GEO efter SEO. Hvad kan faktisk optimeres i AI-søgning?

GEO-markedet betegner ofte hvert ønskeligt resultat som “optimering”: kildevalg, citation, brandinkludering, gunstig indramning og endda anbefaling. Dette er en kategorifejl.

Et brand kan ændre sin hjemmeside, adgangsbetingelser, informationsarkitektur, indhold, påstande og nogle af de data, der sendes til eksterne platforme. Det kan ikke instruere et hentningssystem til at vælge et bestemt dokument. Det kan ikke tvinge en citation eller bestemme, hvordan en model vil syntetisere sine kilder. Det kontrollerer heller ikke den endelige anbefaling.

En moden tilgang til Generative Engine Optimization (GEO) kræver derfor tre forskellige handlingsmåder:

• direkte optimering af kontrollerede aktiver og betingelser;

• indirekte påvirkning af, hvordan information vælges og anvendes;

• overvågning af resultater, der forbliver uden for brandets kontrol.

For at sige det mere enkelt:

GEO er ikke optimering af en models svar. Det er optimering af kontrollerede betingelser, et forsøg på at påvirke mellemliggende processer og måling af en repræsentation, som brandet ikke kontrollerer.

“Efter SEO” betyder ikke “uden SEO”

Ordet “efter” antyder ikke, at GEO erstatter SEO. Det henviser til de senere faser af informationsstrømmen – det punkt, hvor et tilgængeligt dokument kan blive hentet, valgt, brugt og omdannet til et svar.

For Googles søgefunktioners generative funktioner forbliver de grundlæggende krav til SEO en indgangsbetingelse. Google angiver, at AI Overviews og AI Mode bruger sine kerne søgekvalitets- og rangordningssystemer, Retrieval-Augmented Generation (RAG) og forespørgselsfan-out. En side skal være indekseret og berettiget til at vises med et snippet, men opfyldelse af disse betingelser garanterer ikke crawling, indeksering eller præsentation.

Ikke alle systemer når information gennem den samme rute.

OpenAI skelner mellem den automatiserede OAI-SearchBot og ChatGPT-User, som kan besøge en side som følge af en brugerhandling. Anthropic tildeler separate roller til Claude-SearchBot og Claude-User. Perplexity skelner også mellem PerplexityBot og Perplexity-User, hvor brugerinitieret hentning potentielt fungerer under andre regler end automatiseret indeksering.

Omfanget af denne artikel

I hele denne artikel bruges generativ søgesystem som en paraplybetegnelse. Det indebærer ikke, at hvert produkt har den samme arkitektur.

Sekvensen:

adgang → hentning → kildevalg → citation → absorption → syntese → repræsentation → anbefaling

er en analytisk model. I et bestemt system kan nogle faser være iterative, parallelle, skjulte eller fraværende.

Hvad bør GEO betyde?

Tre konkurrerende definitioner kan identificeres på tværs af akademisk forskning og industriens diskurs.

Den oprindelige undersøgelse, “GEO: Generative Engine Optimization”, definerede GEO som en black-box optimeringsramme designet til at øge indholds synlighed inden for generative motorrespons. Forskerne modificerede dokumenter og målte ændringer i deres eksponering. Det rapporterede resultat af “op til 40%” gjaldt for et specifikt benchmark, dets egne synlighedsmål og et kontrolleret forskningsmiljø – det er ikke et benchmark for nuværende produktionssystemer.

Fra Googles perspektiv er Answer Engine Optimisation (AEO) og GEO branchebetegnelser, der vedrører synlighed i AI-søgeoplevelser, men optimering for AI Overviews og AI Mode forbliver en del af Google Search-optimering. Google kræver ikke llms.txt, specialist markup, kunstig chunking eller en separat skrivestil for AI-systemer.

Begge definitioner er nyttige, men ingen af dem giver en tilstrækkeligt neutral definition af disciplinen.

En operationel definition

Generative Engine Optimisation er den evidensbaserede praksis med at modificere kontrollerbare informationsaktiver og adgangsbetingelser for at skabe bedre betingelser for generative søgesystemer til at finde, vælge, bruge og nøjagtigt repræsentere information – mens man måler resultater, der forbliver uden for brandets direkte kontrol.

Denne definition inkluderer ikke:

• direkte kontrol over svaret;

• træning eller finjustering af en udbyders model;

• hver SEO- eller PR-aktivitet;

• overvågning alene;

• garanti for en omtale, citation eller anbefaling.

GEO, AEO, LLMO og AI-synlighed

Disse termer beskriver overlappende, men distinkte objekter.

AI-synlighed er et måleområde, ikke et synonym for GEO.

Et brand kan nævnes ofte, men beskrives unøjagtigt. Det kan modtage citationer uden at blive anbefalet. Det kan fremstå konsekvent som en informationskilde, men ikke som en udbyder af den relevante løsning.

GEO-kontrolfladen

GEO-kontrolfladen, foreslået af Brand Semantics, organiserer aktiviteter i henhold til det niveau af handlekraft, der er tilgængeligt for brandet.

Modellen antyder ikke, at hvert element udelukkende tilhører én kategori. Citation, for eksempel, er en proces, som et brand kan forsøge at påvirke og et resultat, som det skal observere.

Klassifikationen beskriver den passende ledelsesmetode, ikke blot elementets position inden for en pipeline.

Hvad brands kan optimere direkte

Direkte optimering er mulig, hvor et brand kontrollerer objektet for interventionen og kan verificere, at ændringen er blevet implementeret.

Teknisk adgang er kontrollerbar; inklusion er det ikke

I Google Search kan et brand kontrollere, om dets sider er teknisk tilgængelige for crawling, indeksering og snippet-præsentation. Det kan ikke garantere, at Google vil indeksere en side eller vise den inden for en generativ funktion.

Den samme skelnen gælder for andre platforme:

• OAI-SearchBot understøtter inklusion af sider i ChatGPT Search-funktioner, mens GPTBot vedrører indhold, der kan bruges i modeludvikling. Kontrollerne er uafhængige.

• Claude-SearchBot understøtter indeksering, der har til formål at forbedre kvaliteten, relevansen og nøjagtigheden af Claudes søgeresultater, mens Claude-User håndterer hentning initieret af brugere.

• PerplexityBot understøtter søgeflader, mens Perplexity-User kan besøge en side som svar på en brugerforespørgsel. Perplexity angiver, at sidstnævnte generelt ignorerer robots.txt, fordi hentningen er brugerinitieret.

Der er derfor ikke én enkelt “tillad AI” eller “blokér AI”-beslutning. Automatiseret indeksering, hentning på forespørgsel, modeludvikling og Web Application Firewall (WAF)-regler skal overvejes separat.

Indhold, påstande og strukturerede data

Et brand kan forbedre:

• præcisionen af sine definitioner;

• gennemsigtigheden af sin metode;

• kvaliteten af sine data;

• klarheden af sine kilder;

• strukturen af sit argument;

• aktualiteten af sine oplysninger;

• forskellen mellem fakta, fortolkninger og begrænsninger;

• konsistensen af navne, produkter og kategorier.

Dette indebærer ikke eksistensen af en universel skrivestil, der garanterer citation.

Google anbefaler nyttigt, distinkt og ikke-commoditiseret indhold, men afviser behovet for en specialist skrivestil til generativ søgning, en ideel dokumentlængde eller den kunstige opdeling af indhold i korte fragmenter.

Strukturerede data er også et kontrollerbart element. Det kan hjælpe Google Search med at forstå synligt indhold og bestemme berettigelse til bestemte rige resultater, men teknisk korrekt implementering garanterer ikke, at disse resultater vil blive vist. Strukturerede data skal afspejle oplysninger, der er tilgængelige for brugeren.

Den detaljerede design af entitets-, påstands- og kildekort er dækket i Brand Semantics Infrastructure: hvordan man får AI Search til at forstå dit brand korrekt. Her er disse elementer vigtige som kontrollerbare input – ikke som en garanti for den endelige repræsentation.

Hvad kan kun påvirkes

Et brand kan skabe bedre betingelser for hentning, kildevalg og nøjagtig syntese, men det kontrollerer ikke disse beslutninger.

Hentning og kildevalg

Potentielle interventioner inkluderer:

• teknisk tilgængelighed;

• semantisk tilpasning mellem dokumentet og forespørgslen;

• klar terminologi;

• tilstedeværelsen af relevante påstande;

• aktuelle data;

• tilgængelighed på brugerens sprog;

• eksterne kilder, der bekræfter vigtige oplysninger.

Men det fulde kandidat-sæt, alle hjælpeforespørgsler og de vægte, der anvendes af platformen, forbliver ukendte. Hentning og kildevalg er derfor områder af indflydelse og delvist uobserverbare processer.

Fraværet af en synlig citation etablerer ikke, at en kilde ikke spillede nogen rolle i hentning eller generation. Uden adgang til platformens interne logs forbliver en del af processen uobserverbar. En specifik usynlig kilde bør ikke krediteres for at forme et svar uden yderligere beviser.

Citation og absorption er ikke det samme

Et brand kan forbedre et dokument, men det kan ikke implementere en citationsrate på siden.

Citationsrate er et resultat, ikke et objekt for optimering.

Studiet “Fra citationvalg til citationabsorption” skelner mellem:

• citationvalg – valget og præsentationen af en kilde;

• citationabsorption – påvirkningen af den citerede side på sproget, fakta, beviser eller strukturen af svaret.

Inden for det analyserede datasæt var citationens bredde og dybde af indflydelse ikke ækvivalente. Studiet fandt også, at sider med større observeret indflydelse var mere tilbøjelige til at være godt strukturerede, semantisk tilpassede og rige på udtrækbare beviser. Disse er beskrivende relationer, ikke bevis for, at en enkelt strukturel ændring vil forårsage højere absorption. Publikationen er en preprint.

En fuld metode til at skelne citation fra absorption kræver en separat analyse. Til formålet med denne model er den relevante skelnen:

• struktur og beviser er kontrollerbare input;

• citationvalg og absorption er områder af indflydelse;

• citationsrate og påstandsabsorption er observerede resultater.

Eksterne kilder

Digital PR, udgiverrelationer og korrektion af eksterne kilder kan støtte GEO, men ikke hver omtale er en GEO-intervention.

En ekstern publikation bliver en del af et GEO-program, når den:

1. understøtter en defineret påstand eller entitetsrelation;

2. tager fat på et specifikt kildegab;

3. er forbundet med en eksplicit indflydelseshypotese;

4. efterfølgende overvåges for valg, citation eller repræsentation.

Brandet kontrollerer sine egne data, forskning og outreach. Det kontrollerer ikke udgiverens redaktionelle beslutning eller systemets efterfølgende valg af publikationen.

En fuld analyse af ejede, optjente og tredjeparts kilder hører hjemme andetsteds i indholdsklyngen. Denne artikel klassificerer dem kun i henhold til det niveau af kontrol, der er tilgængeligt.

Indramning og anbefaling

Et brand kan:

• definere sin kategori klart;

• forklare relevante anvendelsestilfælde og begrænsninger;

• publicere sammenligninger baseret på eksplicitte kriterier;

• korrektere unøjagtige oplysninger;

• opbygge konsistens mellem sit tilbud, publikum og det problem, det løser.

Det kan ikke bestemme, om et system præsenterer det som den første anbefaling, en mulighed blandt flere, en niche-løsning eller et brand, der er irrelevant for scenariet.

Anbefalingsrate, svarfremtræden og indramning er observerede resultater. At påstå, at et brand kan “optimere anbefalinger”, tildeler det et niveau af kontrol, som det ikke besidder.

Eksempel: ét aktiv, fire niveauer af handlekraft

Antag, at en softwareudbyder til erhvervslivet offentliggør sin egen rapport, der sammenligner metoder til at måle proces effektivitet.

Eksemplet demonstrerer, hvorfor en stigning i citationsraten ikke bør beskrives som “implementering af citationer”. Brandet implementerede en rapport, forbedrede sit kilde-miljø eller øgede tilgængeligheden. Citation er et downstream-resultat.

Hvad bør primært overvåges

AI-synlighed er ikke en enkelt måling.