Caso Studio SEO — KEIT Parte 2: da 4.7K a 14.5K traffico organico in 4 mesi con embedding analysis e ricentratura semantica

Nella Parte 1 di questo caso studio ho raccontato come KEIT Day Hospital è passata da 7.6K a 22K visite organiche/mese in 4 mesi (gennaio → aprile 2025) con SEO semantica e Featured Snippet Optimization.

Quella è la parte che si mette nei pitch commerciali. Questa è la parte che di solito non si racconta: da maggio 2025 il traffico ha iniziato a crollare. A ottobre–novembre il sito si è stabilizzato al minimo di 4.7K — un -79% dal picco — e ci è rimasto per sei settimane. Nessun link perso, nessuna penalità manuale, nessun algoritmo update specifico che colpisse il verticale. Il sito era identico dall’infrastruttura, ma Google aveva cambiato idea su cosa fosse.

La causa del crollo non era tecnica. Il Cliente aveva preso decisioni editoriali importanti in autonomia: cancellazione dell’80% dei contenuti e riscrittura di gran parte degli articoli rimasti. Nelle intenzioni, una pulizia. Nell’effetto misurato, la distruzione del footprint semantico che aveva portato il sito a 22K.

Il recupero è arrivato non rimettendo i contenuti, ma capendo cosa Google pensava del sito — e correggendo la percezione. Il punto di inflessione netto è visibile nel grafico Semrush a fine novembre / inizio dicembre 2025: la curva organica smette di scendere, si stabilizza, e inizia la risalita. A marzo 2026 il traffico è risalito a 14.5K, con un Traffic Share Italia passato dal 5% del minimo al 16% attuale — il doppio di quando il sito stava al picco di traffico assoluto.

Dato ulteriore emerso dal tracking keyword Semrush: la fascia “AI Overviews” appare per la prima volta a dicembre 2025 e cresce progressivamente. Prima di quella data KEIT non compariva in AI Overview su query del proprio cluster. Questo si sovrappone temporalmente al lavoro GEO (Generative Engine Optimization) avviato in parallelo, e racconta una cosa importante che vale la pena sottolineare fin dall’inizio: ricentrare l’entità nello spazio semantico ha effetti cumulativi su SEO tradizionale E su AI Search. Sono due facce dello stesso intervento.

Lo strumento chiave: embedding analysis dell’intero sito, calcolo del baricentro semantico, confronto con il cluster target “chirurgia estetica”. Scoperta: il sito non era percepito come una clinica chirurgica, era percepito come un magazine di sensibilizzazione sanitaria. Troppe campagne sociali, troppi articoli su prevenzione generalista, troppe pagine civiche. Non abbastanza chirurgia.

Questo è il caso studio completo di come l’abbiamo scoperto, misurato, corretto, e quali sono i numeri finali.

Il contesto: cosa è successo dopo il picco di aprile 2025

Il picco di traffico di KEIT è stato registrato ad aprile 2025, a circa 22K visite organiche/mese. Due settimane dopo, il Cliente ha preso in autonomia due decisioni strategiche sul proprio sito:

1. Cancellazione di circa l’80% dei contenuti pubblicati. Pagine ritenute “obsolete”, “ripetitive” o “non più in linea con il posizionamento del brand” sono state rimosse dal sito.
2. Riscrittura della maggior parte degli articoli rimasti. I contenuti sopravvissuti sono stati rieditati, spesso da zero, con nuovi tagli editoriali e nuovi obiettivi comunicativi.

Queste decisioni sono state prese sul fronte marketing/comunicazione, in buona fede e con razionali sensati dal punto di vista editoriale. Il problema è che un sito non viene classificato da Google in base alle intenzioni editoriali del proprietario — viene classificato in base alla sua impronta semantica aggregata.

La conseguenza è stata misurabile quasi subito. Da maggio 2025 Semrush mostrava già un -40% sul mese precedente. Il calo non si è fermato. È proseguito per sei mesi consecutivi fino al punto più basso di ottobre 2025.

Tabella 1 — La curva del crollo (Semrush, segmento .it/traffico italiano)

Il dato che serviva guardare non è il calo del traffico. Il dato che serviva guardare è nelle ultime tre colonne.

Il segnale diagnostico: off-page piatto, on-page in crisi

Durante tutta la fase di crollo, i segnali off-page del dominio sono rimasti statici:

• Authority Score: 30 (costante per 12 mesi consecutivi)
• Referring Domains: 358 (nessuna perdita, nessun acquisto nel periodo)
• Backlinks totali: 3.100 (piatto)

Questo pattern esclude automaticamente una lista di cause possibili:

• Non è un problema di link (non abbiamo perso backlink)
• Non è un problema di trust di dominio (AS invariato)
• Non è un problema di penalità algoritmica grave (non c’è deindex)
• Non è un problema di manual action (nessun messaggio GSC)

Rimane un’unica categoria compatibile col dato: il sito ha cambiato come appare a Google, e quel cambiamento ha spostato la sua classificazione topica. È un caso didattico di content-driven re-evaluation: il dominio non ha perso autorità, ha perso pertinenza sul proprio cluster target.

Questa è la prima domanda operativa che ogni SEO si deve fare quando vede un crollo con off-page invariato: Google ha smesso di percepirci sullo stesso cluster di prima?

Per rispondere, servono strumenti diversi dalla SEO classica. Serve vedere il sito come lo vedono i modelli — e i modelli non vedono keyword, vedono vettori.

Perché una “pulizia contenuti” può distruggere il ranking

Esiste una narrazione molto diffusa nel marketing digitale: “taglia i contenuti deboli, rimangono i forti, Google premia”. Come tutte le semplificazioni, è parzialmente vera e operativamente pericolosa.

La versione corretta è: tagliare contenuti cambia la media semantica del sito, cioè il punto in cui Google colloca il dominio nello spazio vettoriale dei topic. Quando tagli il 10% di un sito, il baricentro si sposta pochissimo. Quando tagli l’80%, il baricentro può spostarsi in un altro cluster.

Due effetti tecnici concreti quando si cancella in massa:

1. Reranking aggregato. Google non valuta le pagine singolarmente — valuta il sito come ecosistema. Quando in un periodo concentrato il 70-80% degli URL restituisce 410 Gone o 301 Redirect, l’algoritmo ricalcola la distribuzione topica del dominio. Le pagine superstiti vengono rivalutate in relazione alla nuova composizione del sito, non a quella precedente.

2. Perdita di triangolazioni semantiche. Una pagina di chirurgia estetica non vive isolata. La sua autorità deriva in buona parte dalle pagine adiacenti che la supportano, la linkano, ne definiscono il contesto. Quando rimuovi l’80% del sito, i “ponti semantici” tra le pagine sopravvissute si rompono. Un articolo sulla rinoplastica che prima era linkato da 6 articoli adiacenti (anestesia, post-operatorio, costi, clinica di Tirana, chirurgo, testimonianze) ora è linkato da 1. Il suo peso relativo nel grafo interno è collassato.

La riscrittura aggiunge un terzo effetto: sposta ogni pagina rispetto al proprio embedding storico. Google ha in memoria come trattavi un topic. Se ogni pagina viene rieditata da zero con taglio, tono, vocabolario diversi, il motore si trova davanti a contenuti che sono formalmente gli stessi URL ma semanticamente diversi. Questo attiva un periodo di instabilità in cui i ranking precedenti vengono reinterrogati.

La somma dei tre effetti spiega il pattern: off-page invariato, on-page ricostituito, ranking che scivola per 6 mesi.

La diagnosi: embedding di un sito, in pratica

Davanti a un crollo di questa natura, la domanda operativa è: dove si è spostato il baricentro semantico del sito? Per rispondere serve vettorizzare il sito.

Il processo è concettualmente semplice, anche se operativamente richiede un minimo di pipeline:

Step 1 — Estrazione contenuti. Crawl di tutti gli URL indicizzabili del sito (esclusi archivi, tag, paginazioni). Per ogni URL si estrae il testo principale (title, h1, corpo articolo), scartando chrome di navigazione, footer, widget.

Step 2 — Embedding per URL. Ogni testo viene convertito in un vettore ad alta dimensionalità. Nel nostro caso abbiamo usato RankWit AI, una piattaforma specializzata in analisi vettoriale per SEO semantica, che gestisce l’intera pipeline (estrazione contenuti, embedding, calcolo distanze, confronto cluster) in un singolo ambiente. Il risultato: ogni URL del sito KEIT è rappresentato da un punto in uno spazio vettoriale, e l’intero dominio diventa una “nuvola di punti” analizzabile.

Step 3 — Calcolo del baricentro. Il baricentro del sito è la media vettoriale di tutti i punti. È un vettore singolo che rappresenta “la posizione media” del sito nello spazio semantico.

Step 4 — Calcolo del baricentro target. In parallelo, si calcolano i baricentri dei cluster di riferimento. Per KEIT i cluster target erano: chirurgia estetica, medical tourism Albania, rinoplastica, mastoplastica, liposuzione, blefaroplastica. Ogni cluster è stato caratterizzato prendendo 15-20 pagine rappresentative dai principali competitor italiani del settore (pallaoro.it, clinicaireos.com, laclinic.it, ecc.) e calcolandone il baricentro medio.

Step 5 — Distanza sito/cluster. Cosine similarity tra il baricentro KEIT e ciascun baricentro cluster target. Più alta la similarity, più il sito è allineato a quel cluster.

Step 6 — Distribuzione interna. Per ogni URL del sito, cosine similarity col baricentro di ogni cluster. Ogni pagina viene etichettata col cluster più vicino. Da qui esce una distribuzione percentuale: quanto del sito appartiene a quale cluster?

Lo step 6 è quello che ha rivelato il problema.

Il risultato: il sito non era una clinica, era un magazine sociale

La distribuzione cluster pre-intervento di KEIT era profondamente disallineata rispetto al posizionamento desiderato. Ecco la composizione che l’analisi embedding ha restituito (valori approssimati, aggregati per macro-cluster):

Tabella 2 — Distribuzione semantica KEIT, ottobre 2025 (pre-intervento)

Letto in un’altra forma: meno della metà del sito era allineata ai cluster che il Cliente voleva presidiare commercialmente. La restante parte era composta da contenuti che hanno una loro dignità editoriale — campagne di sensibilizzazione contro il tumore al seno, iniziative civiche, articoli di prevenzione generale — ma che spostavano il baricentro del sito lontano dal centro del cluster “chirurgia estetica”.

Per Google, KEIT era un ente ibrido: un po’ clinica, un po’ magazine civico, un po’ lifestyle. Un’entità non facilmente classificabile. E un’entità non facilmente classificabile è un’entità che viene mostrata con minore frequenza nelle query core, perché l’algoritmo preferisce servire risultati dove la corrispondenza query/documento è netta.

La cancellazione dell’80% dei contenuti di aprile-maggio 2025 non aveva corretto questo disallineamento. In alcuni casi l’aveva peggiorato, perché la pulizia aveva colpito in modo non selettivo, rimuovendo articoli chirurgici tecnici insieme a contenuti sociali, lasciando una distribuzione residua ancora sbilanciata.

La correzione: ricentrare il sito sul cluster chirurgia

La logica della correzione non è stata “rimettere i contenuti cancellati”. È stata modificare deliberatamente la composizione del sito perché il suo baricentro semantico si spostasse dentro il cluster chirurgia estetica.

Operativamente, tre leve:

Leva 1 — Pruning selettivo dei contenuti fuori cluster

Non tutti i contenuti “sociali” sono stati rimossi. Sono stati valutati in base a due criteri:

• Traffico portato: una pagina sociale che attira comunque traffico rilevante al sito, anche non commerciale, mantiene un ruolo.
• Distanza dal baricentro target: pagine con cosine similarity < 0.55 al cluster chirurgia sono state candidate a noindex o archiviazione.

Dopo l’analisi sono stati messi in noindex circa 45 URL tra campagne sociali datate, comunicati su iniziative civiche esaurite, articoli generalisti di prevenzione non connessi alla chirurgia. Non cancellazione 410 (che attiva re-crawl aggressivo), ma noindex,follow con rimozione dai menu e dai link interni. L’obiettivo è sottrarli dalla media senza perdere il link equity storica.

Leva 2 — Potenziamento del nucleo chirurgico

In parallelo, i contenuti del cluster chirurgia sono stati espansi e rinforzati:

• Pagine procedura (rinoplastica, mastoplastica, addominoplastica, liposuzione, blefaroplastica) riscritte con vocabolario tecnico denso: termini procedurali, protocolli anestesiologici, tempi di recupero, criteri di selezione paziente.
• Triangolazioni semantiche come descritto nel framework SEOSESE: per ogni entità chirurgica abbiamo aperto 3 attributi coerenti ma distinti (es. per rinoplastica: tecnica, recupero, risultato) e chiuso il ring con internal link giustificati.
• Vocabolario di dominio consolidato: ogni pagina chirurgica ora usa coerentemente gli stessi 40-60 termini tecnici del dominio medico, con densità di co-occorrenza mirata.

Leva 3 — Ridistribuzione dei pesi nel menu e nell’architettura

Il menu principale è stato ricostruito attorno alle categorie chirurgiche. Le sezioni “social” e “news civiche” sono state retrocesse a footer o sottomenu. L’obiettivo non era nasconderle, era ridurre il loro peso nel grafo interno dei link — e quindi ridurre il loro contributo al baricentro calcolato da Google via segnali di navigazione interna.

La distribuzione post-intervento

Dopo 4 mesi di interventi progressivi (dicembre 2025 → marzo 2026), il ricalcolo della distribuzione embedding restituisce un quadro completamente diverso:

Tabella 3 — Distribuzione semantica KEIT, marzo 2026 (post-intervento)

Traduzione sintetica: oggi il 75% del sito (chirurgia + medical tourism) è strettamente allineato ai cluster target commerciali. Prima era il 40%. La cosine similarity del baricentro sito con il baricentro cluster “chirurgia estetica” è passata da ~0.64 a ~0.81 — cambio di categoria nella scala interpretativa del baricentro medio di mercato (vedi framework SEOSESE: 0.18-0.32 di distanza è la zona di autorità distintiva).

Il recupero misurato: ottobre 2025 → marzo 2026

Tabella 4 — La curva di recupero (letta dal grafico Semrush 12 mesi)

Tre osservazioni importanti dal grafico:

1. Il fondo non è un punto ma un plateau di sei settimane. Il sito ha “tenuto” al minimo senza scendere oltre — segnale che il pavimento era l’autorità residua (off-page stabile), non un trend discendente infinito.
2. Il punto di inflessione è netto e databile: fine novembre / inizio dicembre 2025. Coincide con il rollout delle prime correzioni post-embedding analysis (noindex pagine fuori cluster + primi ricentraggi nel menu).
3. La crescita è avvenuta attraverso molteplici algo update Google (visibili come tick rossi sul grafico Semrush). Non è stato un recupero “aspettando che passasse la tempesta” — è stato un recupero che è passato attraverso la tempesta.

Il traffico organico è più che triplicato. Le keyword sono quasi raddoppiate. Ma il dato più significativo è il Traffic Share Italia: al picco di traffico assoluto (22K di aprile 2025) la quota mercato italiana si attestava all’8%. Al minimo (4.7K di ottobre 2025) era scesa al 5%. Oggi, con 14.5K traffico assoluto — meno del picco — la quota è al 16%, il doppio del picco originale.

Questo numero racconta la cosa più importante del caso: non abbiamo ricostruito il traffico rimettendo contenuti. Abbiamo ricostruito la precisione con cui Google mappa KEIT sulle query italiane del cluster chirurgia. Il sito cattura una fetta molto più grande del mercato semantico nel quale si colloca, anche se ha un volume assoluto di contenuti inferiore.

In linguaggio framework: la densità di autorità per pagina è aumentata. Ogni URL del sito contribuisce di più al ranking perché il sito nel complesso è più coerente.

E ancora: Authority Score, Referring Domains, Backlinks sono rimasti 30 / 358 / 3.1K per tutto il periodo. Il recupero è al 100% content-driven. Nessuna campagna di linkbuilding, nessun comunicato stampa con link, nessuna guest post. Solo composizione semantica.

Un ulteriore segnale visibile nel grafico keyword: da dicembre 2025 compare una nuova banda viola — le AI Overviews. Prima di quella data KEIT non era mai citato in AI Overview Google. Dopo la ricentratura, il sito entra progressivamente nelle risposte generative per query del proprio cluster core. Questa è la stessa traiettoria documentata nel Caso Studio GEO KEIT, e conferma una regola operativa: un sito semanticamente coerente col proprio cluster viene premiato simultaneamente da SERP classiche e da AI Search. Sono due manifestazioni dello stesso segnale sottostante.

Perché il recupero funziona: reranking positivo post-ricentratura

Lo stesso meccanismo che aveva prodotto il crollo ha prodotto il recupero, a segno opposto.

Quando il sito ha modificato sostanzialmente la propria composizione (rimuovendo noindex 45+ URL fuori cluster, potenziando il nucleo chirurgico con contenuti più densi, ristrutturando il menu), Google ha ri-crawlato e ri-valutato l’aggregato. Questa volta il risultato della valutazione era: “KEIT è un sito di chirurgia estetica con baricentro coerente al cluster, segnali off-page stabili, struttura interna triangolata”.

La conseguenza diretta è stata un reranking positivo progressivo. Non uno shock singolo ma una serie di micro-miglioramenti spalmati su 3-4 mesi, visibili come curva ascendente lenta nel grafico Semrush. Dato che il dominio non aveva perso autorità off-page (AS 30 costante), una volta ristabilita la pertinenza, il traffico è rientrato — e lo ha fatto con una distribuzione query più concentrata sui cluster target, che è il motivo del Traffic Share 16%.

Questa curva (crollo → minimo → risalita) in assenza di interventi off-page è la firma caratteristica di un problema di percezione topica, non di autorità. Chi si trova in una situazione simile può riconoscere il pattern e agire di conseguenza.

Framework operativo: quando e come fare embedding analysis

Non serve aspettare un crollo per fare embedding analysis su un sito. Il caso KEIT mostra che è una diagnostica preventiva altrettanto utile di un audit tecnico o di un keyword research.

Triggers operativi — quando farla:

1. Prima di un content pruning (qualsiasi sia l’entità). Sapere in anticipo se un taglio sposterà il baricentro del sito vale mesi di recovery evitato.
2. Dopo un cambiamento editoriale importante (rebranding, pivot, modifica linea editoriale).
3. Quando il traffico cala senza cause off-page identificate. Se AS/link/penalità sono ok, il problema è on-page aggregato — e l’embedding lo trova.
4. In onboarding di un nuovo Cliente: capire dove sta il sito nello spazio semantico prima di proporre qualsiasi strategia.

Toolkit:

• RankWit AI — la piattaforma che usiamo in SEOSESE per gestire embedding, baricentri, cluster analysis e confronto sito/competitor in un singolo flusso. Evita di dover assemblare manualmente pipeline Python, API embedding, e tool di cosine similarity.
• In alternativa (setup artigianale): modello embedding moderno (OpenAI text-embedding-3-large o equivalente open-source) + Screaming Frog per il crawl + numpy/scikit-learn per il calcolo.
• Un set di pagine di riferimento per ogni cluster target (15-20 per cluster bastano, si prendono dai competitor principali del settore).

Costo operativo: per un sito da 200-400 URL l’analisi completa è gestibile in 4-6 ore di lavoro. Con RankWit il flusso è più compresso — il ritorno informativo è sproporzionato rispetto al costo sia operativo che di tool.

Limiti e onestà del dato

Come per la Parte 1, per coerenza metodologica riporto i limiti di questo caso:

1. Campione singolo. Un Cliente, un crollo, un recupero. Non evidenza statistica generalizzabile — proof-of-concept operativa su un caso reale.
2. Causalità non isolata. Il recupero è avvenuto in un periodo (dicembre 2025 → marzo 2026) in cui sono successe anche altre cose nel mondo SEO: aggiornamenti algoritmici di Google, evoluzione AI Overview, stagionalità medical tourism. Non posso dimostrare che il 100% del recupero sia attribuibile all’embedding analysis. Posso dimostrare che senza i cambi di composizione misurabili, il segnale off-page statico non avrebbe prodotto da solo un recupero del +208%.
3. Effetto temporale non completo. Il recupero è ancora in corso. A marzo 2026 siamo a 14.5K (vs 22K di picco). Non è escluso che altri 2-3 mesi portino a superare il picco precedente, ma è anche possibile che il plateau si stabilizzi sotto. I dati a 12 mesi diranno.
4. Dipendenza dal modello embedding. RankWit AI usa un modello interno ottimizzato per analisi SEO — con un modello diverso (OpenAI, Cohere, Voyage, open-source), le distanze cosine assolute sarebbero diverse. Le distribuzioni relative tra cluster — che è ciò che guida le decisioni operative — sono robuste tra modelli.
5. Nessuna penalizzazione attribuita al Cliente. Il Cliente ha preso decisioni editoriali legittime sul proprio contenuto. Il caso non racconta di “errori” in senso normativo — racconta di un gap informativo sul funzionamento del ranking semantico che la maggior parte dei siti (e dei consulenti) non copre.

Lezioni: il sito non è le sue pagine, è la sua impronta

Il takeaway editoriale di questo caso è in una frase: la SEO moderna è gestione del vettore medio del sito, non gestione delle singole pagine.

Ogni operazione editoriale (pubblicare, cancellare, riscrivere, spostare, linkare) sposta il punto che il sito occupa nello spazio semantico di Google. Se lo sposti in avanti verso il tuo cluster target, il traffico cresce. Se lo sposti lateralmente o indietro, il traffico cala. L’off-page (link, menzioni, autorità) modula l’intensità del segnale, ma non ne decide la direzione.

Tradotto in principi operativi:

• Non tagliare mai in massa contenuti senza prima misurare il baricentro. Un cleanup fatto alla cieca può costare 6+ mesi di recovery.
• Non riscrivere tutto in parallelo. La riscrittura concentrata è un secondo shock aggregato oltre la cancellazione. Lavora in staging, testa, roll-out graduale.
• Il traffico non è il metrico target sensibile. Il Traffic Share sul cluster lo è. È il dato che risponde alla domanda: il sito sta intercettando la sua fetta di mercato semantico?
• Off-page stabile + on-page in calo = problema di composizione. Non cercare link, cerca il tuo baricentro.
• L’embedding analysis è economica e veloce. Se stai spendendo 3.000 € al mese in SEO senza aver mai visto il vettore medio del tuo sito, stai guidando alla cieca.

Relazione con Parte 1 e Caso Studio GEO

Questo caso chiude un arco che si apre con la Parte 1 (crescita semantica + featured snippet) e si affianca al Caso Studio GEO KEIT (993 citazioni AI in 6 mesi).

Letti insieme, i tre pezzi raccontano tre fasi complementari della stessa entità:

1. Part 1 — Costruzione SEO semantica classica (gennaio-aprile 2025): 7.6K → 22K via cluster coerenti, featured snippet, optimization on-page.
2. Part 2 — Crollo e recupero vector-based (maggio 2025 – marzo 2026): 22K → 4.7K → 14.5K con quota mercato raddoppiata, via embedding analysis e ricentratura del baricentro semantico.
3. Caso GEO — Visibilità nelle AI (novembre 2025 – aprile 2026): 993 citazioni in ChatGPT/Gemini/Perplexity via EVO + Pipeline Semantiq.

La continuità operativa è una sola: trattare il sito come un’entità nello spazio vettoriale, non come un elenco di URL. Gli strumenti cambiano fase per fase (keyword, embedding, entity graph), ma il modello mentale è unico.

Conclusione: SEO semantica significa gestire vettori

Quando è successo il crollo non avevamo idea di quanto fosse grave l’allineamento sbagliato del sito. Sapevamo che il Cliente aveva cancellato molto e riscritto molto, ma l’assunzione iniziale era che il calo fosse transitorio — normale instabilità post-cleanup. A 3 mesi di instabilità il pattern diventava preoccupante. A 6 mesi, con la certezza dell’off-page statico, era chiaro che il problema non era temporaneo: era strutturale nella composizione del sito.

L’embedding analysis ci ha dato un’immagine del problema che nessuno strumento SEO tradizionale poteva darci. Non è un metodo esotico. È il modo in cui i motori di ricerca moderni vedono davvero i siti — e il fatto che la maggior parte degli SEO non lo usi ancora è un vantaggio competitivo, non una limitazione tecnica.

Il traffico di KEIT nei prossimi mesi continuerà a salire finché il baricentro resterà dentro il cluster target. Se dovesse rallentare, il playbook è lo stesso: misurare il baricentro, confrontarlo col target, identificare i contenuti che stanno spostando il centro, agire. Non è magia — è la disciplina di trattare la SEO come quello che è diventata: un problema vettoriale, non lessicale.

Jeansy Sese è consulente SEO specializzato in SEO semantica, AI Visibility e Security-SEO. Autore dei caso studio SEOSESE GEO, KEIT GEO Medical Tourism, KEIT SEO Parte 1 e KEIT Security-SEO. Questo è il quinto della serie, secondo della sub-serie KEIT.

Leggi anche: agenzia SEO in Toscana: la guida per scegliere bene.