata.
- Metti fatti verificabili. Numeri, date, fonti linkate. Capire il linguaggio non basta a Google per fidarsi: servono contenuti affidabili.
Il punto di partenza, per me, resta il pubblico: conosci il target e sai già quali domande ti farà.
Vuoi testi che rispondono alle ricerche vere invece di inseguire le keyword? Guarda il servizio di SEO copywriting, oppure scopri cosa frena il tuo sito su Google e nelle AI con l'audit SEO: ricevi le 5 cose da sistemare per prime sulle tue pagine principali.
Per vedere come BERT si inserisce nel resto del funzionamento della Ricerca, c'è la guida su come funziona Google.
Domande frequenti
Google usa ancora BERT?
Sì. La Guida ai sistemi di ranking di Google, aggiornata a dicembre 2025, lo elenca tra i sistemi attivi. Nella testimonianza al processo antitrust negli Stati Uniti dell'ottobre 2023 Pandu Nayak ha spiegato che DeepRank è BERT quando viene usato per il ranking.
Che differenza c'è tra BERT e MUM?
MUM, presentato il 18 maggio 2021, è un modello più grande: 1.000 volte più potente di BERT, addestrato su 75 lingue e capace di capire testo e immagini. Non è però usato per il ranking generale, solo per applicazioni specifiche come le ricerche sui vaccini anti COVID-19 e i featured snippet. Nel 2022 BERT interveniva invece in quasi tutte le ricerche in inglese.
Si può ottimizzare un sito per BERT?
No, non in modo specifico. Danny Sullivan, Search Liaison di Google, lo ha detto il 28 ottobre 2019: con BERT non c'è nulla da ottimizzare. In pratica conviene rispondere nelle prime righe alla domanda esatta, organizzare la pagina in sezioni chiare, scrivere in modo naturale e non costruire i testi attorno alla ripetizione delle parole chiave.



