Che cosa significa suggerimento di amicizia su Facebook?

I suggerimenti di amicizia su Facebook sono proposte automatiche di profili che potresti conoscere. Compaiono nella sezione Persone che potresti conoscere e nell’app, e sono generati da modelli di apprendimento automatico che valutano piu segnali. Capire che cosa significano aiuta a gestire meglio la propria rete e a proteggere la privacy personale.

Questo articolo spiega in modo pratico come funziona la funzione, quali dati la alimentano, quali numeri la descrivono nel 2026 e come controllarla. Troverai anche note normative utili e consigli concreti per utenti e organizzazioni.

Significato pratico dei suggerimenti di amicizia

Un suggerimento di amicizia indica che l’algoritmo ha trovato una possibile connessione tra te e un altro utente. Non e una richiesta inviata da qualcuno, e non implica che l’altra persona ti abbia cercato. E una previsione statistica: il sistema stima la probabilita che due profili si conoscano o desiderino connettersi, mostrando quindi il profilo come raccomandazione.

Il contesto e chiave. Spesso i suggerimenti riflettono reti reali gia esistenti: compagni di scuola, colleghi, membri di gruppi o contatti caricati da te o da altri. Il significato, quindi, e operativo: la piattaforma ti invita a valutare una connessione plausibile. Accettare o ignorare resta una tua scelta. Nessun suggerimento, preso singolarmente, prova che qualcuno abbia visualizzato il tuo profilo o ti stia seguendo; e soltanto un segnale tra tanti che l’algoritmo usa per ottimizzare la tua esperienza.

Quali segnali alimentano People You May Know

I segnali principali includono amici in comune, scuole o luoghi di lavoro simili, adesione a gruppi, interessi condivisi e attivita sul social. Un fattore forte e l’upload dei contatti: se tu o un’altra persona avete caricato rubriche con email o numeri, il sistema puo proporre reciproci suggerimenti. Nel corso degli anni sono circolate ipotesi su un uso diretto della posizione. La documentazione pubblica ha ribadito che i suggerimenti si basano soprattutto su reti e contatti, e che l’eventuale uso della posizione non e un perno del sistema; storicamente Facebook ha smentito un utilizzo sistematico della geolocalizzazione per generare questi suggerimenti. ([theguardian.com](https://www.theguardian.com/technology/2016/jun/29/how-does-facebook-suggest-potential-friends-not-location-data-not-now?utm_source=openai))

Punti chiave:

Amici in comune e reti secondarie (amici di amici).
Dati di profilo come scuole, impieghi, citta dichiarate.
Iscrizione agli stessi gruppi o like a pagine simili.
Rubriche caricate da te o da altri utenti che contengono i tuoi recapiti.
Interazioni pregresse nella piattaforma, ad esempio visualizzazioni di contenuti o scambi indiretti.

Questi segnali vengono combinati in modelli che stimano la forza del legame potenziale. I modelli sono aggiornati di continuo e possono variare tra app, aree geografiche e periodi. Per questo la lista cambia spesso e non e mai definitiva.

Quanto sono diffusi nel 2026: numeri e impatto

Per capire la portata dei suggerimenti conviene osservare l’ampiezza dell’ecosistema. Nel quarto trimestre 2025, comunicato il 28 gennaio 2026, Meta ha riportato 3,58 miliardi di persone attive giornalmente a dicembre sulla Family of Apps. Nello stesso periodo le impression pubblicitarie sono cresciute del 18% anno su anno e il prezzo medio per annuncio del 6%. Per il 2026 l’azienda ha indicato spese totali previste tra 162 e 169 miliardi di dollari e investimenti in capitale tra 115 e 135 miliardi, segno di infrastrutture e modelli di raccomandazione sempre piu complessi. Questi numeri mostrano quanto sia capillare l’ambiente in cui agisce People You May Know. ([sec.gov](https://www.sec.gov/Archives/edgar/data/1326801/000162828026003832/meta-12312025xexhibit991.htm))

Negli Stati Uniti, i dataset di DataReportal indicano circa 198 milioni di utenti Facebook raggiungibili a fini pubblicitari verso la fine del 2025, mentre a livello mondiale i report Digital 2026 stimano che due persone su tre usano i social. In un contesto cosi vasto, i suggerimenti di amicizia non sono episodi isolati ma un flusso costante di previsioni che collegano segmenti di rete in modo probabilistico. Perciò e normale vedere apparire persone con legami indiretti o contatti latenti. ([datareportal.com](https://datareportal.com/reports/digital-2026-united-states-of-america?utm_source=openai))

Come controllare e ridurre i suggerimenti non desiderati

Non puoi disattivare del tutto la funzione, ma puoi ridurne l’impatto intervenendo sulle fonti di segnale. Il primo passo e gestire l’upload dei contatti: se hai sincronizzato la rubrica, puoi cancellare i dati caricati e disattivare il caricamento continuo. Questa azione rimuove una delle leve piu forti che alimentano suggerimenti reciproci basati su email e numeri di telefono.

Cose da fare subito:

Elimina i contatti caricati dal tuo account tramite lo strumento ufficiale di Facebook.
Disattiva il caricamento continuo dei contatti su tutti i dispositivi in cui usi Facebook o Messenger.
Limita chi puo trovarti tramite email o numero nella sezione privacy dell’account.
Rivedi la visibilita di scuole, datori di lavoro e citta sul tuo profilo.
Esamina i gruppi: abbandona quelli che non ti servono piu.

Quando compaiono profili indesiderati, usa le opzioni Nascondi o Non suggerire questa persona. Se il problema deriva da contatti caricati da altri (per esempio tuoi recapiti presenti nelle rubriche altrui), ridurre la tua esposizione pubblica e la strategia piu efficace. Per la rimozione dei contatti caricati e le istruzioni aggiornate, consulta la guida ufficiale Facebook. ([facebook.com](https://www.facebook.com/help/147699975301738?utm_source=openai))

Privacy, norme e istituzioni: cosa dicono EDPB, Commissione Europea e FTC

La funzione di suggerimento rientra nella famiglia dei sistemi di raccomandazione. Nell’Unione Europea, piattaforme molto grandi come Facebook sono designate come VLOP ai sensi del Digital Services Act. Tra gli obblighi ci sono trasparenza, valutazione dei rischi e informazioni sugli algoritmi di raccomandazione. La Commissione Europea ha pubblicato linee guida operative e un elenco aggiornato dei servizi designati, mentre l’EDPB ha emesso le Guidelines 8/2020 sul targeting degli utenti social, riferimenti utili per comprendere limiti e basi giuridiche del trattamento dei dati a fini di raccomandazione. ([digital-strategy.ec.europa.eu](https://digital-strategy.ec.europa.eu/en/policies/dsa-vlops?utm_source=openai))

Punti normativi essenziali:

Trasparenza: piattaforme molto grandi devono spiegare gli elementi chiave dei propri sistemi di raccomandazione.
Controlli utente: opzioni per influenzare o rifiutare certe personalizzazioni sono incoraggiate dal DSA.
Targeting: l’EDPB chiarisce i limiti del targeting su social, specie per dati sensibili e consenso.
Tutela dei minori: attenzione rafforzata a profilazione e raccomandazioni verso utenti giovani.
Accountability: le autorita possono richiedere informazioni e imporre rimedi in caso di rischi sistemici.

Negli Stati Uniti, la Federal Trade Commission mantiene un ruolo di vigilanza. L’ordine del 2019 ha imposto a Facebook un’ammenda record da 5 miliardi di dollari e vincoli stringenti sulla governance della privacy, con obblighi di certificazione periodica fino a lungo termine. Questo quadro regolatorio influenza anche pratiche come il suggerimento di amicizia, perche richiede coerenza tra cio che la piattaforma dichiara e cio che effettivamente fa con i dati. ([ftc.gov](https://www.ftc.gov/news-events/news/press-releases/2019/07/ftc-imposes-5-billion-penalty-sweeping-new-privacy-restrictions-facebook?utm_source=openai))

Uso responsabile per creator e aziende

I suggerimenti di amicizia possono aiutare professionisti e organizzazioni a espandere reti in modo organico, ma vanno usati con etica. L’obiettivo non e sfruttare scorciatoie, bensi rendere il profilo piu riconoscibile per chi davvero ti conosce o desidera collaborare. Prima di tutto, completa campi chiave del profilo e adotta una presenza coerente nei gruppi pertinenti. Evita pratiche opache come il caricamento indiscriminato di rubriche aziendali senza consenso informato.

Buone pratiche operative:

Compila correttamente bio, ruoli e citta per rafforzare segnali legittimi.
Partecipa a gruppi di settore e condividi contenuti utili con costanza.
Chiedi il consenso prima di caricare contatti di clienti o partner.
Imposta chi puo trovarti tramite telefono o email per bilanciare visibilita e privacy.
Monitora metriche pulite: richieste accettate, risposte, feedback, non solo volume.

Nel 2025 Meta ha riportato una crescita delle impression pubblicitarie e una base quotidiana molto ampia sulla Family of Apps. Dati di scala cosi grandi implicano che piccole ottimizzazioni comportamentali possono portare a connessioni di qualita nel tempo, senza forzature. L’importante e mantenere chiarezza su finalita, basi giuridiche dei dati e consenso, specie se operi come impresa o creator. ([sec.gov](https://www.sec.gov/Archives/edgar/data/1326801/000162828026003832/meta-12312025xexhibit991.htm))

Mappare l’algoritmo con esempi concreti

Immagina di entrare in un nuovo gruppo locale per genitori. Dopo qualche giorno vedi tra i suggerimenti profili di altri iscritti. Il sistema ha collegato il tuo profilo a quella comunita e, incrociando reti e interessi, propone connessioni verosimili. Oppure inizi un nuovo lavoro: colleghi che hanno indicato la stessa azienda potrebbero comparire. Se in passato hai caricato la rubrica, contatti con il tuo numero potranno trovarti piu facilmente e viceversa.

Come leggere i suggerimenti:

Con reti sovrapposte (amici in comune) l’algoritmo tende a essere piu sicuro.
Senza amici in comune, gruppi o rubriche possono essere i driver piu probabili.
Il profilo mostrato non implica visite al tuo account.
Se cambi impostazioni di privacy, la lista puo mutare entro giorni o settimane.
Segnala e nascondi suggerimenti inappropriati per addestrare il sistema.

Questi comportamenti sono coerenti con quanto reso noto nel tempo da documenti pubblici e analisi giornalistiche che riprendono la guida d’aiuto di Facebook sui fattori considerati, con enfasi su reti sociali, gruppi e contatti caricati. ([theguardian.com](https://www.theguardian.com/technology/2016/jun/29/how-does-facebook-suggest-potential-friends-not-location-data-not-now?utm_source=openai))

Miti comuni e cosa aspettarsi davvero

Molti miti sopravvivono perche i risultati a volte appaiono “magici”. Il piu diffuso sostiene che i suggerimenti arrivino da chi ha visitato il tuo profilo. Non esistono prove pubbliche che Facebook usi le visite al profilo come segnale diretto per People You May Know. Un altro mito riguarda l’uso continuo e invasivo della posizione: in passato si e parlato di test limitati; dichiarazioni pubbliche hanno negato un impiego sistematico della geolocalizzazione per generare suggerimenti.

Miti da trattare con scetticismo:

“Se compari tra i suggeriti, qualcuno ti ha spiato il profilo.” Non e una regola.
“La posizione e sempre il fattore principale.” Le smentite pubbliche raccontano altro.
“WhatsApp condivide i tuoi contatti per i suggerimenti Facebook.” Non e quanto dichiarato.
“Bloccare i permessi del telefono basta a rimuovere i contatti gia caricati.” Serve cancellarli.
“Ogni suggerimento implica un legame reale.” Sono stime probabilistiche, non certezze.

Verificare le impostazioni e la documentazione ufficiale resta la via piu sicura. Se vedi suggerimenti che ti mettono a disagio, riduci la visibilita dei dati di contatto, rivedi gruppi e usa gli strumenti di rimozione dei contatti. Le smentite storiche sull’uso della posizione e le spiegazioni sui fattori principali aiutano a interpretare meglio queste raccomandazioni. ([digitaltrends.com](https://www.digitaltrends.com/social-media/facebook-privacy-location-friends/?utm_source=openai))